Мир аналитика данных

📊 А/Б-тесты. Считаем MDE до того, как запустим тест. Хочу показать вам рабочий код для расчета минимального детектируемого эффекта (MDE) - это самый маленький истинный эффект, который тест сможет признать значимым. 🎯 На каком примере будем считать? Покажу на примере конверсии (бинарная метрика). Её часто ставят как приемочную метрику. Она просто считается и легко интерпретируется. Например, вы хотите поменять что-то в приложении – дизайн какой-то карточки, ее рекомендательную систему или просто сделали что-то еще из улучшений. И вы можете рассчитать конверсию в добавление в корзину или открытие какого-то блока или прям в саму покупку. ⭐Пусть наша приемочная метрика - конверсия пользователей в заказ. Нам нужны два простых поля на каждого активного пользователя: ● active_user_id - кто заходил в приложение за последние 2 недели; ● order_flg - совершил ли он целевое действие (1 - да, 0 - нет). ✅ Генерируем синтетический датасет на 50 000 пользователей с базовой конверсией 5%:

n = 50000                   
baseline_conversion = 0.05
np.random.seed(42)
active_user_id = np.arange(1, n + 1)
order_flg = np.random.binomial(1, baseline_conversion, size=n)
df = pd.DataFrame({'active_user_id': active_user_id,'order_flg': order_flg})
df.head()

Смотрим на фактические цифры:

active_users = df['active_user_id'].nunique()
users_with_order = df[df['order_flg']==1]['active_user_id'].nunique()

share_users_with_order = users_with_order / active_users

print('Активные клиенты:', active_users)
print('Клиенты с заказом:', users_with_order)
print('Конверсия в заказ:', round(share_users_with_order * 100, 2), '%')

✅Формула расчёта MDE Я использую стандартный подход на основе z-критерия для двух пропорций Это означает, что мы предполагаем: при больших выборках распределение разности конверсий между тестом и контролем стремится к нормальному (ЦПТ). В функции n_total — это суммарное количество пользователей в обеих группах. То есть при n_total = 50 000 в каждой группе будет по 25 000 человек.

def mde_for_conversion(baseline, n_total, alpha=0.05, power=0.80, two_sided=True):
    """
    baseline - конверсия в контроле
    n_per_group - размер каждой группы
    """
    n_per_group = n_total / 2
    p = baseline 
    # Квантили нормального распределения
    if two_sided:  z_alpha = norm.ppf(1 - alpha/2) 
    else: z_alpha = norm.ppf(1 - alpha)
    z_beta = norm.ppf(power)
    
    se = math.sqrt(p * (1 - p) / n_per_group + p * (1 - p) / n_per_group)
    mde_abs = (z_alpha + z_beta) * se
    mde_rel = mde_abs / baseline * 100
    lower = baseline - mde_abs
    upper = baseline + mde_abs
    return mde_abs, mde_rel, lower, upper

Считаем mde

n_total = int(active_users) #всего пользователей для обеих групп
baseline_conversion =share_users_with_order
 
mde_abs, mde_rel, lower, upper = mde_for_conversion(baseline_conversion, n_total)
print("\n" + "=" * 60)
print("MDE ДЛЯ КОНВЕРСИИ (n_total=" + format(n_total, ",") + "):")
print("=" * 60)
print("Baseline:", round(baseline_conversion*100, 2), "%")
print("MDE: ±", round(mde_abs*100, 2), "п.п. (", round(mde_rel, 2), "% )")
print("Диапазон:", round(lower*100, 2), "% –", round(upper*100, 2), "%")

📈 Смотрим на вывод и делаем выводы 😀 MDE ДЛЯ КОНВЕРСИИ (n_total=50,000): Baseline: 4.94 % MDE: ± 0.54 п.п. ( 10.99 % ) Диапазон: 4.4 % – 5.48 % Как это читать? 1️⃣ Сейчас базовая конверсия - 4.94%. 2️⃣ Мы сможем статистически значимо зафиксировать изменение, только если конверсия в тесте выйдет за пределы коридора 4.4% – 5.48%. 3️⃣Это означает, что тест «увидит» только прирост от 10.99% относительно базового значения. Если ваше дизайн-решение даёт +5% к конверсии (а это очень даже неплохо!), то при 50 000 пользователях тест не сможет это доказать. 😭 Вы получите p-value > 0.05 и решите, что эффекта нет, хотя он есть. Но чтобы «поймать» +5%, нужно кратно увеличивать выборку, например держать тест не две недели, а три. 📎 Вот ноутбук, чтобы Вы смогли поэкспериментировать. Если нравятся такие посты с реальным кодом и разбором A/B, то ставьте огонечки 🔥😀

Ребята, привет! 👋 Хочу рассказать вам про штуку, которая Вам понравится. У Паши Бухтика (No Data No Growth) через 2 дня стартует новый поток по A/B. И формат в этот раз необычный 👀 Раньше аналитики и продакты учились отдельно. А тут он собрал их на одном потоке с общими обсуждениями и совместными домашками. И мне эта идея прям откликнулась. Если бы уже не проходила у него курс, то пошла бы сейчас точно 🔥 Потому что в реальной работе A/B – это всегда общая ответственность продакта и аналитика. И чем хуже они понимают друг друга, тем чаще тест превращается в формальность, а не в инструмент решений. Знакомо, да? 😄 🎯 Что заберут продакты: За 7 недель практики научатся говорить с аналитиком на одном языке, грамотно ставить задачи, видеть слабые места в дизайне теста до запуска, не подкручивать методологию под свои гипотезы и защищать решения перед руководством. 📊 Что заберут аналитики: Программа шире – кроме общей части есть отдельные занятия: ✔️ сплитование; ✔️ симуляции Монте-Карло; ✔️ ratio-метрики и стат. критерии; ✔️ множественное тестирование; ✔️ A/B без A/B, ускорение, сетевой эффект. И то, чему почти нигде не учат – объяснять выводы A/B нетехническим людям и видеть, как продакт реально использует их в решениях. Часто именно это и отделяет мидла от сеньора 👍 🔥 А самое интересное – практики: Они проходят вместе в мини-группах: ➡️ Продакты начинают понимать, как думают аналитики; ➡️ Аналитики – как устроена продуктовая логика. Редкий случай, когда обе стороны учатся друг у друга прямо в процессе, а не после ✨ 🎓 А если вы уже были на прошлых потоках. Можно прийти снова: досдать домашки, освежить материал, попробовать новый формат. Паша обещал спецусловия. Старт уже 5 июня. Заявку можно оставить тут: 👉 Для аналитиков: https://nodatanogrowth.com/product-analyst-ab-testing 👉 Для продактов: https://nodatanogrowth.com/product-manager-ab-testing На аналитическом треке осталось всего 4 места. Так что лучше написать сегодня, чем в июле жалеть, что не успел 😉

От новичка до мидла всего за год: Авито запустил буткемп для аналитиков Авито открыл набор на годовую программу Avito Analyst Bootcamp, где новичок с базой SQL и Python может вырасти до мидл-специалиста всего за 12 месяцев. Никаких «принеси-подай» и бесполезных задач. Только реальная продуктовая аналитика и BI-разработка с живыми данными под руководством сотрудников. Участники получают именно те навыки, которые потом нужны на работе. Главный бонус — равные возможности для всех, независимо от города. Стажировка доступна удаленно (от 30 часов в неделю) или в одном из пяти офисов компании. Авито намеренно собирает таланты со всей России, а не только из Москвы. К участию приглашаются студенты 2-4 курсов бакалавриата, 1-2 курсов магистратуры или 3-5 курсов специалитета, а также выпускники с дипломом по технической, математической или IT-специальности. Плюс — сильное комьюнити стажеров и наставники, которые поддерживают и помогают обмениваться опытом. Лучшие выпускники смогут начать карьеру в Авито. Заявки и резюме принимаются до 4 июня.

📚 Посмотрела хэндбук по A/B-тестированию от команды Trisigma (платформа экспериментов от Авито). Он оказался прям очень неплохим. Там внутри собрана хорошая база, которую полезно освежить даже тем, кто уже давно работает с экспериментами и метриками 👀 И конечно можно повторить основы статистики: что такое дисперсия, стандартное отклонение, стандартная ошибка, типы распределения данных. Там прям хорошо разобрано. А то нет, нет, да и забывается какая-то формула или информация если это что-то прям не часто используется. Что конкретно есть внутри: 🟢основы A/B-тестов и типы экспериментов 🟢как формулировать гипотезы 🟢классификация метрик: goal / proxy / guardrail / debug 🟢OEC и закон Кэмпбелла 🟢ошибки в экспериментах и как не словить ложные выводы 🟢атомарный дизайн метрик 🟢ну и введение в матстат: дисперсия, стандартное отклонение, распределения, ЦПТ и т.д. (расчеты на примерах) Понравилось, что всё объясняется на нормальных продуктовых примерах, даже расчеты внутри есть 🧮 Забрать можно в боте @trisigma_avito_bot за подписку на их канал. Реклама. ООО "Авито Тех".

🔥 Вчера побывала в офисе Яндекса на Digital day! Главная тема вечера - Яндекс Метрика. Поделюсь сухими фактами сначала: ✅ Что нового: - ИИ-помощник (уже в бета-версии - можно тестить 👀) - Можно смотреть средние показатели продаж по рынку, нужно только поставить галочку в настройках "Получить доступ к ответу по рынку" ✅ Ключевые инсайты (и где деньги 💰): - Как меняется аналитика под разные индустрии - Глубина разметки - куда копать, чтобы не тонуть в данных - Какие отчёты смотрят лидеры рынка в Метрике - Как измеряют вовлечённость - Где искать потери в данных и как их чинить ✅ Огонь-фишка, которую полезно изучить: В Метрику можно передавать данные e-commerce по client_id 📌 Это значит - отслеживать офлайн-выручку и связывать её с действиями на сайте. Кейс из METRO - рабочий и успешный 🔥 В общем, было объемно и интересно🔥 А еще получилось пообщаться с разными людьми - нетворкинг в силе 🤝 И да, несколько человек зашли в канал после встречи - спасибо, что вы здесь! 👏 А чтобы быть на связи плотнее, я добавила LinkedIn в описание. Жду в контактах! 🍕🍽 Ну и, конечно, вкусно покормили - тоже важная метрика мероприятия! 📎Спикеры обещали прислать презу со всеми ссылками и темами. Как пришлют - прикреплю здесь!

Свежее исследование рынка аналитиков 2025 от NEWHR. 7 главных трендов рынка: 📈1️⃣ Зарплаты у многих выросли, но рынок уже не летит вверх Две трети аналитиков получили рост дохода, но чаще это было не из-за смены работы, а из-за индексации или повышения грейда. В целом рост по рынку - меньше 10%, тогда как раньше это скорее были 15–20% в год. То есть история «перешёл в новую компанию и сразу +30%» уже не выглядит нормой. 💸 2️⃣Деньги стали главным фактором Интересные задачи и развитие всё ещё важны, но зарплата впервые вышла на первое место и для удержания, и при выборе нового оффера. Очень показательный сдвиг: рынок стал более прагматичным. 🌍 3️⃣Российский и международный рынки всё сильнее расходятся Привлекательность зарубежных компаний для аналитиков из РФ за два года упала на 31%. Плюс снижается интерес к переезду: люди чаще ориентируются на тот рынок, где уже работают. ⏳4️⃣ Искать работу стало дольше 77% аналитиков находят работу за 3 месяца, но год назад таких было 81%. А доля тех, кто ищет до 6 месяцев, выросла с 53% до 61%. То есть рынок не рухнул, но стал плотнее: конкуренция выше, а найм медленнее. 🏆5️⃣Авито - лидер по привлекательности в качестве возможного работодателя. Хуже всех репутация у VK и Сбера. 🤖 6️⃣AI и ML уже не “бонус”, а новый must-have За год доля аналитиков, которые работают с ML-сервисами, выросла с 14% до 22%. А развивать этот навык хотят 41,5% респондентов. Похоже, для аналитиков это уже не «что-то дополнительное», а всё больше часть профессии. 🏢 Грейд влияет не только на зарплату От него зависят ещё и скорость поиска работы, свобода выбора локации и компании. Сеньоры, принципалы и тимлиды в целом чувствуют себя на рынке увереннее. Ну и еще разное: ✔️ Какие задачи решают аналитики сегодня ✔️ Локации и планы аналитиков на переезд ✔️ На какие компании и в каком формате работают ✔️ Как менялись зарплаты аналитиков в течение 2025 года ✔️ Сколько они получают сегодня в зависимости от специализации и грейда ✔️ Откуда пришли в профессию и как планируют развиваться дальше ✔️ ТОП и Анти-ТОП российских компаний по мнению аналитиков ✔️ Что ценят в аналитической культуре ✔️ На какие конференции ходят и за кем из экспертов следят ▶️ Вот Сайт с полными результатами

Я про вас не забыла и вот принесла кое-что интересное. Телегу замедляют, но я остаюсь тут и не хочу предлагать вам куда-то переходить. Поддержите огонечками, что вы тут и вам это по прежнему нужно! Сегодня хочу показать удобный SQL-прием для A/B тестов: как смотреть метрику сразу по нескольким двухнедельным периодам и не размечать каждый интервал руками. Так легче заметить, метрика стабильна или скачет от периода к периоду. В этом примере считаем такую метрику: доля пользователей, которые открыли карточку товара из целевого блока, среди всех пользователей, открывших карточку товара за период. Логика очень простая: ➡️ берем всех уникальных пользователей, открывших карточку товара ➡️ отдельно считаем тех, кто пришел в карточку из блока Подборка для вас ➡️ делим второе на первое и получаем долю Сгенерировала df_product_events(event_ts, user_id, event_name, event_payload).

import duckdb
import pandas as pd

query = """
with events as (
    select
        date_add(
            date '2026-02-02',
            INTERVAL (cast(14 * floor(date_diff('day', date '2026-02-02', cast(event_ts as date)) / 14.0) as integer)) DAY) as period_start,
        user_id,
        json_extract_string(event_payload, '$.source_block') as source_block
    from df_product_events
    where event_ts >= timestamp '2026-02-02 00:00:00'
      and event_ts <  timestamp '2026-03-16 00:00:00'
      and event_name = 'product_card_open'
      and nullif(trim(user_id), '') is not null
)
select
    period_start,
    period_start + INTERVAL 13 DAY as period_end,
    count(distinct user_id) as users_total,
    count(distinct case when source_block = 'Подборка для вас' then user_id end) as users_from_target_block,
    round(
        100.0 * count(distinct case when source_block = 'Подборка для вас' then user_id end)
        / count(distinct user_id),
        2
    ) as share_from_target_block
from events
group by 1, 2
order by 1
"""
result = duckdb.query(query).to_df()

Самая важная часть здесь - это расчет period_start (каждому событию назначается начало его двухнедельного периода) Что здесь происходит: 1️⃣Берем опорную дату, с которой хотим начать нарезку периодов 2️⃣Через date_diff считаем, сколько дней прошло от нее до события 3️⃣ Делим это число на 14.0, чтобы понять, в какой двухнедельный интервал попало событие. 4️⃣Через floor округляем вниз, чтобы получить номер двухнедельного интервала 5️⃣ потом умножаем на 14 и прибавляем к опорной дате через date_add В итоге каждое событие автоматически попадает в нужное окно. Например, если опорная дата - 2026-02-02, то: событие от 2026-02-03 попадет в период с началом 2026-02-02 событие от 2026-02-14 тоже попадет туда же а событие от 2026-02-16 уже уйдет в следующий период Дальше все обычно: по каждому периоду считаем всех уникальных пользователей карточки товара, отдельно - пользователей из целевого блока, и получаем долю. Мне нравится этот способ тем, что он очень легко масштабируется. Не нужно руками прописывать периоды через case when, не нужно собирать отдельные запросы под каждое окно. Один раз задали опорную дату и длину периода - и дальше запрос сам аккуратно раскладывает события как надо.👍 Если нужно смотреть метрику не по 14 дням, а, например, по трем неделям, меняется одно число и все. Удобно же! В ноутбуке я еще отдельно оформила формулировку метрики в виде плашки зеленого цвета - так что можно заглянуть не только за SQL, но и за кодом такой вставки. Отделять метрику от метрики в огромных скриптах очень удобно!

Поздравляю всех девушек с 8 марта! 🌷 Пусть будет больше радости, сил, интересных задач и чтобы жизнь почаще радовала хорошими результатами… желательно со статистической значимостью 😄✨ Я тут немного выпала из канала. Но у меня есть сразу несколько поводов для радости: ✅ Закончился испытательный срок на работе 🎉 Три месяца пролетели очень быстро! Задачи интересные, команда отличная! Работаем над улучшением приложения Азбуки Вкуса! 📱Кто ещё не скачал (Москвичи и Питерцы) - обязательно скачивайте. Там реально много прикольного и вкусного! А если найдете там какие-то проблемы... - ну вы теперь знаете кому писать 😜 ✅ 🎤 Ещё сходила на стендап (уже второй раз) Очень необычный опыт: сидишь прямо возле сцены, атмосфера супер живая. Поняла, почему люди туда ходят не один раз 😄 ✅ Ну и сам праздник! Три дня отдыха - это вам не шутки. Тут отдыхать надо со всей ответственностью 😄 А вы как проводите длинные выходные? 😊 Фото приветствуются. Да, знаю, телега уже не та… но фоточки всё ещё поднимают метрики настроения 📈 И вот вам A/B-тест на выходные(ну две недели такой тест не дали пока держать 😂: 🅰️ Группа A (контроль) - отдых 😄 👍 - жмём, если вы за этот вариант 🅱️ Группа B - ещё больше отдыха 😎 🔥 - если считаете, что отдыхаете ещё сильнее чем обычно. Посмотрим, кто победит 📊

Ребята, привет! 👋 У Паши Бухтика (No Data No Growth) 2 марта стартует пятый поток по A/B-тестированию! 📣 Вот его пост с подробностями: https://t.me/nodatanogrowth/1038 Я проходила этот курс в том году - было круто и очень полезно! 👍 Следующий поток будет только осенью. Короче, очень рекомендую🚀🚀🚀 Учеба - это вложение в себя, которое окупается! Ссылка на его сайт

Удобная функция UNNEST в PostgreSQL для работы Всем привет! Решила поделиться тут с вами одной полезной функцией, которую как раз недавно использовала на работе. У нас есть массив устройств у пользователей. Но если мы хотим: ✔️посчитать устройства ✔️сделать join ✔️агрегировать ✔️считать DISTINCT то массив нужно разложить в строки. Представим, что у нас есть данные, где у пользователя несколько устройств лежат в массиве. Было: 1 строка = массив устройств Должно быть: несколько строк с пользователем = одно устройство в строке Сначала создадим это прямо в Python

import duckdb
import pandas as pd

df = pd.DataFrame({
    "user_id": [1, 2, 3],
    "device_ids": [
        ["dev_a", "dev_b"],
        ["dev_c"],
        ["dev_d", "dev_e", "dev_f"]
    ]
})

И вот тут-то мы разворачиваем массив через UNNEST

query = """
SELECT  user_id, d AS device_id
FROM df
CROSS JOIN UNNEST(device_ids) AS t(d)
ORDER BY 1, 2
"""
result = duckdb.query(query).to_df()

Разберем необычную конструкцию CROSS JOIN UNNEST(device_ids) AS t(d) Что вообще означает AS t(d)? 🟢UNNEST(device_ids) - разворачивает массив 🟢t - имя временной таблицы 🟢d - имя колонки внутри неё После этого d — обычная колонка, с которой можно работать как с любой другой. Главное потом случайно не задвоить метрику когда будем соединять таблицу с таблицей заказов, например.

orders = pd.DataFrame({
    "user_id": [1, 2],
    "revenue": [100, 200]
})

Теперь делаем join после UNNEST:

query = """
SELECT df.user_id, d AS device_id, o.revenue
FROM df
CROSS JOIN UNNEST(device_ids) AS t(d)
LEFT JOIN orders o
    ON df.user_id = o.user_id
ORDER BY 1, 2
"""
result2 = duckdb.query(query).to_df()

User 1 имел revenue = 100 Но теперь эта сотка появилась два раза! 😱 Поэтому нужно быть внимательным и понимать для чего мы это делаем. ❌ Нельзя после этого просто делать SUM(revenue) по этой таблице - выручка продублируется на каждое устройство и итог “раздуется”. ✅ Но зато расшив девайсы и приджойнив user-level выручку мы можем посмотреть её рядом на строках устройств. 💡 Зачем это может быть нужно? Например: сколько устройств у платящих пользователей есть ли различия между single-device и multi-device users сколько выручки приходится на пользователей с 3+ устройствами Мы не делим revenue по устройствам. Мы просто используем её как атрибут пользователя. P.S Кстати, я перешла на VS Code - мне нравится. Красивый же черный фон, да? Ну и удобно видеть в структуре файлы проекта.

🔬Тут прислали исследование. Смотрим, изучаем. Я тоже где-то там была 😄🔬 📁 300+ экспертов и каналов, за которыми следят аналитики В 2025 году мы в NEWHR завершили сбор данных для нашего ежегодного исследования рынка аналитиков. Такие исследования позволяют в динамике наблюдать за тем, как меняется профессия, задачи, зарплаты аналитиков, их амбиции, желанные и нежеланные компании для работы и многое другое. Сейчас мы обрабатываем результаты, и уже готовы поделиться с вами первыми инсайтами. А именно — рейтингом экспертов отрасли и каналами, которые читают и смотрят наши респонденты-аналитики. Выборка респондентов в этом году — 1493 человека! 🔗 Полный список экспертов-аналитиков Что вы найдёте на лендинге: ➖ Рейтинги ТОП-15 экспертов и ТОП-30 Telegram-каналов, интересных аналитикам Они разделены специализациям: отдельно для продуктовых, маркетинговых, дата-, веб- и BI-аналитиков и отдельно для системных и бизнес-аналитиков — потому что предпочтения отличаются. ➖ Полные списки экспертов (100+), Telegram-каналов (130+), подкастов и YouTube-каналов которые аналитики находят интересными Telegram-каналы для удобства разделены по темам: аналитика, обучение и карьера, BI/UX/Data Viz, Data Engineering и разработка, ML/DS, Product Managment, продуктовая и HR аналитика.

Отдельно мы выделили блок экспертов, которых читаем сами — именно к ним мы обратились за информационной поддержкой. Благодарим всех, кто помог собрать такую выборку 💙

Полные результаты исследования мы опубликуем весной, следите за обновлениями!

Тренд на «универсалов»: кто будет востребован в аналитике в 2026? Эра «просто аналитиков», которые умеют только собирать таблицы, проходит. Сейчас заметен четкий сигнал рынка: компаниям нужны специалисты полного цикла — те, кто понимает путь данных от сбора до принятия бизнес-решения. Знания таблиц и базового SQL больше недостаточно, если вы хотите получать приглашения на собеседования и выигрывать конкуренцию у других кандидатов. Чтобы не тонуть в бесконечном списке требований работодателей, важно сфокусироваться на самом нужном. Илья Ковалёв (Senior-аналитик Dodo Brands) и Наталья Рожкова (HR-эксперт) проведут прямой эфир о том, как выжить и вырасти в этой среде 👍

🟠На примерах из Dodo посмотрим, как вести задачу от сырых данных до рабочего дашборда. 🟠Почему универсальные навыки стали преимуществом и как джуну соответствовать этому фильтру. 🟠Советы от HR, как доработать резюме и отклики, чтобы «пробивать» автоматические фильтры и внимание рекрутеров.

💬 Всем зарегистрировавшимся Simulative пришлют полезный материал — карту компетенций аналитика данных со всеми нужными инструментами для освоения. 🔗 Регистрируйтесь на бесплатный вебинар

✨ Ещё пару дней - и каникулы пролетят Мы семьёй успели всё: ✔️две дачи - к родным и к себе 🏡 ✔️фейерверки 🎆 ✔️квадроциклы по заснеженному озеру ❄️ ✔️банька 🔥 ✔️много оливье 🥗 ✔️встречи с друзьями 🧡 ✔️застолья 🍽 ✔️и ещё раз застолья 🍽😄 И пока мы отдыхали, нашлись упорные смельчаки 💪📚, которые совершили 195 переходов по ссылке на мой бесплатный курс 🎓. Вот это я понимаю - тяга к знаниям. Уважаю 🙌 Я правда верю: мы строим свою жизнь только своими действиями и устремлениями. Можно сколько угодно мечтать и ждать знаков, но без движения ничего не случается. И да, я могу повторять это из года в год: важно учиться, ставить цели и кайфовать от процесса, от того, как шаг за шагом идём по своему пути. Пусть он извилистый. Пусть не самый быстрый. Зато наш. Особенный. А вселенная нас точно слышит. И правда помогает - когда мы чего-то искренне хотим. 🎁 А вообще - впереди ещё целых два дня выходных (если считать сегодняшнее утро) 😌✨ Наслаждаемся!

🎁🎄 Новогодний подарок подписчикам канала🎁 Конец года - хорошее время взять паузу, оглянуться назад и честно спросить себя: а что вообще со мной произошло за этот год? Для меня этот год был очень важным. Я перешла в новую компанию, в новые задачи. Много учусь, много думаю, по-новому смотрю на аналитику и на свою роль в продукте. Чувствую, что впереди - новые свершения и более масштабные вещи, к которым я постепенно подхожу. Меня периодически спрашивают в личке, не менторю ли я сейчас. Когда-то я делала курс по SQL и Python (pandas). В этом году у меня совсем не было ресурса заниматься его улучшением и развитием - фокус был на работе, росте и новых вызовах. Но одну вещь я знаю точно: база, которая там есть, до сих пор рабочая и полезная. Поэтому я решила: ➡️➡️➡️ сделать этот курс бесплатным и доступным для подписчиков канала. Что важно понимать: ✔️ это базовый курс ✔️ без поддержки и обновлений ✔️ можно проходить в своём темпе ✔️ он отлично подойдёт, если вы: • начинаете путь в аналитике • хотите закрыть пробелы • устали от разрозненных туториалов 📎 Ссылка на мой курс для Вас: SQL&PANDAS Пусть он станет точкой опоры для тех, кому сейчас нужна база. Спасибо вам за этот год! 🧡 За то, что читаете, сохраняете, задаёте вопросы и иногда пишете "спасибо, было полезно". Это правда очень мотивирует продолжать. И да - рекламные интеграции тоже мотивируют 😎 Потому что благодаря им этот канал может жить, расти и оставаться полезным. Спасибо, что относитесь к этому с пониманием! С наступающим Новым годом 🎄🎄🎄 Пусть в 2026 будет больше ясности, роста и данных, которым можно доверять!!! ✨

В последние дни ко мне в личку пришло немало вопросов в духе: "Вдохновила история! Но как конкретно начать? Есть ли смысл переходить сейчас?" Есть. Иногда эффект приходит не сразу, но он приходит. Я всегда рекомендую сначала немного покопаться в sql и питоне, чтобы "пощупать аналитику", а потом уже выбирать курс. У меня тут часто рекламируется Simulative, потому что мне не стыдно за качество продукта. И если вы: ✔️Смотрите в сторону аналитики, но не решаетесь, ✔️Уже работаете с цифрами и хотите большего, то это ваш формат. Тем более сейчас у них скидка 35%!!!! Под новый год скидки мы любим! Короче, держите Курс-симулятор «Аналитик данных» от Simulative Что внутри:

➖12 модулей с нормальной, системной базой: SQL, Python, BI, статистика, продуктовые метрики ➖Практика на реальных кейсах, чтобы в итоге было не «я что-то смотрел», а портфолио ➖Формат без истерики и гонки: видео, тексты, конспекты, домашки — учишься в своём темпе ➖Наставники, которые реально проверяют и помогают, а не просто висят для галочки ➖Возможность получить оффер сразу после курса

Вот тот самый момент, когда ваше «потом» должно стать «сейчас». 🔗 Скорее записывайтесь на курс со скидкой: simulative.ru/data-analyst

Представьте себе коммуналку, в которой живут только аналитики. Как вы думаете, о чём там будут говорить? Если подумали исключительно про цифры, то зря 🙂 Потому что мы в Авито собрали в Телеграме комьюнити «Коммуналка аналитиков», чтобы посмотреть, что будет. Получилось очень даже интересно. Оказалось, аналитики с удовольствием пишут обо всём вокруг профессии: ✍️ Рассказывают о рабочих буднях ✍️ Хвастаются успехами и вспоминают фейлы ✍️ Постят мемы ✍️ Запускают опросы и собирают бинго ✍️ Шутят ✍️ Делятся лайфхаками ✍️ Создают серьёзные посты про аналитику ✍️ И-и-и обсуждают другие штуки, которые сложно классифицировать Подписывайтесь на канал и читайте недушную аналитику 😉

✨ Я сменила работу!!! И это тот самый случай, когда все «пазлы» сошлись. ✨ Друзья, у меня оффер, который я с радостью приняла - Азбука вкуса 🧡 Теперь я Senior Product Analyst. Я уже неделю в новой роли - и мне правда очень в кайф. Погружаюсь в продукт, читаю документацию, разбираю метрики, графики, смотрю базу по A/B-тестам - и ловлю себя на мысли: «Вот это да, как же интересно». Хочется копать глубже, предлагать идеи, улучшать, влиять. Чувствую, что это новый этап - осознанный и очень мой. У Азбуки шикарный офис и (ожидаемо 😄) невероятно вкусные обеды. Я работаю удалённо, но уже успела съездить к ним за техникой и документами - атмосфера 🔥 И да, если вдруг не знали: 📱 у Азбуки есть мобильное приложение, где можно заказывать продукты на дом! И ещё одна мысль, которой хочется поделиться. 📌 Учёба реально меняет карьеру. Проверено на себе. В разные моменты жизни: ✔️получила международный сертификат по английскому (BEC) ➡️ устроилась в иностранный холдинг ✔️изучала Data Science ➡️ сменила профессию ✔️весной прошла курс по A/B-тестированию ➡️ сменила компанию Ничего «случайного». Только шаги, которые со временем складываются в результат. Если вы сейчас учитесь, сомневаетесь, устали или думаете «а есть ли смысл?» - есть. Иногда эффект приходит не сразу, но он приходит. Спасибо, что читаете и идёте рядом ❤️ Буду рада вашим реакциям - мне правда сейчас очень радостно ✨

⚡️Пошаговый план: как получить оффер на аналитика в 2026 году? Приглашаю на бесплатный вебинар, где Андрон Алексанян - эксперт в области аналитики и CEO школы аналитики Simulative — в прямом эфире разберет все важные аспекты в работе аналитика, а также расскажет как получить оффер быстрее других. Simulative продолджают серию вебинаров про то как стать Аналитиком и теперь речь пойдет про 2026 год. Это прям 100% классное событие для тех кто только зашел в аналитику и для тех, кто хочет в нее зайти в ближайшее время. Особенно если вы не понимаете, какие навыки действительно важны или боитесь, что без опыта вас не возьмут на работу. Кстати тут разберут и возрастной аспект: как стать аналитиком в 30/40/50 лет и т.д. На вебинаре будет: 🟠Разберем полный роадмап: что учить, в каком порядке, до какого уровня; 🟠Структура хорошего портфолио с примерами; 🟠Что говорят реальные наниматели - какие у них сейчас требования:

— Покажем реальные примеры, как оформить резюме и портфолио, чтобы привлекать внимание; — Обсудим какие отклики работают, а какие сразу отправляют в корзину; — Изнанка найма: инсайдерский взгляд на процессы отбора

🟠 Практические техники для новичков: разберём, как компенсировать недостаток опыта и быстро закрывать пробелы в знаниях. 🕗 По классике для ребят - в конце будет новый бонус, который поможет бустануть вашу карьеру, так что смотрите до конца! 😶Зарегистрироваться на бесплатный вебинар