Аналитика и growth mind-set

Продолжаю разбирать платные курсы, чтобы помочь вам определиться, какой курс выбрать. Сегодня — курс Аналитик Данных от Анатолия Карпова, как просили в комментариях. Напомню мои условия проверки курсов: 1. Погружаюсь в курс, включая платные материалы — прохожу некоторые из них. 2. У меня нет цели “топить” основателей курса и уж точно “продвигать” кого-то. Разбираю по сути — плюсы и минусы, которые заметила. Все, что пишу — мое субъективное мнение. Анатолий Карпов известен бесплатными курсами по статистике на Stepik — их прошли 300 000 человек, средняя оценка 4.9. Курсы помогли мне на старте разобраться в статистике, несмотря на то, что практических примеров в них не хватало. Поэтому платный курс было особенно интересно разобрать. Что может не понравится: 1. Учебный ритм фиксированный: уроки и задания открываются 3 раза в неделю, на выполнение дают 2 недели. Это может быть минусом для тех, кто хочет полностью свободный график. 2. Не дают гарантии трудоустройства, но пишут, что карьерные консультанты помогут пройти через все сложности поиска. 3. Иногда платформа немного лагала. Например, виртуальный помощник по курсу ответил мне не с первого раза или видео звучало с глюками. Что супер: 1. Мне зашла подача теории. Построена на примерах и опыте преподавателей. Смотришь лекцию — и не ловишь себя на скуке. Наоборот, хочется дослушать до конца. Например, в 15 минутной лекции про визуализацию от Ромы Бунина (BI evangelist Yandex DataLens) — 7 рабочих примеров. Анастасия Кузнецова (канал “Настенька и графики”) не просто показывает, как надо делать дизайн дашбордов, но и прожаривает чужие дашборды — разбирает типичные ошибки на примерах. Примеры вообще — один из самых сильных способов обучения: мозгу легче запомнить наглядное. 2. В курсе 490+ практических задач. После каждого урока с лекциями увидела в среднем 10 практических задач и вопросов на подумать: посчитай метрики, разберись с поведением пользователей, выбери дашборд под задачу и т.д. Формируется не только навык, но и голова начинает думать как у аналитика. 3. 10+ кейсов в портфолио. В целом кейсы охватывают все ключевые навыки. Например: анализ A/B-теста в дейтинг-приложении, оптимизация маркетинговых каналов в доставке еды, разбор, где теряются клиенты и тд. Поэтому на собеседовании пробелов быть не должно. 4. Погружение в реальную работу. У меня в доступе оказался проект модуля по визуализации. Там нужно не просто “собрать дашборд”, а пройти весь путь: собрать требования, провести интервью, поработать с данными, визуализировать и презентовать результат. — В таком виде это дает полное погружение в работу аналитика данных. И как раз закрывает тот самый частый вопрос: “Прохожу курс Х, но всё ещё не понимаю, чем вообще занимается аналитик и как выглядит работа на практике.” — У новичков часто проблема не с тем, как посчитать, а с коммуникацией. В курсе задания не оторваны от реальности — нужно общаться, принимать решения, думать, что важно для бизнеса. Прокачиваются не только hard, но и soft-скиллы. 5. Есть база вопросов с собеседований и тестовых заданий. Правда сама я ее не видела, про нее мне рассказал ИИ на сайте (”это набор реальных кейсов и задач, которые дают на собеседованиях в IT-компаниях”). Крутая тема, чтобы повысить шансы пройти собес. Как всегда — решать вам. Но если хотите моё мнение: если бы начинала с нуля, курс Карпова рассмотрела бы. Здесь есть нужное для старта и трудоустройства, а минусы не критичные. Речь шла об этом курсе: karpov.courses/analytics. Будет здесь интересно послушать мнение тех, кто уже проходил курс — как он вам? Если такие разборы интересны и стоит продолжать, жмите🔥

«Авито Тех» объявил о покупке платформы Sigma у EXPF. Для меня это знаковое событие — наконец-то российский рынок получит полноценный стек инструментов для аналитики любого уровня. После объединения платформы флагманский продукт компании Trisigma станет доступен не только IT-гигантам, но и стартапам, только открывающим для себя A/B-тестирование. Что это значит на практике: — Новички с помощью простого инструмента Sigma легко освоят эксперименты и сегментации. — Trisigma позволит масштабировать эксперименты, автоматизируя и визуализируя их. — Текущие клиенты EXPF сохранят доступ к привычным инструментам и получат возможность воспользоваться технологической базой Авито Тех. Кстати, статистика Авито впечатляет — 4000+ экспериментов за год через эти системы.

Помните Пашу из МТС? Я дала ему свой фидбек на курс от Eduson — плюсы и минусы, которые заметила после изучения программы и демо. В итоге Паша выбрал именно его, чтобы перейти в аналитику данных. Работал, напомню, менеджером по продажам. Прошел месяц, я решила спросить, как у него идут дела. Нравится учиться или нет? Не пожалел ли? Было интересно, как курс ощущается на практике. Ниже его ответ (я его немного структурировала и сократила, чтобы было удобнее читать): —- Я когда читал твой обзор, вроде понимал, что мне это нужно, но сомнения всё равно были. Типа если раньше я думал о холодных звонках и степени квалификации лидов, то теперь надо смотреть сильно выше. Всё равно переживал менять работу в 30 - когда все уже карьеру построили, а ты только начинаешь. Пару дней походил с мыслями и решил: хуже не будет. Даже если не стану аналитиком - это всё равно база, которая нужна, чтобы расти. А сидеть и думать “а вдруг” - ну такое себе. Что по факту? Старт, честно, был тяжёлый. Сначала тупил, потом втянулся. Ну это как везде будто. За месяц изучил тему Бизнес-мышление аналитика и начал тему SQL (проходить модули можно в любом порядке). Спорные моменты: 1. ДЗ проверяют не моментально, жду 3-4 дня. Хотелось бы побыстрее. 2. Показалось, что многовато про Excel и Google Sheets в курсе - несколько модулей посвящено табличкам. 3. Не знаю, насколько это “контент уровня бог”, я пока новичок. Но объясняют понятно, всё логично, структура есть. Понятно, что экспертную оценку я не дам, я только учусь. Что понравилось: 1. Не думал, что сам когда-то напишу SQL-запрос. В шоке с себя. Как всегда подумал, что это страшно, что увижу формулу и захочу откатить всё обратно. А по факту - вроде всё нормально объяснили. Понял, что главное - не спешить и не бояться спрашивать кураторов. 2. Кейсы норм, сейчас проектирую базу данных магазина - выстраиваю архитектуру. Первичный и внешний ключ, нормализация - мозг кипит, если честно, от нового. Но интересно. 3. После модуля “Бизнес-мышление для аналитика” до меня дошло, что мой гуманитарный бэкграунд мне помогает, а не мешает. Как ты писала, дело не только в том, чтобы “посчитать”. Нужно ещё понять, зачем ты это считаешь. Что это дает бизнесу. Уметь это объяснить нормально, понятно. То есть я думал что ты или технарь или гуманитарий, и должен обнулить всё прошлое, если хочешь сменить направление. А это вообще-то плюс, а не слабость. 4. Нравится, что всё в одном месте. Не надо гуглить, ходить по ютюбам, искать, где там кто нормально объясняет. Просто открыл - и пошёл по модулям. Если интересно, потом напишу, как дойду до финального проекта. Пока держусь😂. —- Мне было важно не просто посмотреть курс снаружи, а понять, как он ощущается изнутри - у реального человека с ограничениями по времени, гуманитарным бэкграундом и сомнениями. И пока, судя по рассказу Паши, он доволен. Напомню, что речь шла об этом курсе https://eduson.academy/data-analyst. Сейчас смотрю ещё один курс - скоро будет новый разбор. Если ждете - жмите🔥.

🔥Полностью бесплатный курс по Python Pandas* для аналитиков данных Увидела, что Simulative сделали полностью бесплатный курс по Pandas для аналитиков данных. *Pandas — must-have для любого аналитика данных. Это библиотека Python, которая помогает обрабатывать огромные массивы информации. Это можно долго и тяжело делать с помощью Excel, чуть легче с помощью SQL. А в Pandas, да и в целом в Python, это можно сделать за несколько строк кода. Оставляю рекомендацию тут, потому что в отличии от большинства бесплатных курсов, которые я видела: 1. Курс весь бесплатный, а не только вводная часть. 2. Классно, что еще есть доступ к чату, где можно задать любые вопросы преподавателям и студентам. 3. Теория в курсе заточена конкретно на аналитиков данных и есть практические задания (30+ практических задач и бизнес-кейсы). Что заявлено в курсе: 1. Изучите Pandas с нуля до продвинутых функций: сложная агрегация, оконные функции и т.д. 2. Научитесь решать реальные аналитические задачи: проводить многомерный ABC-анализ, XYZ-анализ, рассчитывать динамику продаж. 3. Сделаете собственный проект, который сможете добавить в портфолио: реальный кейс автоматизации обработки финансовой отчетности от крупной региональной аптечной сети. Обучение можно начать в любой момент. Бесплатный курс тут: https://simulative.ru/pandas Если рекомендации бесплатных курсов полезны, ставьте🔥.

100 лучших стартапов в области аналитики, финансируемых Y Combinator Y Combinator, один из самых известных и престижных стартап-акселераторов, обновил список стартапов в области аналитики. Помимо известных компаний, таких как Amplitude и Mixpanel, в список вошли и новые стартапы. Отдельно отмечу стартапы в области аналитики, профинансированные в 2025 году: 1. Daxa — ИИ, который следит, как юзеры используют твой продукт. Помогает выявить проблемы с приложением до того, как пользователи откажутся от него, и спланировать функции, которые максимизируют конверсию. 2. Code Four — ИИ для полицейских, который превращает видео с камер в готовые отчёты и саммари за секунды. 3. Labric — делает беспорядочные лабораторные данные понятными, чтобы учёные могли ускорять открытия. Собирает данные с приборов, очищает их и связывает между собой. 4. nao Labs — Cursor для дата-команд. Понимает твои данные, подключён к хранилищу и пишет рабочий код сам — без багов и лишних правок (как заявлено в промо). 5. Artificial Societies — ИИ, который моделирует поведение целых групп людей. Ты можешь протестировать, как отреагирует твоя аудитория (например, инвесторы или LinkedIn-фолловеры), ещё до запуска рекламы, поста или продукта. 6. Operand — ИИ, который анализирует все данные бизнеса (цены, рекламу, запасы и конкурентов) и предлагает стратегии, которые увеличивают прибыль. (Полный список из 100 стартапов можно найти здесь). (Также стартапы Y Combinator нанимают на работу, вакансии можно посмотреть тут.) Какие тренды можно выделить? Стартапы 2022-2023 годов в основном были ориентированы на поддержку традиционных методов анализа. Стартапы 2024 года: Тренд на ИИ-ассистентов. ИИ-ассистент помогает, но не действует самостоятельно. Акцент на улучшение инструментов аналитики: от SQL и Pandas до Jupyter, чтобы сделать аналитику проще и доступнее. Стартапы 2025 года: Тренд на ИИ-автономных агентов, а не просто помощников. ИИ-агент запускается один раз, дальше сам анализирует, выявляет проблемы, строит рекомендации без постоянных запросов от пользователя. (Если хотите понять разницу между ИИ ассистентом и ИИ агентом вот тут статья, объясняющая различие). Дополнительные выводы: 1. Профинансировано Y Combinator не равно полноценно рабочий продукт. Тестируя некоторые из них, можно заметить, что все еще довольно сыро и сомнительно. 3. ИИ не заменяет аналитиков, а переносит фокус с рутинных задач (SQL-запросы, отчёты, дешёвые инсайты) на более стратегическую, творческую работу. Если такой формат интересен, жмите🔥.

⚡Пошаговый план: как стать аналитиком данных в 2025 Хотите попасть в аналитику, но теряетесь в море информации и не понимаете, какие навыки действительно важны? Боитесь, что без опыта вас не возьмут на работу? И да, ещё один популярный вопрос — а что, если мне 30/40/50+ лет? Андрон Алексанян — эксперт по аналитике с 8-летним опытом и по совместительству CEO Simulative — покажет рабочие схемы и чёткий план, как устроиться в аналитику быстрее, даже если у вас нет опыта Что будет на вебинаре? 🟠 Разберёте полный роадмап: что учить, в каком порядке, до какого уровня; 🟠 Лайфхаки трудоустройства: — покажут реальные примеры, как оформить резюме и портфолио, чтобы привлекать внимание; — обсудите, какие отклики работают, а какие сразу отправляют в корзину; — изнанка найма: инсайдерский взгляд на процессы отбора 🟠 Практические техники для новичков: разберёте, как компенсировать недостаток опыта и быстро закрывать пробелы в знаниях 🕗 Важно досмотреть вебинар до конца, чтобы получить бонус от Simulative, который поможет бустануть карьеру 😶Зарегистрироваться на бесплатный вебинар

Если много стараетесь, но результата нет — вот что помогает мне: вместо того чтобы делать всё подряд, я ищу одну главную причину, что тормозит, и фокусируюсь только на ней. Это даёт максимальный эффект. Вот 2 типичных случая, когда не получается сдвинуться с места: 1. Неясно, за что хвататься — и ничего не работает. Пример — новички в аналитике, которые ищут работу, часто не понимают, на чём сфокусироваться. Мысли скачут: “Может, выучить ещё один инструмент? А вдруг дело в опыте?”. Паника только усиливает расфокус. Но стоит спокойно разобрать воронку — и оказывается, всё сыпется уже на этапе резюме. Откликов нет, потому что резюме общее и сырое. Когда текст становится чётким и показывает ценность для работодателя — начинаются отклики. 2. Фокус на том, что привычно, а не на том, что важно. Пример — у многих начинающих предпринимателей с бэкграундом в разработке или аналитике не получается делать продажи. Причина банальна: на сайте нет трафика. Но вместо того чтобы заняться маркетингом и привлечь хотя бы первых 1000 человек, разработчики продолжают улучшать продукт, а аналитики — совершенствовать сбор данных. Продукт еще никто не видит, а данные не на что применять, поэтому пока не решишь вопрос с трафиком — всё остальное делать бессмысленно. Прогресс начинается тогда, когда находишь и убираешь главное препятствие, а не делаешь всё подряд или то, что привычно. Эту идею описал Элияху Голдратт в книге "Цель". Главный герой, Алекс, должен за 90 дней спасти завод, и наставник учит его искать главное ограничение — и устранять именно его. Хотя книга о производстве, принципы легко применимы в любой сфере. Суть: в любой системе есть одно узкое место, которое сдерживает результат. Оно может быть внутренним (процессы, команда) или внешним (рынок, ресурсы). Пока это ограничение не убрано — остальные усилия почти бесполезны. Недавно увидела, что результаты по проекту не те, которые планировала, поэтому решила применить теорию на практике. Что сделала: 1. Выделила время на глубокий анализ данных из систем аналитики. Данные подсказывали: проблема — в продукте или его позиционировании. Но не всё можно понять только по цифрам. 2. Поэтому я подробно описала ситуацию ChatGPT — что происходит, мои сомнения и приложила данные. Попросила найти ограничение через призму Теории ограничений. 3. Сначала ChatGPT предложил несколько вариантов. После пары итераций с уточняющими вопросами я нашла главное ограничение. 4. Сейчас фокусируюсь на устранении этого ограничения. Когда решу — перейду к следующему ограничению (это, кстати, один из принципов Теории ограничений). В чём отличие от обычной расстановки приоритетов? Приоритеты часто ставят на ощущениях. Теория ограничений даёт чёткий фокус — куда бить, чтобы был максимальный эффект. Конечно, идеализировать не стоит — у любой теории есть рамки. Теорию ограничений лучше применять, когда: — Ресурсы ограничены — а так почти всегда: время, деньги, внимание. — Нужен быстрый результат — Система (бизнес, команда, проект) не даёт результатов, хотя вроде “всё делается” Любая теория — не панацея, но помогает по-новому увидеть свою ситуацию. 🐾 На фото просто два байкера с моей парковки. Оба знают, где их зона фокуса. Если такие посты нравятся, ставьте 🔥.

Мой знакомый Паша из МТС хочет перейти из менеджера в более горячую сферу — аналитику, так как зарплата гораздо выше и можно работать удаленно из любой точки мира (в идеале — уехать в Азию, как я 😂). Он новичок, аналитику не использует в работе, но начал читать разные материалы. Паша выбрал курс от Eduson и попросил мой разбор. Посмотрела программу, демо — написала Паше, решила заодно поделиться и здесь. Может, вам пригодится. ! Сразу скажу: у меня нет цели “топить” основателей курса и уж точно “продвигать” кого-то. Разбираю по сути - плюсы и минусы. Что не так: — Если хочешь сразу идти в hardcore (типа углубленного Python, SQL, ML с постоянным кодингом) — курс покажется базовым. Он скорее про понимание данных, а не про сложный код. — Курс на русском. Для тех, кто планирует работать в англоязычной компании — это минус, несмотря на то, что в курсе есть блок про зарубежный рынок. В реальности конечно учиться сразу на английском — слишком резкий старт, поэтому многие аналитики начинают именно так: сначала осваивают всё на русском, потом постепенно переходят на английский — тоже нормальная стратегия. — Курс асинхронный. Это не “бросили и разбирайся сам” — есть кураторы с обратной связью и эксперты с индивидуальными консультациями и погружением в кейс студента. Но если цели нет — легко слиться. А если есть мотивация расти — это, наоборот, плюс: проходишь в своём ритме, без дедлайнов и созвонов “для галочки”. Что супер: — В курсе много кейсов, которые я сама делала в реальной работе. Например: отчёт для агентства, анализ продаж в рознице, разбор метрик в доставке. Один кейс вообще совпал с задачей, которую мы решали в агентстве — структура и формулировка были те же. И такие штуки, если честно, сильнее любых “сертификатов” на собеседовании. (Хотя курс, кстати, и даёт диплом гособразца.) — 32 кейса в портфолио, диплом, задачи и тренажёры почти в каждом модуле. По сути каждый навык отрабатывается на практике. В бесплатных курсах, которые я рекомендовала, такого объёма, конечно, не будет. Подумала, если бы у меня в начале были кейсы по каждой теме, многих рабочих фейлов можно было бы избежать. Когда я сама переходила в аналитику, сильно недооценила важность кейсов и бизнес-мышления. — Понравилось, что курс учит не только считать, но и бизнес-мышлению. Аналитик без этого — просто “калькулятор”, которого не слышат и не понимают. Не переживай, если нет матобразования — я видела много “умняшей” с теорией, но без бизнес-мышления от них толку мало. Растут и зарабатывают те, кто умеет говорить на языке продукта. Ну и в целом в курсе есть математика. — Покрывает весь стек, который нужен в работе - от Excel до Python — с этой базой можно сделать хороший старт. Упомянуто, что курс создан на основе запросов крупных компаний — OZON, М Видео, МТС, Сбербанк и тд. — где отделы аналитики одни из самых сильных. — Ты сомневался, что курс всего 6 месяцев — а по мне, это плюс. Сейчас важно быстро собрать базу и идти к работе. У взрослых с этим проще: есть опыт, фокус и понимание, зачем учиться. Так что тянуть нет смысла — можно быстрее и осознаннее. — Так как второй курс у них идет в подарок, рекомендую выбрать в качестве подарка курс по data science, чтобы усилить харды или директора по аналитике, чтобы усилить софты. — Порадовало, что во многом мысли сходятся, например, про то, как искать работу — 100% информация, особенно про “воронку” при поиске работы. Я спокойно отношусь к любым школам — мне важна логика курса, а не бренд. Здесь она есть. Дальше всё, как всегда, зависит от тебя: включишься сам, будет результат. Вот что я ответила Паше. Надеюсь, вам тоже было полезно. Обозревала этот курс: https://eduson.academy/data-analyst. Посмотрите сами — интересно, совпадёт ли ваше мнение с моим. Если наберем более 200🔥 — разберу другие курсы. Жмите 🔥, если интересно.

🔸 8 инструментов аналитики, которые я реально использую каждый день Я начинала как аналитик, сейчас — предприниматель. Но подход не изменился: принимаю решения только на основе данных, а не интуиции. Вот основные инструменты, которые я использую практически каждый день: 1. Julius AI ⭐ — ИИ-ассистент для анализа данных Для аналитики данных, маркетинговой, финансовой аналитики, data science и научных исследований. — Поддерживает разные форматы данных, в том числе PostgreSQL — Использует разные языковые модели в работе — В отличии от ChatGPT Data Analysis дает более точные ответы Использую: для быстрой повседневной аналитики и визуализации. Бесплатно ограниченный доступ. 2. Google Analytics — классика веб-аналитики Базовый, но мощный инструмент. Использую для анализа откуда приходит трафик, кто моя аудитория, как люди двигаются по воронке. Бесплатно. 3. Ahrefs Web Analytics — альтернатива Google Analytics Быстрая и простая веб аналитика по сайту, особенно в live-режиме. Но возможностей меньше, чем в Google Analytics. Использую для повседневного быстрого отслеживания, сверяю данные с GA. Бесплатно. 4. Mida 🔺 — эксперименты за 10 минут Для запуска простых экспериментов без кода. — Подключается быстро с помощью пикселя — Интегрируется с GA, Amplitude, Mixpanel и др. — Не тормозит сайт — Есть сертификат по информационной безопасности ISO 27001, это подтверждает, что компания серьёзно относится к защите данных. Тестирую тексты, кнопки и структуру лендингов. Бесплатно ограниченный доступ. 5. Similar web — анализ конкурентов Анализирую трафик конкурентов на сайте: откуда трафик, какие каналы дают результаты, географию, демографию и др. Бесплатно ограниченный доступ. В платной версии добавляется много углубленной информации по трафику, а также другие функции, как исследование рынка. Подумываю купить. 6. Semrush — SEO и анализ конкурентов В некоторых моментах пересекается с Similar web. Использую в основном для SEO анализа. Хочу попробовать инструмент для анализа социальный сетей конкурентов. Бесплатно ограниченный доступ. 7. PostgreSQL — база для всего Надёжная, масштабируемая база данных. Использую как основную базу данных — собираю и храню данные по проектам. Рекомендована для Django, который я использую в разработке. Бесплатно. 8. Channel Analyzer ⭐ — мой продукт для анализа Telegram-каналов Анализирует любой Telegram-канал и дает полезные инсайты на основе данных: — как улучшить монетизацию — где провисает контент — как продвигать быстрее и эффективнее. Сейчас использую только внутри, но скоро будет ранний доступ. Можно подписаться тут, чтобы не пропустить запуск. Если такие посты полезны, ставьте 🔥.

⚡Собираем аналитический отчёт и генерим гипотезы роста Самая страшная ошибка в аналитике — построение фейковой аргументации. Это когда у есть некая проблема, и она объясняется чем-то, что на самом деле причиной не является. Подготовили для вас вебинар, где научим не просто собирать данные, но и понимать, а так же принимать решения на основании этих данных. Практический вебинар проведет Андрон Алексанян (эксперт по аналитике с 8 летним опытом и по совместительству CEO Simulative). В режиме реального времени соберем продуктовый отчет для анализа вебинарной воронки: 🟠Разберём ключевые метрики: CPReg, CPL, доходимость, CR1, AOV и другие; 🟠После сборки отчета проведём мозговой штурм: какие гипотезы можно проверить и как их внедрить? 🟠Разберём кейсы, где подобные инсайты уже дали результат; 🟠Упакуем наш анализ в удобный и универсальный шаблон. 🕗 Встречаемся 20 мая в 18:30 по МСК, будет много практики, ответы на вопросы и полезные инсайты от эксперта 😶Зарегистрироваться на бесплатный вебинар

Ты хочешь стать аналитиком данных. А тут — реальность: «Спасибо, что откликнулись. К сожалению, нам нужен кандидат с практическим опытом». И всё. Ты учил SQL. Смотрел курсы на YouTube. Но без реальных кейсов — даже не зовут на собеседование. Не тот старт, о котором ты мечтал. Это происходит со многими, кто пытается перейти в аналитику: — нечего показать — нет опыта с реальными данными — и ты сам не веришь, что готов Но есть и другой сценарий. Ты не просто учился. У тебя есть портфолио с реальными кейсами: — дашборд для Дом.РФ — SQL-запрос, который решал задачу для SBS — Python-аналитику из проекта T-Инвестиции HR видит в твоем портфолио реальные проекты — и понимает, что ты уже работал с данными, решал бизнес-задачи и знаешь, как применять инструменты на практике. Твои проекты говорят за тебя. Ты не просишь шанс — ты готов к работе. Есть программа, которая как раз помогает прийти к такому сценарию — это "Аналитик с нуля до профи" от Changellenge >> Education. Что делает эту программу сильной — это её структура и подход: — 12 месяцев практики на кейсах от крупных компаний — Всё идёт в портфолио как реальный опыт — SQL, Python, Excel, BI — и только то, что реально нужно — Поддержка с резюме, собеседованиями, консультации от HR — 83% студентов устраиваются до окончания курса Качественная практика в начале пути - на вес золота, поэтому курс с акцентом на реальные кейсы точно окажется полезным для тех, кто еще не успел поработать с аналитическими задачами. А по промокоду GROWTH30 будет действовать скидка 30%. Обратите внимание — промокод действует всего 2 дня! Оставляйте заявку по ссылке » https://u.to/QOc-Ig

⚡️Анализируем продажи на Wildberries с помощью Python С каждым днем все больше бизнесов выходят на маркетплейсы, а значит еще более ценными становятся аналитики, которые умеют с ними работать. Хотите за несколько часов собрать интересный кейс для своего портфолио? Андрон Алексанян -  эксперт по аналитике с 8 летним опытом и по совместительству CEO Simulative в прямом эфире проанализирует продажи на Wildberries с помощью Python. Что будет на вебинаре: 🟠Напишем скрипт на Python, который каждый час собирает статистику о ранжировании карточки на WB по ключевым запросам; 🟠Построим наглядные визуализации для отслеживания динамики ранжирования. Важно досмотреть вебинар до конца, чтобы узнать как упаковать этот кейс в портфолио своих проектов. 😶Зарегистрироваться на бесплатный вебинар

🏄‍♀️ Как я снова отравилась из-за океана — и при чём тут аналитика данных 1. Температура, тошнота, диарея — это происходит со мной каждый раз после серфинга в дождливый сезон, когда в море сливается все, что угодно — от мусора до банальных 💩. 2. В северной части Тихого океана, на полпути между Гавайями и Калифорнией, вращается 100 000 тонн пластикового мусора (на фото). Добро пожаловать в Большое мусорное пятно — область, втрое больше Франции. Оно выглядит так же катастрофично, как и звучит: сверху напоминает гигантский пластиковый суп. И это лишь 2 примера, подтверждающие: мусор в океане - это глобальный кризис, а не локальная история. Скоро мы вообще не зайдем в океан? ➡️ Ежегодно в океаны, реки и озёра попадает 19–23 млн тонн пластика — как если бы каждую минуту в воду сбрасывали 2 000 мусоровозов (по данным ООН). ➡️ На поверхности океанов плавает около 170 трлн пластиковых частиц, а на дне может быть в 10 000 раз больше (источник). ➡️ Ежегодно из-за мусора в океане погибают 100 миллионов морских животных. Страдают и морские растения, которые участвуют в производстве 70% кислорода (источник). ➡️ В исследовании Университета штата Портленд микропластик нашли в 99% морепродуктов. Это вызывает тревогу из-за возможного влияния на пищеварительную, эндокринную и другие системы организма. Чем помогает аналитика в этой проблеме? В мире есть некоммерческие и частные организации, борющиеся с загрязнением. Например, The Ocean Cleanup из Нидерландов — их цель — очищать океаны от пластика с помощью инновационных технологий. 1. Определяют источники загрязнения, чтобы “поймать проблему на старте” 💡 80% пластика попадает в океан через ~1000 рек. Чтобы найти эти «артерии загрязнения», The Ocean Cleanup анализирует: спутниковые данные, гидрологические карты, поведение мусора в воде, данные о населении и инфраструктуре поблизости. Это позволяет им не просто «ловить мусор в океане», а перехватывать его у истока — в реках. 2. Предсказывают, куда поплывет мусор, чтобы точнее планировать очистку — Камеры на мостах фиксируют мусор в реках — GPS-буи и радары отслеживают его путь в океане — ИИ-модели показывают, где и когда он соберётся в “мусорные вихри” Это помогает запускать очистку точно там и тогда, где она даст максимальный эффект. 3. Визуализация, которая не оставляет равнодушным Цифры — это важно, но именно визуализация заставляет почувствовать масштаб. Данные превращают в наглядные дашборды, которые: — Показывают, где океан «захлёбывается» от пластика — Делают проблему видимой и понятной для широкой аудитории — Помогают влиять на решения политиков и доноров Дашборды и инсайты по загрязнению пластиком Сколько реки выбрасывают пластика в мировой океан The Ocean Cleanup прогресс. 4. Прогнозы на будущее и машинное обучение Чтобы не просто тушить пожары, а предотвращать их, аналитики обучают модели, которые помогают заглянуть вперёд: — Что будет с океаном, если мы продолжим жить «как обычно»? — А что изменится, если сократим пластик хотя бы на 20%? — Где появятся новые точки бедствия через 5 лет? The Ocean Cleanup и другие подобные организации и компании нанимают аналитиков данных и стажеров в аналитике. Например, вакансии: INTERNSHIP – DATA QUALITY AND MODELLING или COMPUTER VISION AND TIME SERIES ANALYSIS INTERNSHIP. Или можно стать гражданским ученым и внести свой вклад, документируя пластиковое загрязнение c помощью приложений Ocean Cleanup Survey App или Debris Tracker. Другие полезные ресурсы: 1. Подкаст The Ocean Cleanup: Рената Коррея провела 4 года путешествуя по миру и анализируя данные о пластиковом загрязнении. Её путь начался с шока от увиденного в Гватемале — а теперь она работает как Head of Performance and Analysis в программе Rivers. 2. Роль аналитики данных в борьбе с загрязнением океанов. 3. London Business School: Выигрывая гонку за чистые океаны с помощью аналитики. 4. Решая проблему загрязнения океана с помощью данных. 5. Дата сеты, которые можно использовать для собственных проектов 1, 2. 6. Фильм в тему Plastic people. Если пост был полезен, буду благодарна 🔥.

⚡️Решаем тестовое задание в Магнит Tech на позицию аналитика данных в прямом эфире Умение качественно выполнить тестовое задание для любой компании - это важный элемент успешного поиска работы. Чтобы выделиться среди других кандидатов, нужно понимать, что лежит под капотом каждого инструмента, а не следовать конкретному заученному алгоритму. Эти навыки приходят с опытом нарешивания боевых задач и тестовых, одно из которых мы разберем на бесплатном вебинаре с Павлом Беляевым - руководителем группы дата-аналитиков в компании Яндекс eLama. Что мы будем делать на вебинаре: 🟠познакомимся с тестовым заданием одной из крупнейших ритейл-сетей «Магнит»; 🟠с помощью SQL потренируемся искать нужное в товарном ассортименте; 🟠с помощью Python научимся определять слова-палиндромы. А ещё — увидим тестовое задание по SQL eLama, безотказно работавшее 6 лет. В нем есть важный нюанс, на котором многие сыпались! 🕗 Встречаемся 25 марта 18:30 по МСК 😶Зарегистрироваться на бесплатный вебинар

Ты можешь расти или застрять: все решает твое мышление. Проверь себя: – Твое мышление ограничивает тебя? – Стараешься выглядеть умнее, чем есть? – Избегаешь сложных задач, чтобы не казаться «неспособным»? – Веришь, что успех – это талант, а не процесс? – Думаешь, что упорный труд = отсутствие способностей? Если да, это признаки фиксированного мышления (fixed mindset). Оно приводит к страху ошибок и бесконечному поиску "легких" путей, в конце концов к отчаянию. Если ты веришь, что все навыки развиваются через усилия, эксперименты и настойчивость, ошибки – это не провал, а шанс стать лучше – это мышление роста (growth mindset). Оно помогает развивать новые навыки, восстанавливаться после неудач и достигать целей. Так говорит автор книги “Mindset: The New Psychology of Success”, Carol Dweck, профессор психологии в университете Stanford. Также на эту тему есть исследования Jason S Moser. Пример для аналитика: ❌ Фиксированное мышление: "Я не знаю Python, значит, мне не быть крутым аналитиком", "У меня нет интересных задач, значит, роста не будет". ✅ Мышление роста: "Как я могу внедрить Python в свою работу?", "Как самому находить интересные задачи?". Мой личный пример: Сейчас разрабатываю сервис с аналитикой для телеграм каналов и у меня есть 2 варианта – поддаться фиксированному мышлению или выбрать мышление роста. ❌ Фиксированное мышление: "Я не разработчик, значит, мне не создать SaaS", "Если бы у меня был партнер-программист, все бы шло быстрее". ✅ Мышление роста: "Как я могу минимально протестировать идею без сложной разработки?", "Как мне учиться нужным навыкам прямо в процессе реализации?" Я постоянно замечаю это в моем закрытом комьюнити владельцев телеграм каналов: самые быстрые результаты получают те, кто тестирует и анализирует, а не ищет идеальный способ с первого раза. Та же логика работает и в отношениях, спорте, бизнесе. Каждый раз, когда я это вижу, убеждаюсь в одном: рост — это процесс, а не момент удачи. И тот, кто действует, всегда впереди.

🔥 На рынке аналитики крутая новость — Авито Тех запустил Trisigma. Теперь A/B-тестирование проще и быстрее. A/B-тесты — основа продуктовой аналитики, но строить свою систему долго и дорого. Авито Тех представил Trisigma — продукт для тестирования и аналитики цифровых сервисов. Trisigma не просто тестирует новые фичи, а связывает их с бизнес-метриками. Это значит, что вы сразу увидите, как обновления влияют на ключевые показатели, сможете принимать обоснованные решения и избежать потерь от запуска неудачных обновлений. Внедрение платформы в Авито увеличило количество тестов с нескольких десятков до 4000+ в год. И, по оценке управляющего партнера Авито Ивана Гуза, такой подход дает в коридоре от 10 до 20% к таким ключевым показателям, как выручка или число покупателей в год. Какие задачи решает Trisigma? — Экономит до 90% времени аналитиков — автоматически проверяет эффективность новых функций на разных сегментах аудитории до их массового запуска. — Запускает сотни экспериментов без найма допкоманды. — Ускоряет развитие продукта благодаря более быстрому внедрению новых функций. — Высокая надежность результатов — исключается человеческий фактор. — Гибкие настройки тестов и понятные, удобные отчеты. Trisigma уже тестируют ряд крупных компании из сфер онлайн-образования, фастфуда и ритейла. Команда платформы открыла прием заявок на тестирование сервиса внешними компаниями. 💰 Разработка аналога с нуля = несколько десятков миллионов и 2 года работы. Поддержка = 50 млн ₽ в год. Логичный вопрос: платить миллионы или взять готовое решение?

Как тебя тянут назад, а ты этого не замечаешь. Менталитет краба 🦀. Хочу поговорить про менталитет краба — штуку коварную и часто незаметную, но сильно тянущую назад. Суть менталитета краба: когда люди видят, что вы пробуете новое или добиваетесь успеха, вместо поддержки они критикуют, буллят, обесценивают. Их цель — остановить вас, чтобы вы не выбились вперёд. Почему? Зависть и страх. Метафора основана на наблюдениях за поведением крабов в открытом ведре: если один краб пытается выбраться из ведра, другие тянут его назад — в итоге никто не спасается. Примеры менталитета краба: — Вижу это у "опытных" в IT — они внушают новичкам, что "Рынок переполнен", "Без 5 лет страданий ничего не добьёшься". Одна из причин (осознанно или нет) — отпугнуть конкурентов и сохранить свой статус. — Те, кто хотел бы уехать, но боится, осуждают тех, кто решился: "Ты там никому не нужен", "Вот уедешь, а потом пожалеешь!", "Ты предал нас". — Ты строишь карьеру или делаешь бизнес: "Деньги — это не главное, когда жить собираешься?", "Ты как робот — только работа, цели, задачи. Расслабься!", "Ты слишком амбициозная, независимая, серьезная — мужчинам это не нравится" (женский вариант). — Ты развиваешь свой блог или канал: "Да кому это вообще интересно?", "Блогеры — это несерьёзно, вот на заводе (в больнице и тп) настоящие профессии". — Ты завершил сложный проект, который занял у тебя 2 месяца и делишься этим в соц сетях: "Ой, да я такое за час сделаю", "И что тут такого, чем можно было бы удивить?". — Когда старшее поколение считает, что молодые должны повторить их сложный путь: "Мы в 90-е без выходных пахали за копейки, а вы хотите нормальные зарплаты, удалёнку, баланс работы и жизни, путешествия, свободу выбора? Много хотите!" — "А ты уверен, что тебе это надо?", "Ты что думаешь, лучше других?", "Бизнес — это опасно", "Ты недостаточно молодой/старый [подставить нужное]". И так далее. В итоге ты сам прокручиваешь эти слова в голове, и даже без чужих комментариев начинаешь в них верить. Неудивительно, что потом столько сомнений и нерешительности. И тут вы скажете — просто не общаться с такими людьми и будете правы (в книгах по саморазвитию не зря говорят о важности окружения). Но есть несколько нюансов: 1. Это только самые очевидные примеры, но на деле всё сложнее. — Если это говорит авторитетный человек — его слова воспринимаются совсем иначе. "Нельзя переезжать, пока не выучишь язык" — и ты уже сомневаешься (это ж гуру говорит, как ему не поверить). — Чем умнее человек, тем он опаснее в этом плане. Он выдаст 500 фактов, расчётов, логичных доводов. 2. В постсоветских обществах выделяться — это риск. Здесь быть как все — норма, а любое отклонение воспринимается как угроза. Да, время уже прошло, но в большинстве людей это еще сидит. 3. Люди не всегда хотят навредить — часто это просто их сомнения и страхи, но результат один: тебя это тянет вниз. Как быть? (мои правила) Первый шаг — осознать проблему. Отслеживать эти манипуляции и свои установки в том числе (с помощью дневника или работы с психологом). Понять, что чужие слова — это их чувства и мысли, а не реальность. Ограничивать общение с теми, кто тянет вниз, и окружать себя теми, кто поддерживает. Жить в других культурах (изучать другие культуры) — это учит смотреть шире и выходить за рамки. Начинаешь замечать влияние своего окружения и понимать, что многие вещи — не нормальны. В итоге развиваешь иммунитет к давлению общества и учишься брать лучшее из разных культур. Идти своим путём — только я знаю, что для меня правильно. Слушать советы, но не позволять другим управлять жизнью. Зависнешь на чужом мнении — останешься в ведре. Если такие посты нравятся, ставьте 🔥.