rafanalytics

Как начать карьеру в образовании? 🎓 Если ты часто задаёшься этим вопросом, то сейчас самое время попробовать себя в роли преподавателя на интенсиве от Центрального Университета 😀 22 марта ЦУ начнёт интенсив для специалистов в ИТ, которые готовы делиться знаниями со студентами, но не знают, с чего им начать 🤔 Все подробности - в посте от моих коллег 👇

⚡️Пошаговый план: как получить оффер на аналитика в 2026 году? Если вы только зашли в аналитику, но не знаете как искать работу - решение есть 🥳 К тому же непонимание уйдёт, если вы будете уверены в эффективности своих действий Simulative приглашают 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 ⚡️ Будет очень полезно тем, кто только зашел в аналитику, и для тех, кто хочет зайти в ближайшее время. Особенно если вы не понимаете, какие навыки действительно важны или боитесь, что без опыта вас не возьмут на работу. Кстати, на вебинаре также разберут: как стать аналитиком в 30/40/50 лет и т.д. 🧑‍🎓 На вебинаре: 🟠Разберем полный роадмап: что учить, в каком порядке, до какого уровня; 🟠Покажем структуру хорошего портфолио с примерами; 🟠Обсудим, что говорят реальные наниматели - какие у них требования:

— Покажем примеры, как оформить резюме и портфолио, чтобы привлекать внимание — Рассмотрим как выглядит найм изнутри от лица HR

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

Линейное мышление тебе мешает 📉 Недавно обучая нейросеть со студентами, я задумался о том, что мы учим модели улавливать нелинейные зависимости, а сами продолжаем думать линейно 🤔 Мы привыкли к интуитивной логике: чем больше усилий - тем больше результат (т.е. линейная зависимость) Но когда начинаем наблюдать за реальностью, то оказывается, что жизнь чаще протекает по другим уравнениям 🤔 Нелинейность — это когда результат непропорционален усилиям: иногда одно действие даёт столько эффекта, сколько не приносили годы работы Разберём на конкретных примерах: 1. Создание контента - месяцами снимаешь и пишешь материалы, со скрипом набираешь каждые 100 подписчиков - и вдруг один пост "залетает", его репостит крупный канал, и за ночь приходит больше людей, чем за полгода, а усилий на этот пост потрачено ровно столько же, сколько на остальные 🤯 2. Изучение новой дисциплины — на примере Data Science это ощущаешь особенно остро: месяцами разбираешь формулы, матрицы, производные, а модели все ещё кажутся чёрным ящиком. Прогресс едва заметен, но вдруг линейная алгебра, статистика и градиентный спуск складываются в единую картину, и ты начинаешь видеть, почему нейросеть обучается именно так💡 3. Поиск работы — десятки резюме, собеседования, отказы. Из-за этого кажется, что КПД стремится к нулю, но каждый отказ чуть подтачивает резюме и прокачивает ответы на вопросы. В итоге один звонок или случайное знакомство приводят к офферу мечты, и весь предыдущий опыт оказывается всего-лишь подготовкой к этой единственной точке 📍 4. Масштабирование мёртвого продукта — пример обратной нелинейности: можно работать по 20 часов в сутки и лить огромные бюджеты в маркетинг - и не получить ничего, если рыночного спроса на продукт нет. В таком случае "больше усилий" = "быстрее сжигаешь ресурсы", при этом даже не приближаясь к результату 🔥 Окей, но как это применить? 🤷‍♂️

Учись не ждать линейного роста — усилие не всегда равно результату здесь и сейчас. Дай процессу время, и если даже через разумный срок динамики совсем нет — это сигнал пересмотреть стратегию, а не удваивать усилия вхолостую

✍️ Быстрые результаты — это исключение, которое современный мир обобщил в норму. Но вот только чаще реальность так не работает, и об этом следует помнить 🌱 Кстати, это напрямую связано с аналитическим мышлением: умение находить точки максимального рычага в продукте, гипотезах или собственном развитии - один из ключевых навыков хорошего аналитика 📊 Лучший способ поддержать такой формат постов - поставить реакцию ❤️‍🔥 или поделиться мнением в комментариях

Кэшбек — бесплатная скидка или скам? 😦 Этот пост — часть рубрики, в рамках которой можно обрести насмотренность для решения бизнес-кейсов, которые так часто возникают на собеседованиях для аналитиков 📊 В прошлый раз ты узнал(-а) про динамическое ценообразование в ритейле, а теперь разберём немного финтеха: откуда у тебя появляется кэшбек в банке и за чей счёт он на самом деле существует?

Представим ситуацию: в кофейне ты берёшь раф из Авито на миндальном, расплачиваешься картой и получаешь назад 5% от его стоимости бонусами на ту же карту

☕️ Обычно мы считаем, что такой банковский кэшбек является 💅благотворительностью💅, но на самом деле это продуманный механизм, основанный на борьбе за клиента Так откуда у банка деньги на твой кэшбек? 1. Межбанковские комиссии - когда ты покупаешь кофе с карты, торговая точка выплачивает комиссию банку-эквайеру (банк, обслуживающий магазины). А тот, в свою очередь, делится частью этих денег с банком-эмитентом (банком, который выпустил твою карту) 💳 2. Партнерские соглашения - кэшбек в конкретной кофейне тебе часто может финансировать сама кофейня, доплачивая банку за привлечение трафика и увеличение среднего чека, покупая твою лояльность 🤑 3. Прибыль от кредитов - программы лояльности финансируются за счет высокой маржи по кредитным картам. Проценты и пени, которые платят одни клиенты, позволяют банку вернуть тебе часть средств за твой любимый латте 🤔 4. Экосистема и долгосрочная выгода - банк готов нести краткосрочные убытки ради удержания хороших клиентов. Довольный бонусами чел дольше хранит деньги на счетах и в будущем с большей вероятностью купит страховку, оформит ипотеку или подключит платные сервисы 💰 Увы, кэшбек — это не бескорыстный подарок, а инструмент, выгодный всем участникам цепочки 📈 Кстати, выбор категорий кэшбека, вероятно, даёт банку широкий простор для проведения A/B-тестов: экспериментируя с набором доступных категорий и размером процента для разных групп пользователей, аналитики находят оптимальный баланс между вашими тратами и затратами банка (но это лишь моя догадка), отсюда и всякие мемы про "кэшбек 7.3% на корм для бобров" Понравилась такая рубрика? Ставь красную реакцию ❤️🍓

Гайд по аналитикам: какие они бывают? 📊 Когда я говорю, что работаю аналитиком, то часто слышу: «О, а ты бизнес/системный/крипто аналитик?» 🤔 Давайте разберёмся, кто есть кто в мире аналитиков 👇 📈Продуктовый аналитик (Product Analyst) Чем занимается: • Строит воронки конверсии — анализирует путь пользователя от первого касания до целевого действия • Проводит A/B-тесты — проверяет гипотезы по улучшению продукта • Анализирует поведение пользователей — изучает, почему одни остаются с продуктом надолго, а другие уходят после первого дня Средняя ЗП*: 150к - 320к ₽ 💰 Вакансий на hh: ~2500 🔍 Аналитик данных (Data Analyst) Чем занимается: • Строит дашборды и отчёты — создаёт визуальные панели и регулярные отчёты для разных отделов компании • Ищет инсайты в данных — находит аномалии, выявляет тренды, объясняет, почему метрики изменились • Работает с базами данных — извлекает нужную информацию с помощью SQL-запросов и превращает её в понятные выводы для бизнеса Средняя ЗП*: 100к - 250к ₽ 💰 Вакансий на hh: ~6700 🏢Бизнес-аналитик (Business Analyst) Чем занимается: • Работает на стыке бизнеса и IT — собирает требования от бизнеса и переводит их на язык, понятный разработчикам • Описывает бизнес-процессы — документирует, как работают процессы в компании • Анализирует эффективность процессов — предлагает конкретные улучшения для ускорения и упрощения бизнес-операций Средняя ЗП*: 110к - 250к ₽ 💰 Вакансий на hh: ~8600 💼Финансовый аналитик (Financial Analyst) Чем занимается: • Работает с деньгами компании — управляет финансовыми данными и помогает бизнесу эффективно распоряжаться ресурсами • Анализирует рентабельность — оценивает доходность разных направлений бизнеса и продуктов • Строит модели unit-экономики — считает, сколько стоит привлечь клиента и сколько он принесёт денег за всё время взаимодействия с компанией Средняя ЗП*: 140к - 250к ₽ 💰 Вакансий на hh: ~4600 🤖Data Scientist Чем занимается: • Строит ML-модели для предсказаний — создаёт системы машинного обучения, которые автоматически анализируют данные и делают прогнозы • Предсказывает отток клиентов — строит модели, которые заранее определяют, кто из клиентов может уйти • Работает на стыке аналитики, программирования и математики — использует продвинутую статистику, алгоритмы и ML для решения бизнес-задач Средняя ЗП*: 130к - 360 000 ₽ 💰 Вакансий на hh: ~1000 🖥Системный аналитик (System Analyst) Чем занимается: • Описывает, как должна работать IT-система — создаёт детальную техническую документацию • Собирает требования от бизнеса — общается с заказчиками и превращает их пожелания в чёткую техническую документацию для разработчиков • Рисует схемы процессов — создаёт диаграммы, описывает логику работы функций, продумывает сценарии использования системы Средняя ЗП*: 140к - 310к ₽ 💰 Вакансий на hh: ~4100 📊BI-аналитик (Business Intelligence Analyst) Чем занимается: • Строит дашборды и витрины данных — создаёт централизованные наборы данных с ключевыми метриками компании для быстрого доступа • Создаёт удобные интерактивные отчёты — создаёт визуальные панели и регулярные отчёты для разных отделов компании • Помогает всем отделам принимать решения — от маркетинга до финансов обеспечивает визуализированными данными для обоснованных бизнес-решений Средняя ЗП*: 150к - 300к ₽ 💰 Вакансий на hh: ~1600 * - зарплаты указаны примерно для Москвы и крупных IT-компаний, в регионах суммы могут быть на 20-40% ниже Лайфхак:

Честно говоря, за годы работы аналитиком данных я постоянно оказывался на пересечении всех этих ролей, и теперь знаю точно — есть набор знаний, которые нужны каждому аналитику 💯

Именно о них я и рассказывал в своём бесплатном туториале для начинающих аналитиков 👀 Ставь ❤️ если такой контент тебе полезен

⚡️Пошаговый план: как получить оффер на аналитика в 2026 году? Если вы только зашли в аналитику, но не знаете как искать работу - решение есть 🥳 К тому же непонимание уйдёт, если вы будете уверены в эффективности своих действий Simulative приглашают 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 ⚡️ Будет очень полезно тем, кто только зашел в аналитику, и для тех, кто хочет зайти в ближайшее время. Особенно если вы не понимаете, какие навыки действительно важны или боитесь, что без опыта вас не возьмут на работу. Кстати, на вебинаре также разберут: как стать аналитиком в 30/40/50 лет и т.д. 🧑‍🎓 На вебинаре: 🟠Разберем полный роадмап: что учить, в каком порядке, до какого уровня; 🟠Покажем структуру хорошего портфолио с примерами; 🟠Обсудим, что говорят реальные наниматели - какие у них требования: — Покажем примеры, как оформить резюме и портфолио, чтобы привлекать внимание — Рассмотрим как выглядит найм изнутри от лица HR 💬 Всем зарегистрировавшимся Simulative пришлют полезный материал — карту компетенций аналитика данных со всеми нужными инструментами для освоения. 😶Зарегистрироваться на бесплатный вебинар

Появилась идея сделать пост на тему "культа продуктивности" и той его части, что действительно может работать на пользу 🤔 Как вам идея? 🍌 - делаем

Проблема бесплатного транспорта 🇷🇸 Пару дней назад я впервые приехал в Белград, чтобы посмотреть как тут живут айтишники, и заметил странную вещь: в автобусах и трамваях никто не прикладывает карты. Оказалось, что общественный транспорт тут стал бесплатным в 2025 году 🤯 Такое решение может быть выгодно городу: растёт пассажиропоток (люди чаще выбирают транспорт вместо авто), снижаются пробки, улучшается экология и появляются имиджевые бонусы (а где ещё вы видели бесплатный транспорт?) Получается классический размен метрик: выручку с билетов меняют на экологию, оптимизацию трафика и удовлетворённость жителей ⚖️ Но когда транспорт становится бесплатным и убирают валидацию карт, появляется неочевидная проблема: исчезает источник данных о перемещениях пассажиров 📍 Валидация карт в платном транспорте — это не только способ контролировать оплату, но и источник данных для улучшения транспортной системы 🚌 Благодаря нему аналитики из городских структур понимают: • какие маршруты популярны в разное время • где нужно добавить автобусные маршруты, а где их можно убрать • как оптимизировать расписание под реальный спрос Сначала я подумал, что трекинг пассажиров можно решить через Computer Vision — камеры с ML-моделями, считающие пассажиров в салоне (пример статьи), но я сомневаюсь, что Белград использует такой подход 🤖 Потом выяснилось следующее: в Белграде есть проект автоматического подсчёта пассажиров, а именно над каждой дверью в новых электробусах стоят сенсоры, которые считают посадку и высадку на остановках, записывая GPS-координаты и время 🕒 Однако кажется, что система работает далеко не на весь автопарк Белграда. Скорее всего для аналитики используют комбинацию: датчики на новых автобусах + GPS-аналитику + старые данные о валидациях 📊 Теперь ты знаешь, что за обычной поездкой в автобусе скрыта интересная аналитическая задача) А я тем временем собираюсь обратно в Москву к преподаванию, работе и блогам - не теряйте 🫶 Ставь ❤️ если было интересно

Почему одни аналитики богатые, а другие бедные? Все говорят, что рынок аналитики перегрет, но вот парадокс: компании не могут найти сотрудников, а крутые спецы месяцами сидят без работы 😭 И зачастую проблема не в твоих хардах, а в том, что ты не знаешь, как работает система найма 🤔 К счастью, моя знакомая Аня приглашает тебя на вебинар, где можно заглянуть в этот «черный ящик» Вебинар пройдет 28/01 в 19:00. Там она покажет, как перестать быть невидимкой для HR и продавать свой опыт дорого, даже если кажется, что «еще рано» или «недостаточно скиллов» Почему Ане можно верить: Она практик, а не теоретик. ✅ 7 лет в Data & Product Analytics (Ozon, Avito, 2 стартапа в России и за рубежом). ✅ Сейчас работает в международной AI-компании. ✅ Автор канала @jazzlitics. Что будет в программе: 🔥 10 причин, почему вам отказывают на собеседованиях 🔥 Самая большая ошибка при оформлении резюме 🔥 Прожарка резюме подписчика в прямом эфире Аня также расскажет про свою программу карьерного сопровождения 🤝 🎁 Бонус для тех кто досмотрит до конца. Разбор ИИ-кейса с интервью в Yandex Browser 🎁 Ссылка на эфир будет опубликована в закрытом канале спринта. ХОЧУ НА СПРИНТ

Как заработать, ничего не продавая 🤯 Когда говорят про доходы компаний, то чаще всего сразу вспоминают продажи, маркетинг, рост аудитории, ценообразование и воронки 💸 Но есть и более неочевидный способ заработать деньги, о котором я довольно долго не задумывался 🤷‍♂️ И называется он «овернайты», или, проще говоря, краткосрочное размещение денег 💵 Рассмотрим на примере маркетплейса: • пользователи пополняют кошельки, оплачивают заказы • эти деньги какое-то время лежат на счетах компании до выплат продавцам, возвратов или комиссий • в моменте это могут быть достаточно большие суммы, которые по факту просто ждут своего часа — день или два И вот вместо того, чтобы эти деньги просто лежали, их можно разместить в овернайты — низкорисковые финансовые инструменты, куда деньги кладут буквально на один день: • сегодня положили • завтра забрали • получили небольшой дополнительный доход (сейчас можно найти овернайты в среднем на ~10% годовых в рублях) Почему это удобно: • деньги остаются максимально ликвидными • подходит для очень короткого горизонта • не мешает основной операционной деятельности компании По похожей логике работает даже количество налички в банкоматах — нужный объём на сутки часто прогнозируют с помощью ML-моделей, потому что держать слишком много физических денег в банкомате без дела невыгодно, т.к. на них тоже можно заработать, размещая их, например, в депозит, пусть и на короткий срок ⏳ Кажется, что аналитику полезно такое знать: • это может всплыть на собеседовании и показать твоё понимание бизнеса 😎 • при решении рабочей задачи ты можешь заметить, что у компании есть свободные деньги, которые не обязаны лежать без дела 💰 Если было полезно — ставь любимую реакцию ❤️🍌🍓

Как продакт-менеджеру выжить и вырасти в эпоху AI? В этом семестре я продолжаю вести очные семинары по ML в Центральном университете 😀, но в этот раз уже для студентов-продактов. Не секрет, что нейросети меняют продукты, процессы и требования к продактам.

Вопрос не в том, заменит ли AI продакт-менеджеров, а в том, кто научится использовать его быстрее и глубже других 🧠

И, что символично, сейчас у Центрального университета появляется ещё одна классная возможность — онлайн-уроки «Продуктовый менеджмент в эпоху AI», уже в открытом и бесплатном формате 🧑‍🎓 Кто будет говорить: — Ваня Замесин — автор AURA и Advanced JTBD, основатель курса «Как делать продукт». — Глеб Кудрявцев — основатель Карьерного Цеха, ex CPO Skyeng и автор курса «Вайб-кодинг на максималках» — Илья Красинский — основатель & CEO Rick. ai и продуктового курса Product Heroes. О чем пойдет речь: — Какие навыки остаются базовыми для продакта в эпоху нейросетей. — Что уже сегодня можно делать в 10 раз быстрее с AI. — Как писать промпты, которые дают качественный результат. — Почему понимание юнит-экономики остается важным навыком в любую эпоху. — Зачем продакту вайб-кодинг и как меняется профессия. Когда: уроки с 28 января по 2 февраля, в 19:00 мск. Участие полностью бесплатное 👍 Приятно, что после уроков можно попасть на интенсив для продакт-менеджеров с возможностью получить грант до 75% на обучение в магистратуре Центрального университета 😀 Рекомендую зарегистрироваться уже сейчас

Кем надо работать, чтобы стать аналитиком? 😎 Мне сказали, что следует поделиться этой историей, потому что она может кого-то вдохновить 🙏 Аналитиком на стажировку в Яндекс я устроился в 20 лет, но до того момента у меня было 2 года жизни после школы, когда надо было как-то зарабатывать 💵 Я точно не бедствовал — благодаря родителям у меня всегда было где жить и что поесть, но на карманные расходы после школы я решил зарабатывать сам. Итого я попробовал самые разные занятия, но все довольно интересные. Начнём по порядку: • Пеший курьер в Яндекс.Доставке — сюда я устроился летом сразу после школы, вышел на одну смену и, к сожалению, не получил ни одного заказа. Тогда я сильно злился, потому что закончил школу с золотой медалькой и высокими баллами ЕГЭ, но при этом не мог конвертировать свои знания в деньги 🤬 • Куратор в онлайн-школе — с началом учёбы во ВШЭ я начал работать в онлайн-школе, которая готовила школьников к ЕГЭ (я и сам там учился в своё время). Там я работал 2 года: у меня было 20-30 учеников в группе, за которых я отвечал и помогал им с ДЗ, модерировал вебинары и составлял методички 🧑‍🎓 Свою первую зарплату я получил в размере 5к рублей, а затем каждый месяц получал по 15к в зависимости от KPI. Удивительно, но этих денег в целом хватало на студенческую жизнь и комплексные обеды на Покре, но ценнее всего то, что в результате работы куратором я и завёл этот телеграм-канал • Подработка на мероприятиях — вдобавок я вписывался в разные подработки, и одна из них заключалась в помощи с организацией конференции для селлеров на маркетплейсах 🛍🛍🛍 Перед началом одной из конференции мне даже приходилось стоять зимой с табличкой-указателем на улице, чтобы навигировать посетителей конференции, а за один рабочий день я получил 2к рублей, чему был очень рад 🥳 В другие разы я работал барменом на студенческих тусовках Вышки, за что тоже получал около 2к 🍾

Весь этот опыт научил меня находить в работе смысл и пользу в первую очередь для себя самого. Благодаря этому появился сам телеграм-канал, рилсы про курьеров Лавки и Еды, понимание логики работы маркетплейсов, а также желание делиться материалами со студентами, которые мечтают работать в IT

Посыл простой: всё, что ты делаешь до «работы мечты», — не стыдно и не зря, даже если в моменте кажется обратное. Просто умей находить в этом смысл для себя любимого 🥰😍 Ставь ❤️ если тебе понравился пост - это важная обратная связь для меня

Тренд на «универсалов»: кто будет востребован в аналитике в 2026? Эра «просто аналитиков», которые умеют только собирать таблицы, проходит 😛 На рынке я замечаю чёткий сигнал: компаниям всё чаще нужны специалисты полного цикла — те, кто понимает путь данных от сбора до принятия бизнес-решения. Обычного знания таблиц и SQL уже недостаточно, если хочется получать приглашения на собеседования и выиграть конкуренцию у других кандидатов 😎 Но есть лайфхак, чтобы не утонуть в бесконечном списке требований работодателей и 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

Как я переходил из Яндекса ❤️ в Авито 😎 Всё это подробно описали в новой статье на Хабре, опубликованной совместно с Практикумом 📖 Читать статью 📝 Как вы видите — количество ваших реакций напрямую влияет на частоту постов, поэтому не поленись поставить ❤️

Совет при собеседовании в конкретную компанию 🤔 Немного поделился историей, как собеседовался в другие компании после Яндекса ❤️ В других соцсетях с короткими видео тестирую новый формат с советами, попробую выложить и сюда в том числе 📹 Если наберём больше 100 🔥, то видео будут появляться и тут)

Правило 💯 для скидок В предыдущем посте мы поговорили про контекст, но как аналитик ценообразования поделюсь ещё одним интересным наблюдением из мира скидок и цен 😎 Есть такое правило 100: — если товар стоит меньше 100, скидка лучше воспринимается в процентах — если товар стоит больше 100, лучше показывать скидку в абсолютных величинах Например: • скидка 20% на товар за 50$ ощущается сильнее, чем скидка вида –10$ • а вот для товара за 5.000 $ уже наоборот: –1.000 $ выглядит привлекательнее, чем 20% Правда, есть нюанс: это правило уже не так часто работает в России, просто потому что товаров дешевле 100 рублей у нас осталось не так много 😭 Ставь единорога, если тоже впервые услышал про это правило🦄 И предлагаю челлендж: делись в комментариях своим любимым продуктом стоимостью до 100 рублей 😏

Контекст решает всё? ✍️ Я, как аналитик ценообразования (раньше в Лавке, а сейчас в Авито) люблю посмотреть на повседневные решения через призму цен (и других метрик, которые можно найти по ссылке) И вот один пример, который хорошо показывает, как сильно на наш выбор влияет контекст и точка отсчёта 🗺 Представь два сценария: 1) Ты видишь оранжевый iPhone 17 📱 Цена: 127 000 ₽ 125 000 ₽ (т.е. скидка 2 000 ₽) 2) Ты видишь тот же самый оранжевый iPhone 17 📱 Цена: 170 000 ₽ 130 000 ₽ (т.е. скидка 40 000 ₽) Вопрос: в каком сценарии ты с большей вероятностью купишь айфон? Если смотреть только на итоговые цены, 1-ый вариант выгоднее. Но на практике большинство чаще выбирает 2-ой сценарий — тот, где скидка выглядит существенно больше ❓ И дело здесь не столько в самой цене, сколько в точке отсчёта, относительно которой мы принимаем решение. При разной точке отсчёта восприятие одного и того же товара поменяется 🤯 И кажется, что эта логика хорошо масштабируется и на жизнь) Мы редко оцениваем себя "в вакууме", и чаще всего у нас есть контекст, относительно которого мы сравниваемся 👀 В качестве базы для сравнения могут выступать: — доход твоих друзей — уровень образования твоих родителей — количество подписчиков у блоггеров, на которых ты подписан — да и в целом любые чужие результаты Например, можно зарабатывать 40к, когда друзья получают 20к, и чувствовать себя комфортно и даже уверенно 🏆 А можно зарабатывать 300к, когда знакомые хаслят на 500к, и чувствовать себя "лохом" 😶 Хотя в абсолютных значениях разница огромная, но чаще всего решает контекст — и его можно либо попробовать изменить, если он триггерит, либо выбирать такой, который даёт энергию и вдохновляет 🪽 Согреем пост огонёчками 🔥, чтобы посты не боялись выходить чаще ❤️

Отличная возможность ворваться в аналитику в 2026 году У меня часто спрашивают, как можно начать свой путь в аналитике 📊 Раньше, конечно, всё было сложнее: надо было самостоятельно искать материалы и туториалы, практиковаться 😮‍💨 Но сейчас всё меняется, и если вы давно смотрите в сторону аналитики, но боитесь сделать первый шаг - эта возможность для вас 💯 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 Кому может помочь: 1. Тем, кто хочет войти в аналитику с нуля 2. Тем, кто уже в понимает что такое аналитика, но чувствует, что нужно прокачать знания и повысить грейд И самое важное: у Simulative сейчас праздничаня скидка 35% 🤯 🔗 Скорее записывайтесь на курс со скидкой: simulative.ru/data-analyst

Рейтинг людей под видом падела 🎾 Поговорим про нашумевший падел-теннис — а точнее, про то, как на его основе можно построить рейтинг людей 🏆 По ощущениям сейчас в России каждый пятый айтишник успел поиграть в падел. Чудесным образом этот упрощённый аналог тенниса набрал хороший темп развития даже несмотря на довольно высокую стоимость 😢 Если ты играл в падел в России, то наверняка слышал про приложение Lunda Padel: там после каждой игры выставляются очки, и на их основе обновляется рейтинг игроков (сам рейтинг измеряется от 1 до 7) Так уж вышло, что последние полгода я довольно часто играл в падел, и как человек, зацикленный на цифрах и признании, я в какой-то момент начал задумываться 🧐

А как считается рейтинг?

Представим ситуацию из парного тенниса/падела: 4 игрока, формат 2×2, игра окончена. Кажется, что можно просто начислить очки за победу и поражение, но сразу возникает вопрос: а что делать, если команды изначально были разного уровня? Очевидно, что схема «победа = +X, поражение = −X» здесь работает плохо. Поэтому в подобных случаях используют рейтинговые модели сравнений. Самый известный пример — Elo-рейтинг (из шахмат), а его более продвинутые версии — Glicko и TrueSkill, которые лучше подходят для командных форматов вроде падела 🎾 Кстати, сама идея рейтинга через сравнения уже встречалась, например, в фильме "Социальная сеть", где Марк Цукерберг с другом строили рейтинг девушек (осуждаем, конечно) через попарные голосования 👩‍❤️‍👩 Но вернёмся к паделу)

Сначала по текущим рейтингам считается ожидаемая вероятность победы, а затем рейтинг обновляется

по формуле

:

"Новый рейтинг" = старый + K × (факт − ожидание)

Где

факт

— это 1 при победе и 0 при поражении,

ожидание

— число от 0 до 1, рассчитанное из разницы рейтингов, а K — коэффициент «веса» одной игры

Если команда выигрывает матч, где победа была маловероятной, то рейтинг растёт сильнее. Если побеждает фаворит — изменения будут минимальны. Но стоит помнить, что каждая игра — это всего лишь одно шумное наблюдение, поэтому рейтинг — это попытка оценить уровень игрока через целую серию сравнений, а не только по одному матчу. А теперь проголосуем реакциями: ❤️ - играл в падел 🔥 - ещё не играл, но хочу 🍌 - не играл и не хочу

Нужно ли аналитику данных машинное обучение — и как его освоить 📝 Совместно с Практикумом немного дополнили предыдущий пост и выпустили соответствующую статью на Хабре Если ты аналитик и понимаешь, что тебе актуален ML - рекомендую почитать, там и ссылки на полезные и бесплатные видосы есть Читать статью 🍓 А ещё, как вы наверное заметили, посты в канале начали выходить чаще) Давайте поддержим такую активность при помощи реакций❤️