Аналитика и growth mind-set

«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 🔥.

6 бесплатных SQL и Python игр для практики навыков и развлечения: Часть 2 Обучение через игру стало трендом в последние годы и используется не только для детей, но и для взрослых. Игры делают процесс более увлекательным, что помогает удерживать внимание и мотивацию на высоком уровне. Здесь была 1 часть. 1. SQL Squid Game SQL-игра, вдохновленная популярным сериалом на Netflix. Вам предстоит пройти серию SQL-заданий, чтобы остаться в живых в виртуальном соревновании. Спасибо подписчику Роману за рекомендацию. Полностью бесплатно. 🔗 Играть в SQL Squid Game 2. SQL Police Department В этой игре вы выступаете в роли детектива, расследующего преступления с помощью SQL-запросов. Вам предстоит анализировать базы данных полицейского департамента, чтобы раскрыть различные дела. Полностью бесплатно. 🔗 Играть в SQL Police Department 3. Kusto Detective Agency Игра, в которой вы – новичок в детективном агентстве и должны расследовать загадочные дела, анализируя данные с помощью SQL. Полностью бесплатно. 🔗 Играть в Kusto Detective Agency 4. CodeCombat Игра для изучения программирования, которому нужно пройти подземелья и сразиться с врагами, используя заклинания в виде Python кода. Бесплатно доступны первые уровни, дальше — по подписке. 🔗 Играть в CodeCombat 5. DataStar Игра полностью реализована в базе данных PostgreSQL, симулирует экономику с торговлей, добычей и улучшением кораблей. Игроки исследуют вселенную, собирают и анализируют данные, используя возможности SQL. Минус - для игры потребуется развернуть её у себя😂. Полностью бесплатно. 🔗 Играть в DataStar 6. Scratch Это проект от Института технологий (MIT), созданный для обучения детей и начинающих логике и основам кодинга (не совсем про SQL и Python, но все равно включаю в список). Вы создаете истории, игры и анимации через визуальные блоки. Полностью бесплатно. 🔗 Играть в Scratch Eсли знаете ещё крутые data-игры — кидайте в комментариях, добавлю в следующую часть 😉