Аналитика. Это просто

Кликнул на кликбейтный заголовок и прочитал полностью статью про плюсы и минусы удаленки. Хоть тема уже не нова, но, тем не менее, актуальна. Описанное универсально для большинства айтишных профессий. И в комментариях вполне себе дискуссия.

Леша Никушин в аналитическом чате прислал ссылку на исследование, посвященное ожиданиям сотрудника от компании. Можно обсуждать репрезентативность, методику, корректность ответов, но, в любом случае, это очень интересная информация в разрезе HR-бренда. Собственно, исследование.

С алгоритмами в духе LeetCode на собеседованиях пора кончать / Хабр https://habr.com/ru/companies/productivity_inside/articles/777566/

Не упущу возможности признаться в любви к алгоритмам

После ММ прошло полторы недели, и, думаю, меня не обвинят в проплаченности. На хорошо не скажешь плохо - одна из моих самых любимых поговорок. По моему скромному мнению, всё прошло отлично, очень атмосферно. И куча прекрасных докладов. Всем причастным спасибо. В ближайшие недели предстоит потихоньку препарировать материалы. О том, что более всего привлекло внимание, буду пописывать.

Уровень душноты аналитика просто зашкаливает. Сразу понятно, что это минимум сеньор.

Существует немало фреймворков приоритизации гипотез. Поговорю про RICE, ICE. Не буду подробно разбирать механику, плюсы и минусы, а придерусь к параметру C - Confidence (уверенность), как, по моему мнению, самому слабому месту. Как-то посмотрел на последние фичи, появившиеся в продукте, и заинтересовался, а почему именно эти, а не другие, так как показалось, что они какие-то сомнительные. Поговорил с продакт-менеджером и узнал, что используется RICE, он также показал оценки за последние несколько месяцев. Меня впечатлило, что по всем из них Confidence 75%-100%. Вопрос, почему так много, остался без внятного ответа. При этом вижу, что фичи по этим гипотезам не то, чтобы сильно зашли пользователям. Т.е. фичи, уверенность в которых была 100%, легко могли провалиться. И, например, из 10 гипотез могло быть успешными только 3. Получается конверсия в 30%. Собственно, к чему я это. Вполне можно в качестве Confidence использовать не наши влажные фантазии (75%-100%). А реальные результаты за последние 3 или 6 месяцев, те же 30%, которые будут своеобразной оценкой качества гипотез. Это может добавить осознанности оценки гипотезы. О она станет более объективной.

Яндекс любит давать задачи на алгоритмы на технических секциях, и аналитикам тоже. Хоть и не могу похвастать большим количеством компаний, в которые трудоустраивался, больше нигде их не встречал. С сильным сомнением отношусь к пользе этого метода - не вижу сильной связи между успешным решением таких задач и работой в дата или продуктовой аналитике. Возможно, частично это потому, что сам когда-то провалил алгоритмическую секцию - не хватило навыка. Обнаружил хендбук по алгоритмам. Может, кому пригодится. А если кто-то планирует трудоустроиться в Яндекс, то тем более не повредит. И помним про старый добрый литкод, на котором тоже можно неплохо попрактиковаться задачах на алгоритмы.

Картинка и текст, из которого можно взять инфо для анонса тоже прилагаю :) Раздобыть, изучить, сделать выводы, повторить — вот она, суперсила аналитика при работе с данными! 19 октября в 19:00 по Москве приглашаем аналитиков на офлайн-митап! Собрали для вас 4 хардовых доклада про данные в маркетинге, операциях и продукте от опытных спикеров. В программе: 🔴 «Ориентированные графы, алгоритм Уивера, условная вероятность: как трижды построить прогноз и не потерять голову». Поделится Иван Дороганов, операционный аналитик СберМаркета. 🔴 «Поймай меня, если сможешь: в ролях A/B, репутация, антифрод, psm». Расскажет Анастасия Несмеянова, старший аналитик из Авито. 🔴 «Как построить сквозную аналитику и снизить стоимость привлечения клиентов». Объяснит Сергей Белянин, маркетинговый аналитик СберМаркета. 🔴 «Оценка потенциала партнеров или как не потратить год на разработку бесполезного сервиса». Раскроет завесу тайны Никита Резников, аналитик из Тинькофф. Количество мест в офлайне ограничено. Регистрируйся по ссылке и зови друзей!

Почему иногда сломанный дашборд - это хорошо? Одна из причин - иногда только так мы можем узнать, смотрит в него кто-то или нет. Можно возразить, что это неправильно, все должно работать правильно всегда. Но, к сожалению или к счастью, я практик, а не теоретик. И не всегда знаю, как должно быть, но немного понимаю, как работает на практике. Бывает, к нам приходит заказчик, говорит, что нужно сделать так и эдак, ты спрашиваешь "а тебе это правда нужно?", он отвечает "ну конечно, вот затем и затем". Ну ладно, все сделано, дашборд красивый, функциональный, на нем 100500 очень нужных и полезных графиков. И вот, как-то ты замечаешь, что пара графиков сломано. Первая мысль - надо чинить. Но опыт ведь не пропьешь (в отличие от глобуса) - оставляешь как есть. И фиксируешь дату обнаружения. И, вот неожиданность - к тебе приходят через месяц в панике "у нас дашборд сломался". Ты такой "да ладно..." Кабы это произошло один или два раза, темы могло не быть. Но нет - существенно больше. Если найдутся желающие швырнуть тапком или помидоркой (предпочитаю помидорки мягкие и сладкие, как у тещи, имейте ввиду), буду рад обсудить вопрос.