Вже доступно! Дослідження Telegram за 2025 — головні інсайти року 
LEFT JOIN
Відкрити в Telegram
Понятно про анализ данных, технологии, нейросети и, конечно, SQL. Услуги — leftjoin.ru Курсы по аналитике — https://stepik.org/users/431992492 Автор — @valiotti Реклама — @valiotti Перечень РКН: https://tapthe.link/PpkTHavwS
Показати більше📈 Аналітичний огляд Telegram-каналу LEFT JOIN
Канал LEFT JOIN (@leftjoin) у мовному сегменті Російська є активним учасником. На даний момент спільнота об'єднує 43 109 підписників, посідаючи 3 118 місце в категорії Технології та додатки та 14 753 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 43 109 підписників.
За останніми даними від 25 червня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -794, а за останні 24 години на -13, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 17.53%. Протягом перших 24 годин після публікації контент зазвичай збирає 12.53% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 7 560 переглядів. Протягом першої доби публікація в середньому набирає 5 405 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 13.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як аналитика, sql, данными, datalens, csv.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“Понятно про анализ данных, технологии, нейросети и, конечно, SQL.
Услуги — leftjoin.ru
Курсы по аналитике — https://stepik.org/users/431992492
Автор — @valiotti
Реклама — @valiotti
Перечень РКН: https://tapthe.link/PpkTHavwS”
Завдяки високій частоті оновлень (останні дані отримано 26 червня, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Технології та додатки.
43 109
Підписники
-1324 години
-1417 днів
-79430 день
Архів дописів
43 102
Гайд по «Друзьям»
А вы смотрели сериал «Друзья»?
В любом случае, у нас для вас гайд по всем 10 сезонам с рейтингами каждого эпизода краткими описаниями и информацией про персонажей. Теперь вы знаете, какие серии стоит посмотреть (или пересмотреть), а какие можно скипнуть.
А вы смотрели «Друзей»? 👀 ❤️ — Конечно! 🙈— Нет :(
43 102
Владимир Наумкин про экономику пива, интуитивное пивоварение и рынок крафта в России
Обычно про данные и аналитику мы говорим с точки зрения диджитал-компаний — онлайн-школ, интернет-магазинов и финтехов. В честь Нового Года мы решили оторваться от компьютеров и обратиться к офлайну!
А именно — узнать про 🍻аналитику пивоварения🍻!
🔵За какими метриками следит пивовар, чтобы пиво получилось, как надо?
🔵Как варится пиво и как пивовары обеспечивают стабильный вкус от партии к партии?
🔵Чем сейчас живет рынок крафта в России, и откуда такая любовь к томатному гозе и «супам в банке»?
🔵Из чего складывается стоимость банки пива, и какие сорта варить выгоднее всего?
🔜 Смотрите на YouTube и в VK
43 102
ИИ-стартап призывает перестать нанимать людей
В начале декабря на улицах Сан-Франциско появилась реклама ИИ-стартапа Artisan — в переводе с английского «мастер» или «ремесленник».
Продукт стартапа — Artisans, ИИ-сотрудники, которые готовы взять на себя роль сейлзов или маркетологов. На своем сайте компания пишет про то, что ее «мастера» будут работать вместе с людьми и помогут автоматизировать большую часть работы.
На своих рекламных плакатах они выразились менее дипломатично. ☝🏻 Artisan прямо предложили перестать нанимать людей и выбрать их «мастеров», которые рады работать 70 часов в неделю и не будут жаловаться на work-life balance.
Вот такой киберпанк. 😐
Как вам реклама? 🔥 — Круто, все правильно сделали 🙈 — Жесть!
43 102
Специальный рождественский датавиз
Католики и протестанты сегодня отмечают Рождество, так что в честь праздника делимся находкой с Tableau.
Приближаются не только праздники и новый 2025-й год, но и пик солнечной активности, который приведет к появлению ярких полярных сияний. На инфографике, собранной в Tableau, автор рассказывает, в каких частях мира они будут особенно хорошо видны на это Рождество. И заодно рассказывает, почему полярные сияния бывают разных цветов.
А вы когда-нибудь видели полярное сияние? 👀 ❤️ — Да! 🙈 — Нет…
43 102
Аналитики читают LEFT JOIN и слушают Data Heroes
Мы это не сами выдумали, а прочитали в результатах исследования компании NEWHR, которое они провели в октябре 2024. В исследовании приняли участие почти 1300 аналитиков разных специализаций — продуктовые, маркетинговое, системные, дата-аналитики и так далее.
💬 Самыми читаемыми экспертами по аналитике оказались Анатолий Карпов, Валерий Бабушкин и Роман Бунин. В десятку попал и Николай Валиотти — создатель LEFT JOIN.
💬 В рейтинге каналов и подкастов первые три места заняли karpov.courses, Reveal the Data и Настенька и графики. 💙 LEFT JOIN на 4 месте, на 20-м — наш подкаст Data Heroes.
Спасибо, что читаете (а еще смотрите и слушаете)! ❤️
Ну и конечно, обязательно ознакомьтесь с результатами исследования целиком — наверняка найдете для себя новые интересные каналы про данные и аналитику.
43 102
Глубокое погружение в машинное обучение
Парадокс машинного обучения: с одной стороны, оно сейчас абсолютно везде. С другой стороны, может быть непонятно, как войти в эту область сейчас и стоит ли вообще это делать?
Давайте разбираться.
Руководитель ШАД Алексей Толстиков рассказал про обстановку в ML в России на подкасте MLinside. Как всегда, приведем в посте самое интересное.
🔵 Нужны ли ML-щики сейчас? Тут ответ короткий: да, спрос большой, и он будет расти.
🔵 В ML важно не только знать математику, уметь мыслить абстрактно и работать с алгоритмами. Без софт-скиллов тоже далеко не уедешь: пригодится умение грамотно доносить свою точку зрения до коллег и заказчиков и объяснять ценность ML тем, кто от него далек.
Небольшой оффтоп про харды. Да, математика нужна, но вкатиться в сферу можно и без оконченного физмата. Алексей рассказал про музыканта, который отучился у них в ШАД, успешно ушел в ML и стал разработчиком в Алисе.
🔵 Найти работу поможет насмотренность — понадобится и понимание возможностей ИИ в целом, и знание, как с его помощью решать реальные, практические задачи. Хороший способ прокачать свои скиллы — соревнования по ML.
🔵 Сложно бывает не только найти работу, но даже поступить на учебу — в тот же ШАД многие попадают не с первого раза. Но тут главное не унывать и не бросать попытки — если, конечно, действительно хотите работать в ML.
А что вы думаете — согласны со словами Алексея? 👀
43 102
Дмитрий Аношин про разницу между туризмом и иммиграцией, выгорание в Amazon и work-life balance
Работа в корпорации с громким названием вроде Microsoft или Amazon для кого-то может выглядеть, как мечта — ведь это большая зарплата, стабильность, интересные проекты. Но иногда реальность разочаровывает, и перестают мотивировать что статус, что деньги.
И как быть?
В новом выпуске LEFT JOIN Partners дата-инженер Дмитрий Аношин (вы наверняка знаете его по его проектам вроде Surfanalytics и курсам на Data Learn), рассказал о переезде в Канаду, работе в Amazon и Microsoft и борьбе с выгоранием.
Обсудили не только трудности.
🔵 Как сегодня переехать в Северную Америку и найти работу в IT?
🔵 Сколько платят дата-инженерам в Amazon?
🔵 Что нужно, чтобы стать востребованным специалистом и построить карьеру в IT на западе?
🔜 YouTube
🔜 VK
43 102
+5
Итоги Yandex DataLens Festival
Фестиваль закончился, и мы вспоминаем, что интересного на нем было. Самое-самое вынесли на карточки!
3 новых сценария использования DataLens:
1️⃣ Создание многостраничных отчетов с нуля: обзор и мастер-класс от Алексея Салынина.
2️⃣ Встраиваемая аналитика: обзор и мастер-класс от Яндекс Магистралей
3️⃣ Как развернуть DataLens Open Source в своем контуре: Deep Dive с Георгием Малковым
10 новых историй пользователей DataLens в облаке и своем контуре:
🔵 Petrovax: как дружили OLAP кубы, Excel и DataLens
🔵 Glenmark: про аналитику в фармкомпании
🔵 Информбокс: переход с Looker Studio
🔵 РУЛОГ: аналитика крупнейшего логистического оператора
🔵 Таблички: решение для аналитики маркетплейсов
🔵 Интернет-эксперт: встройка DataLens в Битрикс24
🔵 ABGroup: аналитика для FMCG
🔵 ЁбиДоёби: аналитика для foodtech франшизы
🔵 ППР: переезд с Tableau и сравнение с Superset
🔵 VK: переезд с Superset и создание мигратора
2 конкурса:
🔥 Лучший отчет в новом конструкторе
🔥 Лучший лайфхак aka «Золотой костыль»
🔥 Разбор топ-3 частых ошибок в конкурсных работах от Романа Бунина (Reveal the Data)
Афтерпати в офисе Яндекса
В завершение фестиваля на афтерпати 18 декабря команда рассказала, как работает с фичреквестами, развивает документацию и разрабатывает опенсорс.
Еще больше контента с фестиваля — на канале Yandex DataLens!
43 102
Найти ценность для клиентов на пересечении науки и бизнеса | Ecom.tech (ex-Samokat)
🔵 Сервис по созданию рецептов из продуктов в корзине интернет-магазина.
🔵 Определение склонности покупателя к мошенничеству по его истории просмотра.
🔵 Сервис для «виртуальных фотосессий», которой позволяет «примерить» одежду из магазина на сгенерированного нейросетью аватара.
🔵Лента видеообзоров на товары, из которой понравившуюся вещь можно отправить прямо в корзину.
Что объединяет все эти вещи?
Это все — сценарии использования ИИ и Data Science в «Самокате». Кое-что уже внедрили в работу, а кое-что пока на стадии разработки. Хотите узнать, что уже применяется, а что ждет пользователей в будущем?
Тогда смотрите новый выпуск подкаста Data Heroes. Его героем стал Петр Лукьянченко, руководитель департамента машинного обучения в ecom.tech — бывшем Samokat.tech.
Про что выпуск?
🔵 Почему Samokat.tech сменил название?
🔵 Чем занимается департамент машинного обучения, почему он так быстро растет и как в него попасть?
🔵 Какую пользу ML и Data Science приносят всем отделам компании, продавцам и покупателям?
🔵 Почему операционное планирование — одна из самых красивых задач, которую бизнес ставит перед Data Science?
Смотреть: YouTube, VK Видео
Слушать: Spotify, Apple Podcasts
43 102
Что внутри Postgres?
«Just use Postrges» — это выражение уже почти мем. Кто-то иронизирует над тенденцией в любой непонятной ситуации использовать Postgres, а кто-то говорит это вполне серьезно. Его любят за бесплатность, производительность, умение работать с разными типами данных — в общем, есть за что.
Но что, если заглянуть глубже и разобраться, как именно он работает?
🔵 Как хранит данные и распределяет ваши таблицы по папкам?
🔵 Как Postgres оптимизирует работу с большими файлами?
🔵 Что делают Pages, и как они помогают снизить вероятность ошибок записи?
Ответы — в лонгриде аж на 30+ минут вдумчивого чтения How Postgres stores data on disk.
Если вникнуть в тонкости того, как Postgres хранит данные, то, во-первых, появится еще несколько веских причин его любить. А во-вторых, это может пригодиться в работе — когда вы понимаете, как что-то устроено, намного проще исправлять ошибки или искать причины проблем.
Хотите переведем статью целиком и выложим в блог leftjoin.ru? ❤️ — Да, давайте! 🌚 — Нет, оригинала достаточно
43 102
Dataviz, Data Science и HR
К традиции подводить итоги в конце года все относятся по-разному: кому-то все равно, для кого-то это повод вспомнить, что хорошего произошло за последние 12 месяцев, а для кого-то —причина для стресса.
В последнюю категорию нередко попадают сотрудники корпораций. Те тоже в конце года подводят итоги и оценивают результаты своих подчиненных. 10% (или 15%, или 20%) лучших получат премии, а 10% со дна рейтинга отправятся искать новое место работы.
Обычно результат этой оценки представляют в виде всем знакомой куполообразной кривой. И это выглядит логично:
🔵 Это универсальный график, уместный для визуализации данных из самых разных областей. Если в компании дела идут нормально, то и результаты сотрудников тоже распределятся по осям нормально.
🔵График четко делит людей на несколько групп: «среднячки» в центре, топы и аутсайдеры по краям. Это наглядный, честный и объективный способ визуализировать, кто работал хорошо, а кто не постарался.
Так ведь?
Ну, не совсем. На графике данные распределяются симметрично, но давайте честно — отражает ли это реальность?
🔵 В любом коллективе почти всегда есть несколько топовых сотрудников, которые и правда «тянут» на себе весь отдел и генерируют львиную долю результата.
🔵 При этом обратной картины не наблюдается — их успехи не нивелируют провалы аутсайдеров из анти-топа. Встречаются люди, которые своей некомпетентностью приносят реальные убытки, но это скорее исключения, а не стабильные 10-20% от всего штата компании.
Если описывать ситуацию так, то это уже не скучное нормальное распределение, а правило Парето про 20% усилий, которые генерируют 80% результата. То есть сотрудники делятся на небольшую долю топ-перформеров, большинство «среднячков» и редких аутсайдеров.
Если интересно почитать подробнее, то в блоге Data Science for Fun and Profit про это есть любопытная статья. А мы просто отметим, что это отличный пример того, как датавиз влияет на восприятие данных и принятие решений.
43 102
Почему рекомендации Netflix работают так плохо?
Те, кто с нами давно, знают, что это перезалив.
Если вы подписаны на Netflix, то знаете, что иногда его лента рекомендаций… удивляет. Почему популярный сервис, который собирает гору всевозможной информации о вас и ваших вкусах, так часто советует посмотреть какую-то чушь? Что он делает с этими данными — и что это вообще за данные, на которых строится работа рекомендательных алгоритмов?
Разбираемся в нашем видео:
🔜 YouTube
🔜 VK
43 102
Repost from LEFT JOIN Insider
+5
Мы просто chill guys and girls, поэтому влетаем в последний вагон этого милого тренда.
Кстати, в комментариях приветствуются свои вариации этого мема.
🔜 @leftjoin_career
43 102
Оцифровать нецифруемое: как понять, чем на самом деле робот хуже человека
Обидная особенность аналитики в том, что очень часто сложно доказать прямую связь между работой аналитиков и дата-инженеров и бизнес-результатом компании. Все понимают, что грамотная работа с данными важна для любой компании, но как посчитать точный эффект от нее — сколько именно денег она принесла или сколько времени всем сэкономила?
Тем приятнее читать такие кейсы, где профит от аналитики очевиден и неоспорим, правда же?
💬 И такой кейс у нас есть — история о том, как мы помогли ИИ-стартапу улучшить его продукт, голосового бота-продажника. Мы перелопатили гору данных сразу нескольких компаний, вооружились ML-моделями и алгоритмами и нашли, как же сделать бота умнее и полезнее для владельцев и пользователей.
Подробно расписали, как мы это делали, в новой статье на VC 🔜 https://vc.ru/dev/1703499
