Аналитика данных / Data Study

Как прокачать самый главный навык аналитика Написание кода, построение дашбордов и подсчет метрик — эти навыки давно уже стали необходимым минимумом для любого аналитика. Этого работодатель ждет от вас «по умолчанию». А самый главный навык аналитика - уметь делать качественные выводы на основании отчетов, генерировать правильные гипотезы и дешево их проверять. Именно этого ищут компании среди кандидатов и за это готовы платить большие зарплаты. Не зря же на собеседованиях в последнее время все чаще дают продуктовые кейсы. И как раз про это будет рассказывать Андрон Алексанян на своем вебинаре «Как прокачать самый главный навык аналитика» 🔥 Вебинар пройдет завтра, 29 января, в 19:00 Мск. Регистрация — по ссылке. Андрон прошел большой путь в аналитике и ему точно есть, чем поделиться. Он более 5 раз отстраивал аналитику в компаниях с нуля, а сейчас развивает быстрорастущую школу аналитики данных Simulative и консультирует крупные компании. В общем, если «прокачать продуктовое мышление» для вас актуально — обязательно приходите на вебинар, будет полезно 👉🏻 ссылка. Реклама. ООО АЙТИ РЕЗЮМЕ. ИНН 4025460134.

Я считаю это топовое поздравление 😂 Немного раскрыл вам наш семейный архив фото и видео, которые никогда бы в другом формате сюда не опубликовались

Кирилл Еременко / Работа с данными в любой сфере "Что общего у аналитика данных и Шерлока Холмса? Как у Netfl ix получилось создать 100%-ный хит — сериал «Карточный домик»? Ответ кроется в правильном использовании данных. Эта книга — практическое руководство и увлекательное путешествие в науку о данных, независимо от того, хотите ли вы использовать анализ данных в своей профессии, собираетесь ли стать аналитиком данных, или уже работаете в этой области." Скачать книгу

Скоро аналитики будут не нужны Вот такой комментарий вчера оставили, ну и вижу иногда такие дискуссии в других каналах. Давайте напишу мысли почему профессия аналитика в ближайшем будущем никуда не исчезнет, а будет становиться только все более и более востребованной. Есть множество трендов и факторов, влияющих на востребованность профессий. И все они вытекают от 2 целей компаний, т.к. мы живем с вами в рыночной экономике: ↗️ максимизировать прибыль ↘️ минимизировать убытки и расходы. Исходя из этого появляется множество способов и факторов как это делать, вот некоторые из них: 1️⃣Цифровизация и автоматизация бизнес-процессов Большая часть сервисов и услуг доступны онлайн, все пользовательские пути завязаны на взаимодействие с сервисами компаний. Это не про то, что бизнес может быть полностью автоматизирован и оцифрован, а про то что основные бизнес-процессы компании работаю удобно и эффективно для клиентов и сотрудников компании. 2️⃣Применение AI технологий Вы наверно заметили, что каждый сервис предлагает свои инструменты с использованием AI, будь то умный пересказ в Яндексе, автоматический редактор фотографий с применением AI, голосовые ассистенты и многое другое. Здесь важно понять что AI - не "серебряная пуля" или какое-то универсальное решение. Это один из множества инструментов, которые помогают компаниям добиваться тех самых своих 2-х целей: max(прибыль) и min(расходы). Минимизация расходов путем замены штата аналитиков на AI-ассистентов - пока не реализуемая задача, т.к. на текущий момент "интеллект" и навыки гибкости/общения/анализа человека не могут быть заменены. Многие компании даже ai-ботов или тех. поддержку на телефоне не могут перевести на AI, потому что очень много нестандартных запросов может приходить от клиентов, которые может решить только человек. 3️⃣Перевод управленческий решений от интуитивного подхода к решениям, принятым на основе цифр и данных Компании собирают огромное количество данных, но нет смысла их просто хранить. Из них нужно доставать полезную информацию, которая поможет развивать компанию в правильном направлении. Аналитик - это ценный сотрудник благодаря своей голове, умению мыслить критически, иногда даже творчески. У аналитика работа никак не может выполняться по скриптам или по инструкции. AI даже по инструкциям может не справляться с запросами, а шаг вправо/влево вообще может быть непредсказуем, в этом и есть ценность человека с мозгами. ИИ для нас - классный помощник, который часть работы может ускорить или упростить, но полностью аналитика не заменит. Тем более для этого нет ни подготовленной технической, ни юридической базы управления AI в компании и доверия работы с данными/клиентами и другими процессами внутри компании.

Если другую тему, то какую? пишите в комментах. а то проголосовали, а предложений не вижу)

Начни год так, чтобы гордиться собой! Уже есть опыт работы с хранилищами данных, но хочешь прокачать скилы и открыть новые карьерные горизонты? Тогда скорее залетай на бесплатный ИТ-интенсив в Открытых школах Т1 для аналитиков платформ данных (DWH). Это возможность прокачать свои навыки и получить оффер от одного из лидеров* российского ИТ-рынка — ИТ-холдинга Т1. И все это за месяц, онлайн и в удобное вечернее время. Что ты получишь? 🔹Уникальный рыночный опыт и масштабные ИТ-проекты: Т1 — одни из первых, кто внедряет технологии для управления данными. Лучшие выпускники смогут присоединиться к проекту по созданию новой технологической платформы данных в банковской сфере. 🔹Быстрый рост в ИТ при экспертной поддержке: карьерные треки для выпускников Открытых школ позволяют быстрее расти в профессии. 🔹Работа в бигтех-компании: ИТ-аккредитация, современный техстек, ДМС, удаленка, крутые офисы, спорт, обучение, митапы, ИТ-конференции, программы признания и развития. Более 1300 специалистов уже прошли этот путь — теперь твоя очередь! Читай подробности в карточках. Не откладывай успех на потом! 💎 Подай заявку до 10.02. *По выручке, по версии RAEX и CNews Analytics 2023. Реклама. «ООО «ГК «Иннотех»» ИНН: 9703073496. Erid: 2SDnjdGLKAC

Как-то ко мне пришел парень на консультации с запросом подготовиться к собеседованиям, пересмотреть резюме и сделать pet-проект. Вводные: - юридическое высшее - закончил только что курс "Аналитик данных" одной из крупных школ Окей, начинаем занятие, обсуждаем логику и архитектуру pet-проекта, говорю будем использовать Postgres в качестве БД. У меня уже есть учебная база, для проекта обычно предлагаю использовать ее или разворачивать свою в docker или в облаке. Даю хост и учетку для подключения, а в глазах парня вижу полное непонимание с написанным на лбу вопросом "а что такое хост, зачем нужна учетка, куда вообще все это писать?" 🧐 Поговорив об этом пару минут нашли причину непонимания. На курсе оказывается он научился писать SQL запросы прямо в браузере в симуляторе курса, который удобно выводит ответ задачи если код написан правильно или ошибку если запрос выводит не то что нужно в задаче. Есть такой формат в современном образовании - симуляторы. Это могут быть симуляторы кода SQL или любого другого языка. Давайте расскажу какие плюсы и минусы в них есть, а самое главное для кого это выгодно использовать симуляторы для обучения, а не парится с объяснениями реальных инструментов работы. Плюсы симуляторов 🟢 удобство для ученика (прямо на странице курса ученик может писать свой код, никуда переходить не нужно) 🟢 удобство для школы (учеников много, потоки не прекращаются, а значит нужно быстро и желательно автоматически проверять все работы, благо симуляторы помогают сделать автопроверку на соответствие верному решению) Минусы симуляторов 🔴 нет правильного понимания работы сервисов (как в примере, ученик даже не понимал что к базе данных нужно подключаться, есть разные роли и пользователи) 🔴 нет практики работы с реальными инструментами аналитика (естественно он не знал про существование таких программ как DBeaver или DataGrip для работы с базами данных) 🔴 нет навыка обработки и исправления ошибок (это полезный навык по ошибке от базы данных например понять что именно в запросе написано не так, найти и исправить ошибку. лог ошибки в симуляторе может либо отсутствовать, либо может быть упрощен до ожидания ответа на конкретную задачу) Однако, симуляторы полезны, если ваша задача - нарешать множество различных задач для понимания языка, вспомнить или выучить синтаксис или в целом размять мозги. Но это не отменяет того, что вы должны получить прикладные знания инструментов и технологий для реальной работы. Кому нужны специалисты, которые не умеют подключаться к базе данных, настраивать инструмент для своей работы, но умеют писать SELECT * FROM table Что думаете по поводу симуляторов? Как видите идеальное обучение например SQL?

Как пройти секцию по АБ тестам на собеседовании? Далеко не каждый опытный аналитик сталкивался с АБ тестами, а новички боятся утонуть во всей этой статистике. У многих вызывают трудности такие вопросы: - P-value, альфа, ошибка первого рода - это все одно и тоже? - Как выбрать стат критерий? - Почему за АБ тестами нельзя "подглядывать"? - АА тест показал стат значимые отличия. Это норма? Ответы на эти вопросы вы можете найти в канале Юрия Борзило, там уже собрано более 60 постов с разбором разных нюансов АБ тестирования, а также много постов о продуктовой аналитике. Если у вас есть сложности с АБ тестами, то в канале вы найдете много полезных материалов.

Data-driven культура и подход по версии аналитика Читать статью

Сходили в кино на Муфаса: Король лев 🦁 От меня реуомендасьен 👌 Чет я сентиментальный какой-то стал. Что Ёлки 11 дома смотрели, сейчас Муфасу, на слезу пробивают фильмы 🥹 Подскажите, это с возрастом так или пора к психологу потому что мужики не плачут 😂?)

Строим рекомендательную систему фильмов на Kaggle Вы когда-нибудь хотели сделать свою собственную систему рекомендаций фильмов? 🎬 Приходите на бесплатный вебинар, где Савелий Батурин, Senior ML-Engineer и преподаватель курса по ML школы Simulative в прямом эфире покажет как построить рекомендательную систему фильмов на Kaggle. Что будем делать на вебинаре: • Разберем имеющиеся данные фильмов с их оценками • Проведем предобработку данных • Построим рекомендательную систему на основе машинного обучения •Проведем расчет и анализ метрик на основе результатов работы модели 🕗Встречаемся 21 января 19:00 по мск Вебинар будет интересен как новичкам, так и уже опытным специалистам Зарегистрироваться на бесплатный вебинар

В Москве сняли серый купол с неба, поэтому срочно бежим гулять! До захода солнца еще 1.5 часика, успеете 😉

Взаимосвязь вакансий с их названиями Давайте подведем итоги игры из поста выше. Правильный ответ 👇 🔹 Аналитик данных - 3️⃣(вакансия) 🔹 Продуктовый аналитик - 1️⃣(вакансия) 🔹 BI-аналитик - 2️⃣(вакансия) Поздравляю тех, кто правильно определил 🎉 Но уверен, что выбор был не очевидным, и только какие-то отдельные ключевые слова или фразы дали понять что к чему относится. Мораль сей басни Требования и проектные задачи между разными названиями аналитиков могут очень сильно пересекаться, основная суть работы при этом не меняется. На рынке нет четкого разделения по наборам задач, которые выполняют те или иные специалисты, поэтому несколько мыслей на этот счет: 📍Выбирайте вакансии, опираясь в первую очередь на указанные задачи/требования/технологии, чем на название позиции. Если вам нравится набор задачи и хотите попробовать себя в этой позиции - разве важно что у вас будет написано в трудовой книжке например "BI-аналитик" вместо "Аналитик данных"? Кстати формулировки в трудовой тоже могут отличаться от названия вакансии на сайте 😄 📍Не ограничивайте себя фильтрами на конкретную вакансию, расширьте фильтр поиска на подобные вакансии, так будет больше выбора для откликов) 📍Полезные и обучающие материалы для продуктовых аналитиков в 99% случаев будут полезны также и другим аналитикам, работающим с данными. 📍Разница специализаций аналитиков обусловлена умением решать какие-либо конкретные запросы бизнеса, либо иметь какой-то более доминирующий и выделяющийся навык, например - визуализация данных и глубокое знание BI инструмента для BI-аналитиков - анализ на основе продуктовых гипотез и расчете конкретных метрик продукта для продуктовых аналитиков Но при этом фундаментальные навыки типа SQL, Python, построение отчетности остаются прежними для всех. Что думаете по этому поводу? Обращаете внимание на название вакансий или смотрите больше на требования и задачи?

🎲 Поиграем с вами в игру "Угадай вакансию"? Вы видите 3 скриншота основной информации из 3-х разных вакансий. Ваша задача: сопоставить название вакансии с ее описанием из пронумерованных карточек. Названия вакансий: 🔹 Аналитик данных 🔹 Продуктовый аналитик 🔹 BI-аналитик Сопоставьте название вакансии с ее номером карточки в комментариях 👇 P.S. Завтра дам правильное соотношение название - номер карточки и опишу свои мысли почему решил сыграть в такую игру 😉

Аналитики данных входят в топ-15 востребованных профессий в ближайшие 5 лет Исследование международное, в котором было опрошено более 1000 работодателей. Если посмотрите на список, то большая часть профессий относится к IT сфере: - специалисты и инженеры Big Data - AI/ML инженеры - Разработчики софта - Аналитики данных / DWH специалисты - Специалисты в областях IoT (интернет вещей), автономных авто (автопилот) - Специалисты по кибербезопасности Пост Главное чтобы оставаться в тренде - постоянно развиваться и изучать новое 👨‍💻📚🎓

🎉 Открытие набора на 9-й поток курса "Основы анализа данных" С радостью объявляю уже 9-й набор на свой курс! У меня был практически целый год времени, чтобы добавить еще больше деталей, объяснений и практики в программу курса. Кто хочет с головой погрузиться на 4 месяца в изучение аналитики, работы с инструментами и выполнения своего полноценного практического проекта - это новость для вас 🕺 📍Старт обучения: 3 марта Курс для вас если хотите: - обучиться с нуля / перейти в аналитику из другой профессии (возраст и начальные знания не помеха - доказано выпускниками курса) - повысить свои навыки и приобрести новые компетенции, уже работая в IT - переучиться/доучиться качественно если уже был неуспешный опыт на других курсах, чтобы получить прикладные знания для трудоустройства В каком формате идет обучение: 🔹онлайн-созвоны со мной, где можно обсудить весь материал урока 🔹отдельные онлайн-встречи "вопрос-ответ", где вы можете завалить меня вопросами, а я на все отвечу 😉 🔹 практические домашние задания прямо в рабочих инструментах (никаких симуляторов) с проверкой и комментариями от меня и ассистента 🔹 записанные онлайн-уроки для самостоятельного просмотра 🔹 тестирования для самоконтроля эффективности обучения 🔹 текстовые конспекты к каждому уроку 🔹практический проект, выполняемый на протяжении всего обучения для практики и закрепления материала Подробности на сайте ➡️ datastudy.ru P.S. Цена на сайте аж 2023 года, она актуальна до 31 января для early birds🦉

Сегодня ходил на Data Завтрак Было 2 доклада 1️⃣доклад от Димы Аношина про его data проекты, реализованные в рамках работы/консалтинга. Очень нравится, что в зависимости от задач проекта архитектуру можно собирать из разных компонентов как конструктор, благо сервисов и продуктов для этого много. 2️⃣ доклад был от Валерия Полякова (CDO в Т-банк), где раскрыли по сути весь исторический путь развития Data платформы в банке с болями, ошибками, их решением и достижениями. Из приятного выиграл книгу 😃 Ух знали бы вы как мне тяжело давалось проснуться утром раньше и выйти из дома 😅, но это того стоило

🧑‍💻Трудно ли сменить IT профессию? Вопрос риторический, одним трудно, другим нет в связи с разными факторами (база знаний, возможности вокруг, собственная мотивация и желание). Если поставить себе цель, расписать ее на план/задачи и прикладывать усилия ежедневно, выполняя их, то все у вас получится. Одна из таких историй про переход из разработчика в аналитики написана в статье А иногда люди даже не сразу понимают что сменили профессию 😃 Как такое может быть расскажу в одном из следующих постов. Ставьте реакции если интересно 👍🔥❤️