Почему аналитикам сейчас нужно знать больше, чем SQL и A/B-тесты
Классическая история: вкатун выучил SQL, построил пару дашбордов в Jupyter, и пошёл по собесам.
На первом же интервью его спрашивают: "Расскажите про ваш опыт в Causal Inference. Как вы оцениваете каузальный эффект? Проводили гео-тесты? А как выстроите пайплайн для автоматического отчёта?"
Ноутбуки и дашборды уже никого не впечатляют. Рынок перенасыщен вкатунами, а базовые задачи аналитика закрывает LLM. Чтобы конкурировать, нужно знать больше.
Посмотрим на реальные вакансии:
DA-аналитик, Т-Банк: классический ML, Causal Inference, АБ-тесты.
Ad-hoc аналитик, X5: эконометрика, Causal Inference, АБ-тесты, ML, SQL.
Аналитик-разработчик, Яндекс: продвинутый SQL, большие проекты на Python, АБ-тесты.
И таких вакансий сотни. Заметьте, это не сеньорские позиции. Это обычный продакшн-аналитик джун, мидл-уровень. Аналитик, который умеет не просто строить графики, а оценивать причинно-следственные связи, понимает эконометрику и может написать код для пайплайна обходит десять "чистых" аналитиков на одном собеседовании.
По свежим обзорам рынка, вилка продуктового аналитика в России 250–450 тысяч. И попадают в неё именно те, кто дружит с ML и инженерией.
Поэтому мы тщательно проработали эти моменты в новом курсе Аналитика ПРО. Кому зайдет курс:
— Джунам и стажёрам, которые хотят перейти от дашбордов к полноценному продакшну и расширить выбор вакансий.
— Аналитикам, которых на работе просят "оценить эффект от фичи", а как это сделать правильно, никто не объяснил.
— Тем, кто метит в Middle и выше. Без Causal Inference, ML и продвинутых АБ-тестов грейд не поднимут, какие бы красивые отчёты вы ни делали.
За 6 недель разбираемся в теме так, чтобы на собесе вы отвечали уверенно:
— Продвинутые АБ-тесты: CUPED, стратификация, гео-тесты, матчинг, последовательное тестирование.
— Causal Inference (каузальный вывод): регрессионный анализ, эконометрические подходы - то, что сейчас спрашивают на каждом собеседовании.
— Классический ML для аналитиков: как внедрять модели в пайплайны и интерпретировать результаты.
На выходе вы не просто понимаете теорию, а готовы применять эти навыки в работе. И закрываете 80% требований из вакансий на рынке, которые раньше казались недосягаемыми.
➡️ Записаться
Классическая история: вкатун выучил SQL, построил пару дашбордов в Jupyter, и пошёл по собесам.
На первом же интервью его спрашивают: "Расскажите про ваш опыт в Causal Inference. Как вы оцениваете каузальный эффект? Проводили гео-тесты? А как выстроите пайплайн для автоматического отчёта?"
Ноутбуки и дашборды уже никого не впечатляют. Рынок перенасыщен вкатунами, а базовые задачи аналитика закрывает LLM. Чтобы конкурировать, нужно знать больше.
Посмотрим на реальные вакансии:
DA-аналитик, Т-Банк: классический ML, Causal Inference, АБ-тесты.
Ad-hoc аналитик, X5: эконометрика, Causal Inference, АБ-тесты, ML, SQL.
Аналитик-разработчик, Яндекс: продвинутый SQL, большие проекты на Python, АБ-тесты.
И таких вакансий сотни. Заметьте, это не сеньорские позиции. Это обычный продакшн-аналитик джун, мидл-уровень. Аналитик, который умеет не просто строить графики, а оценивать причинно-следственные связи, понимает эконометрику и может написать код для пайплайна обходит десять "чистых" аналитиков на одном собеседовании.
По свежим обзорам рынка, вилка продуктового аналитика в России 250–450 тысяч. И попадают в неё именно те, кто дружит с ML и инженерией.
Поэтому мы тщательно проработали эти моменты в новом курсе Аналитика ПРО. Кому зайдет курс:
— Джунам и стажёрам, которые хотят перейти от дашбордов к полноценному продакшну и расширить выбор вакансий.
— Аналитикам, которых на работе просят "оценить эффект от фичи", а как это сделать правильно, никто не объяснил.
— Тем, кто метит в Middle и выше. Без Causal Inference, ML и продвинутых АБ-тестов грейд не поднимут, какие бы красивые отчёты вы ни делали.
За 6 недель разбираемся в теме так, чтобы на собесе вы отвечали уверенно:
— Продвинутые АБ-тесты: CUPED, стратификация, гео-тесты, матчинг, последовательное тестирование.
— Causal Inference (каузальный вывод): регрессионный анализ, эконометрические подходы - то, что сейчас спрашивают на каждом собеседовании.
— Классический ML для аналитиков: как внедрять модели в пайплайны и интерпретировать результаты.
На выходе вы не просто понимаете теорию, а готовы применять эти навыки в работе. И закрываете 80% требований из вакансий на рынке, которые раньше казались недосягаемыми.
Please open Telegram to view this post
VIEW IN TELEGRAM
😁11🔥2❤1🍌1
Как понять, что у вас достаточно знаний, чтобы идти работать в бигтех?
У студентов технических направлений имеется такой стереотип, что вот "подтяну алгоритмы, сделаю пет-проектик, заботаю SQL и тогда начну откликаться в компании".
Проходит полгода, проходит год, но готовности всё ещё нет. Потому что внезапно оказывается, что надо знать еще очень много разных вещей.
И момент "теперь я точно готов к работе" постепенно смещается.
На самом деле, этого ощущения, что вы полностью готовы, может и не появиться.
Особенно когда смотришь на вакансии бигтехов и сравниваешь себя с людьми, которые уже долгое время работают в этой индустрии.
Но от младших позиций не ожидают каких-то супер-пупер знаний.
Так когда уже можно пробовать?
Хороший знак, если вы уже:
1) уверенно пишете на каком-то языке, не задумываясь о синтаксисе
2) имеете понимание основных алгоритмов и структур данных (с ними мы как раз помогаем разобраться почти с нуля на нашем курсе по алгоритмам)
3) умеете решать относительно примитивные задачи без пошаговых подсказок
4) умеете хорошо гуглить (да-да, это очень важный навык, которым обладают далеко не все)
5) можете открыть свой проект и пояснить, почему вы выбрали ту или иную логику или подход
6) знаете основные вещи в своем направлении (для аналитики - это теорвер, матстат, алгоритмы и SQL)
Если большая часть этого про вас, то без зазрения совести можете подаваться на стажировки и джуновские вакансии.
Не после того, как пройдете очередной курс, не после того, как посмотрите еще несколько лекций, потому что думаете, что чего-то не хватает, а здесь и сейчас.
И здесь есть важный поинт:
Вы можете хорошо уметь писать код, но завалить алгоритмическую секцию.
Вы можете хорошо знать ML, но повалиться на примитивных вопросах по статистике.
Это не всегда значит, что рано идти на работу.
Скорее всего, вам нужно отдельно научиться проходить собеседования.
А как же тогда вообще готовиться к собеседованиям?
1) Вам необходимо определиться с направлением и посмотреть вакансии и требования к ним
2) Начните решать задачи именно в формате собеседований (писать код без компиляции, задачи на вероятность и статистику решать без всяких подсказок нейронок и уметь это рассказывать так, чтобы даже человек, который вообще ничего не понимает в этом, понял ваше объяснение)
3) Подготовьте рассказ о себе и о своих пет-проектах. (Тут необходимо будет уметь отвечать на все вопросы по проектам из разряда: "Зачем вообще этот проект?", "Какие технологии использовались?", "Почему выбирали какой-то конкретный подход?", "С какими проблемами сталкивались при работе над проектом?")
4) Причешите резюме
Поэтому самое лучшее решение в этой ситуации - начать откликаться.
Пройдите первые несколько собеседований и посмотрите на результаты.
Если вас вообще не зовут даже на собеседования, то, скорее всего, дело в резюме и пет-проектах. С этим мы как раз помогаем на нашем курсе по аналитике.
Если вы по результатам собеседований получаете оффер, то вопрос "Достаточно ли я готов?" окончательно закрыт :)
Проходите собеседования, ведь на старте они будут для вас одной из самых главных точек роста, которые помогут выявить ваши слабые места.
Подписаться: @ProdAnalysis
У студентов технических направлений имеется такой стереотип, что вот "подтяну алгоритмы, сделаю пет-проектик, заботаю SQL и тогда начну откликаться в компании".
Проходит полгода, проходит год, но готовности всё ещё нет. Потому что внезапно оказывается, что надо знать еще очень много разных вещей.
И момент "теперь я точно готов к работе" постепенно смещается.
На самом деле, этого ощущения, что вы полностью готовы, может и не появиться.
Особенно когда смотришь на вакансии бигтехов и сравниваешь себя с людьми, которые уже долгое время работают в этой индустрии.
Но от младших позиций не ожидают каких-то супер-пупер знаний.
Так когда уже можно пробовать?
Хороший знак, если вы уже:
1) уверенно пишете на каком-то языке, не задумываясь о синтаксисе
2) имеете понимание основных алгоритмов и структур данных (с ними мы как раз помогаем разобраться почти с нуля на нашем курсе по алгоритмам)
3) умеете решать относительно примитивные задачи без пошаговых подсказок
4) умеете хорошо гуглить (да-да, это очень важный навык, которым обладают далеко не все)
5) можете открыть свой проект и пояснить, почему вы выбрали ту или иную логику или подход
6) знаете основные вещи в своем направлении (для аналитики - это теорвер, матстат, алгоритмы и SQL)
Если большая часть этого про вас, то без зазрения совести можете подаваться на стажировки и джуновские вакансии.
Не после того, как пройдете очередной курс, не после того, как посмотрите еще несколько лекций, потому что думаете, что чего-то не хватает, а здесь и сейчас.
И здесь есть важный поинт:
готовность работать != готовность проходить собеседования.
Вы можете хорошо уметь писать код, но завалить алгоритмическую секцию.
Вы можете хорошо знать ML, но повалиться на примитивных вопросах по статистике.
Это не всегда значит, что рано идти на работу.
Скорее всего, вам нужно отдельно научиться проходить собеседования.
А как же тогда вообще готовиться к собеседованиям?
1) Вам необходимо определиться с направлением и посмотреть вакансии и требования к ним
2) Начните решать задачи именно в формате собеседований (писать код без компиляции, задачи на вероятность и статистику решать без всяких подсказок нейронок и уметь это рассказывать так, чтобы даже человек, который вообще ничего не понимает в этом, понял ваше объяснение)
3) Подготовьте рассказ о себе и о своих пет-проектах. (Тут необходимо будет уметь отвечать на все вопросы по проектам из разряда: "Зачем вообще этот проект?", "Какие технологии использовались?", "Почему выбирали какой-то конкретный подход?", "С какими проблемами сталкивались при работе над проектом?")
4) Причешите резюме
Поэтому самое лучшее решение в этой ситуации - начать откликаться.
Пройдите первые несколько собеседований и посмотрите на результаты.
Если вас вообще не зовут даже на собеседования, то, скорее всего, дело в резюме и пет-проектах. С этим мы как раз помогаем на нашем курсе по аналитике.
Если вы по результатам собеседований получаете оффер, то вопрос "Достаточно ли я готов?" окончательно закрыт :)
Проходите собеседования, ведь на старте они будут для вас одной из самых главных точек роста, которые помогут выявить ваши слабые места.
Подписаться: @ProdAnalysis
❤4🔥2
Forwarded from Поступашки - ШАД, Стажировки и Магистратура
Выходим на новый уровень с линейкой 1️⃣ 1️⃣ 1️⃣
Товарищи, если база уже есть, то следующий шаг — углубиться в специализацию, закрыть пробелы, освоить новые инструменты и стать сильнее как специалист.
Для этого мы запускаем ПРО — углублённые карьерные курсы для тех, кто хочет качать карьеру и заработок! Для записи и вопросов — пишите менеджеру
📎 Курсы ПРО подойдут тем, кто:
— уже знает основы и хочет глубже разобраться в своей специализации
— хочет перейти с junior на middle и расти дальше
— готовится к собеседованиям на более сильные позиции
— хочет сменить роль и добрать недостающие навыки
— уже на старте имеет сильную базу и хочет целиться выше стажёрских и junior-позиций
➡️ Действует гарантия: прошел курс, выполнил все рекомендации, но не получил оффер — вернем деньги
➡️ Курс длится 6 недель: теория, практика, домашние задания и пет-проект. Всё это время рядом преподаватель и куратор.
Открываем сразу 5 направлений:
➡️ Аналитика ПРО
➡️ ML ПРО
➡️ Backend ПРО
➡️ Алгоритмы ПРО
➡️ ИИ-агенты ПРО
В программу всех курсов войдет:
🔵 закрытый банк вопросов с интервью топовых бигтехов
🔵 разбор ближайшей стажировки в Т-банк и Яндекс
🔵 mock-собеседования с обратной связью
🔵 рефералка в бигтех после защиты пет-проекта
🔵 карьерная стратегия: резюме, поиск вакансий, подготовка к HR секциям
💰 Бонус для всех записавшихся до 23.08 — курс про поиск валютной удалёнки и работы за рубежом в подарок
Товарищи, если база уже есть, то следующий шаг — углубиться в специализацию, закрыть пробелы, освоить новые инструменты и стать сильнее как специалист.
Для этого мы запускаем ПРО — углублённые карьерные курсы для тех, кто хочет качать карьеру и заработок! Для записи и вопросов — пишите менеджеру
— уже знает основы и хочет глубже разобраться в своей специализации
— хочет перейти с junior на middle и расти дальше
— готовится к собеседованиям на более сильные позиции
— хочет сменить роль и добрать недостающие навыки
— уже на старте имеет сильную базу и хочет целиться выше стажёрских и junior-позиций
Открываем сразу 5 направлений:
Продвинутый SQL, A/B-тесты, эконометрика, Causal Inference и ML.
Вывод модели в прод, MLOps, рекомендательные системы, ранжирование, uplift и динамическое преобразование.
Многопоточка, System Desgin, Микросервисы, базы данных, кеширование, мониторинг и распределённые системы.
Продвинутые алгоритмы и задачи для сложных технических интервью в hft фонды, faang+, для олимпиад и контестов.
Будем разбираться не просто в LLM. Вы научитесь проектировать полноценные агентные системы и за курс соберём 5 собственных AI-агентов и пройдём весь путь от архитектуры и инструментов до работы с RAG, multi-agent системами, MCP, evals и деплоем.
В программу всех курсов войдет:
Please open Telegram to view this post
VIEW IN TELEGRAM
Разбор самой нормисной вакансии на продакта
Продуктовая аналитика одно из самых простых направлений для вката в айти, если вы умеете хоть капельку думать, то вы вполне можете претендовать на дабл грейдапы и прыжки сразу через грейд при устройстве (тут важно подчеркнуть, что без ЛЛМ, а то всё чаще на рынке с позиции мидлов приходят с высоким самомнением те самые промт-инженеры, которые из себя ничего не представляют на практике, а их скилы - это закрывать кучу эдхоков за короткий промежуток времени). Давайте разберем на примере одной вакансии как можно выучить харды на аналитика за 12 недель. Это вакансия продуктового аналитика с вилкой 400к+ gross + премиии. В отдел маркетинга. Давайте пройдёмся по требованиям:
1. Python
Тут нужны базовые знания питона, на уровне написания классов/декараторов и библиотек для анализа данных (numpy, pandas, scipy и т п). Тут еще важно отметить, что достаточно часто маркетинговые агенства живут в прошлом веке и у них нет нормального сбора данных, аналитики, поэтому для того чтобы на стороне т банка анализирвоать эти результаты, придется писать достаточно много софта для сбора данных, передачи и т п (под такие задачи зачастую не выделяют dwh-шников и бэкендеров, поэтому придется самостоятельно писать такие скрипты, по типу парсеров и т п). В силу существования ЛЛМ, такой навык достаточно просто покрывается и можно закрыть базовыми знаниями и пониманием питона, такое у нас даётся на аналитике старт.
2. SQL
В тиньке достаточно хорошая БД, приведенная в нормальную форму, поэтому любой запрос по сути сводится к большому количеству джоинов. Поэтому на самих собесах достаточно углубленно не должны спрашивать SQL, то есть максимум могут дать достаточно объёмную задачку с кучей подзапросов/джоинов/с оконками, такое у нас как раз разбирают на стартовом курсе. А если же они потребуют более углубленные знания на оптимизацию запросов, что вполне вероятно учитывая жесткие лимиты по времени и памяти на каждый запрос, то такие вопросы мы отдельно разбираем на наших продвинутых курсах.
3. Матстат и AB-тестирование
Тут опять же есть два этапа, потребуются, как достаточно базовые знания так и чуть продвинутых. Никто не будет требовать строгих определений и формул, но знание той же трогой базы поможет вам в понимании идей более продвинутых методов. На собеседовании нужно будет знать всё: от классических методов аб-тестирования (базовой терминологии, той что на курсе старт разбирается: pvalue, mde, ошибки 1-го/2-го рода, z/t-критерии и т п ) до более продвинутых методов (методы понижения дисперсии cuped/стратификация - все эти методы разбираются же в продвинутом курсе и не только на уровне теории, а на уровне скиллов применения в кейсах на собеседованиях)
4. ML
Все продвинутые методы в аналитике сводятся к применению классического МЛ, те же double ml/cupac, требует умение строить и тюнить классические модели. На самом собесе будут вопросы про построение бустингов и их разновидностей. На курсе про будут разобраны базовые модели, которые потребуются для подведения резов АБ.
5. Эконометрика
Особенно в маркетинге, методы causal inference наиболее актуальны. Тот же матчинг необходим как минимум для тестов которые позволят описывать более подробно поведение каждого пользователя. Или же регрессии 4 c инструментальными переменными. А также самая базовая идея, которая применяется практически во всех тестах - например did(постнормировка). Знания эконометрики необходимы для проектирования фреймворков оценки тестов. Поэтому применение этих методов в кейсе очень сильно оценят, тем более это описывается в вакансии как дополнительный пункт. Все нужные методы затронут на курсе про.
Подписаться: @ProdAnalysis
Продуктовая аналитика одно из самых простых направлений для вката в айти, если вы умеете хоть капельку думать, то вы вполне можете претендовать на дабл грейдапы и прыжки сразу через грейд при устройстве (тут важно подчеркнуть, что без ЛЛМ, а то всё чаще на рынке с позиции мидлов приходят с высоким самомнением те самые промт-инженеры, которые из себя ничего не представляют на практике, а их скилы - это закрывать кучу эдхоков за короткий промежуток времени). Давайте разберем на примере одной вакансии как можно выучить харды на аналитика за 12 недель. Это вакансия продуктового аналитика с вилкой 400к+ gross + премиии. В отдел маркетинга. Давайте пройдёмся по требованиям:
1. Python
- уверенный Python;
Тут нужны базовые знания питона, на уровне написания классов/декараторов и библиотек для анализа данных (numpy, pandas, scipy и т п). Тут еще важно отметить, что достаточно часто маркетинговые агенства живут в прошлом веке и у них нет нормального сбора данных, аналитики, поэтому для того чтобы на стороне т банка анализирвоать эти результаты, придется писать достаточно много софта для сбора данных, передачи и т п (под такие задачи зачастую не выделяют dwh-шников и бэкендеров, поэтому придется самостоятельно писать такие скрипты, по типу парсеров и т п). В силу существования ЛЛМ, такой навык достаточно просто покрывается и можно закрыть базовыми знаниями и пониманием питона, такое у нас даётся на аналитике старт.
2. SQL
- уверенный SQL;
В тиньке достаточно хорошая БД, приведенная в нормальную форму, поэтому любой запрос по сути сводится к большому количеству джоинов. Поэтому на самих собесах достаточно углубленно не должны спрашивать SQL, то есть максимум могут дать достаточно объёмную задачку с кучей подзапросов/джоинов/с оконками, такое у нас как раз разбирают на стартовом курсе. А если же они потребуют более углубленные знания на оптимизацию запросов, что вполне вероятно учитывая жесткие лимиты по времени и памяти на каждый запрос, то такие вопросы мы отдельно разбираем на наших продвинутых курсах.
3. Матстат и AB-тестирование
- хорошее знание матстата и умение применять его в реальных задачах;
Тут опять же есть два этапа, потребуются, как достаточно базовые знания так и чуть продвинутых. Никто не будет требовать строгих определений и формул, но знание той же трогой базы поможет вам в понимании идей более продвинутых методов. На собеседовании нужно будет знать всё: от классических методов аб-тестирования (базовой терминологии, той что на курсе старт разбирается: pvalue, mde, ошибки 1-го/2-го рода, z/t-критерии и т п ) до более продвинутых методов (методы понижения дисперсии cuped/стратификация - все эти методы разбираются же в продвинутом курсе и не только на уровне теории, а на уровне скиллов применения в кейсах на собеседованиях)
4. ML
- понимание ML хотя бы на уровне базовых принципов;
Все продвинутые методы в аналитике сводятся к применению классического МЛ, те же double ml/cupac, требует умение строить и тюнить классические модели. На самом собесе будут вопросы про построение бустингов и их разновидностей. На курсе про будут разобраны базовые модели, которые потребуются для подведения резов АБ.
5. Эконометрика
causal inference;
Особенно в маркетинге, методы causal inference наиболее актуальны. Тот же матчинг необходим как минимум для тестов которые позволят описывать более подробно поведение каждого пользователя. Или же регрессии 4 c инструментальными переменными. А также самая базовая идея, которая применяется практически во всех тестах - например did(постнормировка). Знания эконометрики необходимы для проектирования фреймворков оценки тестов. Поэтому применение этих методов в кейсе очень сильно оценят, тем более это описывается в вакансии как дополнительный пункт. Все нужные методы затронут на курсе про.
Подписаться: @ProdAnalysis
❤2🔥2
Реальное собеседование на стажировку продуктового аналитика в Т-банк
Наш студент сделал расшифровку записи собеса, делимся с вами! Кстати, решение экзамена уже выложено на нашем курсе аналитика про, ии агенты про и алгоритмы про.
➡️ Записаться.
1. «Расскажи, как работает этот бизнес, на чём зарабатывает?»
Речь идет про Яндекс Еду (обычно предлагают разобрать какой-то продукт, кроме Т-банка).
Для меня Яндекс Еда – классический трёхсторонний маркетплейс:
• Клиент – голодный пользователь,
• Ресторан – готовит еду,
• Курьер – доставляет.
Деньги берём из трёх источников:
• Сервисный сбор с клиента за использование приложения,
• Комиссия с ресторана (~20% от чека) за то, что мы привели ему клиентов,
• Платная доставка – она идёт на оплату курьера.
Всё это укладывается в юнит-экономику каждого заказа – выручка = комиссии + сборы + логистика.
2. «На какой стадии жизненного цикла сейчас Яндекс Еда?»
Любой продукт проходит: внедрение → рост → зрелость → спад.
Я считаю, что Яндекс Еда – в зрелости. Рынок уже поделен, новые игроки не лезут, стоимость привлечения клиента (CAC) зашкаливает.
Значит, стратегия «просто набрать новых пользователей» больше не работает. Теперь фокус на удержании (retention) и пожизненной ценности (LTV). Надо заставить старых клиентов заказывать чаще и больше, а не тратить деньги на привлечение новых.
3. «Назови ключевые метрики для нас. Какая у тебя North Star?»
Моя полярная звезда (North Star) – чистая прибыль.
Можно смотреть на число заказов или установок, но если каждый заказ убыточен – компания умрёт.
Я строю дерево метрик, где всё стягивается к LTV. Например:
Retention → повторные заказы → рост LTV → снижение доли маркетинговых расходов → увеличение маржинальности.
Важно показать связь между поведением пользователя и экономикой.
4. «Как ты строишь дашборды?»
• Валидация данных – сверяю результаты скрипта с ручными расчётами (график показывает миллион, а в кассе ноль – провал).
• Фильтры – по возрасту, полу, региону, чтобы видеть аномалии (например, в Москве упало, а в Питере выросло).
• Алерты - если метрика падает ниже нормы, прилетает уведомление – не сидеть же 24/7 у монитора.
5. «Как бы ты повысил прибыль?»
Ищем узкие места в воронке.
• Если видим, что много лояльных клиентов, предложим кнопку «Повторить заказ» – сократим путь до покупки.
• Если цель поднять средний чек, то внедрим рекомендации («С этим блюдом часто берут колу») или умные пуши с новинками из любимых ресторанов.
6. «Как приоритизировать фичи, когда разработчиков не хватает?»
Использую RICE (Reach, Impact, Confidence, Effort):
• Reach – сколько пользователей затронет фича,
• Impact – насколько сильно это поможет,
• Confidence – насколько мы уверены в оценках,
• Effort – сколько месяцев работы разработчиков.
Считаем: (Reach × Impact × Confidence) / Effort. У кого балл выше – того и запускаем.
7. «Какой статистический тест выберешь для А/Б теста?»
Всё зависит от типа метрики:
• Конверсия (купил/не купил) – пропорция → Z-тест или хи-квадрат.
• Средний чек (рубли) – непрерывная величина → t-тест (если нормальное распределение) или Манн-Уитни (если не нормальное или много выбросов).
8. «Что такое ошибка первого и второго рода? Объясни на пальцах»
Лучшая аналогия – тест на беременность:
• Ошибка первого рода (α, ложноположительный) – тест говорит «беременна», а на самом деле нет. В А/Б – мы увидели эффект, хотя его нет. Это стоит компании денег на разработку бесполезной фичи.
• Ошибка второго рода (β, ложноотрицательный) – тест говорит «не беременна», а живот уже растёт. Мы решаем, что фича не работает, а она могла бы принести миллионы.
9. «Что делать, если p-value колеблется около 0.05?»
Главный грех аналитика – подглядывание (peeking). Нельзя каждый день смотреть на p-value и ждать, пока оно станет зелёным, чтобы остановить тест.
Заранее рассчитываем размер выборки и длительность теста. И до окончания срока никаких решений. Если в конце p-value > α – гипотеза не подтвердилась, фичу не выкатываем, как бы она нам ни нравилась.
10. «Как проверить, что распределение нормальное?»
• Для маленьких выборок – критерий Шапиро-Уилка.
• Для больших – Колмогорова-Смирнова.
• И обязательно Q-Q plot – если точки ложатся на прямую, распределение нормальное.
11. «А знаешь, что такое ratio-метрики?»
Ratio-метрики – это отношения, например CTR = клики / показы.
Проблема: числитель и знаменатель – случайные величины, у них сложная дисперсия, и обычный t-тест начинает врать.
Чтобы починить, я использую дельта-метод или линеаризацию – превращаю сложное отношение в простую линейную переменную для каждого пользователя. Это позволяет корректно оценить дисперсию, сохранить чувствительность и точность p-value на больших данных.
Еще больше вопрос в нашем открытом банке собесов и тестовых заданий: смотрите на сайте.
Подписаться: @ProdAnalysis
Наш студент сделал расшифровку записи собеса, делимся с вами! Кстати, решение экзамена уже выложено на нашем курсе аналитика про, ии агенты про и алгоритмы про.
1. «Расскажи, как работает этот бизнес, на чём зарабатывает?»
Речь идет про Яндекс Еду (обычно предлагают разобрать какой-то продукт, кроме Т-банка).
Для меня Яндекс Еда – классический трёхсторонний маркетплейс:
• Клиент – голодный пользователь,
• Ресторан – готовит еду,
• Курьер – доставляет.
Деньги берём из трёх источников:
• Сервисный сбор с клиента за использование приложения,
• Комиссия с ресторана (~20% от чека) за то, что мы привели ему клиентов,
• Платная доставка – она идёт на оплату курьера.
Всё это укладывается в юнит-экономику каждого заказа – выручка = комиссии + сборы + логистика.
2. «На какой стадии жизненного цикла сейчас Яндекс Еда?»
Любой продукт проходит: внедрение → рост → зрелость → спад.
Я считаю, что Яндекс Еда – в зрелости. Рынок уже поделен, новые игроки не лезут, стоимость привлечения клиента (CAC) зашкаливает.
Значит, стратегия «просто набрать новых пользователей» больше не работает. Теперь фокус на удержании (retention) и пожизненной ценности (LTV). Надо заставить старых клиентов заказывать чаще и больше, а не тратить деньги на привлечение новых.
3. «Назови ключевые метрики для нас. Какая у тебя North Star?»
Моя полярная звезда (North Star) – чистая прибыль.
Можно смотреть на число заказов или установок, но если каждый заказ убыточен – компания умрёт.
Я строю дерево метрик, где всё стягивается к LTV. Например:
Retention → повторные заказы → рост LTV → снижение доли маркетинговых расходов → увеличение маржинальности.
Важно показать связь между поведением пользователя и экономикой.
4. «Как ты строишь дашборды?»
• Валидация данных – сверяю результаты скрипта с ручными расчётами (график показывает миллион, а в кассе ноль – провал).
• Фильтры – по возрасту, полу, региону, чтобы видеть аномалии (например, в Москве упало, а в Питере выросло).
• Алерты - если метрика падает ниже нормы, прилетает уведомление – не сидеть же 24/7 у монитора.
5. «Как бы ты повысил прибыль?»
Ищем узкие места в воронке.
• Если видим, что много лояльных клиентов, предложим кнопку «Повторить заказ» – сократим путь до покупки.
• Если цель поднять средний чек, то внедрим рекомендации («С этим блюдом часто берут колу») или умные пуши с новинками из любимых ресторанов.
6. «Как приоритизировать фичи, когда разработчиков не хватает?»
Использую RICE (Reach, Impact, Confidence, Effort):
• Reach – сколько пользователей затронет фича,
• Impact – насколько сильно это поможет,
• Confidence – насколько мы уверены в оценках,
• Effort – сколько месяцев работы разработчиков.
Считаем: (Reach × Impact × Confidence) / Effort. У кого балл выше – того и запускаем.
7. «Какой статистический тест выберешь для А/Б теста?»
Всё зависит от типа метрики:
• Конверсия (купил/не купил) – пропорция → Z-тест или хи-квадрат.
• Средний чек (рубли) – непрерывная величина → t-тест (если нормальное распределение) или Манн-Уитни (если не нормальное или много выбросов).
8. «Что такое ошибка первого и второго рода? Объясни на пальцах»
Лучшая аналогия – тест на беременность:
• Ошибка первого рода (α, ложноположительный) – тест говорит «беременна», а на самом деле нет. В А/Б – мы увидели эффект, хотя его нет. Это стоит компании денег на разработку бесполезной фичи.
• Ошибка второго рода (β, ложноотрицательный) – тест говорит «не беременна», а живот уже растёт. Мы решаем, что фича не работает, а она могла бы принести миллионы.
9. «Что делать, если p-value колеблется около 0.05?»
Главный грех аналитика – подглядывание (peeking). Нельзя каждый день смотреть на p-value и ждать, пока оно станет зелёным, чтобы остановить тест.
Заранее рассчитываем размер выборки и длительность теста. И до окончания срока никаких решений. Если в конце p-value > α – гипотеза не подтвердилась, фичу не выкатываем, как бы она нам ни нравилась.
10. «Как проверить, что распределение нормальное?»
• Для маленьких выборок – критерий Шапиро-Уилка.
• Для больших – Колмогорова-Смирнова.
• И обязательно Q-Q plot – если точки ложатся на прямую, распределение нормальное.
11. «А знаешь, что такое ratio-метрики?»
Ratio-метрики – это отношения, например CTR = клики / показы.
Проблема: числитель и знаменатель – случайные величины, у них сложная дисперсия, и обычный t-тест начинает врать.
Чтобы починить, я использую дельта-метод или линеаризацию – превращаю сложное отношение в простую линейную переменную для каждого пользователя. Это позволяет корректно оценить дисперсию, сохранить чувствительность и точность p-value на больших данных.
Еще больше вопрос в нашем открытом банке собесов и тестовых заданий: смотрите на сайте.
Подписаться: @ProdAnalysis
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4❤2❤🔥1
Стажировка в Т-банк одна из лучших возможностей для старта в аналитике:
• специалисты высокого класса
• зарплаты в среднем выше рынка
• современный стек и проекты
• хорошо выстроены процессы
• корпоративная культура
Для участия нужно подать анкету заполнить анкету до 6 сентября и выполнить экзамен. Разбор математики и скл уже выложен на нашем курсе аналитика про.
➡️ Записаться.
Как заполнять анкеты смотрим этот ролик. Вашу анкету оценивают рекрутеры, команды. Если вы им понравитесь, вас пригласят на финальное собеседование.
На собесе может быть все, что угодно на усмотрение интервьюера: могут быть даже математические задачи на логику в духе тюремных загадок. Но обычно просто стандартный собес по аналитике: бизнесс кейс, АВ-тесты, метрики, мб скл лайвкодинаг. Примеры собесов в Т-банк можно посмотреть в нашем канале @postypashki_old, @chad_protocol по поиску ключевых слов "Полный цикл собесов аналитика" или в открытом банке собесов по аналитике. Технические вопросы сильно зависят от команды. Иногда собеседование может пройти в формате "вайбчека" без технических вопросов, но это скорее исключение. Короче все, что есть в нашей программе курсов аналитика старт, аналитика про, АВ-тесты.
Обычно финальный собес один на полтора часа. Если прям очень хорошо о себя завили в анкете и хорошо показали на собесе - команда может дать хороший отзыв и тогда вам могут предложить еще одно собеседование, но такое бывает редко. Дополнительный финальный собес можно получить, если податься на донабор, который проходит обычно спустя месяц основного набора.
При идеальном мэтче, вы в Т-банке - поздравляю!
Подписаться: @ProdAnalysis
• специалисты высокого класса
• зарплаты в среднем выше рынка
• современный стек и проекты
• хорошо выстроены процессы
• корпоративная культура
Для участия нужно подать анкету заполнить анкету до 6 сентября и выполнить экзамен. Разбор математики и скл уже выложен на нашем курсе аналитика про.
Как заполнять анкеты смотрим этот ролик. Вашу анкету оценивают рекрутеры, команды. Если вы им понравитесь, вас пригласят на финальное собеседование.
На собесе может быть все, что угодно на усмотрение интервьюера: могут быть даже математические задачи на логику в духе тюремных загадок. Но обычно просто стандартный собес по аналитике: бизнесс кейс, АВ-тесты, метрики, мб скл лайвкодинаг. Примеры собесов в Т-банк можно посмотреть в нашем канале @postypashki_old, @chad_protocol по поиску ключевых слов "Полный цикл собесов аналитика" или в открытом банке собесов по аналитике. Технические вопросы сильно зависят от команды. Иногда собеседование может пройти в формате "вайбчека" без технических вопросов, но это скорее исключение. Короче все, что есть в нашей программе курсов аналитика старт, аналитика про, АВ-тесты.
Обычно финальный собес один на полтора часа. Если прям очень хорошо о себя завили в анкете и хорошо показали на собесе - команда может дать хороший отзыв и тогда вам могут предложить еще одно собеседование, но такое бывает редко. Дополнительный финальный собес можно получить, если податься на донабор, который проходит обычно спустя месяц основного набора.
При идеальном мэтче, вы в Т-банке - поздравляю!
Подписаться: @ProdAnalysis
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2🔥2
Forwarded from Поступашки - ШАД, Стажировки и Магистратура
Разбор экзамена на стажировку в Т-банк за подписку!
Чтобы получить разбор:
➡️ Подпишитесь на нас в запрещенной странице тут
➡️ Поставьте «+» в комментариях под последней каруселью тут
➡️ После этого бот пришлёт вам материал в директ
Внутри будет разбор экзамена и теста SQL на стажировку Т-банк
Чтобы получить разбор:
Внутри будет разбор экзамена и теста SQL на стажировку Т-банк
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1
Математика Т-банка.pdf
822.2 KB
Слив протоколов собеседований на аналитика в Т-Банке
Меньше 3 часов до конца финальной скидки на курсы ПРО и отбора на стажировку в Т-банк!
➡️ Записаться.
Чтобы вы реально почувствовали насколько круты наши курсы, сливаем внутреннюю кухню - как реально проходят секции аналитики в Т-Банке. Три гайда, и они закрывают сразу два разных направления - продуктовый и бизнесовый. Еще больше закрытых материалов на наших курсах про. Короче курсы реально годный, залетаем. Отзыв нашего выпускника ниже.
Каркас у собесов один - 4 этапа: рекрутёр → профильная секция → знакомство с командой → оффер. Тут как раз на разных аналитиков идет разветвление.
Трек 1. Продуктовый аналитик.
Техчасть делится на две секции:
— Дата-анализ (60 мин) — теорвер, матстат и лайвкодинг на SQL и Python. Всё хардовое живёт тут.
— Продуктовая аналитика (60 мин) — метрики, гипотезы, кейсы продукта. Хардов нет, смотрят на мышление и умение доводить решение до конечной точки.
Гайд "Продуктовая аналитика" - как раз про это: 21 разобранный кейс (условие → ход решения → на что смотрит интервьюер → усложнения), матрица компетенций, чеклист перед собесом, шпаргалка по теории и отдельный технический минимум под DA-секцию. Плюс блок кейсов для тех, кто идёт на позицию управленца отдела аналитиков.
Трек 2. Бизнес-аналитик.
Тут SQL и лайвкодинга нет - одна секция на 60 минут: разбор вашего опыта плюс бизнес-кейс на развитие продукта, улучшение процесса или поиск узкого места. Тут также смотрят больше на ход ваших мыслей, а не то, как вы сходу выдаете готовый ответ. Отдельно стоит присмотреться ребятам, кто метит на позицию технолога (это стык бизнес-аналитика, системного, продуктового, проджекта и продакта, нишевая тема в общем), для вас тоже актуальный контент, так как собесы у этих двух позиций пересекаются. Гайд "Бизнес-анализ" - про этот трек: матрица компетенций от джуна до сеньора, каркас разбора любого кейса и 6 примеров кейсов.
Общий блок - задачи на логику. 27 штук с реальных собесов: логика и дедукция, теорвер (Байес, условная вероятность, правило остановки) и оценки/алгоритмы/теория игр. У каждой полный разбор с ключевой идеей, а не просто ответ.
Еще дополнительную информацию оставил в нашем чатике тут.
Подписаться: @postypashki_old
Меньше 3 часов до конца финальной скидки на курсы ПРО и отбора на стажировку в Т-банк!
Чтобы вы реально почувствовали насколько круты наши курсы, сливаем внутреннюю кухню - как реально проходят секции аналитики в Т-Банке. Три гайда, и они закрывают сразу два разных направления - продуктовый и бизнесовый. Еще больше закрытых материалов на наших курсах про. Короче курсы реально годный, залетаем. Отзыв нашего выпускника ниже.
Каркас у собесов один - 4 этапа: рекрутёр → профильная секция → знакомство с командой → оффер. Тут как раз на разных аналитиков идет разветвление.
Трек 1. Продуктовый аналитик.
Техчасть делится на две секции:
— Дата-анализ (60 мин) — теорвер, матстат и лайвкодинг на SQL и Python. Всё хардовое живёт тут.
— Продуктовая аналитика (60 мин) — метрики, гипотезы, кейсы продукта. Хардов нет, смотрят на мышление и умение доводить решение до конечной точки.
Гайд "Продуктовая аналитика" - как раз про это: 21 разобранный кейс (условие → ход решения → на что смотрит интервьюер → усложнения), матрица компетенций, чеклист перед собесом, шпаргалка по теории и отдельный технический минимум под DA-секцию. Плюс блок кейсов для тех, кто идёт на позицию управленца отдела аналитиков.
Трек 2. Бизнес-аналитик.
Тут SQL и лайвкодинга нет - одна секция на 60 минут: разбор вашего опыта плюс бизнес-кейс на развитие продукта, улучшение процесса или поиск узкого места. Тут также смотрят больше на ход ваших мыслей, а не то, как вы сходу выдаете готовый ответ. Отдельно стоит присмотреться ребятам, кто метит на позицию технолога (это стык бизнес-аналитика, системного, продуктового, проджекта и продакта, нишевая тема в общем), для вас тоже актуальный контент, так как собесы у этих двух позиций пересекаются. Гайд "Бизнес-анализ" - про этот трек: матрица компетенций от джуна до сеньора, каркас разбора любого кейса и 6 примеров кейсов.
Общий блок - задачи на логику. 27 штук с реальных собесов: логика и дедукция, теорвер (Байес, условная вероятность, правило остановки) и оценки/алгоритмы/теория игр. У каждой полный разбор с ключевой идеей, а не просто ответ.
Еще дополнительную информацию оставил в нашем чатике тут.
Подписаться: @postypashki_old
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4
Forwarded from Поступашки - ШАД, Стажировки и Магистратура
Уметь считать ≠ уметь анализировать
С 7 по 13 сентября проводим бесплатную неделю «Аналитика вне SQL» — мини-симулятор реальной работы аналитика.
Можно нормально знать SQL, статистику, Python, строить дашборды — и всё равно теряться, когда на собеседовании или на работе тебя спрашивают:
Потому что в реальной работе сначала нужно понять, что происходит с бизнесом, какой вопрос мы решаем и какое решение должно появиться на выходе.
За 7 дней вы:
⏩ решите 3 продуктовых кейса — от бизнес-задачи до решения
⏩ встретитесь с HR, который работал в X5 и Яндексе и нанимал людей от стажёров до топ-менеджеров
⏩ поговорите с senior-аналитиком Avito о том, как меняется работа аналитика по мере роста
⏩ поучаствуете в первом аналитическом хакатоне Поступашек
На хакатоне вы соберётесь в команды, получите реальный продуктовый кейс и за выходные пройдёте весь путь аналитика: разберётесь в проблеме, поработаете с данными, предложите решение и защитите его.
💰 Приз — 30 000 ₽
Курс подойдёт и новичкам, и действующим аналитикам, которые хотят лучше понимать продукт и бизнес, увереннее решать неструктурированные задачи и расти дальше.
Все кейсы, встречи, записи и материалы будут в отдельном закрытом канале.
Участие бесплатное. Первое занятие уже сегодня в 19:00
📌 Присоединиться на курс по ссылке https://t.me/+j_RdPEr7JudjNWM0
С 7 по 13 сентября проводим бесплатную неделю «Аналитика вне SQL» — мини-симулятор реальной работы аналитика.
Можно нормально знать SQL, статистику, Python, строить дашборды — и всё равно теряться, когда на собеседовании или на работе тебя спрашивают:
«У нас упала выручка. Разберись, почему».
Потому что в реальной работе сначала нужно понять, что происходит с бизнесом, какой вопрос мы решаем и какое решение должно появиться на выходе.
За 7 дней вы:
На хакатоне вы соберётесь в команды, получите реальный продуктовый кейс и за выходные пройдёте весь путь аналитика: разберётесь в проблеме, поработаете с данными, предложите решение и защитите его.
Курс подойдёт и новичкам, и действующим аналитикам, которые хотят лучше понимать продукт и бизнес, увереннее решать неструктурированные задачи и расти дальше.
Все кейсы, встречи, записи и материалы будут в отдельном закрытом канале.
Участие бесплатное. Первое занятие уже сегодня в 19:00
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1
Товарищи, ждем вас в 19:00 на нашем первом занятии на курсе Аналитика вне SQL
Будем обсуждать, как бизнес и аналитика связаны между собой, а также решим продуктовый кейс
Личное приглашение от куратора курса ниже 👇🏻
Ссылка на встречу в канале курса
Будем обсуждать, как бизнес и аналитика связаны между собой, а также решим продуктовый кейс
Личное приглашение от куратора курса ниже 👇🏻
Ссылка на встречу в канале курса
This media is not supported in your browser
VIEW IN TELEGRAM
🍌4🤔2🔥1💋1
Стажировка в Яндексе одна из лучших возможностей для старта в аналитике:
• МНОГО КРАСИВЫХ СВОБОДНЫХ ЖЕНЩИН
• специалисты высокого класса
• зарплаты в среднем выше рынка
• современный стек и проекты
• хорошо выстроены процессы
• корпоративная культура
Для участия нужно подать анкету заполнить анкету и зарешать контест. Разбор контеста уже выложен на нашем курсе аналитика про.
➡ Записаться.
Как заполнять анкеты смотрим этот ролик. После контеста вас ждет собес на код (sql, python, алгосы) и бизнесс кейс, задачи по математике, статистике. Формат немного поменялся, отдельного собеса по алгосам "больше нет". И наконец собеседования с командами. На моем опыте максимально, сколько может быть собесов с командой - 9.
Финальные собесы
Если команда точно понимает, что им нужен стажёр закрыть пару дыр и после он не нужен, то собес больше про твой опыт, почему Яндекс, как планируешь совмещать с учебой, а что будешь делать, если стажку не продлим/не возьмём в штат. Такие больше на метч с командой и посмотреть не будешь ли ты ныть, что на стажке будешь заниматься скучной фигней, расскажут какой есть пул задач и спросят, что из этого интересно.
Если команде нужен специалист, которого они хотят растить, то собес посерьезней из разряда: продуктовый кейс, математические задачи, лайвкодинг и тд. Пример нашего выпускника можно посмотреть здесь.
Конкретнее все зависит от того, кто собесит: chill guy или факер. Выбирайте команду с умом, ее можно поменять.
По итогу еще раз многое зависит от команды и кто собесит. Выбирайте команду с умом, ее можно поменять.
Штат
Можно сразу на финале спросить, а будут ли места в штате. Конечно обмануть могут, но за вопрос денег не берут и пусть сила вам подскажет.
После стажировки есть несколько вариантов:
1. Если плохой отзыв от команды и говорят «уходи», то нужно заново проходить все собесы на стажера
2. Могут сказать, что ты не очень и иди на стажировку снова (без собесов, только финалы)
3. Можешь пойти в штат:
а) ты классный - можешь пойти к нам на миддла (но нужно опять пройти АА, потом финалы), если не пройдешь, то возьмут на джуна
б) ты не дотягиваешь до миддла - ты джун и если команда не готова взять джуна, то нужно идти искать, кто может взять к себе джуна самому
в) можно искать, кто готов взять к себе миддла/джуна и врубать свои навыки социальной инженерии на максимум
При идеальном мэтче, вы в Яндексе - поздравляю!
Подписаться: @ProdAnalysis
• МНОГО КРАСИВЫХ СВОБОДНЫХ ЖЕНЩИН
• специалисты высокого класса
• зарплаты в среднем выше рынка
• современный стек и проекты
• хорошо выстроены процессы
• корпоративная культура
Для участия нужно подать анкету заполнить анкету и зарешать контест. Разбор контеста уже выложен на нашем курсе аналитика про.
Как заполнять анкеты смотрим этот ролик. После контеста вас ждет собес на код (sql, python, алгосы) и бизнесс кейс, задачи по математике, статистике. Формат немного поменялся, отдельного собеса по алгосам "больше нет". И наконец собеседования с командами. На моем опыте максимально, сколько может быть собесов с командой - 9.
Финальные собесы
Если команда точно понимает, что им нужен стажёр закрыть пару дыр и после он не нужен, то собес больше про твой опыт, почему Яндекс, как планируешь совмещать с учебой, а что будешь делать, если стажку не продлим/не возьмём в штат. Такие больше на метч с командой и посмотреть не будешь ли ты ныть, что на стажке будешь заниматься скучной фигней, расскажут какой есть пул задач и спросят, что из этого интересно.
Если команде нужен специалист, которого они хотят растить, то собес посерьезней из разряда: продуктовый кейс, математические задачи, лайвкодинг и тд. Пример нашего выпускника можно посмотреть здесь.
Конкретнее все зависит от того, кто собесит: chill guy или факер. Выбирайте команду с умом, ее можно поменять.
По итогу еще раз многое зависит от команды и кто собесит. Выбирайте команду с умом, ее можно поменять.
Штат
Можно сразу на финале спросить, а будут ли места в штате. Конечно обмануть могут, но за вопрос денег не берут и пусть сила вам подскажет.
После стажировки есть несколько вариантов:
1. Если плохой отзыв от команды и говорят «уходи», то нужно заново проходить все собесы на стажера
2. Могут сказать, что ты не очень и иди на стажировку снова (без собесов, только финалы)
3. Можешь пойти в штат:
а) ты классный - можешь пойти к нам на миддла (но нужно опять пройти АА, потом финалы), если не пройдешь, то возьмут на джуна
б) ты не дотягиваешь до миддла - ты джун и если команда не готова взять джуна, то нужно идти искать, кто может взять к себе джуна самому
в) можно искать, кто готов взять к себе миддла/джуна и врубать свои навыки социальной инженерии на максимум
При идеальном мэтче, вы в Яндексе - поздравляю!
Подписаться: @ProdAnalysis
Please open Telegram to view this post
VIEW IN TELEGRAM
🍌6😁3❤1🔥1🍓1🤓1
Гайд X5 (кейсы и AB тесты).pdf
255.4 KB
Слив протоколов АВ тестирования для кейс-интервью X5
Наши выпускники не только сейчас активно проходят собесы, но и уже давно закрепились в штате и проводят собесы.
В честь нашей открытой недели по аналитике, которое стартует уже сегодня, делимся гайдом по проведению АВ тестирования в Х5 на основе внутренних методичек, публичных выступлений и протоколов проведения собеседований. Делитесь с друзьями такой годной!
Присоединиться к открытой недели можно по ссылке: https://t.me/+j_RdPEr7JudjNWM0
Подписаться: @ProdAnalysis
Наши выпускники не только сейчас активно проходят собесы, но и уже давно закрепились в штате и проводят собесы.
В честь нашей открытой недели по аналитике, которое стартует уже сегодня, делимся гайдом по проведению АВ тестирования в Х5 на основе внутренних методичек, публичных выступлений и протоколов проведения собеседований. Делитесь с друзьями такой годной!
Присоединиться к открытой недели можно по ссылке: https://t.me/+j_RdPEr7JudjNWM0
Подписаться: @ProdAnalysis
😢3🔥1
Как_попасть_на_собеседование_и_пройти_его.pdf
713.1 KB
Как хакнуть HR
В рамках открытой недели "Аналитика вне SQL" встретились с HR-экспертом, который нанимал IT-спецов от стажера до топ-менеджмента в X5 и Яндексе. Вместе разбирались, что вообще происходит по ту сторону отклика: почему хорошее резюме может получить отказ, как работает ATS, что смотрит HR и почему одних кандидатов зовут дальше, а других — нет.
Запись встречи уже лежит в канале. Но чтобы не пересматривать ее каждый раз перед собеседованием, мы собрали все самое важное в гайд «Как попасть на собеседование и пройти его». Сохраняйте и делитесь с друзьями!
А здесь отдельно вынесем несколько важных пунктов:
1. Увидели вакансию — лучше откликнуться сразу.
HR достаточно быстро собирает первую подборку подходящих кандидатов и дальше уже работает с ней вместе с нанимающим менеджером. Вакансия при этом может продолжать висеть.
Поэтому иногда кандидат на 10/10 просто пришёл позже и не успел попасть в папку кандидатов.
2. ATS помнит больше, чем одно ваше резюме.
Это не только фильтр по ключевым словам. В системе может сохраняться история ваших откликов, этапов и контактов с компанией.
Поэтому нормально поддерживать адекватную коммуникацию с HR даже после интервью. Если они обещали ответ и пропали — можно написать follow-up. Сегодня вакансии для вас может не оказаться, а через несколько месяцев HR вспомнит хорошего кандидата и вернётся уже с другой.
И да: если вам звонил HR и вы не успели взять трубку — перезвонить нормально. Не нужно ждать, пока вас попробуют поймать ещё три раза.
3. Холодный отклик — не единственный вход.
Если можете выйти напрямую на HR, нанимающего менеджера или получить рекомендацию сотрудника — используйте это.
Когда вас рекомендуют, за вами уже стоит первичный человеческий фильтр: «я знаю этого человека / посмотрел его опыт / с ним стоит поговорить». Это может помочь не потеряться среди сотен откликов.
Поэтому нетворкинг — самый рабочий канал поиска работы, особенно, чтобы быстро пройти верхний этап воронки.
4. Перед интервью можно немного посталкерить нанимающего менеджера.
Спросите у HR, кто будет вас собеседовать, и посмотрите человека в LinkedIn и открытых соцсетях: где работал, чем занимался, какие продукты делал.
Вы идёте не в абстрактный «Яндекс» или «X5», а к конкретному руководителю. Чем лучше понимаете его профессиональный профиль, тем понятнее, какие темы ему будут близки и на чём строить разговор.
5. Soft skills ≠ «просто умею разговаривать».
И точно не строчка «коммуникабельный, стрессоустойчивый» в резюме.
На собеседовании смотрят, можете ли вы:
— понятно объяснить решение
— нормально реагировать на вопросы
— признать, что чего-то не знаете
— уточнить задачу вместо того, чтобы сразу бежать решать
— аргументировать свою позицию
— в целом адекватно работать с другими людьми
Когда два кандидата похожи по хардам, вот это уже может стать решающим фактором при выборе.
6. Нет опыта — ищитев первую очередь не сертификаты, а доказательства, что вы умеете работать.
Pet-проекты, хакатоны, кейс-чемпионаты, исследования, университетские проекты — всё это можно использовать как опыт, если там была реальная задача и вы можете подробно рассказать, что сделали и к какому результату пришли.
То же самое с коммерческим опытом: в резюме важнее не «писал SQL и строил дашборды», а что изменилось благодаря вашей работе.
Например:
В самом гайде подробнее разобрали ATS, резюме, первый этап отбора, отсутствие опыта, HR-интервью, soft skills, нетворкинг и переход между ролями.
А сегодня в 19:00 посмотрим на тот же путь уже глазами кандидата.
Встречаемся с senior-аналитиком Авито😎 и разберём, как он сам прошёл путь от поиска первой стажировки до senior: что писал в резюме, что реально помогало проходить отборы, что не работало и за счёт чего получилось быстро расти дальше.
Если сейчас ищете стажировку, первую работу или хотите понять, как быстрее расти после входа в профессию, присоединяйтесь.
В рамках открытой недели "Аналитика вне SQL" встретились с HR-экспертом, который нанимал IT-спецов от стажера до топ-менеджмента в X5 и Яндексе. Вместе разбирались, что вообще происходит по ту сторону отклика: почему хорошее резюме может получить отказ, как работает ATS, что смотрит HR и почему одних кандидатов зовут дальше, а других — нет.
Запись встречи уже лежит в канале. Но чтобы не пересматривать ее каждый раз перед собеседованием, мы собрали все самое важное в гайд «Как попасть на собеседование и пройти его». Сохраняйте и делитесь с друзьями!
А здесь отдельно вынесем несколько важных пунктов:
1. Увидели вакансию — лучше откликнуться сразу.
HR достаточно быстро собирает первую подборку подходящих кандидатов и дальше уже работает с ней вместе с нанимающим менеджером. Вакансия при этом может продолжать висеть.
Поэтому иногда кандидат на 10/10 просто пришёл позже и не успел попасть в папку кандидатов.
2. ATS помнит больше, чем одно ваше резюме.
Это не только фильтр по ключевым словам. В системе может сохраняться история ваших откликов, этапов и контактов с компанией.
Поэтому нормально поддерживать адекватную коммуникацию с HR даже после интервью. Если они обещали ответ и пропали — можно написать follow-up. Сегодня вакансии для вас может не оказаться, а через несколько месяцев HR вспомнит хорошего кандидата и вернётся уже с другой.
И да: если вам звонил HR и вы не успели взять трубку — перезвонить нормально. Не нужно ждать, пока вас попробуют поймать ещё три раза.
3. Холодный отклик — не единственный вход.
Если можете выйти напрямую на HR, нанимающего менеджера или получить рекомендацию сотрудника — используйте это.
Когда вас рекомендуют, за вами уже стоит первичный человеческий фильтр: «я знаю этого человека / посмотрел его опыт / с ним стоит поговорить». Это может помочь не потеряться среди сотен откликов.
Поэтому нетворкинг — самый рабочий канал поиска работы, особенно, чтобы быстро пройти верхний этап воронки.
4. Перед интервью можно немного посталкерить нанимающего менеджера.
Спросите у HR, кто будет вас собеседовать, и посмотрите человека в LinkedIn и открытых соцсетях: где работал, чем занимался, какие продукты делал.
Вы идёте не в абстрактный «Яндекс» или «X5», а к конкретному руководителю. Чем лучше понимаете его профессиональный профиль, тем понятнее, какие темы ему будут близки и на чём строить разговор.
5. Soft skills ≠ «просто умею разговаривать».
И точно не строчка «коммуникабельный, стрессоустойчивый» в резюме.
На собеседовании смотрят, можете ли вы:
— понятно объяснить решение
— нормально реагировать на вопросы
— признать, что чего-то не знаете
— уточнить задачу вместо того, чтобы сразу бежать решать
— аргументировать свою позицию
— в целом адекватно работать с другими людьми
Когда два кандидата похожи по хардам, вот это уже может стать решающим фактором при выборе.
6. Нет опыта — ищитев первую очередь не сертификаты, а доказательства, что вы умеете работать.
Pet-проекты, хакатоны, кейс-чемпионаты, исследования, университетские проекты — всё это можно использовать как опыт, если там была реальная задача и вы можете подробно рассказать, что сделали и к какому результату пришли.
То же самое с коммерческим опытом: в резюме важнее не «писал SQL и строил дашборды», а что изменилось благодаря вашей работе.
Например:
увеличил показатель X на 12% за счёт анализа пользовательских сегментов и проверки продуктовых гипотез.
В самом гайде подробнее разобрали ATS, резюме, первый этап отбора, отсутствие опыта, HR-интервью, soft skills, нетворкинг и переход между ролями.
А сегодня в 19:00 посмотрим на тот же путь уже глазами кандидата.
Встречаемся с senior-аналитиком Авито
Если сейчас ищете стажировку, первую работу или хотите понять, как быстрее расти после входа в профессию, присоединяйтесь.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2
Продолжаем знакомиться с талантливыми учениками Поступашек
Сегодня в гостях - Катя Деева, амбасодор СВЭГА. Сейчас Катя работает в Ozon Fresh, а до этого успела попробовать себя в аналитике и продакт-менеджменте в крупных компаниях и пройти довольно непростой путь поиска того, чем вообще хочется заниматься.
Смотрим интервью по ссылке: https://youtu.be/5Da-YtxUpSE
Обсудили самые актуальные темы зумеров:
— Как найти парня
— Как делать эти самые "социальные связи" (нетворк)
— Как кейс-чемпионаты помогли Кате построить карьеру
— Работу аналитиком в Sber AI, VK, МТС
— Работу продакт менеджером в Яндекс рекламе, Яндекс Маркете, Яндекс GO
— лицей НИУ ВШЭ и факультет бизнес-информатики
Получился разговор не только про карьеру и образование, но и про то, как пробовать разное, ошибаться, менять решения и постепенно понимать, чем действительно хочется заниматься.
А если хотите вырасти в такого же сильного специалиста как Катя, за которым охотятся топ-компании, приходите на наш курс "Аналитика ПРО"
➡️ Записаться
Сегодня в гостях - Катя Деева, амбасодор СВЭГА. Сейчас Катя работает в Ozon Fresh, а до этого успела попробовать себя в аналитике и продакт-менеджменте в крупных компаниях и пройти довольно непростой путь поиска того, чем вообще хочется заниматься.
Смотрим интервью по ссылке: https://youtu.be/5Da-YtxUpSE
Обсудили самые актуальные темы зумеров:
— Как найти парня
— Как делать эти самые "социальные связи" (нетворк)
— Как кейс-чемпионаты помогли Кате построить карьеру
— Работу аналитиком в Sber AI, VK, МТС
— Работу продакт менеджером в Яндекс рекламе, Яндекс Маркете, Яндекс GO
— лицей НИУ ВШЭ и факультет бизнес-информатики
Получился разговор не только про карьеру и образование, но и про то, как пробовать разное, ошибаться, менять решения и постепенно понимать, чем действительно хочется заниматься.
А если хотите вырасти в такого же сильного специалиста как Катя, за которым охотятся топ-компании, приходите на наш курс "Аналитика ПРО"
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1😁1😍1