А может быть, ну его, эти ваши дашборды?
Перед тем как полностью переписать свою карьеру, карьерные консультанты советуют побольше узнать о типичном рабочем дне человека, который уже работает в этой профессии.
Но я не встречала никого, кто пошёл бы расспрашивать незнакомых людей о том, «кому на Руси жить хорошо?».
Хорошо, что в сегодняшних реалиях можно послушать подкаст или почитать интервью и узнать, что же на самом деле представляет собой ваша будущая работа.
Сегодня мы продолжаем снимать розовые очки, и поможет мне в этом Маша Аничкова — тимлид команды BI-аналитиков в Авито и автор канала «Пирожки и бары | про BI»
---
1) Как ты пришла в BI и с чего начинался путь?
2) Какие навыки оказались реально важными в работе, а какие переоценены?
3) Какие BI-инструменты ты используешь сейчас? Что в них нравится, а что регулярно вызывает дергающийся глаз?
4) Как выглядит «хороший BI-аналитик» глазами бизнеса?
5) Что бы ты посоветовала человеку, который хочет войти в BI сейчас?
---
Маша, большое спасибо, что поделилась своим опытом!
💬 Как вы относитесь к менторству? Был ли у вас опыт в этом деле?
#аналитик_берёт_интервью
Перед тем как полностью переписать свою карьеру, карьерные консультанты советуют побольше узнать о типичном рабочем дне человека, который уже работает в этой профессии.
Но я не встречала никого, кто пошёл бы расспрашивать незнакомых людей о том, «кому на Руси жить хорошо?».
Хорошо, что в сегодняшних реалиях можно послушать подкаст или почитать интервью и узнать, что же на самом деле представляет собой ваша будущая работа.
Сегодня мы продолжаем снимать розовые очки, и поможет мне в этом Маша Аничкова — тимлид команды BI-аналитиков в Авито и автор канала «Пирожки и бары | про BI»
---
1) Как ты пришла в BI и с чего начинался путь?
В этом плане меня жизнь немного помотала🙂
Я была стажером в HR, затем младшим финансовым аудитором в Big4, затем финансовым аналитиком в строительной компании.
По курсам я изучила SQL, PowerBI, базовый Python и перешла в коммерческую аналитику в Ozon - опыт в аудите и знание бизнес-метрик мне пригодились на отборе.
В Ozon я уже много работала с витринами данных и с дашбордами, поэтому это было во многом похоже на работу BI-аналитика. И только придя в Авито я стала уже полноценным биайщиком🥰
2) Какие навыки оказались реально важными в работе, а какие переоценены?
Реально важны - сильный SQL, умение делать дашборды (скорее с точки зрения понимания структуры, метрик и т.п.).
Переоцененным считаю требования к знанию конкретной BI-системы - если есть опыт, то переключиться с одной BI-системы на другую можно довольно быстро (кроме редких исключений).
К счастью, многие работодатели это понимают🙂
3) Какие BI-инструменты ты используешь сейчас? Что в них нравится, а что регулярно вызывает дергающийся глаз?
У нас своя BI-система на базе Redash - наши разработчики уже добавили много классных фичей, но иногда всплывают мелочи, которые бесят.
Например, если на графике включить группировку по году, и при этом стоит фильтр на текущий год, то есть остаётся только одно значение - то на графике не будет одной точки с этим значением, он будет пустой. Мне иногда жалуются пользователи, думая что дашборд сломался😢 Поэтому я завела фичареквест нашим разработчикам и жду, когда они это поправят💔
Плюсы - гибкость и возможность доработать всё, что нужно.
4) Как выглядит «хороший BI-аналитик» глазами бизнеса?
Он не старается сделать крутой дашборд, он в первую очередь вникает, какую задачу/проблему бизнеса нужно решить. Иногда для этого не нужен сверхсложный дашборд, в котором будет всё.
Иногда для этого вообще не нужен дашборд🙂
5) Что бы ты посоветовала человеку, который хочет войти в BI сейчас?
Первое - очень круто прокачать SQL (включая оптимизацию запросов и виды баз данных), базовый Python, научиться делать дашборды - благо это всё можно освоить на курсах.
Требования к джунам растут, и сейчас критично важно иметь сильную базу.
Второе (желательно) - получить практический опыт дашбордов, чтобы научиться правильно работать со структурой дашборда, собирать требования и тп. Это можно сделать также на некоторых курсах, или например на пет-проектах + найти ментора хотя бы на 1-2 встречи и обсудить с ним свои проекты.
---
Маша, большое спасибо, что поделилась своим опытом!
💬 Как вы относитесь к менторству? Был ли у вас опыт в этом деле?
#аналитик_берёт_интервью
Please open Telegram to view this post
VIEW IN TELEGRAM
❤19🔥10✍8
Где взять проекты с сопровождением?
Продолжаем искать аналитические бриллианты на просторах интернета! Сегодня поговорим про Maven Analytics — онлайн-платформу для обучения аналитике данных.
Эта платформа может быть нам полезна в двух направлениях.
Первое — guided projects [проекты с сопровождением]
Когда начинающий аналитик задумывается, как выделиться на фоне таких же джунов, он думает о проекте для портфолио. Ну или ему на курсе сказали, что он должен думать о проекте для портфолио.
Но, как показывает практика, с первого раза, да и со второго тоже, сложно понять, чего от тебя ждут в этих проектах. Можно попросить нейронку составить план и расписать шаги выполнения, но тогда есть риск, как у меня, сделать дашборд, даже не познакомившись с данными.
Выход есть: перед тем как клепать свой шедевр на данных из Kaggle, стоит сделать один-два проекта под присмотром «старшего товарища».
Maven как раз предлагает датасеты под разные инструменты с описанием проекта, его целей и задач каждого этапа анализа. Сделаешь пару таких проектов — и становится понятнее, как подступиться к первому самостоятельному.
Второе — песочница
Вопрос, где брать данные для тренировки, стоит остро. Все твердят: «Не Kaggle единым», но альтернативы либо не называют, либо их приходится искать самостоятельно.
Одним из вариантов может быть песочница Maven: там собраны датасеты по разным сферам — путешествия, развлечения, финансы, здоровье и т.д. Они отличаются не только тематикой, но и объёмом. Можно выбрать тот, который ближе, и начать тренировочный проект.
И даже здесь вам дают направление для анализа, но план придётся продумать самостоятельно.
А ещё у них есть интересная серия видео — Data Drill Showdown [сравнительный анализ данных].
Инструкторы платформы решают один и тот же вопрос на скорость, но разными инструментами. Очень залипательно выходит!
Единственный минус — всё на английском языке.
В следующий раз расскажу про инструмент от Maven, который помогает делать проекты для портфолио с ChatGPT.
💬 Если бы вы делали проект, то выбрали бы тот, который представляет сферу, куда метите, или лучше отображает ваш прошлый опыт работы?
Мне, например, оказалось легче работать с данными, которые включают в себя данные по закупкам.
#аналитик_слушает_советы
Продолжаем искать аналитические бриллианты на просторах интернета! Сегодня поговорим про Maven Analytics — онлайн-платформу для обучения аналитике данных.
Эта платформа может быть нам полезна в двух направлениях.
Первое — guided projects [проекты с сопровождением]
Когда начинающий аналитик задумывается, как выделиться на фоне таких же джунов, он думает о проекте для портфолио. Ну или ему на курсе сказали, что он должен думать о проекте для портфолио.
Но, как показывает практика, с первого раза, да и со второго тоже, сложно понять, чего от тебя ждут в этих проектах. Можно попросить нейронку составить план и расписать шаги выполнения, но тогда есть риск, как у меня, сделать дашборд, даже не познакомившись с данными.
Выход есть: перед тем как клепать свой шедевр на данных из Kaggle, стоит сделать один-два проекта под присмотром «старшего товарища».
Maven как раз предлагает датасеты под разные инструменты с описанием проекта, его целей и задач каждого этапа анализа. Сделаешь пару таких проектов — и становится понятнее, как подступиться к первому самостоятельному.
Второе — песочница
Вопрос, где брать данные для тренировки, стоит остро. Все твердят: «Не Kaggle единым», но альтернативы либо не называют, либо их приходится искать самостоятельно.
Одним из вариантов может быть песочница Maven: там собраны датасеты по разным сферам — путешествия, развлечения, финансы, здоровье и т.д. Они отличаются не только тематикой, но и объёмом. Можно выбрать тот, который ближе, и начать тренировочный проект.
И даже здесь вам дают направление для анализа, но план придётся продумать самостоятельно.
А ещё у них есть интересная серия видео — Data Drill Showdown [сравнительный анализ данных].
Инструкторы платформы решают один и тот же вопрос на скорость, но разными инструментами. Очень залипательно выходит!
Единственный минус — всё на английском языке.
В следующий раз расскажу про инструмент от Maven, который помогает делать проекты для портфолио с ChatGPT.
💬 Если бы вы делали проект, то выбрали бы тот, который представляет сферу, куда метите, или лучше отображает ваш прошлый опыт работы?
Мне, например, оказалось легче работать с данными, которые включают в себя данные по закупкам.
#аналитик_слушает_советы
👍21❤14🔥8
Хаос, голые коленки и мечта о кнопке "сделать хорошо"
На недавней встрече английского клуба мы обсуждали роль аналитики в компании. Девчонки скептически отнеслись к тому, что аналитика может делаться «на коленке».
Я уверена, что многие из вас встречали термин «data-driven компания» — это компания, которая принимает решения исключительно на основе данных, проверяемых фактов, метрик и экспериментов на всех уровнях.
Но компании такими «не рождаются», они такими становятся, проходя определённые этапы зрелости работы с данными.
Этап 1: Хаос (кстати, смотрели сериал «Каос»?)
«Данные? Какие данные? Ты данные брал? Я нет!»
Решения принимаются на основе опыта и интуиции. Отчёты делаются в Excel — причём руками. Каждый отдел (а то и каждый человек) считает по-своему: что-то учитывая, что-то опуская.
Отсюда — ошибки, споры о цифрах, упущенные возможности и клиенты.
Пример из жизни: у нас часто были проблемы с данными по браку от поставщиков. Отдел учёта заполнял таблицы по своей логике, упуская важные детали. Менеджеры по закупкам постоянно их «теребили», требуя дополнить данные. Всё собиралось вручную через переписку по почте.
Этап 2: Оперативный
Появляются первые «серьёзные» инструменты визуализации и работы с данными. Формируются регулярные отчёты и KPI.
Создаются базовые дашборды, которые обновляются ежедневно. Заинтересованные лица наконец видят факты в реальном времени.
Фокус на вопросе «Что произошло?». Рутина автоматизируется, Excel по почте отправляют реже (но это не точно!)
Этап 3: Диагностический
Начинается настоящая аналитика. Фокус смещается с мониторинга на исследование: «Почему?»
Аналитик раскрывается во всей красе: ad-hoc анализ, когорты, сегментация, драйверы метрик, узкие места, точки роста.
Пример: вырос отток клиентов. Выяснили — реклама работает как надо, а логистика не успевает: доставка в регионы занимает 10–12 дней против 1–2 дней в столице.
Этап 4: Предиктивный
На этом этапе происходит магия: данные смотрят в будущее. Используются модели машинного обучения, прогноз метрик, сценарии «что если» и проводятся регулярные эксперименты.
Этап 5: Data-driven
А этот этап что-то из области фантастики: данные диктуют действия. Self-service аналитика — сотрудники сами строят отчёты и дашборды.
Пример: маркетолог видит в дашборде, что стоимость привлечения клиента выросла на 20%. Не бежит к аналитикам, а сам фильтрует по каналам, смотрит конверсию, меняет креативы и метрика нормализуется.
Думаю, что на этом этапе сотрудникам нужны аналитическое мышление и навыки, чтобы докапываться до истины самостоятельно.
Как это часто бывает, нет компании, застрявшей на одном этапе: отделы денег (продажи, финансы) обычно впереди, остальные отстают. Но, судя по новостям, ИИ внедряют все!
💬 Я работала в компании, где перешли от хаоса к оперативному этапу. А до какой ступеньки добралась ваша организация?
#аналитик_и_визуализация
#аналитик_изучает_bi
На недавней встрече английского клуба мы обсуждали роль аналитики в компании. Девчонки скептически отнеслись к тому, что аналитика может делаться «на коленке».
Я уверена, что многие из вас встречали термин «data-driven компания» — это компания, которая принимает решения исключительно на основе данных, проверяемых фактов, метрик и экспериментов на всех уровнях.
Но компании такими «не рождаются», они такими становятся, проходя определённые этапы зрелости работы с данными.
Этап 1: Хаос (кстати, смотрели сериал «Каос»?)
«Данные? Какие данные? Ты данные брал? Я нет!»
Решения принимаются на основе опыта и интуиции. Отчёты делаются в Excel — причём руками. Каждый отдел (а то и каждый человек) считает по-своему: что-то учитывая, что-то опуская.
Отсюда — ошибки, споры о цифрах, упущенные возможности и клиенты.
Пример из жизни: у нас часто были проблемы с данными по браку от поставщиков. Отдел учёта заполнял таблицы по своей логике, упуская важные детали. Менеджеры по закупкам постоянно их «теребили», требуя дополнить данные. Всё собиралось вручную через переписку по почте.
Этап 2: Оперативный
Появляются первые «серьёзные» инструменты визуализации и работы с данными. Формируются регулярные отчёты и KPI.
Создаются базовые дашборды, которые обновляются ежедневно. Заинтересованные лица наконец видят факты в реальном времени.
Фокус на вопросе «Что произошло?». Рутина автоматизируется, Excel по почте отправляют реже (но это не точно!)
Этап 3: Диагностический
Начинается настоящая аналитика. Фокус смещается с мониторинга на исследование: «Почему?»
Аналитик раскрывается во всей красе: ad-hoc анализ, когорты, сегментация, драйверы метрик, узкие места, точки роста.
Пример: вырос отток клиентов. Выяснили — реклама работает как надо, а логистика не успевает: доставка в регионы занимает 10–12 дней против 1–2 дней в столице.
Этап 4: Предиктивный
На этом этапе происходит магия: данные смотрят в будущее. Используются модели машинного обучения, прогноз метрик, сценарии «что если» и проводятся регулярные эксперименты.
Этап 5: Data-driven
А этот этап что-то из области фантастики: данные диктуют действия. Self-service аналитика — сотрудники сами строят отчёты и дашборды.
Пример: маркетолог видит в дашборде, что стоимость привлечения клиента выросла на 20%. Не бежит к аналитикам, а сам фильтрует по каналам, смотрит конверсию, меняет креативы и метрика нормализуется.
Думаю, что на этом этапе сотрудникам нужны аналитическое мышление и навыки, чтобы докапываться до истины самостоятельно.
Как это часто бывает, нет компании, застрявшей на одном этапе: отделы денег (продажи, финансы) обычно впереди, остальные отстают. Но, судя по новостям, ИИ внедряют все!
💬 Я работала в компании, где перешли от хаоса к оперативному этапу. А до какой ступеньки добралась ваша организация?
#аналитик_и_визуализация
#аналитик_изучает_bi
👍11❤9🔥5
Redash: ближе к российским реалиям
Продолжаем разбор инструментов визуализации.
Первым инструментом был Metabase, почитать можно [тут] и [тут].
Почему именно он?
Наверняка все, кто хочет попасть в аналитику, знают, что SQL — один из базовых кирпичиков аналитических навыков. Про Excel вам такое скажут не всегда, но поверьте, его знать тоже надо! И многие аналитики рекомендуют бесплатный курс по SQL от Karpov.Courses
Я тоже его проходила, и мне он очень понравился.
Именно на этом курсе я впервые столкнулась с Redash: мы писали запросы и делали визуализации «не отходя от кассы».
С инструментом достаточно легко разобраться. Я не стала искать дополнительные материалы, чтобы сначала познакомиться с Redash, а уже потом проходить курс по SQL. Но такие ресурсы, конечно, есть:
Stepik: Основы работы в Redash [бесплатно]
Этот курс я не проходила, потому что считаю, что использовать политизированные данные в обучающем курсе немного неуместно. Если вас это не смущает, можете посмотреть. У курса есть и другие минусы, в основном связанные с подачей материала. Но абсолютное большинство студентов считают его хорошим стартом.
YouTube: Getting Started with Redash
Компания Redash разместила плейлист, где рассказывает, как работать с инструментом [на английском]. Там объясняют, как подключаться к базе, как писать SQL-запросы и как строить дашборды. В целом — необходимый минимум для старта.
Освоить Redash несложно, но SQL знать обязательно. Здесь нет никакого drag-and-drop [перетаскивания] элементов. С одной стороны, вы точно понимаете, что и как агрегируется. С другой — порог входа становится выше.
Визуализаций достаточно. Графики функциональные, но минималистичные: продвинутой стилизации нет. Зато они удобны для ad-hoc [ситуативного] анализа.
И если про Metabase часто говорят лишь то, что она «используется как первая BI-система», то Redash реально применяется в российских компаниях. Например, в Авито.
В следующий раз посмотрим на дашборды, которые мне удалось собрать, подробнее сравним их с Metabase и разберёмся, почему одни аналитики любят Redash, а другие — нет.
💬 А вы знакомы с Redash?
#аналитик_и_визуализация
#аналитик_изучает_bi
#инструменты_визуализации
Продолжаем разбор инструментов визуализации.
Первым инструментом был Metabase, почитать можно [тут] и [тут].
Почему именно он?
Наверняка все, кто хочет попасть в аналитику, знают, что SQL — один из базовых кирпичиков аналитических навыков. Про Excel вам такое скажут не всегда, но поверьте, его знать тоже надо! И многие аналитики рекомендуют бесплатный курс по SQL от Karpov.Courses
Я тоже его проходила, и мне он очень понравился.
Именно на этом курсе я впервые столкнулась с Redash: мы писали запросы и делали визуализации «не отходя от кассы».
С инструментом достаточно легко разобраться. Я не стала искать дополнительные материалы, чтобы сначала познакомиться с Redash, а уже потом проходить курс по SQL. Но такие ресурсы, конечно, есть:
Stepik: Основы работы в Redash [бесплатно]
Этот курс я не проходила, потому что считаю, что использовать политизированные данные в обучающем курсе немного неуместно. Если вас это не смущает, можете посмотреть. У курса есть и другие минусы, в основном связанные с подачей материала. Но абсолютное большинство студентов считают его хорошим стартом.
YouTube: Getting Started with Redash
Компания Redash разместила плейлист, где рассказывает, как работать с инструментом [на английском]. Там объясняют, как подключаться к базе, как писать SQL-запросы и как строить дашборды. В целом — необходимый минимум для старта.
Освоить Redash несложно, но SQL знать обязательно. Здесь нет никакого drag-and-drop [перетаскивания] элементов. С одной стороны, вы точно понимаете, что и как агрегируется. С другой — порог входа становится выше.
Визуализаций достаточно. Графики функциональные, но минималистичные: продвинутой стилизации нет. Зато они удобны для ad-hoc [ситуативного] анализа.
И если про Metabase часто говорят лишь то, что она «используется как первая BI-система», то Redash реально применяется в российских компаниях. Например, в Авито.
В следующий раз посмотрим на дашборды, которые мне удалось собрать, подробнее сравним их с Metabase и разберёмся, почему одни аналитики любят Redash, а другие — нет.
#аналитик_и_визуализация
#аналитик_изучает_bi
#инструменты_визуализации
Please open Telegram to view this post
VIEW IN TELEGRAM
❤21✍9🔥7
Попытка засчитана!
Помните пост в котором я жаловалась, что ничегошеньки не успеваю: времени мало, а нагрузка получилась большой?
Благодаря вашим комментариям под тем постом я через пару дней поняла, где продолбалась!
Дело в том, что при разработке планов для каждого проекта я давала ИИ следующий контекст:
«У меня есть два свободных часа в день...».
Искин [кажется, я фантастики перечитала] выдавал хороший план, рассчитанный строго на два часа в день… для каждого из четырёх проектов!
Ну и у кого в этой ситуации оказалось больше интеллекта?
Неудивительно, что всё пошло прахом уже к концу первого месяца. Да и проект по EDA [exploratory data analysis] занимает больше времени, чем мне хотелось бы. Об этом проекте расскажу в пятницу.
Но, разобравшись с этой ошибкой, я решила допустить новую и влезла в analysis paralysis [паралич анализа].
Раньше я пользовалась только одной нейронкой, чтобы генерить планы по захвату мира. Она ведь оплаченная, значит должна работать хорошо.
Но, благодаря Ане, мои горизонты в использовании нейронок настолько расширились, что теперь я использую четыре, и каждая генерит хорошие планы.
И вот теперь главный вопрос: кому верить? Не было печали…
В общем, я решила себя понять, простить и начать проект по изучению доменов сначала.
У меня на канале посты идут циклично, и на каждый домен выделено три месяца. Со следующего месяца начинаем [не опять, а снова] изучать e-commerce.
И, надеюсь, в этот раз всё получится так, как надо😉
💬 А вам какие истории интереснее читать: про успех или профакап получение опыта?
#аналитик_тоже_человек
Помните пост в котором я жаловалась, что ничегошеньки не успеваю: времени мало, а нагрузка получилась большой?
Благодаря вашим комментариям под тем постом я через пару дней поняла, где продолбалась!
Дело в том, что при разработке планов для каждого проекта я давала ИИ следующий контекст:
«У меня есть два свободных часа в день...».
Искин [кажется, я фантастики перечитала] выдавал хороший план, рассчитанный строго на два часа в день… для каждого из четырёх проектов!
Ну и у кого в этой ситуации оказалось больше интеллекта?
Неудивительно, что всё пошло прахом уже к концу первого месяца. Да и проект по EDA [exploratory data analysis] занимает больше времени, чем мне хотелось бы. Об этом проекте расскажу в пятницу.
Но, разобравшись с этой ошибкой, я решила допустить новую и влезла в analysis paralysis [паралич анализа].
Раньше я пользовалась только одной нейронкой, чтобы генерить планы по захвату мира. Она ведь оплаченная, значит должна работать хорошо.
Но, благодаря Ане, мои горизонты в использовании нейронок настолько расширились, что теперь я использую четыре, и каждая генерит хорошие планы.
И вот теперь главный вопрос: кому верить? Не было печали…
В общем, я решила себя понять, простить и начать проект по изучению доменов сначала.
У меня на канале посты идут циклично, и на каждый домен выделено три месяца. Со следующего месяца начинаем [не опять, а снова] изучать e-commerce.
И, надеюсь, в этот раз всё получится так, как надо
💬 А вам какие истории интереснее читать: про успех или про
#аналитик_тоже_человек
Please open Telegram to view this post
VIEW IN TELEGRAM
👍22🔥12❤7
Просчиталась [опять], но где?!
Мне кажется, что та вымышленная компания, вымышленный датасет которой я анализирую, отмывает вымышленные деньги! Иначе как объяснить, что товаров мы продали на 30 млн, а заплатили нам 23 млн?
Но начнём по порядку.
Промахнувшись один раз с датасетом для визуализаций, я решила ответственнее подойти к выбору и, по рекомендации одной из нейросетей, взяла в работу этот датасет:
Ecommerce Order & Supply Chain Dataset
К тому же в нём содержатся данные по поставкам, что, как вы помните, является моей стихией.
Я подошла со всей ответственностью к знакомству с этим датасетом. И получила инфаркт жопки. Я не просто провела EDA [разведочный анализ данных] — я настолько углубилась в данные, что сравнила всё со всем.
Первый флэшбек с работы накрыл меня, когда я изучала даты заказов [создан — согласован — отправлен — доставлен]. Заказ ещё не согласовали, а его уже доставили. И действительно, а почему бы и да!
Второй флэшбек накрыл меня, когда я начала смотреть деньги. Это же как надо было продавать, чтобы клиент платил нам меньше, чем стоит товар? И это ещё не решён вопрос, включена ли доставка в стоимость...
Хотя ситуация «продавать дешевле, чтобы влезть к клиенту» не выдумка. В первой компании, где я работала после универа, закупки были в зоне ответственности продажников. И они совершенно не гнушались продавать в минус, лишь бы зайти к клиенту. Устав терять деньги, компания создала отдел закупок, в котором я и начала свою карьеру.
До сих пор безмерно благодарна своей первой руководительнице за привитую рабочую дисциплину и любовь к цифрам.
Мне интересно, это я такая невезучая? Почему мне попадаются такие странные датасеты? А ведь у этого на Kaggle бронзовая медалька... Кажется, я что-то упускаю...
В любом случае всё это безумие с EDA сохраняю у себя на GitHub.
А ещё хорошо было бы продумать критерии, которые позволяли бы чётко понять, что пора остановиться, а не «копать отсюда и до обеда».
💬 У вас есть такие критерии?
#портфолио_аналитика
Мне кажется, что та вымышленная компания, вымышленный датасет которой я анализирую, отмывает вымышленные деньги! Иначе как объяснить, что товаров мы продали на 30 млн, а заплатили нам 23 млн?
Но начнём по порядку.
Промахнувшись один раз с датасетом для визуализаций, я решила ответственнее подойти к выбору и, по рекомендации одной из нейросетей, взяла в работу этот датасет:
Ecommerce Order & Supply Chain Dataset
К тому же в нём содержатся данные по поставкам, что, как вы помните, является моей стихией.
Я подошла со всей ответственностью к знакомству с этим датасетом. И получила инфаркт жопки. Я не просто провела EDA [разведочный анализ данных] — я настолько углубилась в данные, что сравнила всё со всем.
Первый флэшбек с работы накрыл меня, когда я изучала даты заказов [создан — согласован — отправлен — доставлен]. Заказ ещё не согласовали, а его уже доставили. И действительно, а почему бы и да!
Второй флэшбек накрыл меня, когда я начала смотреть деньги. Это же как надо было продавать, чтобы клиент платил нам меньше, чем стоит товар? И это ещё не решён вопрос, включена ли доставка в стоимость...
Хотя ситуация «продавать дешевле, чтобы влезть к клиенту» не выдумка. В первой компании, где я работала после универа, закупки были в зоне ответственности продажников. И они совершенно не гнушались продавать в минус, лишь бы зайти к клиенту. Устав терять деньги, компания создала отдел закупок, в котором я и начала свою карьеру.
До сих пор безмерно благодарна своей первой руководительнице за привитую рабочую дисциплину и любовь к цифрам.
Мне интересно, это я такая невезучая? Почему мне попадаются такие странные датасеты? А ведь у этого на Kaggle бронзовая медалька... Кажется, я что-то упускаю...
В любом случае всё это безумие с EDA сохраняю у себя на GitHub.
А ещё хорошо было бы продумать критерии, которые позволяли бы чётко понять, что пора остановиться, а не «копать отсюда и до обеда».
💬 У вас есть такие критерии?
#портфолио_аналитика
1❤18👍7🔥5😁4
Похоже, я старею...
На прошлой неделе мой ноутбук так «возмутился» предстоящими замедлениями Telegram, что решил уйти на покой. Хотя, возможно, дочь этому тоже поспособствовала🤭
В любом случае я на целую неделю осталась без рабочего инструмента и решила, что это знак: пора устроить себе отпуск. Кто же знал, что он так затянется?
Вот уже вторую неделю я не могу войти в прежнюю рабочую колею: не хочу проходить курсы, не хочу делать проекты. Всё, что я хочу, — это читать знакомые книги, смотреть знакомые фильмы и вовремя ложиться спать...
За две недели я успела переслушать «Граф Аверин. Колдун Российской империи» (уже в десятый раз), «Воспоминания о прошлом Земли» Лю Цысиня и приступила к ежегодному переслушиванию серии о Гарри Поттере.
Из фильмов доверилась только «классике» — «Люди в чёрном».
Недавно мне попалось видео на YouTube о психологии людей, которые пересматривают сериалы и фильмы по многу раз.
Мы делаем это не просто так. Одна из причин — поиск безопасного места в непредсказуемом мире.
Думаю, сейчас это именно та причина, по которой я не хочу двигаться в сторону новых книг и фильмов. Во-первых, это новый мир, который нужно исследовать. Во-вторых, вдруг мне не понравится? Видимо, с возрастом я сильнее разочаровываюсь в неправильном выборе.
Дам себе ещё одну неделю, чтобы погрустить и отдохнуть, а потом вернусь в учебную струю. Негоже сдаваться на последнем километре😎
💬 Если у вас есть рекомендации книг и фильмов, которые вы бы сами с удовольствием пересмотрели, пишите в комментариях. А то я пойду пересматривать старые советские фильмы!
#аналитик_тоже_человек
На прошлой неделе мой ноутбук так «возмутился» предстоящими замедлениями Telegram, что решил уйти на покой. Хотя, возможно, дочь этому тоже поспособствовала
В любом случае я на целую неделю осталась без рабочего инструмента и решила, что это знак: пора устроить себе отпуск. Кто же знал, что он так затянется?
Вот уже вторую неделю я не могу войти в прежнюю рабочую колею: не хочу проходить курсы, не хочу делать проекты. Всё, что я хочу, — это читать знакомые книги, смотреть знакомые фильмы и вовремя ложиться спать...
За две недели я успела переслушать «Граф Аверин. Колдун Российской империи» (уже в десятый раз), «Воспоминания о прошлом Земли» Лю Цысиня и приступила к ежегодному переслушиванию серии о Гарри Поттере.
Из фильмов доверилась только «классике» — «Люди в чёрном».
Недавно мне попалось видео на YouTube о психологии людей, которые пересматривают сериалы и фильмы по многу раз.
Мы делаем это не просто так. Одна из причин — поиск безопасного места в непредсказуемом мире.
Эффект психологической безопасности через предсказуемость: когда реальность становится слишком хаотичной, мозг начинает искать среду, где он точно знает правила, где понимает, что будет дальше, и где нет неожиданного удара.
Думаю, сейчас это именно та причина, по которой я не хочу двигаться в сторону новых книг и фильмов. Во-первых, это новый мир, который нужно исследовать. Во-вторых, вдруг мне не понравится? Видимо, с возрастом я сильнее разочаровываюсь в неправильном выборе.
Дам себе ещё одну неделю, чтобы погрустить и отдохнуть, а потом вернусь в учебную струю. Негоже сдаваться на последнем километре
💬 Если у вас есть рекомендации книг и фильмов, которые вы бы сами с удовольствием пересмотрели, пишите в комментариях. А то я пойду пересматривать старые советские фильмы!
#аналитик_тоже_человек
Please open Telegram to view this post
VIEW IN TELEGRAM
❤26🔥10👍8
Чёрт ногу сломит да шею свернёт
Продолжаем копаться в источниках данных в рамках рубрики «где мои данные, чувак?». Первые варианты — [Kaggle] и [UCI Repository].
Сегодня сделаем шаг к более реальным данным: государственные порталы.
Государственные порталы открытых данных — это централизованные платформы, где органы власти публикуют данные для свободного использования в различных сферах (экономика, транспорт, здравоохранение и др.).
Например:
Портал РФ
Портал США
Портал ЕС
Есть разные типы порталов:
— национальные — макроуровень (экономика, население, расходы)
— наднациональные — сопоставимые данные между странами (торговля, миграция, энергетика)
— региональные / городские — операционные данные (транспорт, преступность, ЖКХ)
Чем для нас, аналитиков, эти данные могут быть полезны:
— работа с «грязными» данными: пропуски, дубли, несогласованные форматы
— навык понимания данных: что означает метрика, откуда берётся, каковы её ограничения
— навык постановки вопросов: аналитическую задачу ставишь себе сам
— работа с временными рядами
Примеры проектов на данных государственных порталов:
Согласно данным из интернетов, в России реальная ценность не в одном общем портале, а в распределённой системе, и на региональном уровне данные часто лучше, чем на федеральном. Поэтому рекомендуют использовать Росстат, региональные порталы и отраслевые ведомства.
Я делала EDA-проект с сопровождением по данным о деревьях Нью-Йорка. Сам датасет очень объёмный и хорошо описанный, но было скучновато. Я даже дошла до уровня: «ну зачем мы будем смотреть эту одну строку, просто удали и всё, окей?»
Оказывается, мне сложно анализировать данные, если для меня они не имеют смысла. Даже в рамках тренировки.
💬 А у вас как? Смогли бы просто проанализировать ради смеха данные падений метеоритов на Землю?
#аналитик_ищет_данные
#где_мои_данные_чувак
Продолжаем копаться в источниках данных в рамках рубрики «где мои данные, чувак?». Первые варианты — [Kaggle] и [UCI Repository].
Сегодня сделаем шаг к более реальным данным: государственные порталы.
Государственные порталы открытых данных — это централизованные платформы, где органы власти публикуют данные для свободного использования в различных сферах (экономика, транспорт, здравоохранение и др.).
Например:
Портал РФ
Портал США
Портал ЕС
Есть разные типы порталов:
— национальные — макроуровень (экономика, население, расходы)
— наднациональные — сопоставимые данные между странами (торговля, миграция, энергетика)
— региональные / городские — операционные данные (транспорт, преступность, ЖКХ)
Чем для нас, аналитиков, эти данные могут быть полезны:
— работа с «грязными» данными: пропуски, дубли, несогласованные форматы
— навык понимания данных: что означает метрика, откуда берётся, каковы её ограничения
— навык постановки вопросов: аналитическую задачу ставишь себе сам
— работа с временными рядами
Примеры проектов на данных государственных порталов:
«Демография и экономика»
Данные:
— население по регионам
— уровень безработицы
— доходы
Задача:
— выявить регионы с ухудшающейся экономикой
— найти корреляции
Результат:
— дашборд
— аналитическая записка
«Транспорт»
Данные:
— поездки на городском транспорте
— загруженность
Задача:
— выявить пики нагрузки
— определить узкие места
Результат:
— анализ временных рядов
— рекомендации по оптимизации
«Экология»
Данные:
— выбросы CO₂
— качество воздуха
Задача:
— анализ трендов загрязнения
— сравнение стран / регионов
Результат:
— аналитический отчёт
— визуализация
Согласно данным из интернетов, в России реальная ценность не в одном общем портале, а в распределённой системе, и на региональном уровне данные часто лучше, чем на федеральном. Поэтому рекомендуют использовать Росстат, региональные порталы и отраслевые ведомства.
Я делала EDA-проект с сопровождением по данным о деревьях Нью-Йорка. Сам датасет очень объёмный и хорошо описанный, но было скучновато. Я даже дошла до уровня: «ну зачем мы будем смотреть эту одну строку, просто удали и всё, окей?»
Оказывается, мне сложно анализировать данные, если для меня они не имеют смысла. Даже в рамках тренировки.
💬 А у вас как? Смогли бы просто проанализировать ради смеха данные падений метеоритов на Землю?
#аналитик_ищет_данные
#где_мои_данные_чувак
❤8✍7🔥3👌3
Успешный успех или провальный провал?
Многие говорят, что хорошо бы подводить итоги не раз в год, а гораздо чаще и фиксировать свои достижения. Это пригодится и на работе, и в личной жизни.
Три месяца с начала года пролетели очень быстро. Пора сделать передышку, оглянуться назад и понять, что этот «семестр» был успешным провалом!
Let me explain [дайте объяснить]!
В этом семестре я планировала изучить e-com и сделать три проекта для портфолио.
По итогу к e-com я не приступила из-за своей ошибки в планировании, а проект получился только один, и тот стыдно показывать.
Зато с продвижением в BI-аналитике получилось получше. Самыми главными событиями я считаю интервью с Алисой и Машей — действующими BI-аналитиками, которые поделились своим опытом в сфере и дали интересные рекомендации нам, новичкам!
Накопала рекомендаций о том, как собирать портфолио. Осталось только самой себе эти советы дать!
READY-фреймворк
структура README-файла
И, по классике, не осталась я в это время и без курсов:
Metabase
Pandas
То, что этот семестр получился провальным, было сказано не всерьёз. Ошибки были, есть и будут. На них надо учиться, а не ругать себя.
Выводы сделаны, планы намечены.
Погнали покорять следующую вершину!
💬 Делитесь своими достижениями за первую четверть года!
И помните: никакое достижение не является маленьким, если это важное для вас достижение!
Многие говорят, что хорошо бы подводить итоги не раз в год, а гораздо чаще и фиксировать свои достижения. Это пригодится и на работе, и в личной жизни.
Три месяца с начала года пролетели очень быстро. Пора сделать передышку, оглянуться назад и понять, что этот «семестр» был успешным провалом!
Let me explain [дайте объяснить]!
В этом семестре я планировала изучить e-com и сделать три проекта для портфолио.
По итогу к e-com я не приступила из-за своей ошибки в планировании, а проект получился только один, и тот стыдно показывать.
Зато с продвижением в BI-аналитике получилось получше. Самыми главными событиями я считаю интервью с Алисой и Машей — действующими BI-аналитиками, которые поделились своим опытом в сфере и дали интересные рекомендации нам, новичкам!
Накопала рекомендаций о том, как собирать портфолио. Осталось только самой себе эти советы дать!
READY-фреймворк
структура README-файла
И, по классике, не осталась я в это время и без курсов:
Metabase
Pandas
То, что этот семестр получился провальным, было сказано не всерьёз. Ошибки были, есть и будут. На них надо учиться, а не ругать себя.
Выводы сделаны, планы намечены.
Погнали покорять следующую вершину!
💬 Делитесь своими достижениями за первую четверть года!
И помните: никакое достижение не является маленьким, если это важное для вас достижение!
❤14👍11👏9
Трейлер сезона: осваиваем EdTech
Моя любовь к курсам просто обязана была привести меня к изучению домена EdTech [Education Technology]. Несмотря на то, что прямого опыта работы в этой сфере у меня нет, зато есть огромный опыт прохождения различных курсов на разных платформах. Приступим!
EdTech — это пересечение образования и технологий: компании создают цифровые продукты, которые обучают или помогают обучаться.
Основное отличие EdTech-индустрии от E-com состоит в том, что продукт и результат разделены во времени. Пользователь купил курс сегодня, а ценность получит через 3–6 месяцев или не получит вовсе.
От SaaS [Software as a Service] EdTech отличается тем, что цель пользователя не в том, чтобы «пользоваться софтом», а в том, чтобы изменить своё состояние: выучить язык, сдать экзамен, получить профессию или просто получить сертификат, чтобы закрыть compliance-требование.
У этой сферы есть несколько ключевых особенностей:
Высокий churn [отток пользователей] и низкий completion rate [из тех, кто начал, сколько завершили]. Средний completion rate для индустрии составляет 5–15%. Главная задача аналитика — понять, какой сегмент доходит до конца и почему.
Мотивация — главная переменная. Пользователь может бросить продукт не потому, что он плохой, а потому, что у него упала мотивация. Это делает поведенческие данные особенно ценными.
Жёсткая сезонность. Январь и сентябрь — пики, лето — провал. Сравнивать метрики без учёта сезонности — обрекать себя на неправильные выводы.
Образовательный результат vs бизнес-результат. Это уникальный для EdTech конфликт. Платформа может быть финансово успешной, продавая курсы, которые никто не проходит до конца.
Аналитик всегда должен держать в голове эти четыре слоя:
— коммерческий слой: лиды, продажи, оплаты, возвраты, подписки;
— продуктовый слой: онбординг, навигация, уроки, домашки, уведомления, привычка;
— образовательный слой: прогресс, завершение, качество контента, успеваемость, преподаватели;
— операционный слой: расписание, группа, куратор, поддержка, CRM [Customer Relationship Management], нагрузка преподавателей, SLA [Service Level Agreement] по ответам.
Типичные точки роста:
— повысить регулярность;
— убрать сложные или демотивирующие куски контента;
— улучшить feedback loop [механизм обратной связи] от преподавателя/автопроверки.
Типичные проблемы:
— высокий разрыв между оплатой и фактическим обучением;
— «мёртвые» покупки на мотивации;
— длинный цикл получения результата.
Игроки на рынке EdTech:
— Россия: Яндекс Практикум, Skyeng/Skysmart/Skypro, Фоксфорд, Учи.ру, Simulative, Stepik, GetCourse и др.
— Мир: Coursera, Udemy Business, edX, Duolingo, Canvas, Blackboard, Khan Academy и др.
Более подробную информацию можно посмотреть на GitHub.
💬 Согласны ли вы с мыслью, что в EdTech пользователь покупает не курс, а надежду на изменение своей жизни?
#аналитик_собирает_пазл
#edtech
Моя любовь к курсам просто обязана была привести меня к изучению домена EdTech [Education Technology]. Несмотря на то, что прямого опыта работы в этой сфере у меня нет, зато есть огромный опыт прохождения различных курсов на разных платформах. Приступим!
EdTech — это пересечение образования и технологий: компании создают цифровые продукты, которые обучают или помогают обучаться.
Основное отличие EdTech-индустрии от E-com состоит в том, что продукт и результат разделены во времени. Пользователь купил курс сегодня, а ценность получит через 3–6 месяцев или не получит вовсе.
От SaaS [Software as a Service] EdTech отличается тем, что цель пользователя не в том, чтобы «пользоваться софтом», а в том, чтобы изменить своё состояние: выучить язык, сдать экзамен, получить профессию или просто получить сертификат, чтобы закрыть compliance-требование.
У этой сферы есть несколько ключевых особенностей:
Высокий churn [отток пользователей] и низкий completion rate [из тех, кто начал, сколько завершили]. Средний completion rate для индустрии составляет 5–15%. Главная задача аналитика — понять, какой сегмент доходит до конца и почему.
Мотивация — главная переменная. Пользователь может бросить продукт не потому, что он плохой, а потому, что у него упала мотивация. Это делает поведенческие данные особенно ценными.
Жёсткая сезонность. Январь и сентябрь — пики, лето — провал. Сравнивать метрики без учёта сезонности — обрекать себя на неправильные выводы.
Образовательный результат vs бизнес-результат. Это уникальный для EdTech конфликт. Платформа может быть финансово успешной, продавая курсы, которые никто не проходит до конца.
Аналитик всегда должен держать в голове эти четыре слоя:
— коммерческий слой: лиды, продажи, оплаты, возвраты, подписки;
— продуктовый слой: онбординг, навигация, уроки, домашки, уведомления, привычка;
— образовательный слой: прогресс, завершение, качество контента, успеваемость, преподаватели;
— операционный слой: расписание, группа, куратор, поддержка, CRM [Customer Relationship Management], нагрузка преподавателей, SLA [Service Level Agreement] по ответам.
Типичные точки роста:
— повысить регулярность;
— убрать сложные или демотивирующие куски контента;
— улучшить feedback loop [механизм обратной связи] от преподавателя/автопроверки.
Типичные проблемы:
— высокий разрыв между оплатой и фактическим обучением;
— «мёртвые» покупки на мотивации;
— длинный цикл получения результата.
Игроки на рынке EdTech:
— Россия: Яндекс Практикум, Skyeng/Skysmart/Skypro, Фоксфорд, Учи.ру, Simulative, Stepik, GetCourse и др.
— Мир: Coursera, Udemy Business, edX, Duolingo, Canvas, Blackboard, Khan Academy и др.
Более подробную информацию можно посмотреть на GitHub.
💬 Согласны ли вы с мыслью, что в EdTech пользователь покупает не курс, а надежду на изменение своей жизни?
#аналитик_собирает_пазл
#edtech
✍16👨💻8🔥5🤔1
ИИ меня мне всех заменит!
Продолжаем говорить о моей самой любимой теме: проектах для портфолио.
С ребятами из Maven Analytics и их песочницей проектов я вас уже знакомила. А недавно они презентовали надстройку к ChatGPT, которая поможет сделать проект для портфолио или проверить ваше портфолио на соответствие лучшим практикам.
Перед началом работы надстройку “Portfolio Power_Up by Maven Analytics” надо найти в GPT. В видео они показали, как это сделать.
На выбор предлагают четыре способа работы с ней:
— только начинаю, проектов нет;
— помоги выбрать следующий проект;
— сделай ревью одного проекта;
— сделай ревью всего моего портфолио.
Изначально варианты написаны на английском языке, но после того, как вы выберете подходящий вам вариант, достаточно написать в чат, что хотите перейти на русский язык, и никаких проблем.
Первым делом вам будет предложено ответить на несколько вопросов о роли, индустрии, инструментах, своих интересах и времени, которым вы располагаете, чтобы подобрать подходящий проект.
Так как я сейчас занимаюсь изучением EdTech-домена, то и проект попросила подобрать мне с этим упором. Мне было предложено пять проектов с описанием:
— бизнес-кейса;
— почему этот проект мне подходит;
— что я буду анализировать;
— что этот проект покажет / докажет;
— какие секции дашборда я могу сделать [потому что я прямо указала, что визуализация в этом проекте обязательно должна быть].
Далее он сам выбрал из предложенных проектов три наиболее подходящих и предложил более подробное описание того, что я смогу сделать в рамках проекта.
А потом просто порекомендовал мне лучший, по его мнению, проект, который наиболее полно соответствует заявленным мною ограничениям. И буквально расписал по часам, что я должна сделать. Я вот только думаю, что с моей любовью к деталям я вместо 10 часов потрачу на проект все 20!
Он даже был настолько добр, что предложил структуру названия проекта. З — забота!
А потом я попросила его найти мне датасет, наиболее подходящий для предложенного проекта, и построить concrete plan [конкретный план] воплощения проекта в жизнь.
Теперь, имея на руках готовый датасет OULAD и план проекта, мне остаётся только взять себя в руки и не уйти в дебри анализа!
Как обычно, всю подноготную проекта я веду на страничке GitHub и надеюсь, что к концу месяца проект будет готов для оценки через тот же самый инструмент Maven.
Мне кажется, что это идеальный инструмент для новичков и первых проектов. Буквально за руку проведут!
💬 ИИ где-то облегчает нам путь в айти, а где-то уже забирает нашу работу.Что думаете?
#аналитик_слушает_советы
Продолжаем говорить о моей самой любимой теме: проектах для портфолио.
С ребятами из Maven Analytics и их песочницей проектов я вас уже знакомила. А недавно они презентовали надстройку к ChatGPT, которая поможет сделать проект для портфолио или проверить ваше портфолио на соответствие лучшим практикам.
Перед началом работы надстройку “Portfolio Power_Up by Maven Analytics” надо найти в GPT. В видео они показали, как это сделать.
На выбор предлагают четыре способа работы с ней:
— только начинаю, проектов нет;
— помоги выбрать следующий проект;
— сделай ревью одного проекта;
— сделай ревью всего моего портфолио.
Изначально варианты написаны на английском языке, но после того, как вы выберете подходящий вам вариант, достаточно написать в чат, что хотите перейти на русский язык, и никаких проблем.
Первым делом вам будет предложено ответить на несколько вопросов о роли, индустрии, инструментах, своих интересах и времени, которым вы располагаете, чтобы подобрать подходящий проект.
Так как я сейчас занимаюсь изучением EdTech-домена, то и проект попросила подобрать мне с этим упором. Мне было предложено пять проектов с описанием:
— бизнес-кейса;
— почему этот проект мне подходит;
— что я буду анализировать;
— что этот проект покажет / докажет;
— какие секции дашборда я могу сделать [потому что я прямо указала, что визуализация в этом проекте обязательно должна быть].
Далее он сам выбрал из предложенных проектов три наиболее подходящих и предложил более подробное описание того, что я смогу сделать в рамках проекта.
А потом просто порекомендовал мне лучший, по его мнению, проект, который наиболее полно соответствует заявленным мною ограничениям. И буквально расписал по часам, что я должна сделать. Я вот только думаю, что с моей любовью к деталям я вместо 10 часов потрачу на проект все 20!
Он даже был настолько добр, что предложил структуру названия проекта. З — забота!
А потом я попросила его найти мне датасет, наиболее подходящий для предложенного проекта, и построить concrete plan [конкретный план] воплощения проекта в жизнь.
Теперь, имея на руках готовый датасет OULAD и план проекта, мне остаётся только взять себя в руки и не уйти в дебри анализа!
Как обычно, всю подноготную проекта я веду на страничке GitHub и надеюсь, что к концу месяца проект будет готов для оценки через тот же самый инструмент Maven.
Мне кажется, что это идеальный инструмент для новичков и первых проектов. Буквально за руку проведут!
💬 ИИ где-то облегчает нам путь в айти, а где-то уже забирает нашу работу.Что думаете?
#аналитик_слушает_советы
🔥17✍6🫡3
Утром деньги — вечером стулья...
В edtech деньги могут приходить по-разному, в зависимости от модели монетизации. Но ранний приход денег не означает, что сама компания будет прибыльной, потому что cash [наличка] приходит раньше, чем становится ясно, учится ли человек и продлевает ли он подписку. Поэтому в edtech нельзя смотреть на метрики монетизации без метрик использования и удержания.
Есть несколько основных способов, которыми edtech зарабатывает себе на хлеб с маслом.
1. Разовая продажа курса
Пользователь один раз платит за конкретный курс, программу или пакет уроков и получает доступ к этому продукту.
В основном этот тип монетизации встречается в онлайн-школах. Одним из рисков выступает «одноразовость»: пользователь купил курс один раз и больше не возвращается, поэтому бизнесу приходится постоянно искать новых клиентов. Вот так и создается хайп вокруг профессий, чтобы было кому продавать курсы🤭
2. Подписка
Пользователь регулярно платит за доступ к продукту: ежемесячно, ежеквартально или ежегодно. Пока подписка активна, доступ сохраняется.
Одним из недостатков такой модели является binge-and-churn [пройти курс залпом и слиться]. Я именно так прошла одну программу по Supply Chain Management на Coursera от Rutgers University, чтобы сэкономить. В программе было заявлено пять курсов, рассчитанных на шесть месяцев. Я завязалась в узел, но прошла все за месяц и отменила подписку.
3. Рассрочка
Пользователь покупает дорогую программу, но оплачивает ее частями: по фиксированному графику, через внутреннюю рассрочку или через финансового партнера.
Я пользовалась подобным способом при оплате некоторых программ на Stepik через различные сервисы, например, Долями. Мне кажется, что нет edtech-компаний, которые используют только рассрочку, но почти каждая компания может применять ее к своим продуктам.
4. B2B-лицензия
Компания продает доступ не отдельному ученику, а организации: бизнесу, университету, школе, государственному заказчику. Обычно это продажа лицензий, мест или доступа на определенный срок.
Насколько я поняла по материалам сайта, Eduson раньше использовал именно эту модель. У них заявлено очень много корпоративных клиентов. Но потом компания вышла на более широкий рынок и стала предлагать обучение непосредственно учащимся.
5. Marketplace fee
Платформа сводит между собой преподавателей или авторов контента и учащихся, а сама зарабатывает на комиссии с транзакции, подписки или иной формы сделки.
Ярким примером этой модели является всеми любимый нами Stepik.
6. Freemium
Пользователь получает базовую версию продукта бесплатно, а платит за расширенные функции, отсутствие рекламы, лучший пользовательский опыт или доступ к премиальным возможностям.
Ну, тут бесспорно первым на ум приходит Duolingo. Как же забыть ту самую сову, которая постоянно угрожает то тебе, то твоим родственникам?! А помните, еще приложение Lingualeo было [или есть]?
Основным риском здесь выступают слишком напористая реклама и постоянные призывы купить. Это очень заметно во freemium-играх, где тебе показывают рекламу каждые пять секунд. Это больше бесит, чем способствует продаже.
7. Upsell
Продажа пользователю более дорогого или более ценного уровня продукта после того, как он уже вошел в экосистему.
Недавно у одной из онлайн-школ был розыгрыш «крути колесо — испытай удачу». Обожаю такой интерактив. И мне выпала средняя скидка — 45%.
Менеджер школы предложила upsell [допродажу] к курсу, который я уже прохожу, и деньги, вроде бы, получались небольшие. Но я знала, что скидка могла быть больше, а следовательно, заплатить я могла еще меньше. Поэтому upsell не случился.
💬 А вы «играете» в Duolingo? Делитесь своей streak [серией] в комментариях.
#аналитик_собирает_пазл
#edtech
В edtech деньги могут приходить по-разному, в зависимости от модели монетизации. Но ранний приход денег не означает, что сама компания будет прибыльной, потому что cash [наличка] приходит раньше, чем становится ясно, учится ли человек и продлевает ли он подписку. Поэтому в edtech нельзя смотреть на метрики монетизации без метрик использования и удержания.
Есть несколько основных способов, которыми edtech зарабатывает себе на хлеб с маслом.
1. Разовая продажа курса
Пользователь один раз платит за конкретный курс, программу или пакет уроков и получает доступ к этому продукту.
В основном этот тип монетизации встречается в онлайн-школах. Одним из рисков выступает «одноразовость»: пользователь купил курс один раз и больше не возвращается, поэтому бизнесу приходится постоянно искать новых клиентов. Вот так и создается хайп вокруг профессий, чтобы было кому продавать курсы
2. Подписка
Пользователь регулярно платит за доступ к продукту: ежемесячно, ежеквартально или ежегодно. Пока подписка активна, доступ сохраняется.
Одним из недостатков такой модели является binge-and-churn [пройти курс залпом и слиться]. Я именно так прошла одну программу по Supply Chain Management на Coursera от Rutgers University, чтобы сэкономить. В программе было заявлено пять курсов, рассчитанных на шесть месяцев. Я завязалась в узел, но прошла все за месяц и отменила подписку.
3. Рассрочка
Пользователь покупает дорогую программу, но оплачивает ее частями: по фиксированному графику, через внутреннюю рассрочку или через финансового партнера.
Я пользовалась подобным способом при оплате некоторых программ на Stepik через различные сервисы, например, Долями. Мне кажется, что нет edtech-компаний, которые используют только рассрочку, но почти каждая компания может применять ее к своим продуктам.
4. B2B-лицензия
Компания продает доступ не отдельному ученику, а организации: бизнесу, университету, школе, государственному заказчику. Обычно это продажа лицензий, мест или доступа на определенный срок.
Насколько я поняла по материалам сайта, Eduson раньше использовал именно эту модель. У них заявлено очень много корпоративных клиентов. Но потом компания вышла на более широкий рынок и стала предлагать обучение непосредственно учащимся.
5. Marketplace fee
Платформа сводит между собой преподавателей или авторов контента и учащихся, а сама зарабатывает на комиссии с транзакции, подписки или иной формы сделки.
Ярким примером этой модели является всеми любимый нами Stepik.
6. Freemium
Пользователь получает базовую версию продукта бесплатно, а платит за расширенные функции, отсутствие рекламы, лучший пользовательский опыт или доступ к премиальным возможностям.
Ну, тут бесспорно первым на ум приходит Duolingo. Как же забыть ту самую сову, которая постоянно угрожает то тебе, то твоим родственникам?! А помните, еще приложение Lingualeo было [или есть]?
Основным риском здесь выступают слишком напористая реклама и постоянные призывы купить. Это очень заметно во freemium-играх, где тебе показывают рекламу каждые пять секунд. Это больше бесит, чем способствует продаже.
7. Upsell
Продажа пользователю более дорогого или более ценного уровня продукта после того, как он уже вошел в экосистему.
Недавно у одной из онлайн-школ был розыгрыш «крути колесо — испытай удачу». Обожаю такой интерактив. И мне выпала средняя скидка — 45%.
Менеджер школы предложила upsell [допродажу] к курсу, который я уже прохожу, и деньги, вроде бы, получались небольшие. Но я знала, что скидка могла быть больше, а следовательно, заплатить я могла еще меньше. Поэтому upsell не случился.
💬 А вы «играете» в Duolingo? Делитесь своей streak [серией] в комментариях.
#аналитик_собирает_пазл
#edtech
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥14🙈10✍4👍3
Что я поняла за первые три месяца изучения BI-аналитики
Первые три месяца моего погружения в BI-аналитику показали, что я вообще не представляла, как подступиться к этой теме. Когда я только задумалась о BI, я смотрела программы курсов и просила ChatGPT составить мне учебный план. В итоге получился очень большой, но нежизнеспособный проект.
И вроде бы хочется сказать, что это был epic fail [сокрушительный провал], но нет. Благодаря тому, что я постоянно пересматривала план, пытаясь хоть как-то продвинуться в изучении темы, и параллельно делала проекты с визуализацией, я поняла: отталкиваться нужно от своих реальных потребностей.
И первой такой потребностью оказалось разобраться в том, как собирать и формализовывать требования к отчётности.
Неделю назад я начала разрабатывать свой первый проект по EdTech на базе данных IT Resume [база предоставляется на курсе Simulative], и одним из артефактов проекта должен стать дашборд.
Но чтобы не повторить ошибку, которую я уже однажды совершила, когда не разобралась, что такое executive dashboard [дашборд для руководителя], я решила сначала понять, как к разработке дашборда подходят профессионалы... и снова пошла к ChatGPT за советом.
Принято считать, что типичная постановка задачи на разработку дашборда выглядит так: «Сделайте красивый дашборд по продажам» или «Покажите активность пользователей». Может, это враки, но задачи на разработку отчётов в закупках я получала примерно в такой же форме.
Чтобы говорить с заказчиком на одном языке и не переделывать свою работу пять раз, нужно всего лишь… подготовить BI-requirements document [документ с бизнес-требованиями].
Минимальная рабочая структура такого документа включает:
— общую информацию;
— цель;
— бизнес-контекст;
— сценарии использования;
— состав метрик;
— разрезы и фильтры;
— период и гранулярность;
— частоту обновления;
— источники данных;
— макет и логику отображения;
— доступы;
— критерии приёмки;
— ограничения и допущения;
— открытые вопросы.
«Нужен красивый и удобный дашборд с выручкой, заказами, конверсией и ещё основными метриками» — это не requirements document. Это заготовка для будущего конфликта.
В общем, практика полезная. Надо брать!
Более подробная информация с примерами доступна на GitHub.
💬 А вы фиксируете требования письменно или полагаетесь на джентельменские договорённости?
#аналитик_и_визуализация
#аналитик_изучает_bi
Первые три месяца моего погружения в BI-аналитику показали, что я вообще не представляла, как подступиться к этой теме. Когда я только задумалась о BI, я смотрела программы курсов и просила ChatGPT составить мне учебный план. В итоге получился очень большой, но нежизнеспособный проект.
И вроде бы хочется сказать, что это был epic fail [сокрушительный провал], но нет. Благодаря тому, что я постоянно пересматривала план, пытаясь хоть как-то продвинуться в изучении темы, и параллельно делала проекты с визуализацией, я поняла: отталкиваться нужно от своих реальных потребностей.
И первой такой потребностью оказалось разобраться в том, как собирать и формализовывать требования к отчётности.
Неделю назад я начала разрабатывать свой первый проект по EdTech на базе данных IT Resume [база предоставляется на курсе Simulative], и одним из артефактов проекта должен стать дашборд.
Но чтобы не повторить ошибку, которую я уже однажды совершила, когда не разобралась, что такое executive dashboard [дашборд для руководителя], я решила сначала понять, как к разработке дашборда подходят профессионалы... и снова пошла к ChatGPT за советом.
Принято считать, что типичная постановка задачи на разработку дашборда выглядит так: «Сделайте красивый дашборд по продажам» или «Покажите активность пользователей». Может, это враки, но задачи на разработку отчётов в закупках я получала примерно в такой же форме.
Чтобы говорить с заказчиком на одном языке и не переделывать свою работу пять раз, нужно всего лишь… подготовить BI-requirements document [документ с бизнес-требованиями].
Минимальная рабочая структура такого документа включает:
— общую информацию;
— цель;
— бизнес-контекст;
— сценарии использования;
— состав метрик;
— разрезы и фильтры;
— период и гранулярность;
— частоту обновления;
— источники данных;
— макет и логику отображения;
— доступы;
— критерии приёмки;
— ограничения и допущения;
— открытые вопросы.
«Нужен красивый и удобный дашборд с выручкой, заказами, конверсией и ещё основными метриками» — это не requirements document. Это заготовка для будущего конфликта.
В общем, практика полезная. Надо брать!
Более подробная информация с примерами доступна на GitHub.
💬 А вы фиксируете требования письменно или полагаетесь на джентельменские договорённости?
#аналитик_и_визуализация
#аналитик_изучает_bi
🔥10✍7👍7❤4
Со всеми нами случается жизнь, и с этим ничего нельзя поделать.
Я часто слышала фразу: «Хочешь насмешить Бога — расскажи ему о своих планах». Мой контент-план для телеграма как раз строится вокруг моих грандиозных планов по изучению огромного количества информации, которая мне, скорее всего, никогда не пригодится, и проектов, в которых я пытаюсь применить то, что изучаю.
И все эти планы довольно жёстко привязаны ко времени, которое ребёнок проводит в ясельной группе садика.
Но всё эти планы идут по одному хорошо известному месту, когда ты заболеваешь и целую неделю пытаешься не сдохнуть с температурой.
А потом, как только начинаешь поправляться и тебе уже кажется, что жизнь налаживается, заболевает ребёнок. И тоже с температурой. И вот ты ещё на две недели вылетаешь из привычной жизни и существуешь в режиме «дожить бы до вечера».
Раньше я бы от такого просто бесилась. Любое изменение плана выбивало меня из колеи и заставляло дрожать от злости. Я бы, как человек с выдающимися навыками в жанре «сама себе организовала катастрофу», пыталась усидеть сразу на двух стульях: и ребёнка на ноги поднять, и все запланированные проекты сделать.
И знаете, к чему приводят такие нагрузки? Правильно. К очередной болезни.
Не буду делать вид, что я преисполнилась и познала дзен, но в этот раз решила поступить как взрослый иотносительно ответственный человек: немного задвинуть свои проекты, чтобы максимум внимания уделить ребёнку... и сну!
И знаете, мне понравилось это отсутствие FOMO [синдром упущенных возможностей] и постоянного давления в духе «надо саморазвиваться, иначе ты зря существуешь».
Правда, с другой стороны, в какой-то момент начинаешь думать: «А зачем тебе вообще всё это надо?» Тут главное вовремя затормозить, чтобы не свалиться в яму полной прокрастинации и не обустроиться там с пледом.
Во всей этой ситуации есть и хорошая сторона: в один из свободных вечеров я посмотрела нового хищника [«Хищник: Планета смерти»]. Кажется, у меня появился новый фильм из категории guilty pleasure [тайная слабость].
💬 А вы смотрели нового «Хищника»? Сейчас мы хищнику сочувствуем, а помните, как ненавидели его, когда он пытался съесть Арнольда? О времена, о нравы!
#аналитик_тоже_человек
Я часто слышала фразу: «Хочешь насмешить Бога — расскажи ему о своих планах». Мой контент-план для телеграма как раз строится вокруг моих грандиозных планов по изучению огромного количества информации, которая мне, скорее всего, никогда не пригодится, и проектов, в которых я пытаюсь применить то, что изучаю.
И все эти планы довольно жёстко привязаны ко времени, которое ребёнок проводит в ясельной группе садика.
Но всё эти планы идут по одному хорошо известному месту, когда ты заболеваешь и целую неделю пытаешься не сдохнуть с температурой.
А потом, как только начинаешь поправляться и тебе уже кажется, что жизнь налаживается, заболевает ребёнок. И тоже с температурой. И вот ты ещё на две недели вылетаешь из привычной жизни и существуешь в режиме «дожить бы до вечера».
Раньше я бы от такого просто бесилась. Любое изменение плана выбивало меня из колеи и заставляло дрожать от злости. Я бы, как человек с выдающимися навыками в жанре «сама себе организовала катастрофу», пыталась усидеть сразу на двух стульях: и ребёнка на ноги поднять, и все запланированные проекты сделать.
И знаете, к чему приводят такие нагрузки? Правильно. К очередной болезни.
Не буду делать вид, что я преисполнилась и познала дзен, но в этот раз решила поступить как взрослый и
И знаете, мне понравилось это отсутствие FOMO [синдром упущенных возможностей] и постоянного давления в духе «надо саморазвиваться, иначе ты зря существуешь».
Правда, с другой стороны, в какой-то момент начинаешь думать: «А зачем тебе вообще всё это надо?» Тут главное вовремя затормозить, чтобы не свалиться в яму полной прокрастинации и не обустроиться там с пледом.
Во всей этой ситуации есть и хорошая сторона: в один из свободных вечеров я посмотрела нового хищника [«Хищник: Планета смерти»]. Кажется, у меня появился новый фильм из категории guilty pleasure [тайная слабость].
💬 А вы смотрели нового «Хищника»? Сейчас мы хищнику сочувствуем, а помните, как ненавидели его, когда он пытался съесть Арнольда? О времена, о нравы!
#аналитик_тоже_человек
❤23🤗10🔥6
Готовь сани летом, а резюме уже сейчас!
Я заметила, что вам не очень заходят посты про мои конспекты... Ну и правильно. Кому нравятся вечные заучки? Даже Гермиона едва не пострадала из-за того, что «слишком много знала»...
Но конспекты — это отличный способ прокрастинации: я вроде бы и делаю что-то, то есть не сижу сложа руки, но к цели это меня не приближает. Учиться аналитике интересно, но моя главная цель всё-таки — смена профессии.
Поэтому я решила, что пора вытащить голову из конспектов и начать готовиться к выходу в новую профессию: активно готовиться к собеседованиям, лайвкодингу и мудрёным вопросам по SQL.
Цикл поиска работы сейчас довольно длинный — около шести месяцев, если повезёт, поэтому сани будем готовить летом.
Главное, чтобы не случился переход от одних конспектов к другим🤭
Первым делом займусь подготовкой резюме. А то, как вы помните, оно не обновлялось со времён динозавров.
А потом буду натаскивать себя на собеседования. Правда, я ещё не придумала как, но, надеюсь, времени хватит и подумать, и сделать.
Любые полезные ресурсы для подготовки к собеседованиям, которыми поделитесь в комментариях, приму с благодарностью.
💬 Расскажите, как там сейчасна воле на рынке труда?
#аналитик_готовится_к_собесам
Я заметила, что вам не очень заходят посты про мои конспекты... Ну и правильно. Кому нравятся вечные заучки? Даже Гермиона едва не пострадала из-за того, что «слишком много знала»...
Но конспекты — это отличный способ прокрастинации: я вроде бы и делаю что-то, то есть не сижу сложа руки, но к цели это меня не приближает. Учиться аналитике интересно, но моя главная цель всё-таки — смена профессии.
Поэтому я решила, что пора вытащить голову из конспектов и начать готовиться к выходу в новую профессию: активно готовиться к собеседованиям, лайвкодингу и мудрёным вопросам по SQL.
Цикл поиска работы сейчас довольно длинный — около шести месяцев, если повезёт, поэтому сани будем готовить летом.
Главное, чтобы не случился переход от одних конспектов к другим
Первым делом займусь подготовкой резюме. А то, как вы помните, оно не обновлялось со времён динозавров.
А потом буду натаскивать себя на собеседования. Правда, я ещё не придумала как, но, надеюсь, времени хватит и подумать, и сделать.
Любые полезные ресурсы для подготовки к собеседованиям, которыми поделитесь в комментариях, приму с благодарностью.
💬 Расскажите, как там сейчас
#аналитик_готовится_к_собесам
Please open Telegram to view this post
VIEW IN TELEGRAM
❤24👏7🍾6
Как перестать бояться кейсов с метриками
Вот и настало моё время выйти на тропу войны за место под аналитическим солнцем!
Я читаю многих ребят из сферы аналитики, и практически каждый пишет, что вкатиться сейчас сложнее, чем когда-то. Раньше от джуна требовали только написать код на SQL максимум с одним JOIN’ом. А сейчас гоняют по кейсам с метриками!
И если хороших тренажёров по SQL достаточно, то с метриками дело обстоит гораздо хуже. Ты можешь выучить метрики, но что ответишь интервьюеру на вопрос: «упала метрика, твои действия»?
Илья, лид аналитики в «Додо Пицце» и экс-Яндекс, автор канала «Кусочек пиццы | Аналитика данных», который я читаю с самого основания, подробно разобрал этот классический кейс про упавшую метрику.
Добавьте к этому полезный пост про самостоятельное определение метрики — и часть страхов на собесе как рукой снимет!
А для тех, кто подумывает податься в аналитику, я бы рекомендовала пост «Что и где учить…». Его прелесть в том, что это роадмап, написанный человеком в теме, а не придуманный ИИ на скорую руку.
Рекомендую почитать ещё и это:
— Почему хороших хардов недостаточно для роста в карьере?
— Как статистика доказывает, что важно не сдаваться
— Топ настольных книг по аналитике данных
Если хотите расширять насмотренность в профессии — подписывайтесь.
Полезности там больше, чем сыра на пицце.
💬 Какой вопрос на собесе по аналитике был для вас самым неприятным? Хочу заранее знать, к чему готовиться🤭
Вот и настало моё время выйти на тропу войны за место под аналитическим солнцем!
Я читаю многих ребят из сферы аналитики, и практически каждый пишет, что вкатиться сейчас сложнее, чем когда-то. Раньше от джуна требовали только написать код на SQL максимум с одним JOIN’ом. А сейчас гоняют по кейсам с метриками!
И если хороших тренажёров по SQL достаточно, то с метриками дело обстоит гораздо хуже. Ты можешь выучить метрики, но что ответишь интервьюеру на вопрос: «упала метрика, твои действия»?
Илья, лид аналитики в «Додо Пицце» и экс-Яндекс, автор канала «Кусочек пиццы | Аналитика данных», который я читаю с самого основания, подробно разобрал этот классический кейс про упавшую метрику.
Добавьте к этому полезный пост про самостоятельное определение метрики — и часть страхов на собесе как рукой снимет!
А для тех, кто подумывает податься в аналитику, я бы рекомендовала пост «Что и где учить…». Его прелесть в том, что это роадмап, написанный человеком в теме, а не придуманный ИИ на скорую руку.
Рекомендую почитать ещё и это:
— Почему хороших хардов недостаточно для роста в карьере?
— Как статистика доказывает, что важно не сдаваться
— Топ настольных книг по аналитике данных
Если хотите расширять насмотренность в профессии — подписывайтесь.
Полезности там больше, чем сыра на пицце.
💬 Какой вопрос на собесе по аналитике был для вас самым неприятным? Хочу заранее знать, к чему готовиться
Please open Telegram to view this post
VIEW IN TELEGRAM
❤11✍5🔥5👍3
Свет мой, зеркальце, скажи...
О том, чтобы сделать резюме аналитика данных, я задумалась ещё в прошлом году. К задаче я подошла, как мне теперь кажется, довольно топорно. Мы с ChatGPT просто сели и слегка переписали существующее резюме под мои представления о том, как должно выглядеть резюме аналитика данных.
По всем канонам я попыталась добавить измеримые результаты по каждой должности и приправить их аналитическими инструментами, которые уже успела освоить.
То резюме я отправила в мир целых четыре раза: трижды — напрямую рекрутёрам, которые выходили на меня через ТГ-канал [вот это было время], и один раз — по рефералке. Вы не поверите, но каждый раз происходило примерно ничего. То есть после получения моего резюме со мной просто не продолжали общение.
В тот момент я была сосредоточена на учёбе и даже не пыталась разбирать причины провала. Но сейчас я подхожу к вопросу уже серьёзно, так что приходится включать голову🤭
Я решила спросить у того же самого ChatGPT, что вообще представляет собой моё резюме сейчас. Вот его честный [как он сам утверждает] ответ:
Теперь мне понятно, почему по рефералке дали ответ «сильно разносторонний опыт» — и это был совсем не комплимент😅
С нынешним резюме я могу идти в ассортиментные / категорийные аналитики [если такие вообще существуют] или в аналитики закупок. То есть буквально вернуться в те роли, от которых сбежала.
Но чтобы перейти в BI-аналитику или аналитику данных, нужно сместить акцент с доменного коммерческого аналитика на аналитические задачи как самостоятельную функцию.
Один actionable advice [практический совет] был таким: переименовать фокус summary-блока. Не «аналитик с опытом в закупках», а «аналитик данных с сильной бизнес-экспертизой в коммерции, ассортименте и закупках».
В общем, я думала, что сделать резюме с ИИшкой — это что-то из серии «тяп-ляп и готово». Но, похоже, я ошиблась...
💬 Как думаете, фраза «сильно разносторонний опыт» — это вежливое HR-ское «а вы сами определились, куда хотите попасть»?
#аналитик_готовится_к_собесам
О том, чтобы сделать резюме аналитика данных, я задумалась ещё в прошлом году. К задаче я подошла, как мне теперь кажется, довольно топорно. Мы с ChatGPT просто сели и слегка переписали существующее резюме под мои представления о том, как должно выглядеть резюме аналитика данных.
По всем канонам я попыталась добавить измеримые результаты по каждой должности и приправить их аналитическими инструментами, которые уже успела освоить.
То резюме я отправила в мир целых четыре раза: трижды — напрямую рекрутёрам, которые выходили на меня через ТГ-канал [вот это было время], и один раз — по рефералке. Вы не поверите, но каждый раз происходило примерно ничего. То есть после получения моего резюме со мной просто не продолжали общение.
В тот момент я была сосредоточена на учёбе и даже не пыталась разбирать причины провала. Но сейчас я подхожу к вопросу уже серьёзно, так что приходится включать голову
Я решила спросить у того же самого ChatGPT, что вообще представляет собой моё резюме сейчас. Вот его честный [как он сам утверждает] ответ:
«Я бы позиционировал ваше резюме не как резюме “начинающего аналитика вообще”, а как резюме сильного доменного аналитика с глубокой экспертизой в закупках, ассортименте, товарных запасах, коммерции и продуктовой аналитике в офлайне/ритейле.
Это подтверждается 13+ годами опыта, управлением ассортиментной матрицей, анализом продаж, маржинальности, складских остатков, запуском новых продуктов, закупочной аналитикой, ABC/XYZ-анализом, а также навыками Excel, SQL, Metabase и Redash».
Теперь мне понятно, почему по рефералке дали ответ «сильно разносторонний опыт» — и это был совсем не комплимент
С нынешним резюме я могу идти в ассортиментные / категорийные аналитики [если такие вообще существуют] или в аналитики закупок. То есть буквально вернуться в те роли, от которых сбежала.
Но чтобы перейти в BI-аналитику или аналитику данных, нужно сместить акцент с доменного коммерческого аналитика на аналитические задачи как самостоятельную функцию.
Один actionable advice [практический совет] был таким: переименовать фокус summary-блока. Не «аналитик с опытом в закупках», а «аналитик данных с сильной бизнес-экспертизой в коммерции, ассортименте и закупках».
В общем, я думала, что сделать резюме с ИИшкой — это что-то из серии «тяп-ляп и готово». Но, похоже, я ошиблась...
💬 Как думаете, фраза «сильно разносторонний опыт» — это вежливое HR-ское «а вы сами определились, куда хотите попасть»?
#аналитик_готовится_к_собесам
Please open Telegram to view this post
VIEW IN TELEGRAM
2❤11🔥9🙊7
Правило 72 часов
Правило, популяризированное Бодо Шефером, гласит: если у вас появилась идея или цель, необходимо сделать первый, даже самый маленький шаг к её реализации в течение 72 часов — трёх суток.
Если не начать действовать за это время, вероятность реализации задуманного стремится к нулю: энтузиазм угасает, а мозг начинает искать оправдания, чтобы ничего не делать.
Мой маленький шаг по апдейту резюме занял два дня и убил 42 грамма нервных клеток.
Я забыла, насколько это сложно — обновлять резюме:
— искать в своём опыте достижения [хоть какие-нибудь],
— подкреплять их цифрами [желательно реальными],
— адаптировать опыт и навыки под желаемую должность.
Аналитик, который учит всё считать, внезапно не посчитал собственные достижения🤣
Даже искусственный интеллект не сильно помогает в этом деле. Он ведь не работал за меня, поэтому все свои предложения по формулировкам берет чёрти знает откуда. Но его варианты отлично наталкивают на мысли о том, что можно написать и как это подсветить.
Получается, наше сотрудничество завязано на правиле Парето: 80/20. Причем кто из нас делает эти 80% непонятно.
Артефактом первой фазы считаю всё ещё достаточно сырое резюме. Очень не хватает цифр в достижениях.
Сейчас версия резюме существует только на hh. Но я планирую сделать и одностраничную версию, потому что портянка от «хантера» меня немного напрягает.
И всё же самое сложное в резюме — достижения. Не берите пример с меня: каждый месяц записывайте свои достижения на работе, например, в формате X-Y-Z:
X — результат (что?): конкретное достижение (увеличили продажи, сократили время, снизили ошибки)
Y — единица измерения (сколько?): насколько изменился результат (проценты, деньги, количество, время)
Z — ваши действия (как?): за счёт чего это получилось сделать (метод, инструмент, внедрение процесса)
Примеры:
— Сократил время обработки заказов в 2 раза, внедрив автоматизированную систему учёта.
— Привлек 50 новых B2B-клиентов [business-to-business] за квартал с помощью холодных звонков и участия в тендерах.
— Увеличил объем продаж на 25% за полгода за счёт внедрения новой системы скриптов.
Тогда в нужный момент у вас под рукой будет не мучительный археологический раскоп собственного опыта, а нормальное озеро достижений, из которого можно выбрать подходящие для следующего карьерного шага.
💬 Какое свое достижение вы бы сейчас смогли быстро описать в формате X-Y-Z?
#аналитик_готовится_к_собесам
Правило, популяризированное Бодо Шефером, гласит: если у вас появилась идея или цель, необходимо сделать первый, даже самый маленький шаг к её реализации в течение 72 часов — трёх суток.
Если не начать действовать за это время, вероятность реализации задуманного стремится к нулю: энтузиазм угасает, а мозг начинает искать оправдания, чтобы ничего не делать.
Мой маленький шаг по апдейту резюме занял два дня и убил 42 грамма нервных клеток.
Я забыла, насколько это сложно — обновлять резюме:
— искать в своём опыте достижения [хоть какие-нибудь],
— подкреплять их цифрами [желательно реальными],
— адаптировать опыт и навыки под желаемую должность.
Аналитик, который учит всё считать, внезапно не посчитал собственные достижения
Даже искусственный интеллект не сильно помогает в этом деле. Он ведь не работал за меня, поэтому все свои предложения по формулировкам берет чёрти знает откуда. Но его варианты отлично наталкивают на мысли о том, что можно написать и как это подсветить.
Получается, наше сотрудничество завязано на правиле Парето: 80/20. Причем кто из нас делает эти 80% непонятно.
Артефактом первой фазы считаю всё ещё достаточно сырое резюме. Очень не хватает цифр в достижениях.
Сейчас версия резюме существует только на hh. Но я планирую сделать и одностраничную версию, потому что портянка от «хантера» меня немного напрягает.
И всё же самое сложное в резюме — достижения. Не берите пример с меня: каждый месяц записывайте свои достижения на работе, например, в формате X-Y-Z:
X — результат (что?): конкретное достижение (увеличили продажи, сократили время, снизили ошибки)
Y — единица измерения (сколько?): насколько изменился результат (проценты, деньги, количество, время)
Z — ваши действия (как?): за счёт чего это получилось сделать (метод, инструмент, внедрение процесса)
Примеры:
— Сократил время обработки заказов в 2 раза, внедрив автоматизированную систему учёта.
— Привлек 50 новых B2B-клиентов [business-to-business] за квартал с помощью холодных звонков и участия в тендерах.
— Увеличил объем продаж на 25% за полгода за счёт внедрения новой системы скриптов.
Тогда в нужный момент у вас под рукой будет не мучительный археологический раскоп собственного опыта, а нормальное озеро достижений, из которого можно выбрать подходящие для следующего карьерного шага.
💬 Какое свое достижение вы бы сейчас смогли быстро описать в формате X-Y-Z?
#аналитик_готовится_к_собесам
Please open Telegram to view this post
VIEW IN TELEGRAM
3❤19🔥6👍5
Чего ты хочешь на самом деле?
Прежде чем нестись сломя голову в новую профессию или в новую задачу на работе хорошо бы задаться парой важных вопросов: "что я хочу и что мне нравится?" или "что хочет бизнес и какие его потребности?"
Сегодня о своём пути в BI-аналитику расскажет Валерия Смирнова - Senior BI-аналитик в Авито и автор канала "Любовь, BI и графики".
---
Лера, большое спасибо, что поделилась своим опытом!
💬 А что вам больше всего нравится в вашей работе?
#аналитик_берёт_интервью
Прежде чем нестись сломя голову в новую профессию или в новую задачу на работе хорошо бы задаться парой важных вопросов: "что я хочу и что мне нравится?" или "что хочет бизнес и какие его потребности?"
Сегодня о своём пути в BI-аналитику расскажет Валерия Смирнова - Senior BI-аналитик в Авито и автор канала "Любовь, BI и графики".
1) Как ты пришла в BI и с чего начинался путь?
По специальности я инженер связи, но почти сразу стала работать продуктовым аналитиком. Во время декрета поняла, что хочу перейти из продуктового аналитика в BI, так как именно задачи, связанные с BI-частью, мне больше всего нравилось делать.
Большинство необходимых навыков у меня уже было: sql, python, работа с dwh и BI-системой. И, конечно же, понимание того, что хотят мои любимые заказчики.
Но кое-чего не хватало - глубокого понимания датавиза. Я очень увлеклась этой темой, и сейчас с ней связана большая часть моих задач.
2) Какие навыки оказались реально важными в работе, а какие переоценены?
Самый важный навык это общение с заказчиками и понимание того, что он хочет. Важно послушать пожелания и потребности заказчика и понять как сделать так, чтобы дашборд их полностью покрывал. Мне с этим было легко, так как я, работая продуктовым аналитиком, была погружена в метрики и в бизнес и сама была частым пользователем дашбордов.
Сначала идут пожелания и только потом sql, витрины, типы графиков и фильтры. Да, это тоже важно, но это все решить намного легче (особенно с ИИ), чем залезть в голову человека!
3) Какие BI-инструменты ты используешь сейчас? Что в них нравится, а что регулярно вызывает дергающийся глаз?
Я использую внутренний BI-инструмент, сделанный на базе Redash. Я слишком большой его фанат, поэтому минусов не будет 😁
Самое удобное это то, что все делается в браузере. Открываешь новую вкладку - пишешь запрос и сразу же его визуализируешь.
Второй инструмент это python - с его помощью я автоматизирую ручной труд пользователей, например, делаю ежедневные рассылки таблиц или графиков.
С появлением Claude в моей жизни я стала эдаким продакт-менеджером со своим личным джуном-разработчиком! Да, бывает, что он подтупливает, но это скорее мелочи, но результат, который в итоге получается, я бы самостоятельно делала в разы дольше. AI не только ускорило мои текущие задачи, но и открыло мир совершенно новых возможностей!
4) Как выглядит «хороший BI-аналитик» глазами бизнеса?
Я думаю это тот, который понимает с полуслова что хочет бизнес, предвосхищает его потребности и проактивно предлагает классные решения. Это не просто пара рабочих рук, а эксперт в своей области, которому можно принести запрос или проблему и он сам ее решит и сделает все в лучшем виде.
5) Что бы ты посоветовала человеку, который хочет войти в BI сейчас?
Для начала он должен определить какая именно часть BI ему нравится больше всего, ведь бывают разные роли, где-то больше датавиза, где-то инфраструктурных задач, где-то одни sql-запросы или раскладки данных. Понятно, что в любом случае будут все виды задач, но важно сразу понимать, где у тебя больший потенциал и уделить этому больше времени в обучении. У меня есть подробная статья на хабре, где я описала все курсы и материалы, которые лично мне оказались наиболее полезными.
Бонус: любимые и нелюбимые задачи на работе
Больше всего мне нравятся настоящие проекты, не просто собрать дашборд, а написать новый инструмент, особенно классно, если такого еще никто не делал у нас в компании. Люблю нестандартные запросы, в которых нужно продумать алгоритм того как данные будут преобразовываться внутри и что в итоге будет получаться на выходе.
А вот не люблю я операционные задачи! Обычно там миллион case when, куча костылей, всякие неинтересные визуализации в виде обычных табличек, которые потом скачивают в excel. Но я стараюсь максимально отдавать такие задачи Claude или Сodex, чтобы не терять запал и не выгорать
---
Лера, большое спасибо, что поделилась своим опытом!
💬 А что вам больше всего нравится в вашей работе?
#аналитик_берёт_интервью
❤12🔥6🦄4
Повторение мать его...
В этом году я возвращаюсь из декрета в трудовыебудни. И меня эта перспектива немного пугает. Всё-таки за три года привыкаешь к определённому ритму, выстраиваешь рутину, а тут снова придётся начинать сначала.
Теперь я понимаю, почему люди годами сидят на одном и том же месте [ноль осуждения!]
Сейчас я накидываю общее резюме, чтобы хоть как-то систематизировать свой опыт. Но решила посмотреть на hh.ru, что сейчас требуют от аналитиков. Рандомно открыла 30 вакансий на сайте, и почти в каждой второй встречаются Excel, Power Query, Power Pivot.
Я в свою бытность закупщиком работала с этими надстройками, но решила, что освежить знания — это то, что сейчас нужно! То есть решила, что приятнее пройти курс и получить очередной сертификат, чем продолжить писать резюме.
Курс по Power Query и Power Pivot выбрала у one and only [единственного и неповторимого] Никиты Сергеева. По моему мнению, нет никого, кто бы так классно преподавал Excel.
Но курс — это полбеды. Теперь мне нужен и кейс в портфолио, чтобы показать: «зырьте, чё могу!».
И я таки начала делать этот проект. Он небольшой, но направлен именно на «показать, что я умею делать в Excel». Хотя уже столько раз и слышала, и сама писала о том, что не в этом соль проекта для портфолио.
И вот на выходных, когда я почти закончила мини-проект, мне на глаза попадается пост в LinkedIn от Kedeisha Bryan, в котором она говорит о том, что
И, судя по моему проекту, я в категории «показывающих», потому что подошла не с позиции «вот проблема, надо решить», а с позиции «у меня есть какие-то данные, давай посмотрим, что из них можно вытащить».
Плохая ли это позиция? Наверное, нет, но она показывает, что я скорее привыкла получать задачи извне, чем ставить их себе самой. Ещё однауточка для улучшения 🤓
💬 А вы держите в своём портфолио проекты, выполненные в Excel?
#портфолио_аналитика
#аналитик_слушает_советы
В этом году я возвращаюсь из декрета в трудовыебудни. И меня эта перспектива немного пугает. Всё-таки за три года привыкаешь к определённому ритму, выстраиваешь рутину, а тут снова придётся начинать сначала.
Теперь я понимаю, почему люди годами сидят на одном и том же месте [ноль осуждения!]
Сейчас я накидываю общее резюме, чтобы хоть как-то систематизировать свой опыт. Но решила посмотреть на hh.ru, что сейчас требуют от аналитиков. Рандомно открыла 30 вакансий на сайте, и почти в каждой второй встречаются Excel, Power Query, Power Pivot.
Я в свою бытность закупщиком работала с этими надстройками, но решила, что освежить знания — это то, что сейчас нужно! То есть решила, что приятнее пройти курс и получить очередной сертификат, чем продолжить писать резюме.
Курс по Power Query и Power Pivot выбрала у one and only [единственного и неповторимого] Никиты Сергеева. По моему мнению, нет никого, кто бы так классно преподавал Excel.
Но курс — это полбеды. Теперь мне нужен и кейс в портфолио, чтобы показать: «зырьте, чё могу!».
И я таки начала делать этот проект. Он небольшой, но направлен именно на «показать, что я умею делать в Excel». Хотя уже столько раз и слышала, и сама писала о том, что не в этом соль проекта для портфолио.
И вот на выходных, когда я почти закончила мини-проект, мне на глаза попадается пост в LinkedIn от Kedeisha Bryan, в котором она говорит о том, что
«нанимающий менеджер не ищет в твоем портфолио доказательства того, что ты можешь построить барчарт, он предполагает, что ты это умеешь делать. Он смотрит, как ты думаешь» [перевод вольный].
И, судя по моему проекту, я в категории «показывающих», потому что подошла не с позиции «вот проблема, надо решить», а с позиции «у меня есть какие-то данные, давай посмотрим, что из них можно вытащить».
Плохая ли это позиция? Наверное, нет, но она показывает, что я скорее привыкла получать задачи извне, чем ставить их себе самой. Ещё одна
💬 А вы держите в своём портфолио проекты, выполненные в Excel?
#портфолио_аналитика
#аналитик_слушает_советы
Please open Telegram to view this post
VIEW IN TELEGRAM
❤22🙈10💔5
Чем бы дитя ни тешилось, лишь бы резюме не делать!
Вместо того чтобы систематизировать свой опыт, извлекать оцифрованные жемчужины достижений и полировать своё резюме, я снова вписалась в курс...
Чем себя оправдываю?🤔
Во-первых, это курс по SQL. Да не просто по SQL, а по оконным функциям. А аналитику знать их надо!
Во-вторых, это вторая ступень программы от авторов ДВФУ, знакомых нам по всеми любимому курсу на Stepik: «Интерактивный тренажёр по SQL»
В-третьих, это бесплатно! Сэкономил — считай заработал!
И потом, иметь корочку о повышении квалификации от университета льстит моему эго🤭
Курс рассчитан на 36 ак. часов с доступом на 2 недели. Как раз перед посещением малой родины успею его закончить.
---
💬 Перекличка одногруппников: кто ещё пошёл учиться вместо того, чтобы наслаждаться хорошей погодой?
---
— Я на курсе по SQL, не могу говорить!
— Но ты же сама написала!
— Всё, пока!
#курсес_ресурсес
Вместо того чтобы систематизировать свой опыт, извлекать оцифрованные жемчужины достижений и полировать своё резюме, я снова вписалась в курс...
Чем себя оправдываю?
Во-первых, это курс по SQL. Да не просто по SQL, а по оконным функциям. А аналитику знать их надо!
Во-вторых, это вторая ступень программы от авторов ДВФУ, знакомых нам по всеми любимому курсу на Stepik: «Интерактивный тренажёр по SQL»
В-третьих, это бесплатно! Сэкономил — считай заработал!
И потом, иметь корочку о повышении квалификации от университета льстит моему эго
Курс рассчитан на 36 ак. часов с доступом на 2 недели. Как раз перед посещением малой родины успею его закончить.
---
💬 Перекличка одногруппников: кто ещё пошёл учиться вместо того, чтобы наслаждаться хорошей погодой?
---
— Я на курсе по SQL, не могу говорить!
— Но ты же сама написала!
— Всё, пока!
#курсес_ресурсес
Please open Telegram to view this post
VIEW IN TELEGRAM
🤣14👍11❤7🐳1