Коллеги, с прошедшими праздниками! Напомните, на каком месте в этой задаче мы разошлись в прошлом году? 😀

Расскажите, как у вас проходит первый рабочий день:

🔥 — полон сил и энергии
🤪 — силы были, к обеду закончились
😭 — пытаюсь вспомнить, кем я вообще работаю

Всем привет! На связи Маша Аничкова 😊

Если вы активно следите за Авито, возможно знаете, что мы мигрируем с БД Vertica на Trino (если нет — не осуждаем 🙂).

Подробности переезда и технические детали можете почитать на Хабре, например, в статье Trino в Авито два года спустя: от движка к полноценной экосистеме. А сегодня расскажу, с какими проблемами сложностями сталкивались аналитики при переезде.

🐱 Другой синтаксис

В целом синтаксис Трино не сильно отличается от Вертики, но есть нюансы. Например, нет ilike и нельзя задать формат через «::», а я к этому привыкла. Неприятненько 😬

🐱 Источники на Вертике

Когда пишешь код на Трино, но часть источников ещё лежат на Вертике — запрос может считаться намного дольше, чем на Вертике, особенно когда джойнится много таблиц. Поэтому просто поменять синтаксис не всегда прокатывало — иногда приходилось переписывать саму логику запроса, или, например, разбивать одну временную таблицу на несколько.

🐱 Автоматизация

В Q4 DE смогли автоматизировать перенос расчёта из Вертики в Трино. Владельцу витрины оставалось лишь проверить получившийся код и отправить на мёрж. Но новый сгенерированный код иногда содержал ошибки или работал слишком долго. Поэтому по некоторым витринам приходилось тратить много времени на проверку и корректировки. Если вы новичок и думали, что можно уже не учить SQL и LLM-ки всё сделают за вас — у меня плохие новости 😢

🐱 Массовый переезд

Объёмы данных на Трино начали стремительно расти, а Вертика, наоборот, освобождалась. В итоге были периоды, когда Трино работало намного медленнее Вертики, что вызывало негодование аналитиков — но это мы, пожалуй, забудем как страшный сон 😀

Сталкивались ли вы когда-нибудь с миграцией БД? Какие сложности у вас это вызывало?

#МашаАн

Всем привет, на связи Армен. Конец января — значит, можно потихоньку выдыхать после очередного этапа калибровок и посмотреть на процесс глазами аналитика в Авито. Сегодня поговорим про аналитические исследования — один из факторов оценки аналитиков в Авито.

Как выглядит общий флоу
1️⃣ Аналитик выбирает 1–2 самые сильные работы за период. У нас это раз в полгода.

2️⃣В случае защиты на синьора: ресёрч заранее, до калибровок, уходит на оценку жюри из тимлидов и ведущих аналитиков разных доменов. Это важно: проверяется, что сила кейса не держится на локальном контексте. Жюри может задавать вопросы, комментировать исследования и, в общем-то, «челленджить» его. Цель калибрующегося аналитика — собрать формальные «ОК» от всех членов жюри.

3️⃣ На калибровке синхронизируют планку между командами: чтобы «сильный синьор» или «сильный миддл» соответствовали друг другу в разных командах.

Что делает ресерч «хорошим» и синьорным
1️⃣ Влияние на бизнес: есть понятный эффект/решение и связь с метриками или честное обоснование, почему эффект не в аплифте, но влияние значимо.

2️⃣ Аналитическая сложность: видно, что применялись не дежурные SQL-запросы, а хард по матстату или ML там, где это действительно нужно и обоснованно.

3️⃣ Валидация: заранее выбрали и обосновали критерий проверки, а результат реально проверили по нему (А/Б, симуляции и т. д.)

4️⃣ Прозрачный путь: относительно открытая бизнес-проблема → измеримая задача → план исследования → выводы → рекомендации и следующие шаги.

5️⃣ Целостность: код/дока/воспроизводимость — чтобы это можно было переиспользовать, а не только красиво рассказать.

Чем такой процесс хорош
💚 выравнивает ожидания между доменами и снижает рандомность в принятии решений;
💚 заставляет фокусироваться на доказательствах и влиянии, а не на количестве артефактов;

⭐️ Бонус: такие исследования помогают оценить масштаб проделанной работы и «формализовать» свою аналитическую работу, а сам ресёрч может стать полезной документацией для других аналитиков или для себя.

Минусы, без которых никуда
🍏 контекст теряется и иногда приходится «переводить» половину проекта на язык жюри;
🍏очень важно следить за структурой и сторителлингом, что иногда может быть важнее, чем фактические результаты;
🍏сезонно пожирает время и нервишки😀

А как у вас происходят калибровки? Ставьте 🔥, если хотели бы увидеть процесс калибровки глазами менеджеров аналитики.

🤓 — у нас калибровка выглядит иначе, расскажу в комментариях
🤪 — оцениваем работу аналитиков по картам таро

#АрменЕс

Как стать Senior аналитиком в Авито?

Откликнуться на вакансию синьора (ну и опыта перед этим набрать)🤓

Ищем синьор аналитика в команду монетизации! Из самого важного по вакансии, чем хочется поделиться:
— возможность напрямую влиять на выручку компании.
— сильная и очень крутая команда: продакт, аналитики, разработка (конечно как и в других командах Авито)).
— возможность поработать с 5 разными бизнесами: товары, авто, недвижимость, услуги, поскольку команда горизонтальная.
— много исследований и нетривиальных А/Б-тестов. Ваши знания и любознательность точно не будут пылиться на полке.
— возможность удалённой работы

🤍 Чтобы откликнуться на вакансию, отправьте CV @jane_mur или заполните форму на сайте.

Вопросы по вакансии тоже отправляйте @jane_mur или пишите в комментариях — а мы ответим.

Свежие новости коммуналки 2026 года. Вы, наверное, привыкли, что у нас в канале пишут одни и те же люди. Ну, может, и не привыкли 😁 

Здесь авторов немного, но аналитиков в Авито ого-го сколько! И мы решили, что несправедливо лишать их возможности общения с вами.

Официально сообщаем, что в этом месяце в канале будут посты только от новых авторов — встречайте! 💓

Пост для миллениалов. На связи с вами acting TL монетизации Авито Работы 👋 Обсудим тему: «как работать с зумерами».

💗 Дисклеймер: пост скорее развлекательный, отражает моё субъективное мнение и не претендует на абсолютную истину. Если хотите глубины, рекомендую статью «Почему „теория поколений“ не работает».

Что говорит «статистика». Я аналитик, поэтому опросила около 20 миллениалов. Да, это не статзначимо, но, согласитесь, уже что-то. Вот что узнала о зумерах:

💚 формальный авторитет и жёсткая иерархия работают слабее, чем авторитет, подтверждённый делом;
💚 задают вопросы и хотят понимать, зачем эта задача, а не «потому что так принято»;
💚 нуждаются в регулярном фидбеке — его отсутствие скорее вызывает вопросы, чем мотивирует;
💚 чаще работают строго в рамках договорённостей: лучше выстраивают личные границы и ставят высокие требования к условиям работы;
💚 инициативу проявляют охотнее, если заранее понятно, что это приветствуется.

📢 Моё мнение и немного фантазии. Зумеры выросли в мире постоянного информационного шума. В результате критическое мышление, вопрос «зачем» и привычка перепроверять источники стали базовой гигиеной. У миллениалов была менее нагруженная среда: знания чаще воспринимались линейно — как написано в учебнике или сказано учителем.
Форумы и чаты сделали рабочую среду прозрачнее: многие правила и ожидания теперь можно обсудить, а не угадывать. Интернет и соцсети почти всегда дают фидбек — комментарии и реакции. Поэтому тишина воспринимается скорее как неопределённость, чем «всё ок».
В этой же логике работает и инициатива: если известно, что она приветствуется, проявляют охотно; если нет — делают то, о чём договорились. Идея «превзойти ожидания» и пробежать extra mile без запроса — не базовая норма. Это и отличает зумеров от миллениалов, которые постоянно соревнуются с «сыном маминой подруги».

‼️ Дело не только в возрасте. У миллениалов есть определённые ожидания, которые мы часто не проговариваем, потому что они «и так очевидны». А для зумеров они совсем не всегда считываются именно так.

❓ Что в итоге. Когда я нанимала первого человека в команду, у меня был километровый список требований: опыт, мышление, стиль общения, вайб. Мой тимлид тогда сказал простую, но точную вещь:

🖇Хочешь быть тимлидом — научись работать со всеми🖇

Сейчас я полностью согласна и считаю, что миллениалам стоит спокойнее относиться к различиям, меньше сравнивать поколения и больше фокусироваться на человеческом подходе, а не на навешивании ярлыков.

💞 Мне немного грустно, что зумеры фанатеют по Гарри Поттеру заметно меньше, чем миллениалы 😢

А ещё иногда сложно понимать их смайлики эмоджи — у них какие-то свои значения 😁

👍 — если вам интересна эта тема. Напишем ещё 😊

Год не работала аналитиком и вернулась. Я, Настя Самохина, расскажу, как вновь стала аналитиком через полтора года перерыва. Мою карьеру поставила на паузу магистратура в Германии (совсем не по data science). Я выиграла стипендию после почти трёх лет работы аналитиком.

❓ Решение уехать далось нелегко, было много сомнений: а верный ли выбор я делаю? Не будет ли перерыв потерей важного этапа в карьере? Но, закончив магистратуру и вернувшись в аналитику, я поняла, что перерыв дал полезный опыт, который можно превратить в козырь.

Моя стратегия возврата
1️⃣Переупаковка опыта. На собеседовании я говорю не «я год не работала», а «я инвестировала время в стратегическое развитие: прокачала английский/немецкий до уровня В2+, научилась учиться в новой среде и управлять сложными академическими проектами». Это ценится.

2️⃣Фокус на метанавыках. Аналитика — это не только SQL и Python, а ещё коммуникация, работа в неопределённости и навык решения проблем. Жизнь в другой стране прокачала это максимально. Я стала более гибкой и стрессоустойчивой — это видно в работе.

3️⃣Концентрированное навёрстывание. Я выделила 2 месяца на интенсив: прошла актуальный курс по Python для DA, сделала пет-проект на свежих данных с моего места работы в Германии и «погоняла» себя на тестовых задачках. Технические скилы возвращаются быстрее, чем кажется.

Что мне дал перерыв
💗 Смогла «перезагрузиться», посмотреть на карьеру со стороны и вернуться с новой мотивацией.

💗 Поработала в Volkswagen Group BI-разработчиком и точно поняла, что хочу вернуться в продуктовую аналитику.

💗 Закалилась в огне иммигрантских проблем и нашла много крутых людей, которых не могла бы найти без этого опыта.

‼️Итог: осознанный перерыв — это точка роста. Он даёт то, что не получить в рутине: широту взгляда, soft skills и ясность целей. Главное — грамотно им распорядиться.

А у вас был опыт перерыва или страхи его сделать?

❤️ — вижу в этом возможности
😱 — боюсь, что не вернусь
🤔 — пока не решаюсь, но думаю об этом

«Дайте одно число и не усложняйте» ‼️

Знакомо?

Бизнес любит одно число:
KPI, процент, итог по метрике.
Быстро. Удобно. Понятно.

Проблема в том, что правда редко помещается в это число 😭

Представим: компания сравнивает эффективность двух сотрудников — Миши и Вики

Метрика: доля выполненных задач

В каждом проекте по этой метрике Вика лучше:

💗проект 1: 25,3% vs 25,0%
💗проект 2: 32,1% vs 31,4%

Казалось бы, вывод очевиден, но в итоговом отчёте вдруг выходит наоборот: Миша — 31,0%, Вика — 27,0%.

Как так вышло ❓
💚Миша в основном работал над проектом, где задач было значительно больше.
💚Этот проект получил больший вес и перетянул общую цифру.
💚А стабильная, сильная работа Вики в каждом отдельном проекте растворилась в агрегате 💔

Данные не солгали, но спрятали структуру

➡️ Это классический парадокс Симпсона:
тренд в подгруппах может исчезнуть
или перевернуться после агрегации.

Если смотреть только на одно число, можно:
— похвалить не того,
— уволить не того,
— принять дорогое и неверное решение

📎Must-have вопросы себе, чтобы не наткнуться на этот парадокс в работе:

— Что анализируем?
— С кем сравниваем?
— В каких условиях?
— Что изменилось, когда всё сложили в одну цифру?

А для тех, кто хочет более детальное объяснение, предлагаю посмотреть видео

Знаете другие парадоксы данных? Делитесь в комментариях ⬇️⬇️⬇️

Я часто получаю этот вопрос, когда говорю, кем работаю. Отвечаю: в Авито, помимо привычных ролей, есть аналитик в направлении бизнес-развития — Business Development Analyst.

Такую позицию редко встретишь в других компаниях (и это не бизнес-аналитик, к которому все привыкли), но от этого роль не становится менее интересной. Скорее наоборот.

Если продуктовый аналитик помогает улучшать систему изнутри, то BizDev-аналитик работает на уровне выше. Он помогает понять, какую систему надо строить и куда бизнесу двигаться дальше.

Такой аналитик обычно не находится внутри классической продуктовой команды с продактом, разработкой и дизайнером. Его основные заказчики — бизнес-лидеры направления. А бизнес — это всегда про динамику, деньги, масштаб и выбор: куда вкладываться, что развивать, а где вовремя остановиться. Отсюда и задачи другого масштаба!

📍Трекшен как взгляд в будущее бизнеса
Задача — смоделировать развитие бизнеса на горизонте 5+ лет. Для этого нужно понять, за счёт чего возможен рост, какие крупные инициативы имеют смысл и как на это повлияет развитие рынка.

📍Оценка бизнес-инициатив
Часто это новые направления, модели работы или крупные изменения в процессах, где классические методы сравнения и прогнозирования не подходят.

Поэтому задача аналитика — собрать рабочую логику с нуля: понять, сойдётся ли экономика, будет ли спрос и выдержит ли система такую нагрузку.

📍 Процессы рассматриваются как часть целостной системы бизнеса
Аналитику важно понимать, как в реальности движутся деньги, где бизнес теряет устойчивость при росте, какие элементы начинают конфликтовать друг с другом. Бизнес видится как единый организм, а не набор отдельных функций.

Получается, BizDev-аналитик — это аналитик стратегических решений. Он считает юнит-экономику направлений, строит LTM и трекшен-модели, анализирует драйверы роста и ограничения масштабирования, помогает бизнесу выбирать, какие инициативы действительно стоит развивать.

И именно поэтому роль так затягивает. Постепенно аналитик становится партнёром по бизнесу — человеком, который помогает не только измерять происходящее, но и понимать, каким может и должен стать бизнес.

Как многолетний опыт в Excel разбивается о BigTech за неделю 🫠

Всем привет! Меня зовут Андрей, я продуктовый аналитик в Услугах. До Авито я строил карьеру в «аналоговом» мире: ретейле, производстве. Там я был королём Excel и повелителем сводных таблиц.

Но BigTech разбил мою уверенность о суровую реальность. Оказалось, что опыт «прошлой жизни» придётся перепрошивать.

Как я менял своё аналитическое мышление

1️⃣В офлайне всё бинарно. Если цифры не сходятся до копейки, значит, где-то ошибка. Идёшь проверять все формулы в файле

В Авито перед тобой терабайты данных, и искать «пропавшую копейку» — путь в никуда. Пришлось учиться мыслить вероятностями.

🟩Раньше: «Мы продали ровно 105 пылесосов».
🟩Сейчас: «С вероятностью 95% изменение конверсии в пределах $[1.2\%, 1.8\%]$».

Точность до знака уступила место статистической значимости.

2️⃣ Данные — не таблицы, а поток. В «прошлой жизни» всё было статично: продажи за неделю, остатки на конец дня. Скачал выгрузку, свернул в сводную, сделал отчёт.

В Авито данные — это бурлящая река. Ты не можешь просто «скачать всё и покрутить». Приходится учиться мыслить категориями потоков событий. Теперь я не «скачиваю». Я строю фильтры и агрегаты до того, как данные коснутся моего экрана.

3️⃣ От «фиксатора» к «исследователю». В ретейле аналитик часто работает «зеркалом»: говорит бизнесу, что произошло вчера.

В BigTech этот вопрос закрывают автодашборды. Теперь моя работа начинается там, где нужно ответить на вопрос «Почему это случилось и что делать?». Для этого нужно перестать считать, а начать копать: выдвигать гипотезы, проверять их на A/B-тестах и искать точки роста там, где на первый взгляд всё «ровно».

‼️ Итог. Переход в BigTech — это не изучение нового софта (хотя SQL и Python теперь мои лучшие друзья), а смена роли. Из специалиста, который «подбивает баланс», ты превращаешься в исследователя огромной экосистемы.

А какой «багаж» из прошлой работы дольше всего мешал вам адаптироваться в новой компании? Пишите в комментариях! ⬇️

❤️ — долго отучался считать всё до копейки
💔 — до сих пор иногда хочется всё выгрузить в Excel
😎 — я сразу родился аналитиком в BigTech