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

Готовы поспорить о метриках? С вами Айгуль Ахметова из команды Core BI и сегодня хочу обсудить тему метрики как социального конструкта.

Понятие метрики встречается много где: в музыке и поэзии, но имеет почти одинаковую трактовку — утверждённый список показателей по определённому вопросу. Если концептуально мы здесь согласны, предлагаю двигаться дальше.

Разрабатывая очередной отчёт, я поймала себя на мыслях:
❓ Почему я верю определённой метрике больше, чем экспертизе?
❓ Почему мои стейкхолдеры должны этому верить?
❓ Почему мы просто не доверимся чуйке специалиста, который знает бизнес изнутри?

Ведь метрика по сути упрощение, которое фиксирует факт, но может упускать детальный контекст, например, продуктовый.

Понимаю ваше возможное негодование, но давайте немного поразмыслим

На этом этапе мы сталкиваемся с двумя подходами к принятию решений:
1️⃣ Личное суждение. Субъективно, опытным путём приходим к решению или просто доверяемся той самой 🍏🍏🍏🍏🍏, наработанной годами жизни.

2️⃣ Явные методы или объективные данные. Используем цифры или расчёты, например ROI, и на их основе понимаем, куда двигаться дальше.

Второй вариант кажется надёжнее, поскольку он точнее. А ещё явные методы расчёта действительно делают знание общедоступным. Это перевод с языка экспертов на понятные факты.

‼️ Получается мост между экспертом и пользователем.

Однако что также известно ➡️ мост не гарантирует единства

Интерпретация субъективна: у маркетинга одни приоритеты, у продукта — другие.

В социологии это описывает теория Граничных объектов, где инструмент общий (в нашем случае метрика), но каждый видит в нём свой смысл, внося некоторые коррективы.

А какой вывод-то?

На первый взгляд, кажется, что метрика — это абсолютная истина. Но если призадуматься, становится ясно, что это инструмент для согласования общего видения. Именно поэтому метрика является социальным конструктом.

📍 Главное — не забывать описывать для неё инструкцию (контекст), которая позволит пользователям понимать, что стоит за определённой цифрой.

Делитесь ⬇️⬇️⬇️

— Бывало ли у вас, что одна метрика вызывала споры из-за разной трактовки?
— Как вы балансируете между цифрами и интуицией, когда они противоречат?