5 бесплатных материалов по А/В-тестированию
А/В-тест — один из самых популярных методов повышения результативности продуктов. Каждый аналитик обязан разбираться в a/b тестировании.
Курс «A/B-тестирование
Вместе с Data Science спецами из Hippo Insurance и Dynamic Yield по шагам освоите методику A/B-тестов и анализа результатов. Международный опыт, 15 уроков.
А/B тестирование с помощью Python
Видео, в котором рассказывается, как сделать a/b тест с помощью Python.
A/B-тестирование: как сделать так, чтобы оно заработало
Какие подводные камни ожидают аналитиков при проведении экспериментов и как научиться их избегать.
A/B-тестирование: что это, зачем нужно и как проводить
10 стыдных вопросов про A/B тестирование с ответами.
A/B тесты и как мы их готовим
Доклад с совместного митапа Expfest x Яндекс.Практикум.
#бесплатные_курсы
А/В-тест — один из самых популярных методов повышения результативности продуктов. Каждый аналитик обязан разбираться в a/b тестировании.
Курс «A/B-тестирование
Вместе с Data Science спецами из Hippo Insurance и Dynamic Yield по шагам освоите методику A/B-тестов и анализа результатов. Международный опыт, 15 уроков.
А/B тестирование с помощью Python
Видео, в котором рассказывается, как сделать a/b тест с помощью Python.
A/B-тестирование: как сделать так, чтобы оно заработало
Какие подводные камни ожидают аналитиков при проведении экспериментов и как научиться их избегать.
A/B-тестирование: что это, зачем нужно и как проводить
10 стыдных вопросов про A/B тестирование с ответами.
A/B тесты и как мы их готовим
Доклад с совместного митапа Expfest x Яндекс.Практикум.
#бесплатные_курсы
Подборка вакансий на стажировку в аналитике
- в которых не требуется опыт работы
- доступных не только для студентов, но и для взрослых
Стажер Data Analyst в Сбер
Стажер-аналитик в Uchi.ru
Trainee / Стажер в отдел Аналитики в Mars
Стажер-продуктовый аналитик (FinAdvice) в МТС
Школа аналитики ВТБ
- в которых не требуется опыт работы
- доступных не только для студентов, но и для взрослых
Стажер Data Analyst в Сбер
Стажер-аналитик в Uchi.ru
Trainee / Стажер в отдел Аналитики в Mars
Стажер-продуктовый аналитик (FinAdvice) в МТС
Школа аналитики ВТБ
hh.ru
Вакансия Стажер Data Analyst в Москве, работа в компании Сбер. Data Science (вакансия в архиве c 28 июля 2022)
Зарплата: не указана. Москва. Требуемый опыт: не требуется. Стажировка. Дата публикации: 13.07.2022.
📈Что делает продуктовый аналитик? Неделя 1
Всю первую неделю и больше половины второй на новой работе занималась ревью счетчиков Яндекс Метрики.
Яндекс Метрика - это система веб-аналитики, которая собирает данные о посетителях сайта.
Если периодически не проверять системы веб-аналитики, то рано или поздно часть данных будет собираться некорректно.
Что я делала?
- проверяла каждую цель с помощью дебаггера
- удаляла ненужные цели
- делала недостающие
- исправляла неработающие
- писала ТЗ разработчику
Задача получилась объемной по времени из-за большого количества счетчиков, кроме того в каждом счетчике по 100 и более целей. И надо сказать, что она не совсем из серии продуктовой аналитики, больше относится к веб аналитике.
С сегодняшнего дня перехожу к более интересной и интеллектуальной задаче, о которой расскажу позже.
#показываю_работу
Всю первую неделю и больше половины второй на новой работе занималась ревью счетчиков Яндекс Метрики.
Яндекс Метрика - это система веб-аналитики, которая собирает данные о посетителях сайта.
Если периодически не проверять системы веб-аналитики, то рано или поздно часть данных будет собираться некорректно.
Что я делала?
- проверяла каждую цель с помощью дебаггера
- удаляла ненужные цели
- делала недостающие
- исправляла неработающие
- писала ТЗ разработчику
Задача получилась объемной по времени из-за большого количества счетчиков, кроме того в каждом счетчике по 100 и более целей. И надо сказать, что она не совсем из серии продуктовой аналитики, больше относится к веб аналитике.
С сегодняшнего дня перехожу к более интересной и интеллектуальной задаче, о которой расскажу позже.
#показываю_работу
Как получить инсайты из данных?
Выявляйте выбросы и аномалии
Ищите данные, которые отклоняются от нормы. Это могут быть внезапные изменения в большую или меньшую сторону по сравнению с прошлым периодом или с целевым значением.
Определяйте причины и взаимосвязи
Ищите причины подъема или спада в ваших данных.
Преобразуйте, сегментируйте и группируйте данные
Когда вы изменяете представление своих данных, вы даете возможность себе находить новые идеи.
Подробнее об инсайтах читайте в статье в моем блоге
#визуализация
Выявляйте выбросы и аномалии
Ищите данные, которые отклоняются от нормы. Это могут быть внезапные изменения в большую или меньшую сторону по сравнению с прошлым периодом или с целевым значением.
Определяйте причины и взаимосвязи
Ищите причины подъема или спада в ваших данных.
Преобразуйте, сегментируйте и группируйте данные
Когда вы изменяете представление своих данных, вы даете возможность себе находить новые идеи.
Подробнее об инсайтах читайте в статье в моем блоге
#визуализация
Какие навыки хотели бы развить/улучшить у себя на текущий момент?
Anonymous Poll
49%
SQL
39%
Python
35%
Статистика
26%
Визуализация данных
17%
Машинное обучение
33%
Научиться проводить различные типы анализа
Как выучить SQL быстрее?
Если вы погуглите, как выучить SQL, то обнаружите, что большое внимание в изучении уделяется синтаксису. Именно на нем построены практически все обучающие курсы и информационные материалы.
Но синтаксис не является самоцелью, поэтому нет смысла знать SQL помимо того, для чего реально вы его используете.
Сам SQL - это просто набор инструкций, который вы отправляете в базу данных, чтобы обрабатывать данные и манипулировать ими. С помощью SQL вы можете делать действительно важные вещи в анализе данных.
Но строителю нет смысла изучать, как работает молоток, не узнав, когда и зачем он нужен. Также и синтаксис SQL бесполезен без понимания, где и зачем вы его будете использовать.
💡Совет - переключить свое внимание с фактических инструкций, которые вам нужно отправить в базу данных, на то, что делают эти инструкции и зачем они нужны в общем контексте.
Речь не идет об отказе от синтаксиса, он безусловно важен, речь о смещении фокуса.
Почему в таком случае учить быстрее?
- Вам не нужно знать весь синтаксис, чтобы преуспевать в своей работе в качестве аналитика. Вам нужно знать только то, что требуется для решения конкретной проблемы
- Когда у вас в голове будет концепция, контекст, понимание зачем, запоминать будет легче. Вы не просто будете заучивать абстрактные понятия, а понимать, зачем и где они используются и какие проблемы решают.
#sql
Если вы погуглите, как выучить SQL, то обнаружите, что большое внимание в изучении уделяется синтаксису. Именно на нем построены практически все обучающие курсы и информационные материалы.
Но синтаксис не является самоцелью, поэтому нет смысла знать SQL помимо того, для чего реально вы его используете.
Сам SQL - это просто набор инструкций, который вы отправляете в базу данных, чтобы обрабатывать данные и манипулировать ими. С помощью SQL вы можете делать действительно важные вещи в анализе данных.
Но строителю нет смысла изучать, как работает молоток, не узнав, когда и зачем он нужен. Также и синтаксис SQL бесполезен без понимания, где и зачем вы его будете использовать.
💡Совет - переключить свое внимание с фактических инструкций, которые вам нужно отправить в базу данных, на то, что делают эти инструкции и зачем они нужны в общем контексте.
Речь не идет об отказе от синтаксиса, он безусловно важен, речь о смещении фокуса.
Почему в таком случае учить быстрее?
- Вам не нужно знать весь синтаксис, чтобы преуспевать в своей работе в качестве аналитика. Вам нужно знать только то, что требуется для решения конкретной проблемы
- Когда у вас в голове будет концепция, контекст, понимание зачем, запоминать будет легче. Вы не просто будете заучивать абстрактные понятия, а понимать, зачем и где они используются и какие проблемы решают.
#sql
📈Что делает продуктовый аналитик? Неделя 2
На прошлой неделе делала несколько задач.
Задача #1. Проанализировать трафик и ключевые слова конкурентов.
Сделала первый шаг по этой задаче - выбрала подходящий сервис. Тут важно не просто взять первый попавшийся, а проанализировать плюсы и минусы нескольких и остановиться на идеальном для нашей задачи.
Я уже писала о Similar web. Но есть и другие альтернативы - Semrush, Serpstat, Mangools и т.п. Но, забегая вперед, все же Similar web и Semrush не имеют аналогов по количеству фич и тому, что любые данные можно посмотреть под разными углами. Все остальные уступают: какие-то собирают данные только по органическому трафику, какие-то только из Google и тп.
Задача #2. Построить воронки.
Воронка - это путь, который проходит клиент на сайте/в сервисе. Она помогает понять, на каком из этапов отваливаются посетители. После того, как с помощью воронок определяем “слабые” места на сайте, можно думать, как улучшиться в этих местах. Сервис большой, поэтому воронок будет много. Кроме того их нужно будет визуализировать в Redush.
Ни первая, ни вторая задача пока еще не завершены, они находятся в работе. Кроме того время заняло изучение базы данных, Redash, дополнительных материалов, также были встречи и параллельно 2 небольших задачи.
Поэтому более структурно и практично о них расскажу позже.
#показываю_работу
На прошлой неделе делала несколько задач.
Задача #1. Проанализировать трафик и ключевые слова конкурентов.
Сделала первый шаг по этой задаче - выбрала подходящий сервис. Тут важно не просто взять первый попавшийся, а проанализировать плюсы и минусы нескольких и остановиться на идеальном для нашей задачи.
Я уже писала о Similar web. Но есть и другие альтернативы - Semrush, Serpstat, Mangools и т.п. Но, забегая вперед, все же Similar web и Semrush не имеют аналогов по количеству фич и тому, что любые данные можно посмотреть под разными углами. Все остальные уступают: какие-то собирают данные только по органическому трафику, какие-то только из Google и тп.
Задача #2. Построить воронки.
Воронка - это путь, который проходит клиент на сайте/в сервисе. Она помогает понять, на каком из этапов отваливаются посетители. После того, как с помощью воронок определяем “слабые” места на сайте, можно думать, как улучшиться в этих местах. Сервис большой, поэтому воронок будет много. Кроме того их нужно будет визуализировать в Redush.
Ни первая, ни вторая задача пока еще не завершены, они находятся в работе. Кроме того время заняло изучение базы данных, Redash, дополнительных материалов, также были встречи и параллельно 2 небольших задачи.
Поэтому более структурно и практично о них расскажу позже.
#показываю_работу
Истина в вине?
Как связаны вино и анализ данных: реальный кейс
Речь идет о вине из провинции Бордо, где производители столкнулись с проблемами:
- цена и качество вина могут сильно меняться из года в год
- необходимо знать, сколько будет стоить вино через 10, 20, 30 лет, чтобы решить, хранить его или продать сейчас
- кто умеет лучше предсказывать будущую цену вина - тот может лучше заработать
Как можно узнать будущую цену вина?
Точно никак. Разве что только с помощью машины времени.
Как решали эту задачу ранее?
Приглашался очень высокооплачиваемый эксперт по вину, который пробовал вино, смотрел на свет и говорил: "Это вино через 20 лет будет очень дорогим" или "Это вино будет так себе, продайте его сейчас". И это работало годами.
Но в 1990 году профессор Орли Ашенфелтер написал: "Я могу предсказать будущую цену вина, не пробуя его и не смотря на него".
Но как это возможно?
Ашенфелтер использовал простую модель - линейную регрессию и с ее помощью научился прогнозировать будущую цену вина.
Линейная регрессия (Linear regression) — модель зависимости переменной x от одной или нескольких других переменных (факторов, регрессоров, независимых переменных) с линейной функцией зависимости.
В свою модель он взял зависимость цены от погоды (температура, количество дождей в год урожая), а также возраста вина.
Сейчас подобные модели делают повсеместно, но тогда это было огромным прорывом.
———————————————————————————-
Полностью статью ученого можно почитать по запросу: Predicting the Quality and Prices of Bordeaux Wine
А кейс подсмотрела у Игоря Клейнера (Ph.D.)
#кейсы
Как связаны вино и анализ данных: реальный кейс
Речь идет о вине из провинции Бордо, где производители столкнулись с проблемами:
- цена и качество вина могут сильно меняться из года в год
- необходимо знать, сколько будет стоить вино через 10, 20, 30 лет, чтобы решить, хранить его или продать сейчас
- кто умеет лучше предсказывать будущую цену вина - тот может лучше заработать
Как можно узнать будущую цену вина?
Точно никак. Разве что только с помощью машины времени.
Как решали эту задачу ранее?
Приглашался очень высокооплачиваемый эксперт по вину, который пробовал вино, смотрел на свет и говорил: "Это вино через 20 лет будет очень дорогим" или "Это вино будет так себе, продайте его сейчас". И это работало годами.
Но в 1990 году профессор Орли Ашенфелтер написал: "Я могу предсказать будущую цену вина, не пробуя его и не смотря на него".
Но как это возможно?
Ашенфелтер использовал простую модель - линейную регрессию и с ее помощью научился прогнозировать будущую цену вина.
Линейная регрессия (Linear regression) — модель зависимости переменной x от одной или нескольких других переменных (факторов, регрессоров, независимых переменных) с линейной функцией зависимости.
В свою модель он взял зависимость цены от погоды (температура, количество дождей в год урожая), а также возраста вина.
Сейчас подобные модели делают повсеместно, но тогда это было огромным прорывом.
———————————————————————————-
Полностью статью ученого можно почитать по запросу: Predicting the Quality and Prices of Bordeaux Wine
А кейс подсмотрела у Игоря Клейнера (Ph.D.)
#кейсы
10+ бесплатных курсов по аналитике данных от Harvard University, Google, IBM и других
Сейчас много платных курсов по аналитике данных, качество которых очень низкое. Но в то же время есть бесплатные курсы от лучших университетов и зарекомендовавших себя международных платформ, о которых никто не знает.
HARVARD UNIVERSITY
Data Science: Wrangling. На курсе научитесь обрабатывать и преобразовывать необработанные данные в форматы, необходимые для анализа.
Data Science: Visualization. Изучите основные принципы визуализации данных.
Data Science: Machine Learning. На курсе изучите машинное обучение. Создатите систему рекомендаций фильмов и изучите научные основы одного из самых популярных и успешных методов обработки данных.
И другие курсы от университета
GOOGLE DATA ANALYTICS Professional Certificate
В этой программе вы освоите востребованные навыки, которые помогут вам подготовиться к работе менее чем за 6 месяцев. Никакой степени или опыта не требуется. Курс состоит из 8 подкурсов, посвященных конкретной теме в аналитике данных.
IBM
IBM - это один из крупнейших в мире поставщиков программного обеспечения.
Курс состоит из нескольких частей: введение, визуализация данных, основы Python, SQL, анализ данных с помощью Python, визуализация с помощью Python, итоговый проект.
OPENLEARN
Бесплатный восьминедельный курс OpenLearn по кодированию «Учитесь кодировать для анализа данных» дает четкое представление об основных концепциях программирования и анализа данных, и вы даже сможете писать простые аналитические алгоритмы в среде программирования.
UDEMY
Udemy предлагает тысячи курсов по анализу данных и науке о данных от различных загрузчиков. Это не курсы от Harvard, Google и IBM, однако можно найти что-то полезное для себя.
CAREER FOUNDRY
Бесплатный краткий курс по аналитике данных CareerFoundy, состоящий из 6 частей, идеально подходит, если вам нужно легкое введение в аналитику данных.
Приятного обучения!
#бесплатные_курсы
Сейчас много платных курсов по аналитике данных, качество которых очень низкое. Но в то же время есть бесплатные курсы от лучших университетов и зарекомендовавших себя международных платформ, о которых никто не знает.
HARVARD UNIVERSITY
Data Science: Wrangling. На курсе научитесь обрабатывать и преобразовывать необработанные данные в форматы, необходимые для анализа.
Data Science: Visualization. Изучите основные принципы визуализации данных.
Data Science: Machine Learning. На курсе изучите машинное обучение. Создатите систему рекомендаций фильмов и изучите научные основы одного из самых популярных и успешных методов обработки данных.
И другие курсы от университета
GOOGLE DATA ANALYTICS Professional Certificate
В этой программе вы освоите востребованные навыки, которые помогут вам подготовиться к работе менее чем за 6 месяцев. Никакой степени или опыта не требуется. Курс состоит из 8 подкурсов, посвященных конкретной теме в аналитике данных.
IBM
IBM - это один из крупнейших в мире поставщиков программного обеспечения.
Курс состоит из нескольких частей: введение, визуализация данных, основы Python, SQL, анализ данных с помощью Python, визуализация с помощью Python, итоговый проект.
OPENLEARN
Бесплатный восьминедельный курс OpenLearn по кодированию «Учитесь кодировать для анализа данных» дает четкое представление об основных концепциях программирования и анализа данных, и вы даже сможете писать простые аналитические алгоритмы в среде программирования.
UDEMY
Udemy предлагает тысячи курсов по анализу данных и науке о данных от различных загрузчиков. Это не курсы от Harvard, Google и IBM, однако можно найти что-то полезное для себя.
CAREER FOUNDRY
Бесплатный краткий курс по аналитике данных CareerFoundy, состоящий из 6 частей, идеально подходит, если вам нужно легкое введение в аналитику данных.
Приятного обучения!
#бесплатные_курсы
📈Что делает аналитик? Неделя 3,4
Почти 2 недели занималась поиском ответа на вопрос: стоит ли отключать бесплатный тариф? (такую задачу поставил продакт). Для этого провела довольно обширный анализ данных с помощью Python.
В любом анализе я придерживаюсь 6 шагов, которые изучила еще на курсе от Google:
1. Ask - спрашиваю. Сначала выясняю, в чем проблема, что хочет мой “заказчик” (руководитель, продакт и тд). Не принимаю задачу такой, какая она есть, а стараюсь копнуть глубже. Часто бывает так, что за первоначальной формулировкой скрывается совсем другая проблема.
2. Prepare - готовлюсь. Готовлюсь к анализу и определяю, как я его буду проводить (какие именно исследования необходимы, какие факторы следует учесть, достаточно ли данных и где именно они лежат и тп)
3. Process - подготавливаю данные к анализу. Например, в данной задаче данные нужно было объединить из нескольких источников, очистить и привести к нужному формату.
4. Analyze - анализирую. Делаю расчеты, визуализацию и выводы из данных.
5. Share - делюсь. Максимально готовлю выводы к презентации “заказчику” и презентую их.
6. Act - по результатам анализа "заказчики" принимают решение. Например, в моем случае - стоит или нет отключать бесплатный тариф.
При этом не важно, с помощью чего мы делаем анализ (Excel, SQL, Python или что-то еще). 6 шагов всегда будут те же.
О 6 фазах анализа данных от Google подробнее описано тут
Небольшой пример анализа данных с помощью Python в Google collab (нашла на просторах интернета)
#показываю_работу
Почти 2 недели занималась поиском ответа на вопрос: стоит ли отключать бесплатный тариф? (такую задачу поставил продакт). Для этого провела довольно обширный анализ данных с помощью Python.
В любом анализе я придерживаюсь 6 шагов, которые изучила еще на курсе от Google:
1. Ask - спрашиваю. Сначала выясняю, в чем проблема, что хочет мой “заказчик” (руководитель, продакт и тд). Не принимаю задачу такой, какая она есть, а стараюсь копнуть глубже. Часто бывает так, что за первоначальной формулировкой скрывается совсем другая проблема.
2. Prepare - готовлюсь. Готовлюсь к анализу и определяю, как я его буду проводить (какие именно исследования необходимы, какие факторы следует учесть, достаточно ли данных и где именно они лежат и тп)
3. Process - подготавливаю данные к анализу. Например, в данной задаче данные нужно было объединить из нескольких источников, очистить и привести к нужному формату.
4. Analyze - анализирую. Делаю расчеты, визуализацию и выводы из данных.
5. Share - делюсь. Максимально готовлю выводы к презентации “заказчику” и презентую их.
6. Act - по результатам анализа "заказчики" принимают решение. Например, в моем случае - стоит или нет отключать бесплатный тариф.
При этом не важно, с помощью чего мы делаем анализ (Excel, SQL, Python или что-то еще). 6 шагов всегда будут те же.
О 6 фазах анализа данных от Google подробнее описано тут
Небольшой пример анализа данных с помощью Python в Google collab (нашла на просторах интернета)
#показываю_работу
Делюсь с вами крутым зарубежным сервисом Stratascratch!
В сервисе можно посмотреть вопросы с собеседований (причем как coding questions, так и non coding questions) от топ компаний: Google, Netflix, Apple, Uber. Spotify и других.
Основные функции бесплатны и мне вполне их хватает.
Например, non coding questions с собеседования в Uber
1. Поездки Uber Black упали на 10%. Как бы вы исследовали это сокращение?
2. Есть группа людей, воспользовавшихся услугами Uber в двух городах, которые находились недалеко друг от друга, например Менло-Парк и Пало-Альто. Можно собрать любые данные, какие только можно придумать. Какие данные вы бы собрали, чтобы можно было определить город, из которого ехал пассажир?
3. Объясните руководителю, не разбирающемуся в теме, что такое метод опорных векторов?
Ссылка на сервис https://www.stratascratch.com/
Делиться другими сервисами, которые помогают в поиске работы?
#поиск_работы
В сервисе можно посмотреть вопросы с собеседований (причем как coding questions, так и non coding questions) от топ компаний: Google, Netflix, Apple, Uber. Spotify и других.
Основные функции бесплатны и мне вполне их хватает.
Например, non coding questions с собеседования в Uber
1. Поездки Uber Black упали на 10%. Как бы вы исследовали это сокращение?
2. Есть группа людей, воспользовавшихся услугами Uber в двух городах, которые находились недалеко друг от друга, например Менло-Парк и Пало-Альто. Можно собрать любые данные, какие только можно придумать. Какие данные вы бы собрали, чтобы можно было определить город, из которого ехал пассажир?
3. Объясните руководителю, не разбирающемуся в теме, что такое метод опорных векторов?
Ссылка на сервис https://www.stratascratch.com/
Делиться другими сервисами, которые помогают в поиске работы?
#поиск_работы
5 бесплатных сервисов для практики SQL и Python
Когда вы только начинаете изучать SQL и Pyhton, нужно как можно больше практики. Хорошо, когда есть реальные задачи на работе, на которых можно практиковаться. Но если их нет - то эти бесплатные сервисы помогут получить необходимую практику и улучшить свой уровень.
1. HackerRank
В сервисе много задач разного уровня (легкий, средний и трудный). Также можно бесплатно получить сертификат, подтверждающий уровень. Несмотря на то, что сервис на английском, все интуитивно понятно и просто.
2. Strata scratch
Это замечательная платформа для подготовки к собеседованиям и тренировки навыков. Здесь не просто задачи, а задачи от топ компаний: Google, Netflix, Apple, Airbnb, Spotify и других.
3. SQLBolt
Это сайт объясняет концепции языка SQL и включает полезные практические упражнения по каждой лекции. Довольно простой, но очень подойдет для новичков.
4. W3schools
Сайт предлагает функцию практики SQL с использованием упражнений, где вы заполняете пробелы в запросах. Он не такой полнофункциональный, как некоторые другие примеры здесь, поскольку в нем нет редактора SQL, но все же он может помочь вам улучшить свой SQL.
5. SQL EX
Честно говоря, даже не захотелось разбираться, что к чему на этом сайте, так как выглядит он как мягко говоря древне. Но многие его рекомендовали мне, поэтому включаю в список. И сайт на русском.
#sql
Когда вы только начинаете изучать SQL и Pyhton, нужно как можно больше практики. Хорошо, когда есть реальные задачи на работе, на которых можно практиковаться. Но если их нет - то эти бесплатные сервисы помогут получить необходимую практику и улучшить свой уровень.
1. HackerRank
В сервисе много задач разного уровня (легкий, средний и трудный). Также можно бесплатно получить сертификат, подтверждающий уровень. Несмотря на то, что сервис на английском, все интуитивно понятно и просто.
2. Strata scratch
Это замечательная платформа для подготовки к собеседованиям и тренировки навыков. Здесь не просто задачи, а задачи от топ компаний: Google, Netflix, Apple, Airbnb, Spotify и других.
3. SQLBolt
Это сайт объясняет концепции языка SQL и включает полезные практические упражнения по каждой лекции. Довольно простой, но очень подойдет для новичков.
4. W3schools
Сайт предлагает функцию практики SQL с использованием упражнений, где вы заполняете пробелы в запросах. Он не такой полнофункциональный, как некоторые другие примеры здесь, поскольку в нем нет редактора SQL, но все же он может помочь вам улучшить свой SQL.
5. SQL EX
Честно говоря, даже не захотелось разбираться, что к чему на этом сайте, так как выглядит он как мягко говоря древне. Но многие его рекомендовали мне, поэтому включаю в список. И сайт на русском.
#sql
Один рандомный день из моей жизни на удаленке
7.00 - 9.00 - подъём, растяжка на балконе, завтрак, метод "утренние страницы"
***
9.00 - 10.00 - начало работы, подготовка ко встрече по базам данных
10.00 - 11.00 - встреча по базам данных
11.00 - 15.00 - разработка дизайна эксперимента, будем тестировать ограничения по функционалу для пользователей
15.00 - 18.00 - начинаю вникать в новую большую аналитическую задачу-исследование пользователей
Используемый в работе стек: SQL, Python
***
18.00 - 20.00 - отдых, личные дела
20.00 - 23.00 - обучение и работа над своими проектами
23.00 - 23.45- отдых, личные дела, отбой
***
P.S. на фото я и вид на горы. работаю на балконе.
Работаю по методу “Помодоро”, но модифицированному.
30 мин работа (вместо 25 мин) , 5 мин отдых. 15 мин перерыва нет. Обеда как такового тоже нет, максимум на 20 мин.
***
Сожаление: на свои проекты в день выходит мало времени, как ни крути. Поэтому многие процессы растягиваются.
#показываю_работу
7.00 - 9.00 - подъём, растяжка на балконе, завтрак, метод "утренние страницы"
***
9.00 - 10.00 - начало работы, подготовка ко встрече по базам данных
10.00 - 11.00 - встреча по базам данных
11.00 - 15.00 - разработка дизайна эксперимента, будем тестировать ограничения по функционалу для пользователей
15.00 - 18.00 - начинаю вникать в новую большую аналитическую задачу-исследование пользователей
Используемый в работе стек: SQL, Python
***
18.00 - 20.00 - отдых, личные дела
20.00 - 23.00 - обучение и работа над своими проектами
23.00 - 23.45- отдых, личные дела, отбой
***
P.S. на фото я и вид на горы. работаю на балконе.
Работаю по методу “Помодоро”, но модифицированному.
30 мин работа (вместо 25 мин) , 5 мин отдых. 15 мин перерыва нет. Обеда как такового тоже нет, максимум на 20 мин.
***
Сожаление: на свои проекты в день выходит мало времени, как ни крути. Поэтому многие процессы растягиваются.
#показываю_работу
Запускаю рубрику вопрос-ответ!
Зачем это?
Я уверена, что можно потратить месяцы на то, чтобы самостоятельно прояснить вопрос. А можно спросить у другого человека и получить ответ уже сейчас.
Какие это могут быть вопросы?
О том, что вас интересует. Вопрос может касаться напрямую темы аналитики (как сделать что-то), либо косвенно (вопросы трудоустройства, обучения и так далее).
Куда задавать вопросы?
1. Под этим постом
2. Или в в эту форму https://growthmindset.ru/question
Где прочитать ответ?
Я буду публиковать ответы отдельными постами в этом телеграм канале.
Зачем это?
Я уверена, что можно потратить месяцы на то, чтобы самостоятельно прояснить вопрос. А можно спросить у другого человека и получить ответ уже сейчас.
Какие это могут быть вопросы?
О том, что вас интересует. Вопрос может касаться напрямую темы аналитики (как сделать что-то), либо косвенно (вопросы трудоустройства, обучения и так далее).
Куда задавать вопросы?
1. Под этим постом
2. Или в в эту форму https://growthmindset.ru/question
Где прочитать ответ?
Я буду публиковать ответы отдельными постами в этом телеграм канале.
Сегодня на VC я выпустила большую личную подборку:
В ней более 100 бесплатных курсов и материалов:
- для аналитиков данных,
- продуктовых аналитиков,
- веб аналитиков,
- маркетинговых аналитиков
- и особенно тех, кто хочет ими стать!
Подборка понравилась редакторам VC и они опубликовали ее во всех соц сетях платформы. А я решила поделиться и с вами! Приятного обучения!
https://vc.ru/education/495786-bolee-100-besplatnyh-kursov-i-resursov-po-analitike
#бесплатные_курсы
В ней более 100 бесплатных курсов и материалов:
- для аналитиков данных,
- продуктовых аналитиков,
- веб аналитиков,
- маркетинговых аналитиков
- и особенно тех, кто хочет ими стать!
Подборка понравилась редакторам VC и они опубликовали ее во всех соц сетях платформы. А я решила поделиться и с вами! Приятного обучения!
https://vc.ru/education/495786-bolee-100-besplatnyh-kursov-i-resursov-po-analitike
#бесплатные_курсы
vc.ru
Более 100 бесплатных курсов и ресурсов по аналитике — Образование на vc.ru
Большая подборка от автора Telegram-канала «Аналитика и Growth mind-set».
Отвечаю на вопросы!
Вопросов пришло довольно много, поэтому скорее всего буду отвечать на них постепенно.
Можно ли вложиться по максимуму и отработать , например, 6 часов вместо 8? По закону Паркинсона. Расскажите, пожалуйста, работодатели требуют определенный объем работы за день или же лишь бы отработали все 8 часов?
Я бы вообще провела эксперимент (А/Б тестирование в реале): первая группа людей работает 8 часов в день, вторая 6. Через некоторое время сравнила бы результаты. Есть гипотеза, что при 6ти часовом рабочем дне эффективность будет выше и результат лучше.
По второму вопросу - это зависит от работодателя. Когда я проходила много собеседований, то видела разные ситуации. В одной компании мне сказали - мы будем устанавливать программу, которая будет следить за вашим временем. Такой компании сразу нет, потому что я очень ценю свободу.
Вцелом в прогрессивных компаниях не следят за твоим рабочим временем, если ты заболел на несколько дней - то не требуют справку от врача. В течении рабочего дня у тебя могут быть перерывы на личные дела и это ок. Главное, чтобы был результат, но результат в разумные сроки, без всяких переработок и "нужно сделать это вчера".
#вопрос_ответ
Вопросов пришло довольно много, поэтому скорее всего буду отвечать на них постепенно.
Можно ли вложиться по максимуму и отработать , например, 6 часов вместо 8? По закону Паркинсона. Расскажите, пожалуйста, работодатели требуют определенный объем работы за день или же лишь бы отработали все 8 часов?
Я бы вообще провела эксперимент (А/Б тестирование в реале): первая группа людей работает 8 часов в день, вторая 6. Через некоторое время сравнила бы результаты. Есть гипотеза, что при 6ти часовом рабочем дне эффективность будет выше и результат лучше.
По второму вопросу - это зависит от работодателя. Когда я проходила много собеседований, то видела разные ситуации. В одной компании мне сказали - мы будем устанавливать программу, которая будет следить за вашим временем. Такой компании сразу нет, потому что я очень ценю свободу.
Вцелом в прогрессивных компаниях не следят за твоим рабочим временем, если ты заболел на несколько дней - то не требуют справку от врача. В течении рабочего дня у тебя могут быть перерывы на личные дела и это ок. Главное, чтобы был результат, но результат в разумные сроки, без всяких переработок и "нужно сделать это вчера".
#вопрос_ответ
Расскажите про ваш путь вхождения в аналитику?
У меня был бизнес, я его продала. Намеренно решила некоторое время поработать в найме ("сделай шаг назад, чтобы потом сделать 2 шага вперед").
Нашла стажировку в рекламном агентстве, где через 3 месяца выбрала направление аналитики. Уже по ходу прошла бесплатный курс от Google по аналитике данных (не путать с google analytics). И еще кучу других прикладных бесплатных курсов по Python, Power BI, SQL, AB testing и т.д.
В основном мое обучение аналитике проходило методом челленджа: намеренно беру на себя сложную и непонятную задачу и быстро в ней разбираюсь.
Ну и еще у меня несколько месяцев была наставница (от компании), с которой мы встречались 2 раза в неделю, обсуждали трудные моменты в работе. Рост с наставником был кратный. Поэтому чуть позже я уже сама нашла себе наставника из VK и периодически занималась с ним.
Так я выросла очень быстро (я считаю). Сейчас работаю в IT компании продуктовым аналитиком.
#вопрос_ответ
У меня был бизнес, я его продала. Намеренно решила некоторое время поработать в найме ("сделай шаг назад, чтобы потом сделать 2 шага вперед").
Нашла стажировку в рекламном агентстве, где через 3 месяца выбрала направление аналитики. Уже по ходу прошла бесплатный курс от Google по аналитике данных (не путать с google analytics). И еще кучу других прикладных бесплатных курсов по Python, Power BI, SQL, AB testing и т.д.
В основном мое обучение аналитике проходило методом челленджа: намеренно беру на себя сложную и непонятную задачу и быстро в ней разбираюсь.
Ну и еще у меня несколько месяцев была наставница (от компании), с которой мы встречались 2 раза в неделю, обсуждали трудные моменты в работе. Рост с наставником был кратный. Поэтому чуть позже я уже сама нашла себе наставника из VK и периодически занималась с ним.
Так я выросла очень быстро (я считаю). Сейчас работаю в IT компании продуктовым аналитиком.
#вопрос_ответ