Пересматриваю свой ролик про дерево метрик и понимаю, что создал визуальный калькулятор юнит-экономики, хотя такой цели не было, но получается, что изменяя значения метрики на дереве, видно, как меняются зависимые метрики.
Понятно, что скорее всего вы задаете вопрос, а что с этим делать? как это использовать в работе? И эти вопрос абсолютно правомерны.
Ответ на них не простой, да без дополнительной экспертизы вы не сможете использовать этот инструмент. И надо либо покупать ее на рынке (сразу скажу, что это дорогой проект, порядка 200 000€ в год) либо, если нет денег, качать ее самостоятельно.
Какие я вижу проблемы? Самая главная — у нас нет денег сейчас и мы не понимаем ценности продукта, по этому пока отложим. И вот спустя время вы сталкиваетесь с проблемой, рост остановился, и как влиять на него не ясно. Тогда приходит понимание ценности инструмента, и необходимости его внедрять, но! данных для этого не собирали (мы же изначально не заморочились над этой задачей) и надо, что-то делать. И вот тут опять выходит уже за дорого путь, потому что сначала надо собрать данные и потом уже использовать в решениях.
Если вам это знакомо, записывайтесь на консультации (205€ в час), обсудим вопрос, расскажу как начать минимально, собирать данные, хранить их и потом уже использовать в решениях.
Ссылки на ролик, на инструмент по работе с деревом метрик (цена 50€ в год + бонус все мои материалы, которые доступны только подписчикам):
1. https://www.youtube.com/watch?v=GosYQUJbxO8
2. https://khanin.info/tools/mts
Понятно, что скорее всего вы задаете вопрос, а что с этим делать? как это использовать в работе? И эти вопрос абсолютно правомерны.
Ответ на них не простой, да без дополнительной экспертизы вы не сможете использовать этот инструмент. И надо либо покупать ее на рынке (сразу скажу, что это дорогой проект, порядка 200 000€ в год) либо, если нет денег, качать ее самостоятельно.
Какие я вижу проблемы? Самая главная — у нас нет денег сейчас и мы не понимаем ценности продукта, по этому пока отложим. И вот спустя время вы сталкиваетесь с проблемой, рост остановился, и как влиять на него не ясно. Тогда приходит понимание ценности инструмента, и необходимости его внедрять, но! данных для этого не собирали (мы же изначально не заморочились над этой задачей) и надо, что-то делать. И вот тут опять выходит уже за дорого путь, потому что сначала надо собрать данные и потом уже использовать в решениях.
Если вам это знакомо, записывайтесь на консультации (205€ в час), обсудим вопрос, расскажу как начать минимально, собирать данные, хранить их и потом уже использовать в решениях.
Ссылки на ролик, на инструмент по работе с деревом метрик (цена 50€ в год + бонус все мои материалы, которые доступны только подписчикам):
1. https://www.youtube.com/watch?v=GosYQUJbxO8
2. https://khanin.info/tools/mts
🔥3
На заметку вайбкодерам.
Делаю я тут большой проект для продуктовой аналитики, с юнит-экономикой, когортами, прогнозированием, финмоделированием и прочими нищтяками.
Все круто, работает вертится, но решил я обновить данные, и бац ловлю черный экран браузера, если кто не понял, это аналог синего экрана смерти windows.
Думаю, что могло пойти не так? в чем проблема? В итоге локализация показала, что в коде есть у меня вызов функции JSON.parse и JSON.stringfy ... а вот JSON у меня все навсего 500 мегабайт. Ну вот столько данных. А JSON в браузере такого объёма не для слабонервных, а уж превратить в строку и обратно, это смерть.
Далее начинаю думать, как решить задачу, все что предлагают LLM мусор, собственно проблему LLM и создало я просто не уследил за архитектурой и не провел нагрузочное тестирование. Понадеялся на авось.
Спустя пару тройку часов размышлений (моих, а не LLM) придумал решение, запустил данные, но столкнулся с новой проблемой, передать данные на сервер все равно нельзя лимит на передачу со стороны сервера и хостера, потом лимит на объем данных в БД.
В итоге, берем код в свои руки, объем данных сокращаем до 3 мегабайт в 166 раз! и все начинает работать.
Вывод, если вы вайбкодеры, но не очень понимаете в том, что именно делаете, как устроен компьютер и как работают все эти технологии, то готовьтесь к таким выкрутасам, да на небольших данных все может работать, но в реальной жизни все может рухнуть и как починить будет не ясно, и LLM не поможет и даже решение не найдет.
Ошибки LLM, не верная архитектура хранения данных, не верный формат хранения данных, не верная архитектура передачи данных, и не правильная работа с БД (но это уже моя задача была). Ошибки связаны с ограничениями памяти на вкладку браузера, на объем памяти выделяемой хостером и так по мелочи.
Код frontend написан на чистом JS на 80% Grok, 20% я сам, backend 100% я сам на PHP.
Делаю я тут большой проект для продуктовой аналитики, с юнит-экономикой, когортами, прогнозированием, финмоделированием и прочими нищтяками.
Все круто, работает вертится, но решил я обновить данные, и бац ловлю черный экран браузера, если кто не понял, это аналог синего экрана смерти windows.
Думаю, что могло пойти не так? в чем проблема? В итоге локализация показала, что в коде есть у меня вызов функции JSON.parse и JSON.stringfy ... а вот JSON у меня все навсего 500 мегабайт. Ну вот столько данных. А JSON в браузере такого объёма не для слабонервных, а уж превратить в строку и обратно, это смерть.
Далее начинаю думать, как решить задачу, все что предлагают LLM мусор, собственно проблему LLM и создало я просто не уследил за архитектурой и не провел нагрузочное тестирование. Понадеялся на авось.
Спустя пару тройку часов размышлений (моих, а не LLM) придумал решение, запустил данные, но столкнулся с новой проблемой, передать данные на сервер все равно нельзя лимит на передачу со стороны сервера и хостера, потом лимит на объем данных в БД.
В итоге, берем код в свои руки, объем данных сокращаем до 3 мегабайт в 166 раз! и все начинает работать.
Вывод, если вы вайбкодеры, но не очень понимаете в том, что именно делаете, как устроен компьютер и как работают все эти технологии, то готовьтесь к таким выкрутасам, да на небольших данных все может работать, но в реальной жизни все может рухнуть и как починить будет не ясно, и LLM не поможет и даже решение не найдет.
Ошибки LLM, не верная архитектура хранения данных, не верный формат хранения данных, не верная архитектура передачи данных, и не правильная работа с БД (но это уже моя задача была). Ошибки связаны с ограничениями памяти на вкладку браузера, на объем памяти выделяемой хостером и так по мелочи.
Код frontend написан на чистом JS на 80% Grok, 20% я сам, backend 100% я сам на PHP.
❤6💯4
Мои студенты часто спрашивают, в чем заключается продуктовая аналитика. И я привожу пример им из фильма Матрица, где в первом сезоне есть персонаж, который рассказывает Нео о том, что глядя на падающие зеленые циферки он видит Матрицу.
Так вот это не метафора — перед вами то, как я вижу бизнес в реальности, и этот странный поток цифр говорит о бизнесе очень много.
Задача продуктового аналитика научиться видеть за цифрами реальность бизнеса.
Так вот это не метафора — перед вами то, как я вижу бизнес в реальности, и этот странный поток цифр говорит о бизнесе очень много.
Задача продуктового аналитика научиться видеть за цифрами реальность бизнеса.
👍7🔥2💯1🍾1
Media is too big
VIEW IN TELEGRAM
Аналитика не может быть отталкивающей, она должна быть красивой.
Последнее время я работаю с компанией Larixon и мы строим самую сильную data driven команду по управлению продуктом.
Я уже несколько месяцев использую в работе LLM Grok, и часто писал, что для меня нет ничего, чтобы меня удивило. Наверное, это потому, что, я познакомился с языковыми моделями еще в начале 90-х годов 20 века.
Но неделю назад, в компании приняли решение перейти полностью везде на Claude.
И вот это меня поразило, даже не то, что. LLM стали круто писать код, а то, что они стали это делать сами.
Моя реальная работа ускорилась примерно в 15 раз и вот это меня поразило больше всего. В прошлую пятницу я сделал за 2 часа то, что планировал делать неделю.
Для чего я использую Claude – во-первых, мы разработали большую систему анализа наших данных, строим прогнозы и анализируем зависимости, что интересно и ждет своего часа, это связь монетарных (Revenue, AOV, APC и т.д.) и не монетарных (число объявлений, клики и тп) метрик, и их влияние на деньги.
Ну а видео, это просто пример, того, что Claude делает для меня примерно за 1 минуту. Это визуализация когорт в нормированных столбцах. Очень интересно посмотреть на то, как выглядят когорты от года, а как выглядят когорты конкретного месяца во всех годах.
Если вы аналитик и еще не придумали, как использовать LLM в своей работе у меня для вас плохие новости.
И да, речь не о замене человека на агента, а о том, что человек с агентом эффективнее на порядок человека без агента.
Будущее уже наступило, как сказал мой коллега и друг, что мы сейчас точно в такое же время как во время появления новых автомобилей, они уже появились, но люди еще ездят в каретах, а вы производите кареты, но уже поняли, что завтра все будут ездить на машинах.
Последнее время я работаю с компанией Larixon и мы строим самую сильную data driven команду по управлению продуктом.
Я уже несколько месяцев использую в работе LLM Grok, и часто писал, что для меня нет ничего, чтобы меня удивило. Наверное, это потому, что, я познакомился с языковыми моделями еще в начале 90-х годов 20 века.
Но неделю назад, в компании приняли решение перейти полностью везде на Claude.
И вот это меня поразило, даже не то, что. LLM стали круто писать код, а то, что они стали это делать сами.
Моя реальная работа ускорилась примерно в 15 раз и вот это меня поразило больше всего. В прошлую пятницу я сделал за 2 часа то, что планировал делать неделю.
Для чего я использую Claude – во-первых, мы разработали большую систему анализа наших данных, строим прогнозы и анализируем зависимости, что интересно и ждет своего часа, это связь монетарных (Revenue, AOV, APC и т.д.) и не монетарных (число объявлений, клики и тп) метрик, и их влияние на деньги.
Ну а видео, это просто пример, того, что Claude делает для меня примерно за 1 минуту. Это визуализация когорт в нормированных столбцах. Очень интересно посмотреть на то, как выглядят когорты от года, а как выглядят когорты конкретного месяца во всех годах.
Если вы аналитик и еще не придумали, как использовать LLM в своей работе у меня для вас плохие новости.
И да, речь не о замене человека на агента, а о том, что человек с агентом эффективнее на порядок человека без агента.
Будущее уже наступило, как сказал мой коллега и друг, что мы сейчас точно в такое же время как во время появления новых автомобилей, они уже появились, но люди еще ездят в каретах, а вы производите кареты, но уже поняли, что завтра все будут ездить на машинах.
❤9👍6🔥1
Друзья, опубликованы результаты исследования рынка аналитики. Рекомендую.
👍2
Forwarded from NEWHR — решаем задачи бизнеса с помощью найма
Мы закончили обрабатывать данные опроса, который проводили в конце 2025 года, и готовы представить вам результаты.
В исследовании приняли участие 1493 аналитика 14+ специализаций. Они рассказали, где живут, на какие компании работают, на какие рынки ориентируются, как ищут работу и к чему стремятся. А также — сколько зарабатывают и как изменилась их зарплата.
С зарплат и начнём!
Зарплата увеличилась у ⅔ наших респондентов — кажется, рынок бурлит. Но значительная часть этих прибавок связана с повышением грейда или индексацией. В целом по рынку рост составил менее 10% (для сравнения: до 2022 зарплаты аналитиков в России росли на 15−20% в год).
*️⃣ Важный момент: впервые главной причиной повышения зарплаты стала не смена компании, а индексация. Эпоха «сменил работу — получил +30% к доходу» осталась в прошлом.
Рост зарплаты отметили 75% продуктовых аналитиков, 72% BI-аналитиков и 70% дата-аналитиков. Системные аналитики получили прибавку только в половине случаев (49%). И это, к сожалению, продолжение прошлогоднего тренда.
*️⃣ Но не всё так мрачно — в разделе «Зарплаты» мы добавили специальный блок о том, что повышает стоимость системного аналитика (как и аналитиков других крупных специализаций) на рынке в 2026 году.
Уйти, остаться или принять оффер от другого работодателя — впервые при принятии важнейших карьерных решений аналитики ориентируются в первую очередь на деньги (для сравнения: в 2024 зарплата была на втором месте для удержания сотрудников, в 2023 — на третьем).
Интересные задачи и профессиональное развитие по-прежнему важны, но сдают позиции. Это не цинизм наших респондентов, а адаптация к новой экономической реальности.
А в следующих постах разберём, какие компании любят аналитики, а какие обходят стороной, какие задачи они выполняют (и какие из них им нравятся).
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1🔥1
Привет, друзья!
выпустил новый ролик на своем канале
https://youtu.be/hQUf4dXdnAo
ролик посвящен небольшой утилите, которую я создал совместно с Claude Code для работы с большими CSV файлами (до 50 млн строк), любому продуктовому аналитику приходиться это делать — открывать и быстро анализировать такие файлы. Часто для этого используют python+pandas но это решение требует памяти и не очень быстрое, моя утилита быстра и менее капризная при работе с памятью, так как написана на СИ.
ссылка на репозитарий:
https://github.com/daniil-khanin/csvview
выпустил новый ролик на своем канале
https://youtu.be/hQUf4dXdnAo
ролик посвящен небольшой утилите, которую я создал совместно с Claude Code для работы с большими CSV файлами (до 50 млн строк), любому продуктовому аналитику приходиться это делать — открывать и быстро анализировать такие файлы. Часто для этого используют python+pandas но это решение требует памяти и не очень быстрое, моя утилита быстра и менее капризная при работе с памятью, так как написана на СИ.
ссылка на репозитарий:
https://github.com/daniil-khanin/csvview
👍7🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
добавил в утилиту возможность строить графики для не числовых данных.
Я смотрю, количество подписчиков сокращается.
По сему вопрос, какую информацию вам было бы интересно читать у меня?
Я смотрю, количество подписчиков сокращается.
По сему вопрос, какую информацию вам было бы интересно читать у меня?
Про данные, аналитику и LLM.
Март 2026, первый месяц за историю ueCalc с 2017 года, когда при включенной монетизации не было совершено ни одной транзакции. Доход продукта = 0. Минимальный расходы продукта в месяц 500€.
Подсчитываем убытки.
Март 2026, первый месяц за историю ueCalc с 2017 года, когда при включенной монетизации не было совершено ни одной транзакции. Доход продукта = 0. Минимальный расходы продукта в месяц 500€.
Подсчитываем убытки.
😱5🥴2
Решил рассказать, как я использую Claude в своей работе. Сейчас я занимаюсь тем, что встраиваю Data Driven процесс в работу компании Larixon, мы выпускаем Classifields в разных странах, моя же задача связать метрики, с которыми работают продуктовые команды, которые заточены в том числе, на то чтобы сделать счастливыми наших пользователей, которые не платят нам деньги, с метриками, которые связаны с юнит-экономикой, финансами и в конечном счете с нашей прибылью.
Как я работал раньше?
Ранее, я занимался тем, что руками изучал какие есть метрики, строил дерево метрик, модель юнит-экономики и потом смотрел, как объяснить команде, которая повышает удобство поиска объявлений на площадке, что ее продукт должен приносить деньги компании.
Трудность была связана с тем, что команд много, сейчас я оперирую 34 командами (деление на команды условное, но столько людей, которые отвечают за метрики у меня в пуле), метрик еще больше, речь идет о сотнях, продуктовые команды работаю с более чем 150 метриками, а дерево метрик, где размещены только метрики юнит-экономики и продуктовые метрики связанные с метриками юнит-экономики насчитывает больше 180 узлов.
В ручную держать в голове все эти связи то еще испытание. А отслеживать взаимное влияние, прогрессы и т.д. скорее не возможно.
Claude
С появлением агентов, работу можно автоматизировать, например, рутину по поиску связей между одним документом (список задач в продуктовых командах) и дереве метрик, можно отдать LLM, и она в целом хорошо, а главное быстро справиться с этой работой.
Для этого просим агента взять файл и связать его с другим файлом, в целом промпт это отдельное знание, и многие даже просят одного агента подготовить промпт для другого агента. Но в любом случае, бездушная машина быстро выполнит задачу, предварительно оценив ее в человеко-часах, как примерно 5-7 дней плотной работы, но традиционно справиться за 20 минут. В качестве артефакта у вас появится MD файл, который еще нужно прочитать.
Некоторые просят другого агента прочитать этот файл и сделать выжимку, которая опять превращается в MD файл. В итоге, вы быстро обрастаете большим числом разнообразных MD файлов, а в моем случае, так как я работаю еще и с финансовыми отчетами, то и с большим числом CSV файлов. А так как мой агент продвинутый, то я получаю ECSV файлы, которые еще надо уметь открывать, хотя это просто CSV с комментариями.
В рамках своих задач я очень быстро оброс кучей таких файлов и легче не стало, а только тяжелее, раньше я мог контролировать продвижение к цели сложностью, то сейчас продвижение к цели тормозится именно мною, из-за неспособности прочитать быстро большое число материалов, прочитать, понять и сделать выводы.
продолжение …
Как я работал раньше?
Ранее, я занимался тем, что руками изучал какие есть метрики, строил дерево метрик, модель юнит-экономики и потом смотрел, как объяснить команде, которая повышает удобство поиска объявлений на площадке, что ее продукт должен приносить деньги компании.
Трудность была связана с тем, что команд много, сейчас я оперирую 34 командами (деление на команды условное, но столько людей, которые отвечают за метрики у меня в пуле), метрик еще больше, речь идет о сотнях, продуктовые команды работаю с более чем 150 метриками, а дерево метрик, где размещены только метрики юнит-экономики и продуктовые метрики связанные с метриками юнит-экономики насчитывает больше 180 узлов.
В ручную держать в голове все эти связи то еще испытание. А отслеживать взаимное влияние, прогрессы и т.д. скорее не возможно.
Claude
С появлением агентов, работу можно автоматизировать, например, рутину по поиску связей между одним документом (список задач в продуктовых командах) и дереве метрик, можно отдать LLM, и она в целом хорошо, а главное быстро справиться с этой работой.
Для этого просим агента взять файл и связать его с другим файлом, в целом промпт это отдельное знание, и многие даже просят одного агента подготовить промпт для другого агента. Но в любом случае, бездушная машина быстро выполнит задачу, предварительно оценив ее в человеко-часах, как примерно 5-7 дней плотной работы, но традиционно справиться за 20 минут. В качестве артефакта у вас появится MD файл, который еще нужно прочитать.
Некоторые просят другого агента прочитать этот файл и сделать выжимку, которая опять превращается в MD файл. В итоге, вы быстро обрастаете большим числом разнообразных MD файлов, а в моем случае, так как я работаю еще и с финансовыми отчетами, то и с большим числом CSV файлов. А так как мой агент продвинутый, то я получаю ECSV файлы, которые еще надо уметь открывать, хотя это просто CSV с комментариями.
В рамках своих задач я очень быстро оброс кучей таких файлов и легче не стало, а только тяжелее, раньше я мог контролировать продвижение к цели сложностью, то сейчас продвижение к цели тормозится именно мною, из-за неспособности прочитать быстро большое число материалов, прочитать, понять и сделать выводы.
продолжение …
1👍4❤1
Решил поделиться с вами, почему именно сейчас важно учиться программированию, а не надеется на агентов.
В эпоху вайбкодинга, я решил пойти против течения, и вспомнить как это программировать по настоящему. Речь идет о программировании на компилируемых языках программирования, потому что последние 20 лет я писал код исключительно для веб разработки на PHP и JS.
Почему я принял это решение? Главное, чтобы не забывать, кроме того, в мире, где код создается агентами, и все больше людей вообще не понимают, что происходит с их кодом в момент работы, становиться крайне важным понимать, как работает компьютер и для чего нужен код. По этому я решил начать, так сказать с азов, и повторить какую-нибудь классическую игру на языке СИ для моего macbook.
Вайбкодинг и программирование
Перед тем как начнем, я хочу напомнить, что агенты не создают новый код, они решают задачу по стандартным шаблонам, на которых они обучены. Фактически это выглядит примерно так: агент просто находит в некотором виртуальном репозитарии код, которые решает вашу задачу и адаптирует его под вашу реализацию. По этому крайне важно правильно выбирать стек технологий (и хорошо бы вообще знать, что это такое), потому что LLM учат на том, чего много, а много кода на JS, на пример, по этому агенты хорошо умеют в задачи фронтенда. Но вот мои эксперименты создать нормальный работающий продукт на Swift показали, что этот язык агент (в моем случае Claude Code) знает сильно хуже, чем JS или СИ.
С формальной точки зрения, агенты выступают в роли компилятора, когда давно, люди писали код на языках низкого уровня, таких как ассемблер или вообще в машинных кодах.
Продолжение…
В эпоху вайбкодинга, я решил пойти против течения, и вспомнить как это программировать по настоящему. Речь идет о программировании на компилируемых языках программирования, потому что последние 20 лет я писал код исключительно для веб разработки на PHP и JS.
Почему я принял это решение? Главное, чтобы не забывать, кроме того, в мире, где код создается агентами, и все больше людей вообще не понимают, что происходит с их кодом в момент работы, становиться крайне важным понимать, как работает компьютер и для чего нужен код. По этому я решил начать, так сказать с азов, и повторить какую-нибудь классическую игру на языке СИ для моего macbook.
Вайбкодинг и программирование
Перед тем как начнем, я хочу напомнить, что агенты не создают новый код, они решают задачу по стандартным шаблонам, на которых они обучены. Фактически это выглядит примерно так: агент просто находит в некотором виртуальном репозитарии код, которые решает вашу задачу и адаптирует его под вашу реализацию. По этому крайне важно правильно выбирать стек технологий (и хорошо бы вообще знать, что это такое), потому что LLM учат на том, чего много, а много кода на JS, на пример, по этому агенты хорошо умеют в задачи фронтенда. Но вот мои эксперименты создать нормальный работающий продукт на Swift показали, что этот язык агент (в моем случае Claude Code) знает сильно хуже, чем JS или СИ.
С формальной точки зрения, агенты выступают в роли компилятора, когда давно, люди писали код на языках низкого уровня, таких как ассемблер или вообще в машинных кодах.
Продолжение…
👍3
"Прошло 2 года, как я обновлял сайт, за это время произошло много разного в мире IT, пора менять и сайту.
В первую очередь я подумал, о вас читателях, но и не забыл сделать некоторые вещи удобными и ..."
https://khanin.info/blog/438
В первую очередь я подумал, о вас читателях, но и не забыл сделать некоторые вещи удобными и ..."
https://khanin.info/blog/438
Даниил Ханин
Обновление блога v.3
Обновления сайта в 2026 году
❤3🔥1
Пока это эксперимент, интерактив над данными про бизнес, стартапы и другое...
https://khanin.info/cards/443
https://khanin.info/cards/443
❤2👍1🔥1
🤖 В канале появился бот
Теперь анонсы статей с khanin.info публикуются автоматически — через @d2decisions_bot.
Что умеет:
— Публикация анонсов новых статей с кнопкой «Читать»
— Отложенные посты по расписанию
— Модерация чата: фильтрация спама и ссылок от новых участников
Для вас ничего не меняется — контент тот же, просто теперь быстрее и стабильнее.
Теперь анонсы статей с khanin.info публикуются автоматически — через @d2decisions_bot.
Что умеет:
— Публикация анонсов новых статей с кнопкой «Читать»
— Отложенные посты по расписанию
— Модерация чата: фильтрация спама и ссылок от новых участников
Для вас ничего не меняется — контент тот же, просто теперь быстрее и стабильнее.
khanin.info
Daniel Khanin, entrepreneur, CEO d2decisions
Personal blog of Daniel Khanin, specialised in unit economics, data driven decisions, financial modelling. It will be useful for entrepreneurs who want to learn how to make data driven decisions.
👍4🔥3🍌1
Data Driven Decisions pinned «🤖 В канале появился бот Теперь анонсы статей с khanin.info публикуются автоматически — через @d2decisions_bot. Что умеет: — Публикация анонсов новых статей с кнопкой «Читать» — Отложенные посты по расписанию — Модерация чата: фильтрация спама и ссылок от…»