Недавно наткнулся на крутой материал — хэндбук по А/В‑тестам от Trisigma (это платформа для продуктовых экспериментов от Авито Тех). Очень советую посмотреть материалы, даже если с A/B не работаете часто или наоборот каждый день по несколько экспериментов запускаете.

В хэндбуке приведены живые примеры из продуктовой практики. Узнаете, как не попасться на ложные выводы, зачем нужны guardrail‑метрики, что кроется за такими штуками, как атомарный дизайн и закон Кэмпбелла. Ещё разложили по полочкам goal, proxy, debug, OEC — и вообще много всего, что реально пригодится в работе.

Короче, этот гайд будет полезен и тем, кто только начинает разбираться с экспериментами, и тем, у кого уже есть опыт, но иногда всплывают вопросы вроде «а в чём, собственно, разница между стандартной ошибкой и стандартным отклонением?». 😅

Забрать хэндбук можно бесплатно в боте @trisigma_avito_bot. И если вдруг захотите что-то уточнить или поделиться мнением — там же можно оставить фидбек

Ставьте реакции, если пост полезен 👍♥️🔥

В чем разница между Data Warehouse, Data Lake, Data Lakehouse, Data Fabric, Data Mesh

Нравится статья, делюсь как обычно с вами. Есть классная историческая справка (сможете похвастаться перед коллегами или на собесах знанием истории концепций хранилищ данных 😎). Если кто-то думает, что аналитика данных и Big Data зародились когда все об этом начали в рекламе курсов кричать, то вы далеко ошибаетесь, история уходит еще в 20 век.

Ну и лаконично описаны концепции хранилищ и показаны на визуальных схемах с основными элементами. Помогает понять зачем вообще такой зоопарк систем нужен и как это все обусловлено эволюцией подходов работы с данными.

Не путать с методологиями проектирования хранилищ данных! Методология - это «как строить?» и есть классика формата Кимбалл, Инмон, есть Data Vault, Anchor Modelling.

А в статье речь про концепции управления платформами данных

Читать статью

Наш бобёр Борис! 🦫

Уверен он больше реакций наберет чем посты по аналитике 😎