Что-то не джойнится, половины данных нет, АБ тест запустили криво, дашборд сломался. Рано или поздно каждый аналитик сталкивается с такими проблемами. О таких и многих других кейсах в своем канале рассказывает аналитик - Юрий Борзило. В канале есть много клевых материалов.
1 Подборки:
💎 Подборка материалов по АБ тестам
💎 Подборка курсов по инструментам аналитика
💎 Подборка комплексных курсов по аналитике
2 Про работу аналитиком:
💎 Как ставить задачи аналитику
💎 Почему LTV плохая метрика
💎 Базовая схема сквозной аналитики
💎 Toolkits в работе аналитика
💎 Кратный рост VS тюнинг конверсии
Кроме полезнях в канале полно прикольных мемасов про анализ данных. Несколько рандомных мемасов: тык1, тык2, тык3
Ссылка на канал
1 Подборки:
💎 Подборка материалов по АБ тестам
💎 Подборка курсов по инструментам аналитика
💎 Подборка комплексных курсов по аналитике
2 Про работу аналитиком:
💎 Как ставить задачи аналитику
💎 Почему LTV плохая метрика
💎 Базовая схема сквозной аналитики
💎 Toolkits в работе аналитика
💎 Кратный рост VS тюнинг конверсии
Кроме полезнях в канале полно прикольных мемасов про анализ данных. Несколько рандомных мемасов: тык1, тык2, тык3
Ссылка на канал
🔥11👍1
Возвращаясь к теме с бизнес-мышлением
В комментариях задали интересный вопрос «Если это структурный вопрос и ценностный, то что с этим делать то можно?». Если упрощать, то вопрос может звучать как «Что делать если в компании в целом с бизнес-мышлением туго и с отношением к продукту как к продукту?»
В большинстве случаев, отсутствие в компании продуктовой культуры и ориентации на бизнес-метрики — это следствие плохого целеполагания на уровне менеджмента компании. Из-за невнятного целеполагания, чаще всего в организационной структуре отсутсвует важная деталь: отношения между подразделениями не способствуют к тому, чтобы сотрудники сообща взаимодействовали в интересах бизнеса. В хорошей оргструктуре реализованы сдержки-противовесы, дающие критическое осмысление деятельности через вопрос «а что это даёт для бизнеса?». Чаще всего такие вопросы провоцируют некоторое количество внутреннего напряжения (а иногда и открытых конфликтов), что выступает драйвером изменений. Ещё один компонент «слабого» менеджмента — отсутствие со стороны руководства ясной коммуникационной стратегии о целеполагании и состоянии бизнеса, которая формировала бы корпоративную культуру (не в смысле «мы — команда, у нас весело», а в смысле культуры принятия решений с ориентацией на бизнес-результат)
Но что делать, если ты не руководитель и бизнес-метрики напрямую не входят в зону ответственности? Но при этом есть желание что-то изменить и приблизить светлое будущее, где решения будут приниматься с вопросом «А в чём польза для бизнеса?». Ответ: кросс-функциональные проекты
Кросс-функциональные проекты — это рабочая группа, где пересекается несколько сотрудников смежных подразделений, заинтересованных в достижении определенного результата. У них возникает совместное целеполагание, приоритезация, планирование и другие процессы. Ключевое тут — совместное, где возникает некое равенство участников, а не так, что каждый друг другу стейкхолдер и чего-то друг друга все хотят и пытаются засунуть задачи друг другу в бэклоги. Отдельный вопрос как лучше такие кросс-функциональные проекты организовывать, но про это я расскажу позже, если будет интересно
Я считаю, что кросс-функциональные проекты — это отличный способ создать «структуру внутри структуры». И при хорошей организации этой структуры она способна производить влияние на культуру принятия решений и ценности внутри компании
Чем же хороши кросс-функциональные проекты и почему они в целом подтягивают участников рабочей группы с точки зрения бизнес-мышления? Ответ на этот вопрос тянет на отдельный пост и, скорее всего, когда дойдут руки, я его напишу. Но если коротко, то это заставляет людей видеть картинку чуть шире, научиться видеть широкую картинку на уровне бизнеса и в то же время глубоко вгружаться в зоны ответственности и процессы коллег из смежных подразделений. Всё это формирует подход, где происходит больше обмена знаниями и формирует умение видеть общую картинку, а не только маленький кусочек своей работы, а также принимать ответственность за результат целиком, а не только за свою работу
Поставьте 🔥, если интересно ещё почитать про кросс-функциональные проекты (их преимущества, как их организовать, как их «продавать» руководству)
В комментариях задали интересный вопрос «Если это структурный вопрос и ценностный, то что с этим делать то можно?». Если упрощать, то вопрос может звучать как «Что делать если в компании в целом с бизнес-мышлением туго и с отношением к продукту как к продукту?»
В большинстве случаев, отсутствие в компании продуктовой культуры и ориентации на бизнес-метрики — это следствие плохого целеполагания на уровне менеджмента компании. Из-за невнятного целеполагания, чаще всего в организационной структуре отсутсвует важная деталь: отношения между подразделениями не способствуют к тому, чтобы сотрудники сообща взаимодействовали в интересах бизнеса. В хорошей оргструктуре реализованы сдержки-противовесы, дающие критическое осмысление деятельности через вопрос «а что это даёт для бизнеса?». Чаще всего такие вопросы провоцируют некоторое количество внутреннего напряжения (а иногда и открытых конфликтов), что выступает драйвером изменений. Ещё один компонент «слабого» менеджмента — отсутствие со стороны руководства ясной коммуникационной стратегии о целеполагании и состоянии бизнеса, которая формировала бы корпоративную культуру (не в смысле «мы — команда, у нас весело», а в смысле культуры принятия решений с ориентацией на бизнес-результат)
Но что делать, если ты не руководитель и бизнес-метрики напрямую не входят в зону ответственности? Но при этом есть желание что-то изменить и приблизить светлое будущее, где решения будут приниматься с вопросом «А в чём польза для бизнеса?». Ответ: кросс-функциональные проекты
Кросс-функциональные проекты — это рабочая группа, где пересекается несколько сотрудников смежных подразделений, заинтересованных в достижении определенного результата. У них возникает совместное целеполагание, приоритезация, планирование и другие процессы. Ключевое тут — совместное, где возникает некое равенство участников, а не так, что каждый друг другу стейкхолдер и чего-то друг друга все хотят и пытаются засунуть задачи друг другу в бэклоги. Отдельный вопрос как лучше такие кросс-функциональные проекты организовывать, но про это я расскажу позже, если будет интересно
Я считаю, что кросс-функциональные проекты — это отличный способ создать «структуру внутри структуры». И при хорошей организации этой структуры она способна производить влияние на культуру принятия решений и ценности внутри компании
Чем же хороши кросс-функциональные проекты и почему они в целом подтягивают участников рабочей группы с точки зрения бизнес-мышления? Ответ на этот вопрос тянет на отдельный пост и, скорее всего, когда дойдут руки, я его напишу. Но если коротко, то это заставляет людей видеть картинку чуть шире, научиться видеть широкую картинку на уровне бизнеса и в то же время глубоко вгружаться в зоны ответственности и процессы коллег из смежных подразделений. Всё это формирует подход, где происходит больше обмена знаниями и формирует умение видеть общую картинку, а не только маленький кусочек своей работы, а также принимать ответственность за результат целиком, а не только за свою работу
Поставьте 🔥, если интересно ещё почитать про кросс-функциональные проекты (их преимущества, как их организовать, как их «продавать» руководству)
🔥27👍1
Сразу предупрежу, что в этом посте будет минимум конвенциональных терминов, наверняка для всего о чём я пишу есть подходящие термины в книгах по разработке продуктов, менеджменту, системной инженерии. Мне важны не термины, а смыслы
Продолжу писать про то, что аналитики часто бывают оторваны от бизнеса и поэтому у многих возникает ощущение, что их работа не приносит ценности бизнесу
Как я писал выше, это может быть и следствием организационной структуры и целеполагания организации и её внутренней культуры. Но также это про бизнес-ориентированность самого аналитика. Этот навык в зарубежных источниках часто называют business acumen. Google Translate переводит как «деловая хватка», но это не раскрывает всей сути. ChatGPT предложил мне 5 вариантов перевода этого термина на русский язык: деловая проницательность, коммерческая смекалка, бизнес-чутье, экономическая мудрость, предпринимательский ум. Мне нравится, что все эти переводы не просто про бизнес как арифметическое соотношение доходов к расходам, а про некоторое сочетание интуиции, интеллекта и экономики
За время работы в Практикуме, я пообщался с многими нанимающими менеджерами (лидами, хэдами, чифами) и часто слышу про то, что ищут аналитиков, обладающих определенным складом ума, который ориентирован не только на решение чисто технических задач, но и направленный на понимание бизнеса как сложной динамически-неупорядоченной системы, которая производит бизнес-решения, которые в свою очередь генерируют прибыль
Итак. Что же такое это пресловутое бизнес-мышление? Это не про то, чтобы ходить в костюме и сыпать словами типа «митигирование рисков» (хотя если вы работаете в определенном классе организаций, то сыпать такими терминами может быть экономически выгодно для вас)
На мой взгляд, бизнес-мышление состоит из 2х ключевых компонент — экономическое системное мышление и организационное системное мышление
Экономическое системное мышление — это про то, чтобы рассматривать систему (продукты, организационную структуру, бизнес-процессы) через призму расходов-доходов, то есть каждый узел сложной системы по заработку денег уметь переводить на уровень «заработаем вот столько, вот сколько это в процентах» или «сэкономим вот столько, вот сколько это в процентах». И тут вопрос перехода от прокси-метрик денег (например, конверсии в оплату) к самим метрикам денег. Это вопрос уже приоритизации и определения места конкретной гипотезы/задачи в списке того, что нужно делать в первую очередь. При этом никто обычно не ожидает точных до рубля прогнозов, скорее история про прогнозирование с точностью в порядках (условно в сумме со скольки нулями выражается то, что мы собираемся сделать)
Это кстати частый вопрос на собеседованиях – перевод того, что вы делаете на бизнес-показатели. Понятно, что есть вещи, которые проксируются к деньгам плохо, типа NPS или UX, но там опять же можно и нужно использовать некоторые предположения, которые мы знаем про чувствительность этой метрики, ее вариативность в разных сегментах, опыт влияния на эту метрику по итогам предыдущих гипотез/задач. Ну и по опыту, если что-то проксируется плохо к деньгам, то возможно это нужно выделять в отдельный бэклог, чтобы рассматривать как венчурные гипотезы или гигиенические задачи «поддержания здравого смысла» в системе (тут открытый вопрос что мы считаем здравым смыслом, на него нужно ответить каждой организации самостоятельно)
Еще может быть сложная история про моделирование и прогнозирование, когда нам нужно уметь учитывать систему не только в статике, но и динамике – что будет через 6 месяцев? А что если спрос изменится в один из месяцев? Какие риски возникают?
Продолжу писать про то, что аналитики часто бывают оторваны от бизнеса и поэтому у многих возникает ощущение, что их работа не приносит ценности бизнесу
Как я писал выше, это может быть и следствием организационной структуры и целеполагания организации и её внутренней культуры. Но также это про бизнес-ориентированность самого аналитика. Этот навык в зарубежных источниках часто называют business acumen. Google Translate переводит как «деловая хватка», но это не раскрывает всей сути. ChatGPT предложил мне 5 вариантов перевода этого термина на русский язык: деловая проницательность, коммерческая смекалка, бизнес-чутье, экономическая мудрость, предпринимательский ум. Мне нравится, что все эти переводы не просто про бизнес как арифметическое соотношение доходов к расходам, а про некоторое сочетание интуиции, интеллекта и экономики
За время работы в Практикуме, я пообщался с многими нанимающими менеджерами (лидами, хэдами, чифами) и часто слышу про то, что ищут аналитиков, обладающих определенным складом ума, который ориентирован не только на решение чисто технических задач, но и направленный на понимание бизнеса как сложной динамически-неупорядоченной системы, которая производит бизнес-решения, которые в свою очередь генерируют прибыль
Итак. Что же такое это пресловутое бизнес-мышление? Это не про то, чтобы ходить в костюме и сыпать словами типа «митигирование рисков» (хотя если вы работаете в определенном классе организаций, то сыпать такими терминами может быть экономически выгодно для вас)
На мой взгляд, бизнес-мышление состоит из 2х ключевых компонент — экономическое системное мышление и организационное системное мышление
Экономическое системное мышление — это про то, чтобы рассматривать систему (продукты, организационную структуру, бизнес-процессы) через призму расходов-доходов, то есть каждый узел сложной системы по заработку денег уметь переводить на уровень «заработаем вот столько, вот сколько это в процентах» или «сэкономим вот столько, вот сколько это в процентах». И тут вопрос перехода от прокси-метрик денег (например, конверсии в оплату) к самим метрикам денег. Это вопрос уже приоритизации и определения места конкретной гипотезы/задачи в списке того, что нужно делать в первую очередь. При этом никто обычно не ожидает точных до рубля прогнозов, скорее история про прогнозирование с точностью в порядках (условно в сумме со скольки нулями выражается то, что мы собираемся сделать)
Это кстати частый вопрос на собеседованиях – перевод того, что вы делаете на бизнес-показатели. Понятно, что есть вещи, которые проксируются к деньгам плохо, типа NPS или UX, но там опять же можно и нужно использовать некоторые предположения, которые мы знаем про чувствительность этой метрики, ее вариативность в разных сегментах, опыт влияния на эту метрику по итогам предыдущих гипотез/задач. Ну и по опыту, если что-то проксируется плохо к деньгам, то возможно это нужно выделять в отдельный бэклог, чтобы рассматривать как венчурные гипотезы или гигиенические задачи «поддержания здравого смысла» в системе (тут открытый вопрос что мы считаем здравым смыслом, на него нужно ответить каждой организации самостоятельно)
Еще может быть сложная история про моделирование и прогнозирование, когда нам нужно уметь учитывать систему не только в статике, но и динамике – что будет через 6 месяцев? А что если спрос изменится в один из месяцев? Какие риски возникают?
🔥13❤3👍2
Подводя итог, экономическое системное мышление – это в первую очередь умение видеть организацию (или какой-то кусок организации, если источники прибыли явно могут быть выделены в отдельные направления) через призму ее продуктов, оргструктуры, процессов, источников получения прибыли (сегментов рынка) и умение эти компоненты рассматривать как экономические объекты, то есть в конечном счете через расходы/доходы
А вот что такое «организационное системное мышление», я расскажу в следующем посте
Если вам интересно читать про тему бизнес-мышления — жмякайте «👍»; если вы не понимаете вообще о чем я пишу и зачем — «🤔»; если считаете, что устраивать опросы через кнопки моветон — «💩»
А вот что такое «организационное системное мышление», я расскажу в следующем посте
Если вам интересно читать про тему бизнес-мышления — жмякайте «👍»; если вы не понимаете вообще о чем я пишу и зачем — «🤔»; если считаете, что устраивать опросы через кнопки моветон — «💩»
👍19❤1
Forwarded from Алексей Макаров – люди и сложность (Алексей Макаров)
Про самовыражение в эпоху продуктивности
Для начала надо сказать, что я совсем не разделяю современные подходы к продуктивности. Мне кажется большинство из них про то, что есть некоторый способ заниматься какой-то деятельностью, и этот способ кем-то наделён некоторым свойством «правильности», достаточно начать применять способ и всё изменится (или станет лучше)
И я вижу, что часто этот культ продуктивности переносится на подходы к выражению собственных мыслей или другим видам публичного творчества
Мол есть какой-то «правильный» способ вести блог, телеграм-канал, снимать ролики, писать рассказы, записывать подкасты
Мне кажется, что отчасти это желание найти «правильный» способ возникает из того, что мы часто руководствуемся убеждением, что делаем всё это для кого. Воспринимаем акты публичного творчества как некоторый продукт, который должен «удовлетворять потребности целевой аудитории». Получается, что в эпоху социальных медиа, охватов, счетчиков лайков и репостов мы начинаем воспринимать наши мысли через призму их соответствия «чьим-то ожиданиям», а также через «ого, это зашло, надо сделать также»
Вот это «ого, это зашло, надо сделать также» — по своей сути разрушительный самообман. С каждым циклом корректировки себя в соответствии с каким-то внешним сигналом — мы всё сильнее теряем собственную активную самостоятельность, некую свободу выбора, агентность. И я часто слышу от людей, которые ведут блоги или снимают видео, что они становятся заложниками того, о чём писали раньше или того, что «залетало в топ». Это приводит к фрустрации
Я сам попал в эту ловушку. Например, из-за моей деформированности аналитическим опытом, я начал думать, что мои тексты обязательно должны претендовать на какую-то объективность, пользу, быть подтверждены какими-то более надежными источниками, чем мой собственный опыт. Эта установка мешает воспринимать собственный опыт и собственную мировоззренческую позицию как что-то самоценное и достойное публичного проявления без каких-то попыток уместить в определенную форму
Сейчас я понимаю, что мне ценен сам опыт кристаллизации смыслов в слова. Я люблю писать и наличие некоторой аудитории просто делает этот процесс более приятным, более социальным по своему смыслу. Если упрощать: я люблю чувствовать себя умным и показывать это другим. И когда это формулируешь в таких выражениях, то приходит некоторая степень освобождения: я уже не обманываю себя, что делаю это для кого-то, я делаю это прежде всего для себя
Для начала надо сказать, что я совсем не разделяю современные подходы к продуктивности. Мне кажется большинство из них про то, что есть некоторый способ заниматься какой-то деятельностью, и этот способ кем-то наделён некоторым свойством «правильности», достаточно начать применять способ и всё изменится (или станет лучше)
И я вижу, что часто этот культ продуктивности переносится на подходы к выражению собственных мыслей или другим видам публичного творчества
Мол есть какой-то «правильный» способ вести блог, телеграм-канал, снимать ролики, писать рассказы, записывать подкасты
Мне кажется, что отчасти это желание найти «правильный» способ возникает из того, что мы часто руководствуемся убеждением, что делаем всё это для кого. Воспринимаем акты публичного творчества как некоторый продукт, который должен «удовлетворять потребности целевой аудитории». Получается, что в эпоху социальных медиа, охватов, счетчиков лайков и репостов мы начинаем воспринимать наши мысли через призму их соответствия «чьим-то ожиданиям», а также через «ого, это зашло, надо сделать также»
Вот это «ого, это зашло, надо сделать также» — по своей сути разрушительный самообман. С каждым циклом корректировки себя в соответствии с каким-то внешним сигналом — мы всё сильнее теряем собственную активную самостоятельность, некую свободу выбора, агентность. И я часто слышу от людей, которые ведут блоги или снимают видео, что они становятся заложниками того, о чём писали раньше или того, что «залетало в топ». Это приводит к фрустрации
Я сам попал в эту ловушку. Например, из-за моей деформированности аналитическим опытом, я начал думать, что мои тексты обязательно должны претендовать на какую-то объективность, пользу, быть подтверждены какими-то более надежными источниками, чем мой собственный опыт. Эта установка мешает воспринимать собственный опыт и собственную мировоззренческую позицию как что-то самоценное и достойное публичного проявления без каких-то попыток уместить в определенную форму
Сейчас я понимаю, что мне ценен сам опыт кристаллизации смыслов в слова. Я люблю писать и наличие некоторой аудитории просто делает этот процесс более приятным, более социальным по своему смыслу. Если упрощать: я люблю чувствовать себя умным и показывать это другим. И когда это формулируешь в таких выражениях, то приходит некоторая степень освобождения: я уже не обманываю себя, что делаю это для кого-то, я делаю это прежде всего для себя
❤18👍2
Вышел перевод книги не для новичков – «Сверхбыстрый Python» (ориг. Fast Python), и вы можете приобрести ее как в бумажном виде, так и в PDF, со специальными промокодами от переводчика на скидку 22-25% (в конце поста)!
Книга довольно объемная, с минимумом рисунков и максимумом примеров. Ниже перечислены темы, которые очень полно освещаются в книге:
– Профилирование кода на Python с поиском узких мест (cProfile, SnakeViz, line_profiler);
– Оптимизация работы базовых структур данных Python: списки, множества и словари и их вычислительная сложность;
– Поиск избыточного выделения памяти, правильная оценка памяти, занимаемой объектами;
– Ленивые вычисления и генераторы для работы с большими данными;
– Конкурентность, многопоточность, многопроцессность, параллелизм, асинхронность, сопрограммы, map-reduce (multiprocessing, threading, concurrent.futures, asyncio) – если вам интересно, как можно запускать обработку в разных процессах и потоках, здесь это всё есть;
– оптимизация работы NumPy: транслирование, векторизация, настройка внутренней архитектуры NumPy;
– Реализация критически важного кода с помощью Cython (обход ограничений GIL, преобразование кода Python в C, параллелизм и профилирование в Cython);
– Иерархия памяти и хранение данных: кеш процессора, Blosc, сжатие данных, библиотека NumExpr, использование протокола UDP;
– Высокопроизводительный pandas и Apache Arrow, взаимодействие pandas с NumPy, Cython и NumExpr, использование сервера Plasma;
– Хранение больших данных: fsspec, Parquet, Zarr;
– Задействование в вычислениях графического процессора: архитектура GPU, использование JIT-компилятора Numba, CuPy, CUDA C;
– Распределенные вычисления с использованием библиотеки Dask: распределенные датафреймы, секционирование, планировщик.
Получить промокоды на скидку 22-25% и задать все вопросы по этой и другим книгам переводчика Александра Гинько вы можете задать на его канале https://t.me/alexanderginko_books. Там же есть анонсы, розыгрыши, и промокоды на все книги.
Как купить книгу? Переходите по ссылке ниже, положите книгу (бумажную или PDF) в корзину, введите в поле «Промокод» один из указанных промокодов и нажмите на кнопку «Применить».
Ссылка для покупки:
https://dmkpress.com/catalog/computer/programming/python/978-5-93700-226-6/
Промокод на бумажную версию со скидкой 22% (цена 1403 рубля): Ginko_FastPython_paper
Промокод на версию PDF со скидкой 25% (цена 1349 рублей): Ginko_FastPython_PDF
Книга довольно объемная, с минимумом рисунков и максимумом примеров. Ниже перечислены темы, которые очень полно освещаются в книге:
– Профилирование кода на Python с поиском узких мест (cProfile, SnakeViz, line_profiler);
– Оптимизация работы базовых структур данных Python: списки, множества и словари и их вычислительная сложность;
– Поиск избыточного выделения памяти, правильная оценка памяти, занимаемой объектами;
– Ленивые вычисления и генераторы для работы с большими данными;
– Конкурентность, многопоточность, многопроцессность, параллелизм, асинхронность, сопрограммы, map-reduce (multiprocessing, threading, concurrent.futures, asyncio) – если вам интересно, как можно запускать обработку в разных процессах и потоках, здесь это всё есть;
– оптимизация работы NumPy: транслирование, векторизация, настройка внутренней архитектуры NumPy;
– Реализация критически важного кода с помощью Cython (обход ограничений GIL, преобразование кода Python в C, параллелизм и профилирование в Cython);
– Иерархия памяти и хранение данных: кеш процессора, Blosc, сжатие данных, библиотека NumExpr, использование протокола UDP;
– Высокопроизводительный pandas и Apache Arrow, взаимодействие pandas с NumPy, Cython и NumExpr, использование сервера Plasma;
– Хранение больших данных: fsspec, Parquet, Zarr;
– Задействование в вычислениях графического процессора: архитектура GPU, использование JIT-компилятора Numba, CuPy, CUDA C;
– Распределенные вычисления с использованием библиотеки Dask: распределенные датафреймы, секционирование, планировщик.
Получить промокоды на скидку 22-25% и задать все вопросы по этой и другим книгам переводчика Александра Гинько вы можете задать на его канале https://t.me/alexanderginko_books. Там же есть анонсы, розыгрыши, и промокоды на все книги.
Как купить книгу? Переходите по ссылке ниже, положите книгу (бумажную или PDF) в корзину, введите в поле «Промокод» один из указанных промокодов и нажмите на кнопку «Применить».
Ссылка для покупки:
https://dmkpress.com/catalog/computer/programming/python/978-5-93700-226-6/
Промокод на бумажную версию со скидкой 22% (цена 1403 рубля): Ginko_FastPython_paper
Промокод на версию PDF со скидкой 25% (цена 1349 рублей): Ginko_FastPython_PDF
Telegram
Александр Гинько (автор и переводчик)
Переводы книг по бизнес-аналитике, Excel, Power BI, Power Query, DAX, SQL, Tableau, Python, R... Промокоды на скидки от переводчика.
👍7❤1
Основная задачи тимлида — качественно управлять командой. Это значит, мотивировать сотрудников и заниматься их развитием.
Найти хорошего тимлида поможет гайд от руководителя аналитики в Авито Глеба Белогорцева. В нем он подробно рассказывает:
✅как понять, какой тимлид нужен именно вам;
✅как нанять хорошего тимлида и кого не нужно брать на эту роль;
✅как распознать потенциального тимлида внутри команды и самостоятельно его вырастить.
Учиться на своих ошибках хорошо, но еще лучше — не допускать таких ошибок, с самого начала опираясь на опыт лучших. Переходите по ссылке и получайте незаменимые знания от опытного эксперта!
Найти хорошего тимлида поможет гайд от руководителя аналитики в Авито Глеба Белогорцева. В нем он подробно рассказывает:
✅как понять, какой тимлид нужен именно вам;
✅как нанять хорошего тимлида и кого не нужно брать на эту роль;
✅как распознать потенциального тимлида внутри команды и самостоятельно его вырастить.
Учиться на своих ошибках хорошо, но еще лучше — не допускать таких ошибок, с самого начала опираясь на опыт лучших. Переходите по ссылке и получайте незаменимые знания от опытного эксперта!
🔥3👍1
Яндекс опубликовал крупнейший датасет для анализа отзывов пользователей на организации.
Он содержит порядка 500 тысяч отзывов, собранных с января по июнь 2023 года. Также в состав входит адрес и название организации, список рубрик и оценки пользователей. Датасет может быть использован для сентимент-анализа с определением эмоциональной окраски текста и лингвистического анализа с изучением языковых конструкций. Подробнее о новом датасете читайте также на Хабр.
Он содержит порядка 500 тысяч отзывов, собранных с января по июнь 2023 года. Также в состав входит адрес и название организации, список рубрик и оценки пользователей. Датасет может быть использован для сентимент-анализа с определением эмоциональной окраски текста и лингвистического анализа с изучением языковых конструкций. Подробнее о новом датасете читайте также на Хабр.
🔥32❤4👍1
7 сентября посетил - practical ML conf от Яндекса. Докладов было много, все тогда послушать не успел. Зато сейчас выложили записи всех выступлений, вот на что стоит обратить внимание:
🔹 Алексей Морозов из Яндекса рассказал об обеспечении zero cost fault tolerance в распределенном DL. Теперь специалистам не нужно постоянно проверять работоспособность системы и забыть о неприятных инфраструктурных вопросах.
🔹 Евгений Сидоров из Third Opinion поделился опытом анализа медицинских снимков на основе множественных проекций, что компенсирует отсутствие объемной информации в самоуправляемых автомобилях.
🔹 Юлий Шамаев из ВТБ рассказал про геоэмбеддинги, которые используются для определения местоположения банкоматов и отделений.
🔹 Алексей Морозов из Яндекса рассказал об обеспечении zero cost fault tolerance в распределенном DL. Теперь специалистам не нужно постоянно проверять работоспособность системы и забыть о неприятных инфраструктурных вопросах.
🔹 Евгений Сидоров из Third Opinion поделился опытом анализа медицинских снимков на основе множественных проекций, что компенсирует отсутствие объемной информации в самоуправляемых автомобилях.
🔹 Юлий Шамаев из ВТБ рассказал про геоэмбеддинги, которые используются для определения местоположения банкоматов и отделений.
❤7
This media is not supported in your browser
VIEW IN TELEGRAM
У Яндекса вышел новый выпуск подкаста Yet Another Podcast — про высокодетализированные карты нового поколения.
Технический директор и продакт-менеджер Карт рассказали, как на дорожное полотно наносилась разметка, какие данные для этого были использованы, какие проблемы пользователя решают объемные здания и кто такие «оборотни». Послушать интересно, ведь мы каждый день ходим по городу с Картами в руке или ездим по Навигатору, а тут ребята показали, как все это развивается — с реальными примерами и объяснением, как решались конкретные проблемы.
Технический директор и продакт-менеджер Карт рассказали, как на дорожное полотно наносилась разметка, какие данные для этого были использованы, какие проблемы пользователя решают объемные здания и кто такие «оборотни». Послушать интересно, ведь мы каждый день ходим по городу с Картами в руке или ездим по Навигатору, а тут ребята показали, как все это развивается — с реальными примерами и объяснением, как решались конкретные проблемы.
❤7👍4
Если какие-то процессы можно упростить, то нужно это сделать.
Искать тимлидов, которые отвечают всем критериям конкретной компании, сложно, долго и дорого. А рост аналитика по менеджерскому треку не всегда получается прозрачным. Чтобы решить эту проблему, в Авито создали внутреннюю школу Analytics Manager School.
О том, как пришли к этому решению и какие результаты получили, рассказал руководитель направления аналитики в Авито Недвижимости Стас Косилов.
⏺Разработка программы обучения — очень важный этап. Только так получится поставить обучение тимлидов на поток. Чтобы ученики смогли понять, что именно значит быть тимлидом, в программу включили вебинары, теоретические и практические занятия.
⏺Оценивать результаты выпускников сразу после обучения нет смысла. Навыки и знания, которые они получили в школе, не получится быстро усвоить и попробовать на практике. Однако результаты все же видны: трое исполняющих обязанности тимлида стали тимлидами, четверо senior-аналитиков стали acting тимлидами.
⏺ Все выпускники получили поддержку и консультации по карьерному росту. А проводить школу тимлидов Авито решили дважды в год.
Искать тимлидов, которые отвечают всем критериям конкретной компании, сложно, долго и дорого. А рост аналитика по менеджерскому треку не всегда получается прозрачным. Чтобы решить эту проблему, в Авито создали внутреннюю школу Analytics Manager School.
О том, как пришли к этому решению и какие результаты получили, рассказал руководитель направления аналитики в Авито Недвижимости Стас Косилов.
⏺Разработка программы обучения — очень важный этап. Только так получится поставить обучение тимлидов на поток. Чтобы ученики смогли понять, что именно значит быть тимлидом, в программу включили вебинары, теоретические и практические занятия.
⏺Оценивать результаты выпускников сразу после обучения нет смысла. Навыки и знания, которые они получили в школе, не получится быстро усвоить и попробовать на практике. Однако результаты все же видны: трое исполняющих обязанности тимлида стали тимлидами, четверо senior-аналитиков стали acting тимлидами.
⏺ Все выпускники получили поддержку и консультации по карьерному росту. А проводить школу тимлидов Авито решили дважды в год.
👍6❤1👎1🔥1
Как проходит собеседование на позицию аналитика: ценные советы от эксперта Авито
Позиция аналитика — это ключ к миру цифровых технологий. Ира, опытный руководитель по аналитике в Авито, приоткрывает завесу тайны над процессом отбора кандидатов на эту востребованную специальность. В видео будет разобран каждый этап собеседования: от важности структурированного резюме до повышения навыков в A/B тестировании и лайфхаков на встрече с вашими потенциальными командами.
Что вы узнаете после просмотра:
- Как компания представляет бизнес-кейсы, как их проще и эффективнее их решать
- Подсказки по повышению навыков в A/B тестировании и использовании ресурсов для подготовки
- Почему на собеседовании проверяют знания математической статистики и теории вероятностей
- Как произвести впечатление на своего будущего тимлида и интересно рассказать о себе.
Позиция аналитика — это ключ к миру цифровых технологий. Ира, опытный руководитель по аналитике в Авито, приоткрывает завесу тайны над процессом отбора кандидатов на эту востребованную специальность. В видео будет разобран каждый этап собеседования: от важности структурированного резюме до повышения навыков в A/B тестировании и лайфхаков на встрече с вашими потенциальными командами.
Что вы узнаете после просмотра:
- Как компания представляет бизнес-кейсы, как их проще и эффективнее их решать
- Подсказки по повышению навыков в A/B тестировании и использовании ресурсов для подготовки
- Почему на собеседовании проверяют знания математической статистики и теории вероятностей
- Как произвести впечатление на своего будущего тимлида и интересно рассказать о себе.
👍8🔥5❤1
Forwarded from AI[ex]Time (Александр Голубев)
Вышел мой обзор про LLM агентов на хабре🕺
Скорость появления новых работ и подходов в этом направлении сейчас настолько большая, что тяжело оставаться в курсе, даже работая в сфере DL/NLP. Поэтому постарался описать прогресс относительно небольшой статьей и проиллюстрировать работами, вышедшими за последний год. Также хотелось сделать это не сильно техническим языком, чтобы было понятно максимальному числу людей не из машинного обучения. Так что если вы не связаны напрямую с ML, то не бойтесь, возможно будут непонятны какие-то части, но их можно пропустить (или спросить в комментариях)
Скорость появления новых работ и подходов в этом направлении сейчас настолько большая, что тяжело оставаться в курсе, даже работая в сфере DL/NLP. Поэтому постарался описать прогресс относительно небольшой статьей и проиллюстрировать работами, вышедшими за последний год. Также хотелось сделать это не сильно техническим языком, чтобы было понятно максимальному числу людей не из машинного обучения. Так что если вы не связаны напрямую с ML, то не бойтесь, возможно будут непонятны какие-то части, но их можно пропустить (или спросить в комментариях)
Please open Telegram to view this post
VIEW IN TELEGRAM
Хабр
Кто такие LLM-агенты и что они умеют?
В последнее время большие языковые модели (Large Language Models, LLM) стали невероятно популярными — кажется, их обсуждают везде, от школьных коридоров до Сената США. Сфера LLM растёт бурными...
Увидел вчера одну вещь, которая меня сильно впечатлила. Как многие уже видели, Google представили свою мультимодальную AI-модель Gemini. Среди нескольких крутейших демок, попалась одна, которая вызвала дикий восторг
Это Bespoke UI – AI-generated UI, который базируется на пользовательском запросе. То есть модель сначала классифицирует какой тип контента наиболее предпочтительно выдать пользователю, а дальше уже в соответствующем фрейме генерит мультимодальный ответ с удобной навигацией
Интересно через какие этапы это реализуется
1. Сначала классификация интента. На этом этапе модель понимает в какой модальности должен быть ответ: достаточно ли просто текста, нужны ли картинки, нужен ли какой-то UI для взаимодействия с данными
2. Потом доуточнение через встречные вопросы пользователю (это в дальнейшем позволит лучше сделать data-model для того контента, с которым будет взаимодействовать пользователь)
3. Потом модель генерирует PRD (product requirements) для некоторого мини-продукта, который решает пользовательскую задачу. Это позволяет понять какая функциональность должна быть: какие сценарии будет решать мини-продукт
4. А затем генерит под это layout, который описывает структуру интерфейса
5. На следующем шаге модель генерирует код на flutter для реализации пользовательского интерфейса
6. И дальше наполняет всё это контентом в соответствии с моделью данных
Ну и дальше с каждым куском контента можно также взаимодействовать и дальше продолжать в том же ключе. Выглядит как очень гибкий подход к закрытию потребности пользователя: не через исследования, конструирование жестких сценариев, а через формирование CJM «на лету»
https://www.youtube.com/watch?v=v5tRc_5-8G4
Это Bespoke UI – AI-generated UI, который базируется на пользовательском запросе. То есть модель сначала классифицирует какой тип контента наиболее предпочтительно выдать пользователю, а дальше уже в соответствующем фрейме генерит мультимодальный ответ с удобной навигацией
Интересно через какие этапы это реализуется
1. Сначала классификация интента. На этом этапе модель понимает в какой модальности должен быть ответ: достаточно ли просто текста, нужны ли картинки, нужен ли какой-то UI для взаимодействия с данными
2. Потом доуточнение через встречные вопросы пользователю (это в дальнейшем позволит лучше сделать data-model для того контента, с которым будет взаимодействовать пользователь)
3. Потом модель генерирует PRD (product requirements) для некоторого мини-продукта, который решает пользовательскую задачу. Это позволяет понять какая функциональность должна быть: какие сценарии будет решать мини-продукт
4. А затем генерит под это layout, который описывает структуру интерфейса
5. На следующем шаге модель генерирует код на flutter для реализации пользовательского интерфейса
6. И дальше наполняет всё это контентом в соответствии с моделью данных
Ну и дальше с каждым куском контента можно также взаимодействовать и дальше продолжать в том же ключе. Выглядит как очень гибкий подход к закрытию потребности пользователя: не через исследования, конструирование жестких сценариев, а через формирование CJM «на лету»
https://www.youtube.com/watch?v=v5tRc_5-8G4
YouTube
Personalized AI for you | Gemini
Google’s newest and most capable AI model – Gemini.
Join Google Research Engineering Director Palash Nandy as he showcases Gemini’s advanced reasoning and coding abilities, all while exploring ideas for a birthday party.
The model understands his intent…
Join Google Research Engineering Director Palash Nandy as he showcases Gemini’s advanced reasoning and coding abilities, all while exploring ideas for a birthday party.
The model understands his intent…
👍5
Яндекс открыл в Питере новое образовательное пространство — офлайн-площадку Школы анализа данных. Кто забыл, напомню: в ШАД крайне сложно поступить, но если осилить и дойти до финала – выйдешь хардовым спецом в DL и ML с кучей офферов.
Хорошая новость в том, что ребята начнут делать открытые мероприятия: будут делиться экспертизой с теми, кто занимается нейросетями, ML и AI и хочет проапгрейдить знания. Тизерят разные форматы – лектории, хакатоны, интенсивы и воркшопы от экспертов Яндекса и ведущих преподов Школы. И самые заряженные смогут вписаться в совместные с ШАДовцами учебные проекты, где нужны анализ данных, ML и AI.
Хорошая новость в том, что ребята начнут делать открытые мероприятия: будут делиться экспертизой с теми, кто занимается нейросетями, ML и AI и хочет проапгрейдить знания. Тизерят разные форматы – лектории, хакатоны, интенсивы и воркшопы от экспертов Яндекса и ведущих преподов Школы. И самые заряженные смогут вписаться в совместные с ШАДовцами учебные проекты, где нужны анализ данных, ML и AI.
👍18😁3
Forwarded from AB тесты и все вот про это вот все
Ребята из продуктовой аналитики Mail.ru в VK рассказали о своей расчетной архитектуре платформы для A/B-тестов Mail.Ru и ее недавнем обновлении, поделились опытом и инсайтами. Они создали архитектуру метрик для A/B-тестов, которая позволяет масштабировать сложность расчетов.
Сама статья - https://habr.com/ru/companies/vk/articles/781300/
Сама статья - https://habr.com/ru/companies/vk/articles/781300/
Функционал профессионального аналитика не ограничивается работой над продуктами с уже устоявшейся аудиторией и стабильной выручкой. Выгодным решением будет подключить его уже на Discovery фазе – это поможет увеличить долю эффективной работы над проектом и улучшить результаты по запуску.
Хорошим примером такого подхода стал кейс по рассылке спецпредложений на платформе Авито, которым поделилась продуктовый аналитик Мария Яблочникова.
Каким образом аналитики могут помочь на ранних этапах создания продукта?
✔️Оценив объем рынка, они определят потенциал продукта
✔️Сформулируют метрики, позволяющие команде оценить его эффективность и защитить продукт перед заинтересованными сторонами
✔️Определят целевую аудиторию для внедрения продукта и составят план поэтапного запуска
✔️Разработают систему логирования и построят архитектуру данных для отслеживания развития продукта и его состояния
✔️Исследуют и внедрят новые функции в продукт, а также проведут оценку его параметров
✔️Определят инкрементальность ценности продукта для бизнеса после того, как его начнут использовать регулярно
Хорошим примером такого подхода стал кейс по рассылке спецпредложений на платформе Авито, которым поделилась продуктовый аналитик Мария Яблочникова.
Каким образом аналитики могут помочь на ранних этапах создания продукта?
✔️Оценив объем рынка, они определят потенциал продукта
✔️Сформулируют метрики, позволяющие команде оценить его эффективность и защитить продукт перед заинтересованными сторонами
✔️Определят целевую аудиторию для внедрения продукта и составят план поэтапного запуска
✔️Разработают систему логирования и построят архитектуру данных для отслеживания развития продукта и его состояния
✔️Исследуют и внедрят новые функции в продукт, а также проведут оценку его параметров
✔️Определят инкрементальность ценности продукта для бизнеса после того, как его начнут использовать регулярно
❤2👍2
Ян Лекун - французский учёный в области информатики, специализирующийся на машинном обучении, компьютерном зрении, нейронных сетях и алгоритмах распознавания рукописного текста. Сейчас VP and Chief AI Scientist, Facebook
В новой лекции «Объектно-ориентированный ИИ: на пути к машинам, которые могут учиться, рассуждать и планировать» Ян Лекун рассматривает вопросы того как современные модели могут достигнуть уровня человеческого интеллекта
Например, интересная концепция, что модель может быть восприимчивой к состоянию внешней среды, в которой она действует. И инкрементально его «запоминать», соотнося свои действия с состоянием «внешнего мира» и предсказывая его следующее состояние
Также интересными мне показались слайды про авторегрессионные LLM и иерархическое планирование
Слайды: https://drive.google.com/file/d/1e6EtQPQMCreP3pwi5E9kKRsVs2NbWPrY/view?usp=drivesdk
Видео: https://www.youtube.com/watch?si=UeLf0MhMzjXcSCAb&v=d_bdU3LsLzE&feature=youtu.be
В новой лекции «Объектно-ориентированный ИИ: на пути к машинам, которые могут учиться, рассуждать и планировать» Ян Лекун рассматривает вопросы того как современные модели могут достигнуть уровня человеческого интеллекта
Например, интересная концепция, что модель может быть восприимчивой к состоянию внешней среды, в которой она действует. И инкрементально его «запоминать», соотнося свои действия с состоянием «внешнего мира» и предсказывая его следующее состояние
Также интересными мне показались слайды про авторегрессионные LLM и иерархическое планирование
Слайды: https://drive.google.com/file/d/1e6EtQPQMCreP3pwi5E9kKRsVs2NbWPrY/view?usp=drivesdk
Видео: https://www.youtube.com/watch?si=UeLf0MhMzjXcSCAb&v=d_bdU3LsLzE&feature=youtu.be
❤3
Запись 11го онлайн-митапа Авито по аналитике: https://www.youtube.com/watch?v=Uy1pertrnOQ
▫️ Специалист Авито Анна Москаленко рассказала о работе над пользовательским негативом. В чем он выражается и как его анализировать? Какова цена отписки? Спикер раскроет реальный опыт своей команды.
▫️ Эксперт из Яндекс.Карт Леонид Медников объяснил, как строить метрики качества данных на основе информации о миллионах компаний
▫️ Аналитик Samokat.tech Илья Лоладзе поделился, как при помощи эксперимента компании удалось расширить зоны экспресс-доставки.
▫️ Специалист Авито Анна Москаленко рассказала о работе над пользовательским негативом. В чем он выражается и как его анализировать? Какова цена отписки? Спикер раскроет реальный опыт своей команды.
▫️ Эксперт из Яндекс.Карт Леонид Медников объяснил, как строить метрики качества данных на основе информации о миллионах компаний
▫️ Аналитик Samokat.tech Илья Лоладзе поделился, как при помощи эксперимента компании удалось расширить зоны экспресс-доставки.
❤4👍1