В топ-3 пунктов, которые ярко выделились по результатам моего опроса софтовых проблем, с которыми сталкиваются аналитики стал пункт «Я делаю работу, но у меня возникает ощущение, что она не приносит ценности бизнесу»

Одна из причин такого положения дел — аналитики часто бывают оторваны от бизнеса и воспринимаются как некие «калькуляторы», «интерфейсы к данным», «люди, которые делают дашборды». Если искать первопричину этого, то чаще всего окажется, что она кроется в организационной структуре, целеполагании организации, культуре принятия решений и в том, что менеджемент, отвечающий за бизнес-показатели, не способен (по разным причинам) эти самые бизнес-показатели проращивать на уровень других подразделений

Но тут проблема и в аналитиках, потому что часто я встречаю аналитиков, которых не очень то заботит бизнес, они любят данные, любят задачки, поковыряться, построить какой-нибудь звездолёт для сегментации клиентов с помощью глубокого обучения и цепей Маркова. И это бывает оправдано, когда наш звездолёт может окупить себя экономически, то есть сложность реализации алгоритма оправдывается экономической эффективностью — такое часто можно наблюдать в data-driven продуктах, где изменение какой-то метрики даже на 0,1% в абсолюте даст бизнесу ощутимый рост в деньгах

И это подводит к мысли о том, что если работа не приносит ценности бизнесу, то одной из компонент этого ощущения может быть непонимание самим аналитиком задач бизнеса и того как его труд может встроится в цепочку генерации ценности для бизнеса. Что подводит к вопросу «бизнес-мышления», про которое часто любят говорить нанимающие лиды и хэды аналитики

Жмите 🔥, если интересно почитать про этот вопрос подробнее

Звучит банально до тошноты, но я тут недавно проводил для коллег мастер-класс по составлению промптов

Разобрали из чего вообще состоит хороший промпт (инструкция, контекст, вводные данные, формат вывода), посмотрели на несколько приемов (few-shot, act like, direct stimulus prompting, chain-of-thought, chatgpt as prompt engineer) , обсудили ошибки, которые совершают люди, считающие что можно получить качественный результат от LLM-генерируемого текста с первого раза (ожидание, что gpt «читает мысли», отсутствие экспериментов с выводом, отсутствие черри-пикинга)

В общем, получилось очень базово, но как оказалось полезно, особенно для тех, кто не читал никаких туториалов и не подходит к «общению с LLM» как к чисто функциональной задаче заставить черный ящик выплевывать что-то с приемлемым результатом

Презентация с мастер-класса тут

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

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)

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?

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 — «💩»

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

https://habr.com/ru/companies/yandex/articles/760448/

AppMetrica зарелизила свои SDK в опенсорс

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

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!

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.