Спринт FineBI
14 декабря 2022 (то есть послезавтра!) стартует бесплатный образовательный проект Спринт FineBI. Он представляет собой 2 недели эффективного ознакомления и обучения основным принципам работы с удобной и функциональной системой бизнес-анализа FineBI. Решение вполне способно заменить системы ушедших с российского рынка вендоров, и вы сами сможете в этом убедиться!
Что за FineBI?
FineBI – инструмент для Self Service BI-анализа, поскольку он имеет не только функции анализа данных на уровне визуализации, но и управление загрузкой и трансформацией данных.
Что в программе проекта?
▪️В рамках занятий будет несколько онлайн-разборов, которые организаторы проведут в декабре 2022 и в январе 2023. Поэтому вы сможете пройти программу в удобное для Вас время – в том числе и на каникулах, если в конце декабря «завал» работы 🥵
▪️Задания будут приходить ежедневно и займут от 30 до 90 минут вашего времени, все учебные материалы будут круглосуточно доступны в записи.
▪️После обучения для желающих проведут финальный тест и вручат сертификат о прохождении программы.
Регистрируйтесь на Спринт FineBI, чтобы не пропустить ни одного дня!
#реклама
14 декабря 2022 (то есть послезавтра!) стартует бесплатный образовательный проект Спринт FineBI. Он представляет собой 2 недели эффективного ознакомления и обучения основным принципам работы с удобной и функциональной системой бизнес-анализа FineBI. Решение вполне способно заменить системы ушедших с российского рынка вендоров, и вы сами сможете в этом убедиться!
Что за FineBI?
FineBI – инструмент для Self Service BI-анализа, поскольку он имеет не только функции анализа данных на уровне визуализации, но и управление загрузкой и трансформацией данных.
Что в программе проекта?
▪️В рамках занятий будет несколько онлайн-разборов, которые организаторы проведут в декабре 2022 и в январе 2023. Поэтому вы сможете пройти программу в удобное для Вас время – в том числе и на каникулах, если в конце декабря «завал» работы 🥵
▪️Задания будут приходить ежедневно и займут от 30 до 90 минут вашего времени, все учебные материалы будут круглосуточно доступны в записи.
▪️После обучения для желающих проведут финальный тест и вручат сертификат о прохождении программы.
Регистрируйтесь на Спринт FineBI, чтобы не пропустить ни одного дня!
#реклама
👍4🤡2
Forwarded from 🗞 Виз Ньюз (Nikita Rokotyan)
This media is not supported in your browser
VIEW IN TELEGRAM
🥳 🎉 Представляю Unovis — новую библиотеку визуализации данных для React, Angular, Svelte, а также «голого» TypeScript и JavaScript.
У меня второй большой (после Космографа) open source анонс в этом году, который будет интересен в первую очередь веб-разработчикам. Сегодня мы выложили в открытый доступ дитавиз библиотеку, над которой я работаю уже на протяжении последних трех лет (разработка началась в стартапе Volterra, и продолжилать в купившей его компании F5).
Немного об отличительных особенностях Unovis:
• 🏗 Удобно интегрируется в React, Angular и Svelte, что дает возможность использовать одну библиотеку в совсем разных проектах;
• 🗺 Помимо классических графиков умеет рисовать детальные карты и графы;
• 💇 Легко кастомизируется под ваш стиль (спасибо CSS переменным);
• 📖 Детальная документация и галерея примеров с кодом для разных фреймворков.
Если заинтерисовались, добро пожаловать на сайт библиотеки unovis.dev, и не забудьте лайкнуть наш репозиторий на GitHub!
У меня второй большой (после Космографа) open source анонс в этом году, который будет интересен в первую очередь веб-разработчикам. Сегодня мы выложили в открытый доступ дитавиз библиотеку, над которой я работаю уже на протяжении последних трех лет (разработка началась в стартапе Volterra, и продолжилать в купившей его компании F5).
Немного об отличительных особенностях Unovis:
• 🏗 Удобно интегрируется в React, Angular и Svelte, что дает возможность использовать одну библиотеку в совсем разных проектах;
• 🗺 Помимо классических графиков умеет рисовать детальные карты и графы;
• 💇 Легко кастомизируется под ваш стиль (спасибо CSS переменным);
• 📖 Детальная документация и галерея примеров с кодом для разных фреймворков.
Если заинтерисовались, добро пожаловать на сайт библиотеки unovis.dev, и не забудьте лайкнуть наш репозиторий на GitHub!
🔥23👍2
Сегодня Data Heroes перевоплощается в Data Science Heroes, ведь в выпуске будет много науки… и не только! 🧑🏻🔬
Хороший дата саентист может найти применение своим навыкам в разных областях: в области бизнеса он помогает улучшать показатели, а в науке – упрощать рутинный труд и даже продлевать жизнь!
Наши эксперты – люди из науки и бизнеса. Они расскажут о своем пути в профессии и ответят на самые важные вопросы:
▪️Где интереснее: в бизнесе или в науке?
▪️Правда ли, что научная область Data Science менее популяризирована, чем коммерческая?
▪️Как специалисту перейти в другую область и какие сложности поджидают на пути?
▪️И главное: в чем основные отличия работы дата саентиста в науке и в бизнесе?
Скорее включайте подкаст и погружайтесь в специализацию вместе с нами! 🚀
СПИКЕРЫ: Иван Ямщиков, Мария Попцова, Эмели Драль
Слушайте подкаст на платформах: Spotify, Anchor, Apple Podcasts, Google, Yandex, Overcast, Mave, Castbox, Telegram (↓)
#подкаст #DataHeroes
Хороший дата саентист может найти применение своим навыкам в разных областях: в области бизнеса он помогает улучшать показатели, а в науке – упрощать рутинный труд и даже продлевать жизнь!
Наши эксперты – люди из науки и бизнеса. Они расскажут о своем пути в профессии и ответят на самые важные вопросы:
▪️Где интереснее: в бизнесе или в науке?
▪️Правда ли, что научная область Data Science менее популяризирована, чем коммерческая?
▪️Как специалисту перейти в другую область и какие сложности поджидают на пути?
▪️И главное: в чем основные отличия работы дата саентиста в науке и в бизнесе?
Скорее включайте подкаст и погружайтесь в специализацию вместе с нами! 🚀
СПИКЕРЫ: Иван Ямщиков, Мария Попцова, Эмели Драль
Слушайте подкаст на платформах: Spotify, Anchor, Apple Podcasts, Google, Yandex, Overcast, Mave, Castbox, Telegram (↓)
#подкаст #DataHeroes
🔥33👍27🏆9⚡8👏4
🧐 Что внутри у GPT-3? 🤖
Первое, что необходимо уяснить, это что же входит в состав исходных данных и данных на выходе. На входе у нас есть последовательность слов (токенов), а на выходе — предположение в виде самого последнего слова во фразе.
Что же там?
Но как же тогда GPT-3 подбирает слова, ведь это ML-модель, которая работает, на самом деле, с числами? Дело в том, что для того чтобы сгенерировать фразу, GPT-3 преобразовывает каждое слово в вектор (последовательность чисел), представляющий это слово. Например,
«Not all heroes wear» ➡️ «capes».
Затем, токены проходят слой Embedding и кодировку по позиции, которая позволяет учитывать порядок вводимых токенов, так как порядок слов критически важен для построения предложения.
Если вы хотите разобраться, как устроены блоки Attention, Feed Forward и Add & Norm, а затем модель декодирует числа обратно в слова, используя SoftMax, читайте подробную статью авторства Даниэля Дугаса – кандидата в доктора наук машинного обучения и роботехники Швейцарской высшей технической школы Цюриха.
Первое, что необходимо уяснить, это что же входит в состав исходных данных и данных на выходе. На входе у нас есть последовательность слов (токенов), а на выходе — предположение в виде самого последнего слова во фразе.
Что же там?
Но как же тогда GPT-3 подбирает слова, ведь это ML-модель, которая работает, на самом деле, с числами? Дело в том, что для того чтобы сгенерировать фразу, GPT-3 преобразовывает каждое слово в вектор (последовательность чисел), представляющий это слово. Например,
«Not all heroes wear» ➡️ «capes».
Затем, токены проходят слой Embedding и кодировку по позиции, которая позволяет учитывать порядок вводимых токенов, так как порядок слов критически важен для построения предложения.
Если вы хотите разобраться, как устроены блоки Attention, Feed Forward и Add & Norm, а затем модель декодирует числа обратно в слова, используя SoftMax, читайте подробную статью авторства Даниэля Дугаса – кандидата в доктора наук машинного обучения и роботехники Швейцарской высшей технической школы Цюриха.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥13❤3👍3🤯2🤔1
Знакомьтесь, Hydra (не та, о которой вы сначала подумали) 🐍
Clickhouse, Redshift, Snowflake, …? Кажется, появился колоночный конкурент на PostgreSQL!
Hydra — новое хранилище данных с открытым исходным кодом, благодаря удобству которого, он идеален для OLAP и гибридных процессов, связанных с транзакциями. Разработчики даже уверяют, что Hydra в 23 раза быстрее Postgres.
Как же им это удалось?
Секрет кроется в колоночном хранении данных, паралелльном выполнении запросов и векторизации вычислений. Эталонное тестирование (бенчмаркинг) произведено с помощью ClickBench от Clickhouse, а для финального тюнинга настроек предлагается набор параметров, чтобы дать Hydra возможность максимально раскрыть свой потенциал с учетом ваших локальных особенностей.
Дорого наверное?
Вся эта прелесть бесплатна только для локальной работы. Если вам нужно облачное решение, то придется оформить подписку, самая дешевая из которых стоит $400 в месяц. Тем не менее, разработчики предлагают 14-дневную пробную версию, чтобы протестировать новинку.
В релизе указано, что создатели Hydra обещают продолжить работу над ее ускорением и далее. Ну что, готовы попробовать триалку? Если да, то вот образ Docker!
Clickhouse, Redshift, Snowflake, …? Кажется, появился колоночный конкурент на PostgreSQL!
Hydra — новое хранилище данных с открытым исходным кодом, благодаря удобству которого, он идеален для OLAP и гибридных процессов, связанных с транзакциями. Разработчики даже уверяют, что Hydra в 23 раза быстрее Postgres.
Как же им это удалось?
Секрет кроется в колоночном хранении данных, паралелльном выполнении запросов и векторизации вычислений. Эталонное тестирование (бенчмаркинг) произведено с помощью ClickBench от Clickhouse, а для финального тюнинга настроек предлагается набор параметров, чтобы дать Hydra возможность максимально раскрыть свой потенциал с учетом ваших локальных особенностей.
Дорого наверное?
Вся эта прелесть бесплатна только для локальной работы. Если вам нужно облачное решение, то придется оформить подписку, самая дешевая из которых стоит $400 в месяц. Тем не менее, разработчики предлагают 14-дневную пробную версию, чтобы протестировать новинку.
В релизе указано, что создатели Hydra обещают продолжить работу над ее ускорением и далее. Ну что, готовы попробовать триалку? Если да, то вот образ Docker!
www.hydra.so
Hydra - Serverless Analytics on Postgres
❤🔥25🔥21👏11🌚11👍9
🎨 Как AI генерирует картинки: версия для тех, кто так и не разобрался 😏
The Washington Post опубликовали статью с подробным разбором того, как работает Stable Diffusion 2.0. Взяв интервью у разработчиков и разбив этап генерации изображения на отдельные шаги, журналисты создали доступный и наглядный гайд для знакомства с моделью.
«Опять графики и скриншоты!» — воскликните вы. Нет, в этот раз все гораздо интереснее!
На странице статьи вам будет предложено четыре условия для AI, на основе которых сеть сформирует изображение. Далее, вы пройдете весь путь модели от того, какими картинками ее кормили в младенчестве и как, будучи зрелой и натренированной, она научилась генерировать то, что вы получили в качестве результата после выбора четырех условий.
Один из самых интересных этапов — это работа модели с цифровым шумом. Оказывается, чтобы научить Stable Diffusion 2.0 генерировать изображения, разработчики сначала научили ее видеть «спрятанные» объекты в картинках с разным уровнем шума.
Ставьте ❤️, если статья вам понравилась, и пишите в комментарии, какие аспекты работы Stable Diffusion 2.0 вам больше всего интересны!
#leftjoin_ai
The Washington Post опубликовали статью с подробным разбором того, как работает Stable Diffusion 2.0. Взяв интервью у разработчиков и разбив этап генерации изображения на отдельные шаги, журналисты создали доступный и наглядный гайд для знакомства с моделью.
«Опять графики и скриншоты!» — воскликните вы. Нет, в этот раз все гораздо интереснее!
На странице статьи вам будет предложено четыре условия для AI, на основе которых сеть сформирует изображение. Далее, вы пройдете весь путь модели от того, какими картинками ее кормили в младенчестве и как, будучи зрелой и натренированной, она научилась генерировать то, что вы получили в качестве результата после выбора четырех условий.
Один из самых интересных этапов — это работа модели с цифровым шумом. Оказывается, чтобы научить Stable Diffusion 2.0 генерировать изображения, разработчики сначала научили ее видеть «спрятанные» объекты в картинках с разным уровнем шума.
Ставьте ❤️, если статья вам понравилась, и пишите в комментарии, какие аспекты работы Stable Diffusion 2.0 вам больше всего интересны!
#leftjoin_ai
❤82👍2
На связи Data Heroes и в эфире э-э-эксперименты! ⚡️ (Если вам кажется, что эту фразу вы где-то слышали – вам точно кажется!)
В сегодняшнем выпуске речь пойдет об интересном и важном этапе в аналитике – А/Б-тестировании. О методе исследования, при котором сравниваются результаты разных вариантов эксперимента. Наши спикеры поделятся своими лайфхаками и ответят на самые важные вопросы:
▪️Почему А/Б-тесты так важны для бизнеса?
▪️Какие есть неочевидные ошибки и как их не допускать?
▪️Как правильно интерпретировать результаты А/Б-теста?
▪️Есть ли какой-то ТОП инструментов для проведения А/Б-тестов?
Включайте подкаст и прокачивайте свои скиллы вместе с нами! 🚀
БОНУС: Конечно же, наши спикеры обязательно дадут советы для новичков в А/Б-тестировании. Будет очень полезно!
СПИКЕРЫ: Виталий Черемисинов, Анатолий Карпов, Ксения Шипулина
Слушайте подкаст на платформах: Spotify, Anchor, Apple Podcasts, Google, Yandex, Overcast, Mave, Castbox, Telegram (↓)
#подкаст #DataHeroes
▪️Почему А/Б-тесты так важны для бизнеса?
▪️Какие есть неочевидные ошибки и как их не допускать?
▪️Как правильно интерпретировать результаты А/Б-теста?
▪️Есть ли какой-то ТОП инструментов для проведения А/Б-тестов?
Включайте подкаст и прокачивайте свои скиллы вместе с нами! 🚀
БОНУС: Конечно же, наши спикеры обязательно дадут советы для новичков в А/Б-тестировании. Будет очень полезно!
СПИКЕРЫ: Виталий Черемисинов, Анатолий Карпов, Ксения Шипулина
Слушайте подкаст на платформах: Spotify, Anchor, Apple Podcasts, Google, Yandex, Overcast, Mave, Castbox, Telegram (↓)
#подкаст #DataHeroes
❤🔥67🔥24🏆11❤9🎉7
Omni или BI инструмент, который работает быстрее вас ⌚️
Недавно я наткнулся на Omni, продукт от разработчиков Looker и Stitch, который увидел свет в этом году.
Что в нем особенного?
▫️Основное преимущество этого инструмента в том, что модель выстраивается по мере того, как вы пишете запросы.
▫️Она автоматически парсит все SQL-запросы, позволяя вам в это время сосредоточиться на анализе данных.
▫️ В интерфейс Omni разработчики вшили редактор Vega, который позволяет вам создавать разнообразные визуализации с любым объемом данных.
▫️ Еще одна удобная особенность функционала Omni — это то, что рабочие пространства можно переслать своему коллеге, клиенту или начальнику просто по ссылке.
▫️ Полный список характеристик Omni доступен на сайте разработчиков.
Недавно я наткнулся на Omni, продукт от разработчиков Looker и Stitch, который увидел свет в этом году.
Что в нем особенного?
▫️Основное преимущество этого инструмента в том, что модель выстраивается по мере того, как вы пишете запросы.
▫️Она автоматически парсит все SQL-запросы, позволяя вам в это время сосредоточиться на анализе данных.
▫️ В интерфейс Omni разработчики вшили редактор Vega, который позволяет вам создавать разнообразные визуализации с любым объемом данных.
▫️ Еще одна удобная особенность функционала Omni — это то, что рабочие пространства можно переслать своему коллеге, клиенту или начальнику просто по ссылке.
▫️ Полный список характеристик Omni доступен на сайте разработчиков.
❤10🔥4❤🔥3👍1
Приоткрывайм завесу тайны: о чём мы пишем в канале FULL JOIN?
Мы решили поделиться с вами частью контента, который мы публикуем в приватном канале. На прошлой неделе мы публиковали статью, в которой разбирались в сути ранжирующих функций в SQL.
Давайте разберемся в каждой из ранжирующих функций
📍 ROW_NUMBER — функция, которая возвращает номер строки внутри окна.
С помощью данной функции можно задать нумерацию, которая будет отличаться от порядка сортировки строк результирующего набора, создать несквозную нумерацию, т.е. выделить группы из общего множества строк и сделать отдельную нумерацию для каждой группы, а также использовать несколько способов нумерации одновременно.
Помимо ROW_NUMBER, есть и другие ранжирующие функции:
📍 RANK — функция, которая возвращает ранг каждой строки.
Погодите, а что такое ранг?
Cтроки, которые имеют одинаковые значения в столбцах, по которым выполняется упорядочивание, получают одинаковые номера - ранги. Нумерация рангов начинается с единицы.
В случае использования RANK следующим номером после строк с одинаковым рангом будет номер строки (ROW_NUMBER).
📍 DENSE_RANK — функция, которая также возвращает ранг каждой строки.
В отличие от RANK, при использовании этой функции следующим номером после строк с одинаковым рангом будет ранг на единицу выше. Таким образом, номера не пропускаются, и потому такой ранг называется “плотным“.
📍 NTILE — функция, которая распределяет строки окна на заданное в качестве параметра количество групп.
Нумерация групп начинается с единицы. Если общее количество строк не делится нацело на заданный параметр, то группы формируются двух размеров с разницей в единицу. Причем группы большего размера идут перед меньшими группами. Например, если общее число строк равно 10, а число групп равно 4, то первые две группы будут состоять из 3 строк, а последние две — из 2.
📍 PERCENT_RANK — функция, которая возвращает относительный ранг строки в окне.
Она вычисляет долю строк, ранг которых меньше, чем у текущей. Для подсчета используется формула (rank - 1) /([количество строк в окне] - 1). Возвращаемое значение лежит в отрезке [0, 1]. Если в окне только одна строка, то функция вернет 0.
📍 CUME_DIST — функция, которая возвращает кумулятивное распределение величины в пределах набора значений.
Она вычисляет долю строк, ранг которых не больше, чем у текущей. Для подсчета используется формула N/[количество строк в окне], где N - количество строк, ранг которых меньше либо равен рангу текущей строки, включая ее саму. Возвращаемое значение лежит в полуинтервале (0, 1].
Круто, а как их использовать?
По-разному. Например, с их помощью можно решить задачу ранжирования пользователей относительно их возраста или даты регистрации.
Если хотите изучить больше пояснений по разным функциям и их использованию, разобрать примеры запросов к конкретным данным, а также получить доступ в нашу Redash песочницу, чтобы запустить запросы со всеми этими функциями и разобрать их «по запчастям», то вы всегда можете оформить подписку на FULL JOIN.
Мы решили поделиться с вами частью контента, который мы публикуем в приватном канале. На прошлой неделе мы публиковали статью, в которой разбирались в сути ранжирующих функций в SQL.
Давайте разберемся в каждой из ранжирующих функций
📍 ROW_NUMBER — функция, которая возвращает номер строки внутри окна.
С помощью данной функции можно задать нумерацию, которая будет отличаться от порядка сортировки строк результирующего набора, создать несквозную нумерацию, т.е. выделить группы из общего множества строк и сделать отдельную нумерацию для каждой группы, а также использовать несколько способов нумерации одновременно.
Помимо ROW_NUMBER, есть и другие ранжирующие функции:
📍 RANK — функция, которая возвращает ранг каждой строки.
Погодите, а что такое ранг?
Cтроки, которые имеют одинаковые значения в столбцах, по которым выполняется упорядочивание, получают одинаковые номера - ранги. Нумерация рангов начинается с единицы.
В случае использования RANK следующим номером после строк с одинаковым рангом будет номер строки (ROW_NUMBER).
📍 DENSE_RANK — функция, которая также возвращает ранг каждой строки.
В отличие от RANK, при использовании этой функции следующим номером после строк с одинаковым рангом будет ранг на единицу выше. Таким образом, номера не пропускаются, и потому такой ранг называется “плотным“.
📍 NTILE — функция, которая распределяет строки окна на заданное в качестве параметра количество групп.
Нумерация групп начинается с единицы. Если общее количество строк не делится нацело на заданный параметр, то группы формируются двух размеров с разницей в единицу. Причем группы большего размера идут перед меньшими группами. Например, если общее число строк равно 10, а число групп равно 4, то первые две группы будут состоять из 3 строк, а последние две — из 2.
📍 PERCENT_RANK — функция, которая возвращает относительный ранг строки в окне.
Она вычисляет долю строк, ранг которых меньше, чем у текущей. Для подсчета используется формула (rank - 1) /([количество строк в окне] - 1). Возвращаемое значение лежит в отрезке [0, 1]. Если в окне только одна строка, то функция вернет 0.
📍 CUME_DIST — функция, которая возвращает кумулятивное распределение величины в пределах набора значений.
Она вычисляет долю строк, ранг которых не больше, чем у текущей. Для подсчета используется формула N/[количество строк в окне], где N - количество строк, ранг которых меньше либо равен рангу текущей строки, включая ее саму. Возвращаемое значение лежит в полуинтервале (0, 1].
Круто, а как их использовать?
По-разному. Например, с их помощью можно решить задачу ранжирования пользователей относительно их возраста или даты регистрации.
Если хотите изучить больше пояснений по разным функциям и их использованию, разобрать примеры запросов к конкретным данным, а также получить доступ в нашу Redash песочницу, чтобы запустить запросы со всеми этими функциями и разобрать их «по запчастям», то вы всегда можете оформить подписку на FULL JOIN.
👍13❤5🔥3
Рома @revealthedata (еще три года назад) сделал замечательную для всех аналитиков – шаблон для сбора требований для дашборда. А сейчас выкатил его улучшенную версию. С его помощью и правда можно выполнить работу проще и точнее, а результат с куда большей вероятностью понравится заказчику!
❤8❤🔥5
Forwarded from Reveal the Data
Три года назад я придумал сделать шаблон сбора требований для дашборда. За это время его использовали много раз, а видео с рассказом про него на канале DataLearn от Димы Аношина посмотрели более 20 тысяч раз. За это время я получил много обратной связи и сам часто использовал шаблон, поэтому смог конструктивно его улучшить. Представляю новую версию!
Подробно, почему он стал таким, я недавно рассказал на конференции Flow, 👉 вот запись 👈, получилась интересная история развития фреймворка. Спасибо организаторам, они согласились выложить доклад в общий доступ сильно раньше, чем планировали.
А вот ссылка на Miro, где теперь есть инструкция, примеры и новая версия в pptx (ещё приложу её в комментарии). Совместно с идеей построения карты дашбордов получается полноценный алгоритм построения системы дашбордов в компании. Делитесь обратной связью и используйте в работе!
@revealthedata
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
Роман Бунин — Dashboard Canvas 2.0
Подробнее о конференции Flow: https://jrg.su/CAm5kF
— —
Проектирование дашбордов — дисциплина на стыке аналитики и дизайна. Роман не верит в процесс, когда заказчик дашборда сам составляет ТЗ для разработчика, ведь в итоге разработчик становится просто «руками».…
— —
Проектирование дашбордов — дисциплина на стыке аналитики и дизайна. Роман не верит в процесс, когда заказчик дашборда сам составляет ТЗ для разработчика, ведь в итоге разработчик становится просто «руками».…
👍23🔥3🐳3
Data Heroes залетают в Новый год! 🚀 И не одни, а вместе с волшебниками✨
Да-да, вы не ослышались! В сегодняшнем выпуске речь пойдет о настоящих волшебниках Нового года, благодаря которым на наших праздничных столах всегда есть салаты, а подарки для наших близких приходят вовремя 🎁
Знакомьтесь – аналитики в ритейле! Они поделятся историями о том, как им удается спланировать работу в жаркий предновогодний период и они делают наш с вами праздник чуточку лучше. А также ответят на интересующие вопросы:
▪️Как курьеры справляются с объемом заказов перед Новым годом?
▪️Какие продукты лидируют среди покупок для новогоднего стола?
▪️Какие необычные закономерности появляются в конце декабря?
▪️А как справляются серверы в период ажиотажного спроса (это же почти DDoS-атака!)?
▪️Кто такие “подснежники” и почему в январе наступает апокалипсис для ритейла?
Включайте подкаст и узнавайте все секреты! А также, с наступающим Новым годом!🎄
СПИКЕРЫ: Савелий Бабин (Ozon), Александра Подпорина (Лента), Мария Суртаева (Самокат), Артем Горбунов (Самокат)
Слушайте подкаст на платформах: Spotify, Anchor, Apple Podcasts, Google, Yandex, Overcast, Mave, Castbox, Telegram (↓)
#подкаст #DataHeroes
Да-да, вы не ослышались! В сегодняшнем выпуске речь пойдет о настоящих волшебниках Нового года, благодаря которым на наших праздничных столах всегда есть салаты, а подарки для наших близких приходят вовремя 🎁
Знакомьтесь – аналитики в ритейле! Они поделятся историями о том, как им удается спланировать работу в жаркий предновогодний период и они делают наш с вами праздник чуточку лучше. А также ответят на интересующие вопросы:
▪️Как курьеры справляются с объемом заказов перед Новым годом?
▪️Какие продукты лидируют среди покупок для новогоднего стола?
▪️Какие необычные закономерности появляются в конце декабря?
▪️А как справляются серверы в период ажиотажного спроса (это же почти DDoS-атака!)?
▪️Кто такие “подснежники” и почему в январе наступает апокалипсис для ритейла?
Включайте подкаст и узнавайте все секреты! А также, с наступающим Новым годом!🎄
СПИКЕРЫ: Савелий Бабин (Ozon), Александра Подпорина (Лента), Мария Суртаева (Самокат), Артем Горбунов (Самокат)
Слушайте подкаст на платформах: Spotify, Anchor, Apple Podcasts, Google, Yandex, Overcast, Mave, Castbox, Telegram (↓)
#подкаст #DataHeroes
🔥16🎉6❤🔥3❤1