Самая частая ошибка начинающих аналитиков: они хотят A/B тест на все.
Нет трафика? «Давайте подождем». Нет четкой гипотезы? «Ну посмотрим что будет». Изменение минимально? «Все равно нужна значимость».
В реальности часто бывает что A/B тест это самое неэффективное решение.
5 ситуаций, когда НЕ стоит запускать тест:
1. Нет минимального трафика
500 пользователей в день + ожидаемый эффект +5% к конверсии = тест займет 6 месяцев. За это время все изменится дважды.
2. Изменение явно лучше или хуже
Убираете сломанную кнопку, это не гипотеза, это починка. Запускайте без теста.
3. Нет ресурса на откат
A/B тест предполагает: если результат плохой откатываемся. Если откатиться нельзя, вы не тестируете вы наблюдаете за катастрофой.
4. Тест нарушает SUTVA
На маркетплейсах и соцсетях пользователи влияют друг на друга. Классический A/B тест может дать красивую значимость, но выводы будут неверные.
5. Решение уже принято
Если продакт пришел с «нам нужен тест, чтобы обосновать решение» это не тест, это театр. Лучше сразу отказаться.
A/B тест это хороший и мощный инструмент. Но молоток не нужен, когда нужен карандаш.
Нет трафика? «Давайте подождем». Нет четкой гипотезы? «Ну посмотрим что будет». Изменение минимально? «Все равно нужна значимость».
В реальности часто бывает что A/B тест это самое неэффективное решение.
5 ситуаций, когда НЕ стоит запускать тест:
1. Нет минимального трафика
500 пользователей в день + ожидаемый эффект +5% к конверсии = тест займет 6 месяцев. За это время все изменится дважды.
2. Изменение явно лучше или хуже
Убираете сломанную кнопку, это не гипотеза, это починка. Запускайте без теста.
3. Нет ресурса на откат
A/B тест предполагает: если результат плохой откатываемся. Если откатиться нельзя, вы не тестируете вы наблюдаете за катастрофой.
4. Тест нарушает SUTVA
На маркетплейсах и соцсетях пользователи влияют друг на друга. Классический A/B тест может дать красивую значимость, но выводы будут неверные.
5. Решение уже принято
Если продакт пришел с «нам нужен тест, чтобы обосновать решение» это не тест, это театр. Лучше сразу отказаться.
A/B тест это хороший и мощный инструмент. Но молоток не нужен, когда нужен карандаш.
❤5👍1
«Тест не подтвердил гипотезу» этих слов боятся больше, чем технических долгов.
Умение принести плохую новость правильно это отдельный скилл. И он важнее, чем кажется.
Раньше мне казалось, что если тест не дал результата, то это и моя вина тоже. А когда я рассказывал об этом, то как-будто оправдывался. Потом я понял что проблема не во мне и теперь рассказываю о неудачах подругому.
Вот структура, которую я использую:
1. Факт без эмоций
«Тест завершен. Конверсия в группе B не отличается от контроля: +0.3%, p-value = 0.61»
Не «к сожалению» и не «мы облажались». Просто данные.
2. Контекст, что это означает
«Гипотеза о том, что новая фича увеличит конверсию, не подтвердилась»
3. Что это НЕ значит
Здесь важно выйти из режима виноватого.
«Это не значит, что идея плохая, возможно, эффект есть, но меньше, чем мы предполагали»
4. Следующий шаг
«Предлагаю посмотреть на сегменты, в mobile-аудитории есть слабый положительный сигнал. Можем проверить точечно»
Почему это работает:
→ Ты не защищаешься и не извиняешься
→ Переводишь разговор в сторону «что делать»
→ Показываешь, что неудачный тест это тоже ценная информация
Плохой результат, правильно поданный, часто укрепляет доверие больше, чем хороший результат, поданный небрежно.
Умение принести плохую новость правильно это отдельный скилл. И он важнее, чем кажется.
Раньше мне казалось, что если тест не дал результата, то это и моя вина тоже. А когда я рассказывал об этом, то как-будто оправдывался. Потом я понял что проблема не во мне и теперь рассказываю о неудачах подругому.
Вот структура, которую я использую:
1. Факт без эмоций
«Тест завершен. Конверсия в группе B не отличается от контроля: +0.3%, p-value = 0.61»
Не «к сожалению» и не «мы облажались». Просто данные.
2. Контекст, что это означает
«Гипотеза о том, что новая фича увеличит конверсию, не подтвердилась»
3. Что это НЕ значит
Здесь важно выйти из режима виноватого.
«Это не значит, что идея плохая, возможно, эффект есть, но меньше, чем мы предполагали»
4. Следующий шаг
«Предлагаю посмотреть на сегменты, в mobile-аудитории есть слабый положительный сигнал. Можем проверить точечно»
Почему это работает:
→ Ты не защищаешься и не извиняешься
→ Переводишь разговор в сторону «что делать»
→ Показываешь, что неудачный тест это тоже ценная информация
Плохой результат, правильно поданный, часто укрепляет доверие больше, чем хороший результат, поданный небрежно.
❤3👍2🔥1
Как не паниковать, когда цифры ползут вниз? 📉
Часто спрашивают: «Где научиться строить дерево метрик?». Мой ответ: на реальных «пожарах». Самый лучший способ разобраться, это взять живой пример и разложить его на атомы.
Представьте ситуацию: вы аналитик в маркетплейсе. Главная метрика GMV (оборот) упала на 10% за неделю. Продакт в тревоге, все ждут ответов.
Просто сказать «упало», значит констатировать факт. Наша же задача найти «точку боли». Для этого мы строим дерево.
Уровень 1: Математика бизнеса
GMV = Users \times Orders\_per\_User \times AOV
Смотрим, что просело. Допустим, заказы и чек в норме, а вот пользователи (Users) «отвалились».
Уровень 2: Кто именно ушел?
Users = New + Returning
Видим, что новички приходят как обычно, а вот «старички» (Returning) перестали заходить.
Уровень 3: Почему они не вернулись?
Returning\_Users = DAU \times Retention
Спускаемся глубже, пока не найдем ту самую метрику, которая тянет все дерево вниз. Например, сломался онбординг или пуши не ушли.
Как это дерево выглядит в голове (и в отчете):
Три совета, чтобы дерево не превратилось в джунгли:
1. Арифметика превыше всего. Метрики нижнего уровня при умножении или сложении должны давать верхний. Если «сумма частей не равна целому» — дерево сломано.
2. Не закапывайтесь. 3–4 уровней обычно за глаза. Если идти глубже, вы найдете не метрики, а технические алерты (например, «кнопка не прогрузилась»).
3. Разделяйте зоны влияния. Внешнее (рекламный трафик) это одно. Внутреннее (конверсия в корзину) совсем другое. Так сразу понятно, к кому идти с вопросами: к маркетологам или к разработчикам.
Итог: Без дерева вы просто «сообщаете плохие новости». С деревом вы приходите к команде с готовым диагнозом: «Ребята, у нас упал Retention новичков, давайте проверять, что мы поменяли в первом сценарии использования».
Это и есть аналитика, которая бережет нервы и приносит пользу. 🤝
Часто спрашивают: «Где научиться строить дерево метрик?». Мой ответ: на реальных «пожарах». Самый лучший способ разобраться, это взять живой пример и разложить его на атомы.
Представьте ситуацию: вы аналитик в маркетплейсе. Главная метрика GMV (оборот) упала на 10% за неделю. Продакт в тревоге, все ждут ответов.
Просто сказать «упало», значит констатировать факт. Наша же задача найти «точку боли». Для этого мы строим дерево.
Уровень 1: Математика бизнеса
GMV = Users \times Orders\_per\_User \times AOV
Смотрим, что просело. Допустим, заказы и чек в норме, а вот пользователи (Users) «отвалились».
Уровень 2: Кто именно ушел?
Users = New + Returning
Видим, что новички приходят как обычно, а вот «старички» (Returning) перестали заходить.
Уровень 3: Почему они не вернулись?
Returning\_Users = DAU \times Retention
Спускаемся глубже, пока не найдем ту самую метрику, которая тянет все дерево вниз. Например, сломался онбординг или пуши не ушли.
Как это дерево выглядит в голове (и в отчете):
GMV (Оборот)
├── Users (Аудитория)
│ ├── New (Новые)
│ │ ├── Traffic (Откуда пришли)
│ │ └── CR (Конверсия в регистрацию)
│ └── Returning (Вернувшиеся)
│ ├── DAU (Активность)
│ └── Retention (Удержание) — 🚩 Кажется, проблема тут!
├── Orders per User (Частота покупок)
└── AOV (Средний чек)
├── Items per Order (Штук в заказе)
└── Avg Price (Средняя цена товара)
Три совета, чтобы дерево не превратилось в джунгли:
1. Арифметика превыше всего. Метрики нижнего уровня при умножении или сложении должны давать верхний. Если «сумма частей не равна целому» — дерево сломано.
2. Не закапывайтесь. 3–4 уровней обычно за глаза. Если идти глубже, вы найдете не метрики, а технические алерты (например, «кнопка не прогрузилась»).
3. Разделяйте зоны влияния. Внешнее (рекламный трафик) это одно. Внутреннее (конверсия в корзину) совсем другое. Так сразу понятно, к кому идти с вопросами: к маркетологам или к разработчикам.
Итог: Без дерева вы просто «сообщаете плохие новости». С деревом вы приходите к команде с готовым диагнозом: «Ребята, у нас упал Retention новичков, давайте проверять, что мы поменяли в первом сценарии использования».
Это и есть аналитика, которая бережет нервы и приносит пользу. 🤝
🔥5❤4✍2
Начал вести канал в Threads. Там не получится писать лонгриды как в телеге, поэтому будут небольшие заметки. Думаю получится живо и интересно.
Сегодня мы там решаем задачу на логику, присоединяйтесь
https://www.threads.com/@andreitarasenko
Сегодня мы там решаем задачу на логику, присоединяйтесь
https://www.threads.com/@andreitarasenko
Threads
Андрей Тарасенко (@andreitarasenko) • Threads, Say more
11 Followers • 6 Threads • Перешел в IT в 39 лет. Делюсь знаниями и впечатлениями. Помогаю другим пройти этот путь. See the latest conversations with @andreitarasenko.
🔥2👍1
Что я делаю по вечерам
Днем я аналитик в Авито: A/B-тесты, продуктовые гипотезы, исследования поведения пользователей. Обычная работа продуктового аналитика, ничего магического.
А вечером я открываю другой ноут и продолжаю работать, но уже над своим: new-lvl.pro.
Это бесплатная платформа для аналитиков, которая собирается у меня уже несколько месяцев. Идея простая: когда я сам уходил из ритейла в аналитику, я не мог найти одно место, где собрано все нужное для подготовки. Учебники по SQL - отдельно, задачи - отдельно, теория про A/B - где-то в статьях на Хабре у умных ребят, разборы собесов - на ютубе.
Решил собрать это сам. Все, что мне самому помогло и с чем сейчас сталкиваются мои менти, упаковать в один сайт.
Что уже работает:
🟢 SQL-тренажер — 100 задач (20 бесплатно, 80 в премиуме), реальная PostgreSQL под капотом, автоматическая проверка. Не «вот решение, сравни», а настоящий запуск твоего запроса по датасету.
🗺 Роадмап аналитика — карта от джуна до мидла. Что учить, в каком порядке, на чем сэкономить время.
🟡 Pandas-тренажер — в активной разработке. Хочу сделать его прямо в браузере, без установки.
🟡 A/B-тренажер — следующая итерация. Расчеты MDE, мощности, разбор сценариев.
📚 Статьи и гайды — про дерево метрик, про поиск работы, про конкретные ошибки в A/B. То, что я бы сам хотел прочитать три года назад.
Заходи:
→ new-lvl.ru — главная, все разделы
→ sql.new-lvl.pro — тренажер SQL
Если что-то не работает или не хватает темы, пиши. Это все еще стройка, и она постоянно растет.
Днем я аналитик в Авито: A/B-тесты, продуктовые гипотезы, исследования поведения пользователей. Обычная работа продуктового аналитика, ничего магического.
А вечером я открываю другой ноут и продолжаю работать, но уже над своим: new-lvl.pro.
Это бесплатная платформа для аналитиков, которая собирается у меня уже несколько месяцев. Идея простая: когда я сам уходил из ритейла в аналитику, я не мог найти одно место, где собрано все нужное для подготовки. Учебники по SQL - отдельно, задачи - отдельно, теория про A/B - где-то в статьях на Хабре у умных ребят, разборы собесов - на ютубе.
Решил собрать это сам. Все, что мне самому помогло и с чем сейчас сталкиваются мои менти, упаковать в один сайт.
Что уже работает:
🟢 SQL-тренажер — 100 задач (20 бесплатно, 80 в премиуме), реальная PostgreSQL под капотом, автоматическая проверка. Не «вот решение, сравни», а настоящий запуск твоего запроса по датасету.
🗺 Роадмап аналитика — карта от джуна до мидла. Что учить, в каком порядке, на чем сэкономить время.
🟡 Pandas-тренажер — в активной разработке. Хочу сделать его прямо в браузере, без установки.
🟡 A/B-тренажер — следующая итерация. Расчеты MDE, мощности, разбор сценариев.
📚 Статьи и гайды — про дерево метрик, про поиск работы, про конкретные ошибки в A/B. То, что я бы сам хотел прочитать три года назад.
Заходи:
→ new-lvl.ru — главная, все разделы
→ sql.new-lvl.pro — тренажер SQL
Если что-то не работает или не хватает темы, пиши. Это все еще стройка, и она постоянно растет.
new-lvl.pro
new-lvl.pro — Тренажёры и материалы для аналитика
Roadmap, гайды, шпаргалки, квизы и тренажёры SQL, Pandas и A/B.
🔥6❤3👏2
«А что я получу?»: Разбираем менторство на молекулы
Заметил, что слово «менторство» для многих звучит как модный баззворд. Вроде полезно, а зачем конкретно нужно, непонятно. Давай рассеим этот туман.
Если коротко: ментор — это твой персональный чит-код. Это человек, который уже набил те шишки, которые ты только собираешься получить, и знает короткий путь в обход граблей.
В чем ценность?
• Ментор дает: честную обратную связь, структурный план развития, «взгляд со стороны» на твои ошибки и реальные кейсы из BigTech, которых нет в учебниках.
• Менти получает: уверенность, что он учит именно то что ему нужно, готовность к сложным интервью и сэкономленные месяцы блуждания в темноте.
3 сценария, где нам по пути:
1. Поиск работы (The Job Seeker): Мы готовимся к «бою»: упаковываем твой опыт (даже если он из другой сферы), тренируем STAR-истории, подтягиваем SQL, Python и решаем продуктовые кейсы. Цель — оффер в компанию мечты.
2. Карьерный апгрейд (The Career Builder): Ты уже работаешь, но застрял на уровне Junior или Middle. Мы работаем над «продуктовым мышлением», учимся говорить с бизнесом на одном языке и планируем переход на следующий грейд.
3. Решение рабочих задач (The Problem Solver): У тебя горит реальный проект на работе: не клеится сложный запрос в Trino, не хватает логики для А/Б теста или не знаешь, как выстроить отношения с заказчиком. Мы разбираем задачу «в поле», чтобы ты выдал крутой результат.
Почему это работает у меня?
Я сам прошел путь свитчера: сменил карьеру руководителя и пришел в Авито на позицию Junior-аналитика. Я знаю, как страшно начинать с нуля, и знаю, как сделать так, чтобы прошлый опыт стал преимуществом, а не «шумом» в резюме.
С чего начать?
Самое сложное это понять, подходим ли мы друг другу. Поэтому у меня есть бесплатная встреча-знакомство на 30 минут.
- Мы созвонимся, обсудим твой запрос.
- Я честно скажу, смогу ли помочь.
- Ты поймешь, комфортно ли со мной работать.
Без обязательств. Просто честный разговор о твоих целях и планах на будущее.
Если чувствуешь, что готов апнуться, но не знаешь как, пиши мне в личку. Обсудим!
Заметил, что слово «менторство» для многих звучит как модный баззворд. Вроде полезно, а зачем конкретно нужно, непонятно. Давай рассеим этот туман.
Если коротко: ментор — это твой персональный чит-код. Это человек, который уже набил те шишки, которые ты только собираешься получить, и знает короткий путь в обход граблей.
В чем ценность?
• Ментор дает: честную обратную связь, структурный план развития, «взгляд со стороны» на твои ошибки и реальные кейсы из BigTech, которых нет в учебниках.
• Менти получает: уверенность, что он учит именно то что ему нужно, готовность к сложным интервью и сэкономленные месяцы блуждания в темноте.
3 сценария, где нам по пути:
1. Поиск работы (The Job Seeker): Мы готовимся к «бою»: упаковываем твой опыт (даже если он из другой сферы), тренируем STAR-истории, подтягиваем SQL, Python и решаем продуктовые кейсы. Цель — оффер в компанию мечты.
2. Карьерный апгрейд (The Career Builder): Ты уже работаешь, но застрял на уровне Junior или Middle. Мы работаем над «продуктовым мышлением», учимся говорить с бизнесом на одном языке и планируем переход на следующий грейд.
3. Решение рабочих задач (The Problem Solver): У тебя горит реальный проект на работе: не клеится сложный запрос в Trino, не хватает логики для А/Б теста или не знаешь, как выстроить отношения с заказчиком. Мы разбираем задачу «в поле», чтобы ты выдал крутой результат.
Почему это работает у меня?
Я сам прошел путь свитчера: сменил карьеру руководителя и пришел в Авито на позицию Junior-аналитика. Я знаю, как страшно начинать с нуля, и знаю, как сделать так, чтобы прошлый опыт стал преимуществом, а не «шумом» в резюме.
С чего начать?
Самое сложное это понять, подходим ли мы друг другу. Поэтому у меня есть бесплатная встреча-знакомство на 30 минут.
- Мы созвонимся, обсудим твой запрос.
- Я честно скажу, смогу ли помочь.
- Ты поймешь, комфортно ли со мной работать.
Без обязательств. Просто честный разговор о твоих целях и планах на будущее.
Если чувствуешь, что готов апнуться, но не знаешь как, пиши мне в личку. Обсудим!
❤3👍2🔥2
Level Up в аналитике pinned ««А что я получу?»: Разбираем менторство на молекулы Заметил, что слово «менторство» для многих звучит как модный баззворд. Вроде полезно, а зачем конкретно нужно, непонятно. Давай рассеим этот туман. Если коротко: ментор — это твой персональный чит-код.…»
Аналитик в оффлайне vs в IT: разница миров
Переход из оффлайна в IT это не просто смена логотипа на пропуске. Это как если бы ты всю жизнь водил надежный трактор, а потом тебя пересадили в кабину самолета. Вроде и там, и там есть рычаги, но ощущения… специфические.
Многие думают, что аналитик он и в Африке аналитик. Но «оффлайновый» аналитик (из ритейла или производства) и аналитик в BigTech живут в разных измерениях.
Давайте сравним эти миры без снобизма, но с долей иронии.
🛠 Инструменты: Excel vs Python
В оффлайне твой лучший друг, бог и судья — Excel. Все, что нельзя посчитать в сводной таблице, считается магией. Данные часто попадают к тебе через «Выгрузку из 1С» в формате .csv (в лучшем случае) или копипастом из почты. О Python там часто слышали только в контексте террариумов.
В IT SQL — это гигиенический минимум, а Python — твоя правая рука. Ты не ждешь выгрузки от бухгалтерии, ты сам идешь в хранилище и берешь то, что нужно.
📂 Документация: «Спроси Галину» vs Confluence
В оффлайне база знаний часто хранится в голове условной Галины из отдела логистики. Она помнит, почему в марте 2019-го мы считали выручку без НДС, а в апреле — с ним. Инструкций нет, есть только «исторически сложилось».
В IT у тебя есть Confluence. Если ты что-то посчитал и не описал методику, считай, что ты ничего не считал. Все прозрачно, задокументировано и доступно по одной ссылке.
📋 Планирование: «На словах» vs Jira
В ритейле или на заводе задача может прилететь в коридоре: «Слушай, прикинь там по-быстрому остатки на складе». И ты идешь прикидывать. Планирование часто происходит «на глазок» и меняется трижды за день.
В IT есть Jira. Твоя задача — это тикет. У тикета есть описание, дедлайн, вес в стори-поинтах и место в спринте. Если задачи нет в Джире значит, ты отдыхаешь (шучу, конечно, но порядок именно такой).
📊 Визуализация: «Радуга» vs Дизайн-система
В оффлайне график должен быть «красивым». Это значит 15 цветов, объемные гистограммы и легенда на пол-экрана.
В IT — строгий минимализм. Твой дашборд в Tableau или Redash должен отвечать на вопрос бизнеса за 3 секунды. Никакого визуального шума, только данные.
Почему это важно понимать свитчеру?
Когда ты приходишь из производства в IT, тебя может накрыть культурный шок. Тебе будет казаться, что всt слишком сложно, медленно и «забюрократизировано» этими вашими спринтами.
Но есть и хорошая новость: твой опыт работы с «реальным миром», где данные пахнут бензином или продуктами в корзине это твоя суперсила. Ты понимаешь, откуда берутся цифры, в то время как «чистый айтишник» видит только строки в базе.
Главное вовремя сменить «экселевское» мышление на продуктовое и не бояться, что вместо Галины теперь придется спрашивать документацию.
А какой инструмент из «прошлой жизни» вы до сих пор вспоминаете с теплотой (или содроганием)? Пишите в комментариях! 👇
Переход из оффлайна в IT это не просто смена логотипа на пропуске. Это как если бы ты всю жизнь водил надежный трактор, а потом тебя пересадили в кабину самолета. Вроде и там, и там есть рычаги, но ощущения… специфические.
Многие думают, что аналитик он и в Африке аналитик. Но «оффлайновый» аналитик (из ритейла или производства) и аналитик в BigTech живут в разных измерениях.
Давайте сравним эти миры без снобизма, но с долей иронии.
🛠 Инструменты: Excel vs Python
В оффлайне твой лучший друг, бог и судья — Excel. Все, что нельзя посчитать в сводной таблице, считается магией. Данные часто попадают к тебе через «Выгрузку из 1С» в формате .csv (в лучшем случае) или копипастом из почты. О Python там часто слышали только в контексте террариумов.
В IT SQL — это гигиенический минимум, а Python — твоя правая рука. Ты не ждешь выгрузки от бухгалтерии, ты сам идешь в хранилище и берешь то, что нужно.
📂 Документация: «Спроси Галину» vs Confluence
В оффлайне база знаний часто хранится в голове условной Галины из отдела логистики. Она помнит, почему в марте 2019-го мы считали выручку без НДС, а в апреле — с ним. Инструкций нет, есть только «исторически сложилось».
В IT у тебя есть Confluence. Если ты что-то посчитал и не описал методику, считай, что ты ничего не считал. Все прозрачно, задокументировано и доступно по одной ссылке.
📋 Планирование: «На словах» vs Jira
В ритейле или на заводе задача может прилететь в коридоре: «Слушай, прикинь там по-быстрому остатки на складе». И ты идешь прикидывать. Планирование часто происходит «на глазок» и меняется трижды за день.
В IT есть Jira. Твоя задача — это тикет. У тикета есть описание, дедлайн, вес в стори-поинтах и место в спринте. Если задачи нет в Джире значит, ты отдыхаешь (шучу, конечно, но порядок именно такой).
📊 Визуализация: «Радуга» vs Дизайн-система
В оффлайне график должен быть «красивым». Это значит 15 цветов, объемные гистограммы и легенда на пол-экрана.
В IT — строгий минимализм. Твой дашборд в Tableau или Redash должен отвечать на вопрос бизнеса за 3 секунды. Никакого визуального шума, только данные.
Почему это важно понимать свитчеру?
Когда ты приходишь из производства в IT, тебя может накрыть культурный шок. Тебе будет казаться, что всt слишком сложно, медленно и «забюрократизировано» этими вашими спринтами.
Но есть и хорошая новость: твой опыт работы с «реальным миром», где данные пахнут бензином или продуктами в корзине это твоя суперсила. Ты понимаешь, откуда берутся цифры, в то время как «чистый айтишник» видит только строки в базе.
Главное вовремя сменить «экселевское» мышление на продуктовое и не бояться, что вместо Галины теперь придется спрашивать документацию.
А какой инструмент из «прошлой жизни» вы до сих пор вспоминаете с теплотой (или содроганием)? Пишите в комментариях! 👇
❤2🔥2
🎯 Обновил SQL-блок на new-lvl.pro
SQL проверяют на 89% собесов аналитика — это самый частый технический навык, обгоняет Python (67%) и Excel (54%). На middle и senior 80% задач — оконные функции. Если SQL-секция провалилась, остальные интервью можно не проводить.
Поэтому два новых материала — про SQL.
Статья «Где брать SQL-задачи: 7 тренажёров + честное сравнение»
new-lvl.pro/articles/sql-task-sources/
Описал 7 платформ: Karpov, Practicum, Stepik, sql-ex, zasqlpython, DataLemur, StrataScratch. Без рекламных «ТОП-10», без подвохов в стиле «бесплатно *(*с ограничениями)». Что хорошо, что плохо, кому подойдет. В конце — что есть у нас на sql.new-lvl.pro и где мы пока честно слабее (нет AI-интервьюера, нет учебных траекторий — это в роадмапе).
Главный вывод: идеального тренажера нет. Минимум, который реально покрывает middle: Karpov + 20 free-задач sql.new-lvl.pro + отдельный фокус на оконки.
Карточки «Шпаргалка по оконным функциям SQL»
new-lvl.pro/cards/window-functions-cheatsheet/
18 карточек на одной странице:
ROW_NUMBER, RANK, DENSE_RANK, NTILE, LAG, LEAD, SUM/AVG OVER, ROWS/RANGE BETWEEN.
С синтаксисом, отличиями и типовыми задачами «топ-3 в категории», «накопительная сумма», «дельта к прошлому периоду», «RFM через NTILE(5)». Открыл — вспомнил функцию за минуту.
🎮 Если синтаксис уже знаешь и нужна моторика — sql.new-lvl.pro: 20 бесплатных задач на маркетплейс-датасете. Даже без регистрации, автопроверка по референс-запросу. Можно начать прямо сейчас.
SQL проверяют на 89% собесов аналитика — это самый частый технический навык, обгоняет Python (67%) и Excel (54%). На middle и senior 80% задач — оконные функции. Если SQL-секция провалилась, остальные интервью можно не проводить.
Поэтому два новых материала — про SQL.
Статья «Где брать SQL-задачи: 7 тренажёров + честное сравнение»
new-lvl.pro/articles/sql-task-sources/
Описал 7 платформ: Karpov, Practicum, Stepik, sql-ex, zasqlpython, DataLemur, StrataScratch. Без рекламных «ТОП-10», без подвохов в стиле «бесплатно *(*с ограничениями)». Что хорошо, что плохо, кому подойдет. В конце — что есть у нас на sql.new-lvl.pro и где мы пока честно слабее (нет AI-интервьюера, нет учебных траекторий — это в роадмапе).
Главный вывод: идеального тренажера нет. Минимум, который реально покрывает middle: Karpov + 20 free-задач sql.new-lvl.pro + отдельный фокус на оконки.
Карточки «Шпаргалка по оконным функциям SQL»
new-lvl.pro/cards/window-functions-cheatsheet/
18 карточек на одной странице:
ROW_NUMBER, RANK, DENSE_RANK, NTILE, LAG, LEAD, SUM/AVG OVER, ROWS/RANGE BETWEEN.
С синтаксисом, отличиями и типовыми задачами «топ-3 в категории», «накопительная сумма», «дельта к прошлому периоду», «RFM через NTILE(5)». Открыл — вспомнил функцию за минуту.
🎮 Если синтаксис уже знаешь и нужна моторика — sql.new-lvl.pro: 20 бесплатных задач на маркетплейс-датасете. Даже без регистрации, автопроверка по референс-запросу. Можно начать прямо сейчас.
❤4❤🔥2👍2
Раньше я думал, что планирование это легко.
В компаниях где я раньше работал все довольно предсказуемо: есть опыт, есть шаблоны, ты уже на автомате знаешь, сколько времени уйдет на задачу.
В Авито все оказалось по-другому. Здесь все, что можно автоматизировать, уже автоматизировано. Остаются только сложные кейсы, где вообще нет готовых решений. Я первый год все ждал, когда жея уже разберусь во всем и задачи начнут повторяться и я уже буду знать как их решать 😂
Еще у меня есть проблема с оценкой времени на задачу (это не только на работе). Я очень оптимистичен в этом вопросе. В итоге я планировал что сделаю задачу за 4 часа, а делал за 4 дня.
Почему так? Потому что данные прячутся, логика проясняется только к середине пути, а чтобы просто начать считать, нужно сначала полдня потратить на поиск смысла в этих цифрах.
Я бесконечно не успевал, чувствовал себя некомфортно и доделывал хвосты в свои законные выходные.
Потом пришло осознание: лучше честно оценить срок, чем пообещать чудо и провалиться. Продактам и разработке не нужны мои «быстрые обещания», им нужна предсказуемость.
С тех пор жить стало легче. Ошибаюсь ли я? Конечно. Но теперь я мажу с оценкой на пару часов, а не на целую вечность 🕐
В компаниях где я раньше работал все довольно предсказуемо: есть опыт, есть шаблоны, ты уже на автомате знаешь, сколько времени уйдет на задачу.
В Авито все оказалось по-другому. Здесь все, что можно автоматизировать, уже автоматизировано. Остаются только сложные кейсы, где вообще нет готовых решений. Я первый год все ждал, когда жея уже разберусь во всем и задачи начнут повторяться и я уже буду знать как их решать 😂
Еще у меня есть проблема с оценкой времени на задачу (это не только на работе). Я очень оптимистичен в этом вопросе. В итоге я планировал что сделаю задачу за 4 часа, а делал за 4 дня.
Почему так? Потому что данные прячутся, логика проясняется только к середине пути, а чтобы просто начать считать, нужно сначала полдня потратить на поиск смысла в этих цифрах.
Я бесконечно не успевал, чувствовал себя некомфортно и доделывал хвосты в свои законные выходные.
Потом пришло осознание: лучше честно оценить срок, чем пообещать чудо и провалиться. Продактам и разработке не нужны мои «быстрые обещания», им нужна предсказуемость.
С тех пор жить стало легче. Ошибаюсь ли я? Конечно. Но теперь я мажу с оценкой на пару часов, а не на целую вечность 🕐
👍4❤2🔥2
Сижу я недавно у психолога и увлеченно жалуюсь на рутину. Знаете это чувство? Бывают такие задачи, которые просто на дух не переносишь. Смотришь на них и хочется немедленно уехать жить в лес, лишь бы с этим не связываться.
Я в красках расписывал свои страдания, пока она не перебила меня одним простым вопросом:
— Но ты же их в итоге все равно делаешь?
Я на секунду завис.
— Ну… да. Делаю. А куда деваться?
И тут она подсветила вещь, которая вроде бы лежала на поверхности, но я ее в упор не замечал.
Сопротивление неизбежной задаче — это двойной налог на нашу энергию.
Смотрите, как это работает: сначала мы тратим уйму времени на то, чтобы накрутить себя. Портим настроение, злимся, оттягиваем момент, выматываем нервы. А потом… потом мы все равно садимся и делаем это. Вот только к самому процессу мы приступаем уже уставшими и насквозь пропитанными раздражением.
Если задача неотвратима, проще сдаться этому факту сразу и сделать ее со спокойной головой.
Звучит как банальная цитата из интернета. Но я решил протестировать этот подход. И результаты меня поразили.
Изменения коснулись не только рабочих дел, но и обычной бытовухи. Вынести мусор, разобрать наконец-то вещи в шкафу, заполнить нудные документы... Раньше я брался за это с таким видом, будто совершаю великую жертву. Внутри все кипело. А теперь я просто беру и делаю. Без внутренней драмы. Без тяжелых вздохов.
Но самое удивительное: отношение близких тоже поменялось.
Оказывается, люди феноменально считывают наше состояние. Даже если ты молча и с абсолютно спокойным лицом моешь посуду твое раздражение фонит на всю квартиру и бьет по окружающим. Как только я перестал «бунтовать» против неизбежных дел, дома стало дышаться гораздо легче.
Я в красках расписывал свои страдания, пока она не перебила меня одним простым вопросом:
— Но ты же их в итоге все равно делаешь?
Я на секунду завис.
— Ну… да. Делаю. А куда деваться?
И тут она подсветила вещь, которая вроде бы лежала на поверхности, но я ее в упор не замечал.
Сопротивление неизбежной задаче — это двойной налог на нашу энергию.
Смотрите, как это работает: сначала мы тратим уйму времени на то, чтобы накрутить себя. Портим настроение, злимся, оттягиваем момент, выматываем нервы. А потом… потом мы все равно садимся и делаем это. Вот только к самому процессу мы приступаем уже уставшими и насквозь пропитанными раздражением.
Если задача неотвратима, проще сдаться этому факту сразу и сделать ее со спокойной головой.
Звучит как банальная цитата из интернета. Но я решил протестировать этот подход. И результаты меня поразили.
Изменения коснулись не только рабочих дел, но и обычной бытовухи. Вынести мусор, разобрать наконец-то вещи в шкафу, заполнить нудные документы... Раньше я брался за это с таким видом, будто совершаю великую жертву. Внутри все кипело. А теперь я просто беру и делаю. Без внутренней драмы. Без тяжелых вздохов.
Но самое удивительное: отношение близких тоже поменялось.
Оказывается, люди феноменально считывают наше состояние. Даже если ты молча и с абсолютно спокойным лицом моешь посуду твое раздражение фонит на всю квартиру и бьет по окружающим. Как только я перестал «бунтовать» против неизбежных дел, дома стало дышаться гораздо легче.
❤6
Написал пост для Solvery. Поднял важную тему.
Ну и напомню, что я менторю, поэтому если есть вопросы по карьерному росту в аналитке, пишите в личку
Ну и напомню, что я менторю, поэтому если есть вопросы по карьерному росту в аналитке, пишите в личку
Forwarded from Солвери | Айтишники о карьере, росте и провалах
Кажется, одна из самых частых ловушек в начале карьеры звучит так:
Изнутри это выглядит как ответственность и самостоятельность.
На деле – часто оборачивается лишним стрессом, потерянным временем и проблемами уже не только для вас, но и для всей команды👻
Сегодня делимся историей Андрея Тарасенко — продуктового аналитика в Авито и ментора Solvery.
❗️ Что произошло
Мы запускали новый проект «Защита сделки». На первом этапе мне нужно было сделать, казалось бы, стандартную вещь – собрать отчет, который будет показывать, сколько пользователей подключили новую фичу.
Оказалось, что простая она только на словах. На деле я застрял на привязке событий друг к другу. Из-за этого я никак не мог собрать картину воедино и выгрузить нужные данные. Время утекало, а внятной цифры все не было.
И с каждым днем я яснее понимал: в срок не успеваю. Тест уже идет, а мы не видим, что происходит.
✖️ Главная ошибка
Продакт об этом не знал. Он думал, все идет по плану, я ведь молчал. Самое глупое, что я и сам не знал, как сказать, что не справляюсь в срок. Казалось, если потерплю и дожму в выходные, никто и не заметит, что я выбился из графика.
Не дожал.
В какой-то момент к задаче подключился тимлид. Не потому что я попросил. А потому что продакт пришел к нему с вопросом: что там вообще происходит у Андрея?
То есть человек, которого я «оберегал» своим молчанием, в итоге пошел разбираться через мою голову. Тимлид сел рядом, предложил изменить подход к расчетам, цифра наконец появилась.
💬 Неприятный, но важный разговор
А потом было два разговора. С ним и с продактом.
Мне сказали то, что слышать не особо хотелось. Что мое молчание – это не скромность, а проблема для всех. Что пока я тихо воюю со своей задачей в одиночку, продакт не может перестроить планы, сдвинуть сроки, предупредить своих.
Я-то думал, что не подвожу команду, когда отмалчиваюсь. А подводил именно этим.
Всем хочется, чтобы хвалили. А вперед двигает обычно другое – то, что неприятно слышать.
🔁 Что изменилось после этого
После этого я перестроил работу. Теперь я сам держу продакта в курсе, говорю о рисках сразу, пока это еще мое маленькое «кажется, поедем по срокам», а не общая беда.
Никаких сюрпризов, никаких походов к тимлиду через мою голову. Теперь мне доверяют.
Тот неприятный разговор оказался одним из самых полезных за все время в Авито.
Про такие неочевидные штуки роста Андрей пишет регулярно в своем канале levelup_analytics.
〰️ 〰️ 〰️ 〰️ 〰️ 〰️ 〰️ 〰️ 〰️ 〰️ 〰️
Если после этой истории вы узнали себя — откладываете вопросы, боитесь показаться слабым или пытаетесь в одиночку «дожать» задачу, — это хороший повод прийти на тестовую сессию к Андрею.
На встрече можно разобрать вашу ситуацию: переход в IT, первые задачи в аналитике, рост до мидла или конкретный рабочий затык.
✔ ️Записаться на тестовую сессию с Андреем
«Сначала сам разберусь, потом скажу».
Изнутри это выглядит как ответственность и самостоятельность.
На деле – часто оборачивается лишним стрессом, потерянным временем и проблемами уже не только для вас, но и для всей команды
Сегодня делимся историей Андрея Тарасенко — продуктового аналитика в Авито и ментора Solvery.
Андрей помогает начинающим аналитикам, джунам и тем, кто переходит в IT из других сфер. Его собственный путь тоже не был прямой линией: до BigTech он 15 лет работал в ритейле и на производстве, поэтому хорошо понимает, каково это — начинать с нуля и заново собирать карьерную траекторию.
Ниже — его история из Авито. Не про SQL и не про метрики, а про навык, который многим джунам дается сложнее, чем кажется:
вовремя говорить о рисках и не оставаться с проблемой один на один.
Мы запускали новый проект «Защита сделки». На первом этапе мне нужно было сделать, казалось бы, стандартную вещь – собрать отчет, который будет показывать, сколько пользователей подключили новую фичу.
Оказалось, что простая она только на словах. На деле я застрял на привязке событий друг к другу. Из-за этого я никак не мог собрать картину воедино и выгрузить нужные данные. Время утекало, а внятной цифры все не было.
И с каждым днем я яснее понимал: в срок не успеваю. Тест уже идет, а мы не видим, что происходит.
Продакт об этом не знал. Он думал, все идет по плану, я ведь молчал. Самое глупое, что я и сам не знал, как сказать, что не справляюсь в срок. Казалось, если потерплю и дожму в выходные, никто и не заметит, что я выбился из графика.
Не дожал.
В какой-то момент к задаче подключился тимлид. Не потому что я попросил. А потому что продакт пришел к нему с вопросом: что там вообще происходит у Андрея?
То есть человек, которого я «оберегал» своим молчанием, в итоге пошел разбираться через мою голову. Тимлид сел рядом, предложил изменить подход к расчетам, цифра наконец появилась.
А потом было два разговора. С ним и с продактом.
Мне сказали то, что слышать не особо хотелось. Что мое молчание – это не скромность, а проблема для всех. Что пока я тихо воюю со своей задачей в одиночку, продакт не может перестроить планы, сдвинуть сроки, предупредить своих.
Я-то думал, что не подвожу команду, когда отмалчиваюсь. А подводил именно этим.
Всем хочется, чтобы хвалили. А вперед двигает обычно другое – то, что неприятно слышать.
После этого я перестроил работу. Теперь я сам держу продакта в курсе, говорю о рисках сразу, пока это еще мое маленькое «кажется, поедем по срокам», а не общая беда.
Никаких сюрпризов, никаких походов к тимлиду через мою голову. Теперь мне доверяют.
Тот неприятный разговор оказался одним из самых полезных за все время в Авито.
Про такие неочевидные штуки роста Андрей пишет регулярно в своем канале levelup_analytics.
Если после этой истории вы узнали себя — откладываете вопросы, боитесь показаться слабым или пытаетесь в одиночку «дожать» задачу, — это хороший повод прийти на тестовую сессию к Андрею.
На встрече можно разобрать вашу ситуацию: переход в IT, первые задачи в аналитике, рост до мидла или конкретный рабочий затык.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2❤1
В первый месяц в Авито я открыл для себя странный жанр: переписывание вопроса в рабочий чат.
Пишешь: «А где лежат данные по событиям?» Перечитываешь. Звучит как-то глупо. Стираешь. Пишешь длиннее, с контекстом. Перечитываешь, теперь звучит, будто оправдываешься. Стираешь.
В итоге закрываешь чат и идешь искать сам. Сорок минут по конфлю, по соседним дашбордам, по чужим запросам.
Смешно было то, что до этого я сам руководил отделом аналитики. Нанимал людей, согласовывал планы. А тут не мог отправить вопрос из одной строчки.
Знаете, чего я на самом деле боялся? Не что не ответят. А что подумают: «и этого взяли?»
Когда я начал менторить, я увидел эту картину с другой стороны. Почти каждый джун носит в себе тот же страх. Сидит на задаче день, два, три — лишь бы не задать «глупый» вопрос.
Так вот, со стороны команды это выглядит ровно наоборот. Вопрос джуна не раздражает. Раздражает, когда он три дня молчит, а потом приносит не то.
Менти я даю простую формулу вопроса, после которой страх «выглядеть глупо» уходит сам:
1. Что я пытаюсь сделать.
2. Что уже попробовал.
3. Где конкретно застрял и что думаю делать дальше.
«Считаю retention по когортам, нашел в конфлюенс две таблицы с событиями, цифры в них расходятся, какая считается источником правды?»
Такой вопрос не выглядит глупо. Он выглядит как работа. Из него видно, что ты думал, а не пришел за готовым ответом.
И вот что я понял за это время. Цена вопроса — минута чужого времени. Цена молчания — твои дни. Просто эту арифметику никто не показывает джуну, пока он сам не посчитает.
Пишешь: «А где лежат данные по событиям?» Перечитываешь. Звучит как-то глупо. Стираешь. Пишешь длиннее, с контекстом. Перечитываешь, теперь звучит, будто оправдываешься. Стираешь.
В итоге закрываешь чат и идешь искать сам. Сорок минут по конфлю, по соседним дашбордам, по чужим запросам.
Смешно было то, что до этого я сам руководил отделом аналитики. Нанимал людей, согласовывал планы. А тут не мог отправить вопрос из одной строчки.
Знаете, чего я на самом деле боялся? Не что не ответят. А что подумают: «и этого взяли?»
Когда я начал менторить, я увидел эту картину с другой стороны. Почти каждый джун носит в себе тот же страх. Сидит на задаче день, два, три — лишь бы не задать «глупый» вопрос.
Так вот, со стороны команды это выглядит ровно наоборот. Вопрос джуна не раздражает. Раздражает, когда он три дня молчит, а потом приносит не то.
Менти я даю простую формулу вопроса, после которой страх «выглядеть глупо» уходит сам:
1. Что я пытаюсь сделать.
2. Что уже попробовал.
3. Где конкретно застрял и что думаю делать дальше.
«Считаю retention по когортам, нашел в конфлюенс две таблицы с событиями, цифры в них расходятся, какая считается источником правды?»
Такой вопрос не выглядит глупо. Он выглядит как работа. Из него видно, что ты думал, а не пришел за готовым ответом.
И вот что я понял за это время. Цена вопроса — минута чужого времени. Цена молчания — твои дни. Просто эту арифметику никто не показывает джуну, пока он сам не посчитает.
❤4👍1🔥1
Знаете, на чем чаще всего сыпятся сильные ребята на продуктовом кейс-интервью?
Не на математике и не на SQL.
На том, что в нужный момент не получается думать вслух.
Дают кейс: «метрика упала на 20%, твои действия». В голове уже строятся гипотезы, а наружу выходит скомканное «ну… посмотрю данные». Интервьюер не телепат — он видит не ход мысли, а паузу. И галочку ставит не там.
Я это вижу почти на каждом разборе с менти. Хард есть, а навыка вести кейс — нет. И тренировать его негде: книжка встречных вопросов не задает, а живых мок-интервью на всех не хватает.
Поэтому я собрал «Собеседник» — AI, который проводит с тобой продуктовый кейс-интервью. Не квиз с вариантами, а живой диалог: предлагаешь ход — он копает дальше («почему эту гипотезу первой?», «как проверишь?»), вскрывает данные по запросу, как на настоящем собесе. В конце дает разбор по 5 осям: структура, гипотезы, аналитическая строгость, бизнес-чутье, коммуникация — и говорит, прошел бы ты или нет.
Пока это тест-режим. Бесплатно для всех, кто залогинен на сайте, но с лимитами — 14 реплик на сессию и 3 сессии в день. Это эксперимент, и мне сейчас важнее обратная связь, чем гладкая картинка. Если покажется, что тупит или слишком строг пишите, поправлю.
Лежит на сайте по ссылке new-lvl.pro, или можно найти первым в блоке тренажеров.
Попробуй пройти один кейс до конца и посмотри на разбор — даже одна сессия неплохо показывает, как твой ход мысли звучит со стороны.
Не на математике и не на SQL.
На том, что в нужный момент не получается думать вслух.
Дают кейс: «метрика упала на 20%, твои действия». В голове уже строятся гипотезы, а наружу выходит скомканное «ну… посмотрю данные». Интервьюер не телепат — он видит не ход мысли, а паузу. И галочку ставит не там.
Я это вижу почти на каждом разборе с менти. Хард есть, а навыка вести кейс — нет. И тренировать его негде: книжка встречных вопросов не задает, а живых мок-интервью на всех не хватает.
Поэтому я собрал «Собеседник» — AI, который проводит с тобой продуктовый кейс-интервью. Не квиз с вариантами, а живой диалог: предлагаешь ход — он копает дальше («почему эту гипотезу первой?», «как проверишь?»), вскрывает данные по запросу, как на настоящем собесе. В конце дает разбор по 5 осям: структура, гипотезы, аналитическая строгость, бизнес-чутье, коммуникация — и говорит, прошел бы ты или нет.
Пока это тест-режим. Бесплатно для всех, кто залогинен на сайте, но с лимитами — 14 реплик на сессию и 3 сессии в день. Это эксперимент, и мне сейчас важнее обратная связь, чем гладкая картинка. Если покажется, что тупит или слишком строг пишите, поправлю.
Лежит на сайте по ссылке new-lvl.pro, или можно найти первым в блоке тренажеров.
Попробуй пройти один кейс до конца и посмотри на разбор — даже одна сессия неплохо показывает, как твой ход мысли звучит со стороны.
❤5👍3🔥2
Есть один паттерн, по которому я почти безошибочно отличаю джуна, который скоро вырастет, от джуна, который застрял.
Это то, что происходит после слов «выгрузи, пожалуйста, цифры по конверсии».
Один выгружает. Быстро, аккуратно, ровно то, что попросили. Отдал и взял следующую задачу. Формально — молодец.
Второй сначала спрашивает: а зачем нам эта цифра? Что будем делать, если она окажется низкой?
И вот тут начинается интересное. Потому что ответ «хотим понять, почему упали заказы» меняет задачу целиком. Может, конверсия вообще ни при чем, и смотреть надо на трафик. Может, считать нужно не по всем пользователям, а по новым. Может, эта цифра уже есть на соседнем дашборде.
Первый джун сделал задачу. Второй — повлиял на решение.
Знаете, в чем подвох? Первого не за что ругать. Он все сделал правильно. Его работа выглядит безупречно — и именно поэтому он может годами не понимать, почему его не повышают.
Рост аналитика начинается не с более сложного SQL. Он начинается с вопроса «зачем», заданного до того, как открыл редактор запросов.
Менти я говорю так: тебе принесли не задачу — тебе принесли чье-то решение в процессе. И у тебя выбор: быть исполнителем выгрузки или участником решения.
Из этих двух ролей растят только одну.
Это то, что происходит после слов «выгрузи, пожалуйста, цифры по конверсии».
Один выгружает. Быстро, аккуратно, ровно то, что попросили. Отдал и взял следующую задачу. Формально — молодец.
Второй сначала спрашивает: а зачем нам эта цифра? Что будем делать, если она окажется низкой?
И вот тут начинается интересное. Потому что ответ «хотим понять, почему упали заказы» меняет задачу целиком. Может, конверсия вообще ни при чем, и смотреть надо на трафик. Может, считать нужно не по всем пользователям, а по новым. Может, эта цифра уже есть на соседнем дашборде.
Первый джун сделал задачу. Второй — повлиял на решение.
Знаете, в чем подвох? Первого не за что ругать. Он все сделал правильно. Его работа выглядит безупречно — и именно поэтому он может годами не понимать, почему его не повышают.
Рост аналитика начинается не с более сложного SQL. Он начинается с вопроса «зачем», заданного до того, как открыл редактор запросов.
Менти я говорю так: тебе принесли не задачу — тебе принесли чье-то решение в процессе. И у тебя выбор: быть исполнителем выгрузки или участником решения.
Из этих двух ролей растят только одну.
❤5👍1
Разберу одну SQL-задачу, на которой спотыкаются даже те, кто уверенно пишет оконные функции.
Звучит безобидно: «выведи 3 самых дорогих товара в каждой категории».
Большинство пишет сразу: ROW_NUMBER() OVER (PARTITION BY category ORDER BY price DESC) — и фильтр rn <= 3. Запрос работает, можно сдавать?
Не совсем. Есть вопрос, который отличает уверенное решение: а что делать с ничьими?
Представь: в категории четыре товара по 1000 ₽. ROW_NUMBER пронумерует их 1, 2, 3, 4 — и четвертый в топ не попадет. Какой именно не попадет? Случайный. При следующем запуске — возможно, другой. Для отчета, на который смотрят люди, это тихая бомба.
У оконных функций три способа нумеровать, и ведут они себя по-разному:
— ROW_NUMBER: 1, 2, 3, 4. Ничьих не существует, порядок внутри ничьей не определен.
— RANK: 1, 1, 1, 1, 5. Ничьи получают один ранг, следующий — с пропуском.
— DENSE_RANK: 1, 1, 1, 1, 2. То же, но без пропусков.
Правильного ответа нет — есть правильное уточнение. «Ровно 3 строки» — это ROW_NUMBER, но тогда добавь в ORDER BY еще и id, чтобы результат был воспроизводимым. «Все товары трех самых высоких цен» — DENSE_RANK <= 3. «Топ-3 с честными местами, как в спорте» — RANK.
На собесе вопрос «а что с ничьими?» часто стоит больше, чем идеальный синтаксис. Потому что это вопрос человека, который уже ловил такие баги в проде.
И в реальной работе все то же самое: молчаливый ROW_NUMBER в отчете — это случайно выпавшая строка, которую никто не заметит. Пока она не окажется чьим-то товаром.
Звучит безобидно: «выведи 3 самых дорогих товара в каждой категории».
Большинство пишет сразу: ROW_NUMBER() OVER (PARTITION BY category ORDER BY price DESC) — и фильтр rn <= 3. Запрос работает, можно сдавать?
Не совсем. Есть вопрос, который отличает уверенное решение: а что делать с ничьими?
Представь: в категории четыре товара по 1000 ₽. ROW_NUMBER пронумерует их 1, 2, 3, 4 — и четвертый в топ не попадет. Какой именно не попадет? Случайный. При следующем запуске — возможно, другой. Для отчета, на который смотрят люди, это тихая бомба.
У оконных функций три способа нумеровать, и ведут они себя по-разному:
— ROW_NUMBER: 1, 2, 3, 4. Ничьих не существует, порядок внутри ничьей не определен.
— RANK: 1, 1, 1, 1, 5. Ничьи получают один ранг, следующий — с пропуском.
— DENSE_RANK: 1, 1, 1, 1, 2. То же, но без пропусков.
Правильного ответа нет — есть правильное уточнение. «Ровно 3 строки» — это ROW_NUMBER, но тогда добавь в ORDER BY еще и id, чтобы результат был воспроизводимым. «Все товары трех самых высоких цен» — DENSE_RANK <= 3. «Топ-3 с честными местами, как в спорте» — RANK.
На собесе вопрос «а что с ничьими?» часто стоит больше, чем идеальный синтаксис. Потому что это вопрос человека, который уже ловил такие баги в проде.
И в реальной работе все то же самое: молчаливый ROW_NUMBER в отчете — это случайно выпавшая строка, которую никто не заметит. Пока она не окажется чьим-то товаром.
❤4
Знакомая боль: ты целую неделю буквально жил в базе данных. Копал логи, писал километровые SQL-запросы, чистил выбросы, боролся с кривой разметкой.
И вот, долгожданный синк. Ты с горящими глазами начинаешь рассказывать: как ты собирал датасет, какую методологию выбрал, как проверял гипотезы и с какими аномалиями столкнулся. А через две минуты замечаешь, как продакт со стеклянным взглядом смотрит мимо камеры или, что еще обиднее, начинает скроллить телефон.
Было такое?
Долгое время я искренне злился: «Ну как так, это же важнейшие данные, почему им не интересно?! Наверное, проблема в людях». А потом до меня дошла одна неприятная, но отрезвляющая мысль. Проблема не в людях. Проблема в порядке.
Мы привыкли рассказывать о задаче в том же порядке, в котором над ней работали:
Сначала «как я считал» ➡️ потом «что я получил» ➡️ и только в самом конце «какой из этого вывод».
Но бизнес слушает нас ровно в обратном порядке! Сначала им нужно понять: «Что мне с этим делать?», и только если ответ их зацепил, они спросят: «А как ты это узнал?».
Есть крутой инструмент, который лечит эту проблему — пирамида Минто.
Суть в одном жестком правиле: вывод всегда идет вперед, а детали достаются только по запросу.
Давайте на примере.
❌ Как было раньше (хронологический рассказ):
«Слушайте, мы тут выгрузили сырые данные за апрель, долго чистили их от ботов, потом разбили по всем платформам, чтобы посмотреть сегменты. Дополнительно проверили сезонность на всякий случай. И вот, если посмотреть на когорты, то на iOS после последнего релиза видно заметное снижение метрик...»
(К этому моменту половина команды уже уснула).
✅ Как стало (по пирамиде Минто):
«Отвал пользователей вырос из-за бага пушей на iOS. Предлагаю срочно делать хотфикс.
У меня три аргумента:
Падение видно только на яблоке.
Оно началось ровно в день релиза.
В логах куча ошибок доставки.
Если нужно, могу показать дашборды и рассказать, как мы это раскопали».
Чувствуете разницу? Первая фраза вашей встречи — это последняя строка вашего анализа.
Я знаю, что мешает так делать. Главный страх: «Если я выдам всё за 10 секунд, они решат, что задача была плевой и я вообще не работал!». Хочется же показать всю пролитую кровь и пот.
Но по моему опыту происходит ровно наоборот. Долгую «портянку» из шагов коллеги слушают просто из вежливости. А вот четкий вывод с тремя аргументами запоминают, записывают и цитируют на других встречах.
Твою неделю плотной работы видно не по длине монолога. Ее видно по тому, что на любой каверзный вопрос вроде «А ты учел сезонность?» у тебя моментально готов аргументированный ответ.
Небольшой прием на завтрашний день:
Перед тем как созвониться с командой или прийти на встречу, напишите на листочке ровно одно предложение — «Что я хочу, чтобы они сделали после моих слов?».
Начните свой спич прямо с этого предложения. А всё остальное рассказывайте, только если возникнут вопросы.
Парадокс нашей работы: чем меньше воды ты льешь, тем более глубокой и профессиональной выглядит твоя аналитика.
И вот, долгожданный синк. Ты с горящими глазами начинаешь рассказывать: как ты собирал датасет, какую методологию выбрал, как проверял гипотезы и с какими аномалиями столкнулся. А через две минуты замечаешь, как продакт со стеклянным взглядом смотрит мимо камеры или, что еще обиднее, начинает скроллить телефон.
Было такое?
Долгое время я искренне злился: «Ну как так, это же важнейшие данные, почему им не интересно?! Наверное, проблема в людях». А потом до меня дошла одна неприятная, но отрезвляющая мысль. Проблема не в людях. Проблема в порядке.
Мы привыкли рассказывать о задаче в том же порядке, в котором над ней работали:
Сначала «как я считал» ➡️ потом «что я получил» ➡️ и только в самом конце «какой из этого вывод».
Но бизнес слушает нас ровно в обратном порядке! Сначала им нужно понять: «Что мне с этим делать?», и только если ответ их зацепил, они спросят: «А как ты это узнал?».
Есть крутой инструмент, который лечит эту проблему — пирамида Минто.
Суть в одном жестком правиле: вывод всегда идет вперед, а детали достаются только по запросу.
Давайте на примере.
❌ Как было раньше (хронологический рассказ):
«Слушайте, мы тут выгрузили сырые данные за апрель, долго чистили их от ботов, потом разбили по всем платформам, чтобы посмотреть сегменты. Дополнительно проверили сезонность на всякий случай. И вот, если посмотреть на когорты, то на iOS после последнего релиза видно заметное снижение метрик...»
(К этому моменту половина команды уже уснула).
✅ Как стало (по пирамиде Минто):
«Отвал пользователей вырос из-за бага пушей на iOS. Предлагаю срочно делать хотфикс.
У меня три аргумента:
Падение видно только на яблоке.
Оно началось ровно в день релиза.
В логах куча ошибок доставки.
Если нужно, могу показать дашборды и рассказать, как мы это раскопали».
Чувствуете разницу? Первая фраза вашей встречи — это последняя строка вашего анализа.
Я знаю, что мешает так делать. Главный страх: «Если я выдам всё за 10 секунд, они решат, что задача была плевой и я вообще не работал!». Хочется же показать всю пролитую кровь и пот.
Но по моему опыту происходит ровно наоборот. Долгую «портянку» из шагов коллеги слушают просто из вежливости. А вот четкий вывод с тремя аргументами запоминают, записывают и цитируют на других встречах.
Твою неделю плотной работы видно не по длине монолога. Ее видно по тому, что на любой каверзный вопрос вроде «А ты учел сезонность?» у тебя моментально готов аргументированный ответ.
Небольшой прием на завтрашний день:
Перед тем как созвониться с командой или прийти на встречу, напишите на листочке ровно одно предложение — «Что я хочу, чтобы они сделали после моих слов?».
Начните свой спич прямо с этого предложения. А всё остальное рассказывайте, только если возникнут вопросы.
Парадокс нашей работы: чем меньше воды ты льешь, тем более глубокой и профессиональной выглядит твоя аналитика.
👍4❤3
Собеседования в BigTech: главный капкан продуктовых кейсов
Когда ты выходишь на рынок труда, чтобы штурмовать BigTech, уровень стресса в крови начинает зашкаливать. Кажется, что на тебя смотрят как под микроскопом, оценивая каждый волосок. Я проходил через это, а сейчас как ментор разбираю десятки таких кейсов со своими менти.
И знаете, какое самое частое и фатальное заблуждение я вижу у кандидатов?
У меня для вас две новости. Плохая: правильного ответа в кейсах чаще всего вообще не существует в природе. Хорошая: его от вас никто и не ждет.
Когда вам на собеседовании кидают классическую задачку в духе «Метрика X внезапно рухнула на 20%. Твои действия?», интервьюер оценивает вовсе не вашу экстрасенсорику. Он смотрит на четыре вполне осязаемые вещи:
1. Порядок на «полочках» (Структура)
Вы начинаете методично раскладывать проблему на составляющие (технические сбои ➡️ внешние факторы ➡️ косяки в данных ➡️ продуктовые изменения) или лихорадочно выстреливаете случайными гипотезами? Хаос на собеседовании — это для нанимающего четкий маркер того, что точно такой же хаос будет твориться и в вашей реальной работе.
2. Умение слышать (Реакция на подсказки)
Интервьюер — не враг, он не пытается вас завалить. Наоборот, он почти всегда оставляет «хлебные крошки» и мягко подталкивает в нужную сторону. Кандидат, который ловит эти намеки на лету и гибко перестраивает логику, ценится на вес золота. Это лучший тест на вашу обучаемость и умение работать в команде, а не на зазубренные знания.
3. Поведение в тупике
Зайти в тупик — абсолютно нормально. Но вот реагируют все по-разному. Сказать честно: «Так, этот путь завел меня в тупик. Но если бы это была реальная рабочая задача, я бы сейчас пошел и проверил вот эти два смежных графика» — это огромный плюс к вашей карме. А вот замолчать и уйти в себя на пару минут, пока в голове со скрипом крутятся шестеренки — это жирный минус. Интервьюер не умеет читать мысли, ему просто нечего оценивать, пока вы молчите.
4. Умение задавать вопросы
Если вы с места в карьер бросились решать кейс, даже не уточнив: «А что за продукт? Что конкретно за метрика? Падение произошло одномоментно или это тренд?» — всё, кейс провален на первой минуте. Независимо от того, насколько гениальную гипотезу вы выдадите в финале.
Как победить мандраж?
Мне в свое время дико помогла одна простая психологическая перестановка. Человек по ту сторону экрана это не строгий профессор на экзамене, который мечтает поставить вам двойку. Это тимлид или продакт, у которого прямо сейчас горит вакансия, горит работа, и он очень хочет, чтобы именно вы оказались тем самым идеальным кандидатом. Он искренне за вас болеет!
Когда я перестроил отношение и стал приходить на собесы как на обычную рабочую встречу с будущим коллегой (а не как на скамью подсудимых), дышать сразу стало легче.
Главное правило любого кейса: думайте вслух. Ошибаться вслух — можно, это показывает ваш ход мыслей и логику. Молчать — нельзя.
Зайти на собеседование уверенно, довести структуру до автоматизма и спокойно решать кейсы и SQL/Python-задачи можно на тренажерах тут: new-lvl.pro. Особенно рекомендую AI собеседника, помогает практиковать решение кейсов.
Практикуйтесь, и никакой BigTech не будет страшен.
Когда ты выходишь на рынок труда, чтобы штурмовать BigTech, уровень стресса в крови начинает зашкаливать. Кажется, что на тебя смотрят как под микроскопом, оценивая каждый волосок. Я проходил через это, а сейчас как ментор разбираю десятки таких кейсов со своими менти.
И знаете, какое самое частое и фатальное заблуждение я вижу у кандидатов?
«Мне нужно во что бы то ни стало выдать правильный ответ».
У меня для вас две новости. Плохая: правильного ответа в кейсах чаще всего вообще не существует в природе. Хорошая: его от вас никто и не ждет.
Когда вам на собеседовании кидают классическую задачку в духе «Метрика X внезапно рухнула на 20%. Твои действия?», интервьюер оценивает вовсе не вашу экстрасенсорику. Он смотрит на четыре вполне осязаемые вещи:
1. Порядок на «полочках» (Структура)
Вы начинаете методично раскладывать проблему на составляющие (технические сбои ➡️ внешние факторы ➡️ косяки в данных ➡️ продуктовые изменения) или лихорадочно выстреливаете случайными гипотезами? Хаос на собеседовании — это для нанимающего четкий маркер того, что точно такой же хаос будет твориться и в вашей реальной работе.
2. Умение слышать (Реакция на подсказки)
Интервьюер — не враг, он не пытается вас завалить. Наоборот, он почти всегда оставляет «хлебные крошки» и мягко подталкивает в нужную сторону. Кандидат, который ловит эти намеки на лету и гибко перестраивает логику, ценится на вес золота. Это лучший тест на вашу обучаемость и умение работать в команде, а не на зазубренные знания.
3. Поведение в тупике
Зайти в тупик — абсолютно нормально. Но вот реагируют все по-разному. Сказать честно: «Так, этот путь завел меня в тупик. Но если бы это была реальная рабочая задача, я бы сейчас пошел и проверил вот эти два смежных графика» — это огромный плюс к вашей карме. А вот замолчать и уйти в себя на пару минут, пока в голове со скрипом крутятся шестеренки — это жирный минус. Интервьюер не умеет читать мысли, ему просто нечего оценивать, пока вы молчите.
4. Умение задавать вопросы
Если вы с места в карьер бросились решать кейс, даже не уточнив: «А что за продукт? Что конкретно за метрика? Падение произошло одномоментно или это тренд?» — всё, кейс провален на первой минуте. Независимо от того, насколько гениальную гипотезу вы выдадите в финале.
Как победить мандраж?
Мне в свое время дико помогла одна простая психологическая перестановка. Человек по ту сторону экрана это не строгий профессор на экзамене, который мечтает поставить вам двойку. Это тимлид или продакт, у которого прямо сейчас горит вакансия, горит работа, и он очень хочет, чтобы именно вы оказались тем самым идеальным кандидатом. Он искренне за вас болеет!
Когда я перестроил отношение и стал приходить на собесы как на обычную рабочую встречу с будущим коллегой (а не как на скамью подсудимых), дышать сразу стало легче.
Главное правило любого кейса: думайте вслух. Ошибаться вслух — можно, это показывает ваш ход мыслей и логику. Молчать — нельзя.
Зайти на собеседование уверенно, довести структуру до автоматизма и спокойно решать кейсы и SQL/Python-задачи можно на тренажерах тут: new-lvl.pro. Особенно рекомендую AI собеседника, помогает практиковать решение кейсов.
Практикуйтесь, и никакой BigTech не будет страшен.
❤4🔥1
В тренажёрах new-lvl.pro теперь есть прокачка. Настоящая, как в RPG.
Каждая решенная SQL- или pandas-задача дает опыт: easy — 10 XP, hard — 35. Опыт превращается в уровни — от Junior I до Lead, прямо как в карьере. Есть дневные квесты, стрик за ежедневную практику и 16 бейджей — от «Первой крови» за первую задачу до «Машины» за 30 дней подряд.
И да, можно создать персонажа, воина, разбойника или мага. С каждым грейдом он обрастает броней и артефактами.
Но главное не это.
За ключевые грейды теперь можно получить персональные промокоды на Premium:
// Junior III → −10%
// Middle III → −20%
// Senior I → −25%
// Senior II → −30%
// Lead → −35%
Первую скидку реально заработать на одних бесплатных задачах: Junior III — это примерно половина free-банка SQL. То есть решаешь бесплатные задачи → прокачиваешь SQL к собесам → получаешь скидку на 110 premium-задач уровня BigTech. Неплохой размен.
Промокод одноразовый и живет 7 дней, так что выбил, используй.
Зачем все это? Подготовка к собесам это марафон, а марафоны бросают. Когда я учил SQL по вечерам, внутренней дисциплины не всегда хватало, спасал календарь, где я рисовал крестики за каждый день с практикой. Стрик это тот же календарь с крестиками, только он сам считает, а за упорство еще и платит.
Начать качаться: sql.new-lvl.pro — реши первую задачу, получишь первые XP и первый бейдж. Как устроена вся механика — new-lvl.pro/game
А вы как вообще относитесь к геймификации в обучении работает или бесит?
Каждая решенная SQL- или pandas-задача дает опыт: easy — 10 XP, hard — 35. Опыт превращается в уровни — от Junior I до Lead, прямо как в карьере. Есть дневные квесты, стрик за ежедневную практику и 16 бейджей — от «Первой крови» за первую задачу до «Машины» за 30 дней подряд.
И да, можно создать персонажа, воина, разбойника или мага. С каждым грейдом он обрастает броней и артефактами.
Но главное не это.
За ключевые грейды теперь можно получить персональные промокоды на Premium:
// Junior III → −10%
// Middle III → −20%
// Senior I → −25%
// Senior II → −30%
// Lead → −35%
Первую скидку реально заработать на одних бесплатных задачах: Junior III — это примерно половина free-банка SQL. То есть решаешь бесплатные задачи → прокачиваешь SQL к собесам → получаешь скидку на 110 premium-задач уровня BigTech. Неплохой размен.
Промокод одноразовый и живет 7 дней, так что выбил, используй.
Зачем все это? Подготовка к собесам это марафон, а марафоны бросают. Когда я учил SQL по вечерам, внутренней дисциплины не всегда хватало, спасал календарь, где я рисовал крестики за каждый день с практикой. Стрик это тот же календарь с крестиками, только он сам считает, а за упорство еще и платит.
Начать качаться: sql.new-lvl.pro — реши первую задачу, получишь первые XP и первый бейдж. Как устроена вся механика — new-lvl.pro/game
А вы как вообще относитесь к геймификации в обучении работает или бесит?
❤4