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
Если у тебя сложная рабочая задача
Не каждая рабочая сложность решается еще одним запросом к данным. Иногда расчет уже есть, а ясности все равно нет: непонятно, как сформулировать вопрос, проверить логику или объяснить вывод заказчику.
С чем можно прийти:
- логика исследования и порядок проверок;
- дизайн A/B-теста;
- дерево метрик;
- подход к SQL-решению;
- переход от цифр к бизнес-выводу;
- разговор со стейкхолдером или внутренним клиентом.
Цель разбора — не выполнить задачу вместо тебя. Мы собираем постановку, логику решения, проверки и коммуникацию, чтобы ты сам мог довести работу до результата. Я могу помочь увидеть пропущенную развилку или слабое допущение, но итоговый анализ и ответственность остаются у тебя.
Отдельно про рабочую информацию.
Если помощь происходит внутри компании, используем только необходимый контекст, разрешенный ее политикой. На внешней консультации работаем с обезличенной или абстрактной структурой задачи.
Описание формата:
https://new-lvl.pro/consulting/
Консультация посвящена одному запросу. Я не гарантирую конкретный исход, потому что он зависит от данных, ограничений и решений внутри твоей компании.
Чтобы обсудить ситуацию, напиши @TarkoAndrey слово «задача» и в двух-трех предложениях опиши контекст, которым можно делиться.
Не каждая рабочая сложность решается еще одним запросом к данным. Иногда расчет уже есть, а ясности все равно нет: непонятно, как сформулировать вопрос, проверить логику или объяснить вывод заказчику.
С чем можно прийти:
- логика исследования и порядок проверок;
- дизайн A/B-теста;
- дерево метрик;
- подход к SQL-решению;
- переход от цифр к бизнес-выводу;
- разговор со стейкхолдером или внутренним клиентом.
Цель разбора — не выполнить задачу вместо тебя. Мы собираем постановку, логику решения, проверки и коммуникацию, чтобы ты сам мог довести работу до результата. Я могу помочь увидеть пропущенную развилку или слабое допущение, но итоговый анализ и ответственность остаются у тебя.
Отдельно про рабочую информацию.
Если помощь происходит внутри компании, используем только необходимый контекст, разрешенный ее политикой. На внешней консультации работаем с обезличенной или абстрактной структурой задачи.
Описание формата:
https://new-lvl.pro/consulting/
Консультация посвящена одному запросу. Я не гарантирую конкретный исход, потому что он зависит от данных, ограничений и решений внутри твоей компании.
Чтобы обсудить ситуацию, напиши @TarkoAndrey слово «задача» и в двух-трех предложениях опиши контекст, которым можно делиться.
👍2
Если ты растешь из Junior в Middle
Иногда кажется, что до следующего уровня не хватает еще одного инструмента: нового оконного выражения, библиотеки или курса. Но если ты уже уверенно выгружаешь данные, строишь дашборды и считаешь метрики, инструменты могут быть не единственным ограничением.
Признаки, что пора смотреть шире:
- задачу приходится долго уточнять после постановки;
- расчет верный, но непонятно, какое решение из него следует;
- вывод сложно донести продукту, руководителю или заказчику;
- без подробного плана работа останавливается;
- ты закрываешь запросы, но редко предлагаешь следующий шаг.
Для роста я бы проверил четыре области.
1. Техника. SQL, статистика, эксперименты, Python и качество расчетов. База должна выдерживать проверку, а не только запускаться без ошибки.
2. Продуктовое мышление и влияние. Умение связать вопрос бизнеса, поведение пользователя, метрику и решение. Сильный анализ заканчивается не таблицей, а понятным выбором.
3. Коммуникация. Уточнить запрос, согласовать критерии, показать ограничения и объяснить вывод разным людям. Иногда хороший вопрос экономит больше времени, чем хороший запрос к базе.
4. Самостоятельное развитие и ownership. Разложить туманную задачу, выбрать подход, проверить себя, заметить риск и довести результат до применения. Не ждать подробной инструкции на каждом повороте.
Начать можно с диагностики:
https://new-lvl.pro/assessment/
Если хочешь разобрать один конкретный запрос на развитие, формат консультации описан здесь:
https://new-lvl.pro/consulting/
На консультации мы берем один запрос, определяем текущую точку и собираем следующие шаги. Для записи напиши @TarkoAndrey слово «рост» и добавь пару предложений о своей роли и сложности.
Групповой формат сейчас в разработке. Даты запуска и цены пока нет. Если тебе в принципе интересен такой формат, напиши мне слово «группа» — это сообщение об интересе, без обещания места или даты старта.
Иногда кажется, что до следующего уровня не хватает еще одного инструмента: нового оконного выражения, библиотеки или курса. Но если ты уже уверенно выгружаешь данные, строишь дашборды и считаешь метрики, инструменты могут быть не единственным ограничением.
Признаки, что пора смотреть шире:
- задачу приходится долго уточнять после постановки;
- расчет верный, но непонятно, какое решение из него следует;
- вывод сложно донести продукту, руководителю или заказчику;
- без подробного плана работа останавливается;
- ты закрываешь запросы, но редко предлагаешь следующий шаг.
Для роста я бы проверил четыре области.
1. Техника. SQL, статистика, эксперименты, Python и качество расчетов. База должна выдерживать проверку, а не только запускаться без ошибки.
2. Продуктовое мышление и влияние. Умение связать вопрос бизнеса, поведение пользователя, метрику и решение. Сильный анализ заканчивается не таблицей, а понятным выбором.
3. Коммуникация. Уточнить запрос, согласовать критерии, показать ограничения и объяснить вывод разным людям. Иногда хороший вопрос экономит больше времени, чем хороший запрос к базе.
4. Самостоятельное развитие и ownership. Разложить туманную задачу, выбрать подход, проверить себя, заметить риск и довести результат до применения. Не ждать подробной инструкции на каждом повороте.
Начать можно с диагностики:
https://new-lvl.pro/assessment/
Если хочешь разобрать один конкретный запрос на развитие, формат консультации описан здесь:
https://new-lvl.pro/consulting/
На консультации мы берем один запрос, определяем текущую точку и собираем следующие шаги. Для записи напиши @TarkoAndrey слово «рост» и добавь пару предложений о своей роли и сложности.
Групповой формат сейчас в разработке. Даты запуска и цены пока нет. Если тебе в принципе интересен такой формат, напиши мне слово «группа» — это сообщение об интересе, без обещания места или даты старта.
👍3
Если ты ищешь работу
У поиска работы в аналитике есть как минимум две разные стартовые точки.
А. Ты переходишь из другой профессии
Тогда задача не в том, чтобы вычеркнуть прошлый опыт. Нужно перевести его на язык аналитики: какие решения ты принимал, на какие данные опирался, что улучшал и как измерял результат. После этого закрыть пробелы в инструментах и набрать практику.
Б. Ты уже аналитик и меняешь компанию
Здесь обычно важнее не очередной курс с нуля, а точная упаковка опыта. Нужно выбрать сильные проекты, объяснить свой вклад, потренировать продуктовые и технические вопросы и научиться коротко рассказывать о решениях.
Практичный порядок старта:
1. Оцени текущий уровень — https://new-lvl.pro/assessment/
Диагностика помогает увидеть, что уже получается и где есть пробелы.
2. Потренируй SQL на задачах — https://sql.new-lvl.pro/
Здесь можно пройти путь от базовых запросов до более сложной аналитики и проверить решение.
3. Освежи работу с данными в Pandas — https://pandas.new-lvl.pro/
Тренажер нужен, чтобы восстановить практику с таблицами, фильтрациями, группировками и преобразованиями.
4. Пройди A/B-тренажер — https://ab.new-lvl.pro/
30 задач, 15 доступны без подписки. Расчет пишешь сам, pandas и scipy прямо в браузере. Но задача засчитывается только тогда, когда к правильным числам добавлен верный вывод для продакта.
5. Отрепетируй интервью — https://new-lvl.pro/tools/interview-simulator/
Симулятор помогает потренировать ответы и заметить места, где мысль разваливается раньше, чем ее услышит интервьюер.
Потом собери из этого один маршрут: требования вакансии → подтверждения из твоего опыта → недостающая практика → репетиция собеседования. Не пытайся подготовиться вообще ко всему. Даже бесконечный SQL не отвечает на вопрос, какой именно вклад ты внес в проект.
Если нужен личный разбор упаковки опыта и подготовки к интервью, можно прийти на консультацию. Я помогу найти слабые места и собрать план подготовки, но не обещаю оффер, решение остается за компанией, а работа по подготовке за тобой.
Напиши мне @TarkoAndrey слово «собес» и коротко укажи, откуда и куда переходишь.
У поиска работы в аналитике есть как минимум две разные стартовые точки.
А. Ты переходишь из другой профессии
Тогда задача не в том, чтобы вычеркнуть прошлый опыт. Нужно перевести его на язык аналитики: какие решения ты принимал, на какие данные опирался, что улучшал и как измерял результат. После этого закрыть пробелы в инструментах и набрать практику.
Б. Ты уже аналитик и меняешь компанию
Здесь обычно важнее не очередной курс с нуля, а точная упаковка опыта. Нужно выбрать сильные проекты, объяснить свой вклад, потренировать продуктовые и технические вопросы и научиться коротко рассказывать о решениях.
Практичный порядок старта:
1. Оцени текущий уровень — https://new-lvl.pro/assessment/
Диагностика помогает увидеть, что уже получается и где есть пробелы.
2. Потренируй SQL на задачах — https://sql.new-lvl.pro/
Здесь можно пройти путь от базовых запросов до более сложной аналитики и проверить решение.
3. Освежи работу с данными в Pandas — https://pandas.new-lvl.pro/
Тренажер нужен, чтобы восстановить практику с таблицами, фильтрациями, группировками и преобразованиями.
4. Пройди A/B-тренажер — https://ab.new-lvl.pro/
30 задач, 15 доступны без подписки. Расчет пишешь сам, pandas и scipy прямо в браузере. Но задача засчитывается только тогда, когда к правильным числам добавлен верный вывод для продакта.
5. Отрепетируй интервью — https://new-lvl.pro/tools/interview-simulator/
Симулятор помогает потренировать ответы и заметить места, где мысль разваливается раньше, чем ее услышит интервьюер.
Потом собери из этого один маршрут: требования вакансии → подтверждения из твоего опыта → недостающая практика → репетиция собеседования. Не пытайся подготовиться вообще ко всему. Даже бесконечный SQL не отвечает на вопрос, какой именно вклад ты внес в проект.
Если нужен личный разбор упаковки опыта и подготовки к интервью, можно прийти на консультацию. Я помогу найти слабые места и собрать план подготовки, но не обещаю оффер, решение остается за компанией, а работа по подготовке за тобой.
Напиши мне @TarkoAndrey слово «собес» и коротко укажи, откуда и куда переходишь.
👍3
Обо мне и этом канале
Привет! Я Андрей Тарасенко, продуктовый аналитик в Авито.
До Авито я 15 лет работал в офлайн-ритейле и планировании. В 39 лет перешел на позицию Junior-аналитика. Поэтому хорошо помню момент, когда опыт уже большой, а новая профессия все равно просит начать с первой ступеньки. Карьерная лестница иногда ведет не только вверх, но и через соседний подъезд.
Сейчас я работаю с продуктовыми исследованиями, экспериментами и прогнозами. Параллельно развиваю new-lvl.pro — платформу с практическими материалами и тренажерами для аналитиков.
Что будет в канале:
- собеседования, поиск работы и упаковка опыта;
- аналитическая работа и разборы кейсов;
- рост от Junior к Middle;
- реальные рабочие ситуации и коммуникация;
- практические инструменты сайта.
Если ты здесь впервые, начни с нужного закрепа:
Если ты ищешь работу
Если ты растешь из Junior в Middle
Если у тебя сложная рабочая задача
Если хочешь обсудить свою ситуацию лично, напиши мне @TarkoAndrey
Привет! Я Андрей Тарасенко, продуктовый аналитик в Авито.
До Авито я 15 лет работал в офлайн-ритейле и планировании. В 39 лет перешел на позицию Junior-аналитика. Поэтому хорошо помню момент, когда опыт уже большой, а новая профессия все равно просит начать с первой ступеньки. Карьерная лестница иногда ведет не только вверх, но и через соседний подъезд.
Сейчас я работаю с продуктовыми исследованиями, экспериментами и прогнозами. Параллельно развиваю new-lvl.pro — платформу с практическими материалами и тренажерами для аналитиков.
Что будет в канале:
- собеседования, поиск работы и упаковка опыта;
- аналитическая работа и разборы кейсов;
- рост от Junior к Middle;
- реальные рабочие ситуации и коммуникация;
- практические инструменты сайта.
Если ты здесь впервые, начни с нужного закрепа:
Если ты ищешь работу
Если ты растешь из Junior в Middle
Если у тебя сложная рабочая задача
Если хочешь обсудить свою ситуацию лично, напиши мне @TarkoAndrey
Telegram
Level Up в аналитике
Если ты ищешь работу
У поиска работы в аналитике есть как минимум две разные стартовые точки.
А. Ты переходишь из другой профессии
Тогда задача не в том, чтобы вычеркнуть прошлый опыт. Нужно перевести его на язык аналитики: какие решения ты принимал, на…
У поиска работы в аналитике есть как минимум две разные стартовые точки.
А. Ты переходишь из другой профессии
Тогда задача не в том, чтобы вычеркнуть прошлый опыт. Нужно перевести его на язык аналитики: какие решения ты принимал, на…
👍3❤1
Level Up в аналитике pinned «Если у тебя сложная рабочая задача Не каждая рабочая сложность решается еще одним запросом к данным. Иногда расчет уже есть, а ясности все равно нет: непонятно, как сформулировать вопрос, проверить логику или объяснить вывод заказчику. С чем можно прийти:…»
Level Up в аналитике pinned «Если ты растешь из Junior в Middle Иногда кажется, что до следующего уровня не хватает еще одного инструмента: нового оконного выражения, библиотеки или курса. Но если ты уже уверенно выгружаешь данные, строишь дашборды и считаешь метрики, инструменты могут…»
Level Up в аналитике pinned «Если ты ищешь работу У поиска работы в аналитике есть как минимум две разные стартовые точки. А. Ты переходишь из другой профессии Тогда задача не в том, чтобы вычеркнуть прошлый опыт. Нужно перевести его на язык аналитики: какие решения ты принимал, на…»
Level Up в аналитике pinned «Обо мне и этом канале Привет! Я Андрей Тарасенко, продуктовый аналитик в Авито. До Авито я 15 лет работал в офлайн-ритейле и планировании. В 39 лет перешел на позицию Junior-аналитика. Поэтому хорошо помню момент, когда опыт уже большой, а новая профессия…»
В 39 лет я вышел на позицию Junior-аналитика после 15 лет в офлайн-ритейле и планировании.
Если смотреть только на название должности, картинка немного комичная: большой рабочий путь закончился, человек снова открывает учебник и спрашивает, куда здесь писать SELECT. Но фактически я начинал не с нулевой отметки.
Нулевой у меня была часть профессионального инструментария. Нужно было учить SQL, вспоминать статистику, разбираться в процессах IT-команды (до этого слова Jara и Confluense были чем-то необычным и далеким) и привыкать к другому темпу проверки гипотез. Здесь прежний стаж не давал автоматической скидки: запрос либо работает, либо нет.
Зато со мной остались три вещи.
Первая — понимание бизнеса.
В планировании мало увидеть, что продажи отклонились от ожиданий. Нужно разобраться, где именно возникло отклонение, чем оно могло быть вызвано и какое действие имеет смысл обсуждать.
Вторая — привычка работать с проблемой, а не только с формулировкой задачи.
Запрос «посчитай показатель» почти всегда существует ради чьего-то решения. Этот вопрос я научился замечать еще до аналитики.
Третья — коммуникация.
За 15 лет работы я много раз согласовывал разные интересы, объяснял ограничения и отвечал за результат. Новая профессия поменяла инструменты, но люди на встречах внезапно не превратились в идеально синхронизированные таблицы.
Потом я пришел в BigTech и сейчас работаю продуктовым аналитиком в Авито. Это не история про волшебный переход за ночь. На каждом этапе приходилось доучиваться и принимать, что по части навыков я действительно новичок.
Но полезно разделять две шкалы: владение инструментами и рабочую зрелость. На первой можно снова оказаться в начале. Вторая не исчезает вместе со старой должностью.
Если ты переходишь в аналитику, выпиши сегодня три вещи, которые уже умеешь: понимать предметную область, разбирать неоднозначную проблему, договариваться, планировать, проверять качество. Это не заменит техническую подготовку. Зато покажет, что фундамент у тебя уже есть и теперь к нему нужно подобрать новые инструменты.
Если смотреть только на название должности, картинка немного комичная: большой рабочий путь закончился, человек снова открывает учебник и спрашивает, куда здесь писать SELECT. Но фактически я начинал не с нулевой отметки.
Нулевой у меня была часть профессионального инструментария. Нужно было учить SQL, вспоминать статистику, разбираться в процессах IT-команды (до этого слова Jara и Confluense были чем-то необычным и далеким) и привыкать к другому темпу проверки гипотез. Здесь прежний стаж не давал автоматической скидки: запрос либо работает, либо нет.
Зато со мной остались три вещи.
Первая — понимание бизнеса.
В планировании мало увидеть, что продажи отклонились от ожиданий. Нужно разобраться, где именно возникло отклонение, чем оно могло быть вызвано и какое действие имеет смысл обсуждать.
Вторая — привычка работать с проблемой, а не только с формулировкой задачи.
Запрос «посчитай показатель» почти всегда существует ради чьего-то решения. Этот вопрос я научился замечать еще до аналитики.
Третья — коммуникация.
За 15 лет работы я много раз согласовывал разные интересы, объяснял ограничения и отвечал за результат. Новая профессия поменяла инструменты, но люди на встречах внезапно не превратились в идеально синхронизированные таблицы.
Потом я пришел в BigTech и сейчас работаю продуктовым аналитиком в Авито. Это не история про волшебный переход за ночь. На каждом этапе приходилось доучиваться и принимать, что по части навыков я действительно новичок.
Но полезно разделять две шкалы: владение инструментами и рабочую зрелость. На первой можно снова оказаться в начале. Вторая не исчезает вместе со старой должностью.
Если ты переходишь в аналитику, выпиши сегодня три вещи, которые уже умеешь: понимать предметную область, разбирать неоднозначную проблему, договариваться, планировать, проверять качество. Это не заменит техническую подготовку. Зато покажет, что фундамент у тебя уже есть и теперь к нему нужно подобрать новые инструменты.
❤6🔥2
После смены профессии легко решить, что прошлый опыт больше «не считается».
В вакансии написаны SQL, статистика и дашборды, а в трудовой, магазины, поставки или поддержка клиентов. Мозг делает быстрый вывод: подходящих строк нет. Поэтому человек подробно рассказывает про пройденные курсы, а десять лет реальных решений убирает в один скромный пункт.
Проблема не в опыте, а в единице перевода. Название старой должности действительно может ничего не сказать нанимающей команде. Зато понятны проблемы, данные, ограничения и решения.
Возьмем условный пример из розничного планирования.
Специалист по планированию в рознице каждую неделю разбирал отклонения продаж от плана.
Слабое описание звучит так: «Занимался планированием и готовил отчеты».
Перевод на язык аналитики может выглядеть иначе:
- проблема — по части категорий факт заметно расходился с планом;
- данные — продажи, остатки, поставки, сезонность и промо;
- действие — специалист разделял отклонение по категориям и магазинам, проверял версии и уточнял ограничения у смежных команд;
- решение — на основе разбора команда пересматривала приоритеты поставок или сам план.
Мы не приписали человеку навыки, которых у него не было. Он не стал продуктовым аналитиком задним числом и не написал SQL силой воображения. Мы показали знакомую аналитику логику: заметить отклонение, собрать контекст, проверить объяснения и поддержать решение.
Почему люди этого не делают? Часто им кажется, что ценность обязана иметь техническое название. Но «понимал, какой разрез нужен для решения» тоже ценность. «Замечал проблему в определении показателя» ценность. «Мог объяснить вывод людям с разными задачами» еще одна.
Технические пробелы все равно придется закрыть. Доменная экспертиза не заменяет SQL, как знание синтаксиса не заменяет понимание бизнеса. Сильная позиция свитчера не спорить с этим, а соединить две части.
Попробуй взять один эпизод из прежней работы и записать его в трех строках: какую проблему решал, на что опирался, какое решение стало возможным. Если получается только список обязанностей, спроси себя: «Зачем вообще эта работа была нужна?» Обычно именно там и начинается перевод.
В вакансии написаны SQL, статистика и дашборды, а в трудовой, магазины, поставки или поддержка клиентов. Мозг делает быстрый вывод: подходящих строк нет. Поэтому человек подробно рассказывает про пройденные курсы, а десять лет реальных решений убирает в один скромный пункт.
Проблема не в опыте, а в единице перевода. Название старой должности действительно может ничего не сказать нанимающей команде. Зато понятны проблемы, данные, ограничения и решения.
Возьмем условный пример из розничного планирования.
Специалист по планированию в рознице каждую неделю разбирал отклонения продаж от плана.
Слабое описание звучит так: «Занимался планированием и готовил отчеты».
Перевод на язык аналитики может выглядеть иначе:
- проблема — по части категорий факт заметно расходился с планом;
- данные — продажи, остатки, поставки, сезонность и промо;
- действие — специалист разделял отклонение по категориям и магазинам, проверял версии и уточнял ограничения у смежных команд;
- решение — на основе разбора команда пересматривала приоритеты поставок или сам план.
Мы не приписали человеку навыки, которых у него не было. Он не стал продуктовым аналитиком задним числом и не написал SQL силой воображения. Мы показали знакомую аналитику логику: заметить отклонение, собрать контекст, проверить объяснения и поддержать решение.
Почему люди этого не делают? Часто им кажется, что ценность обязана иметь техническое название. Но «понимал, какой разрез нужен для решения» тоже ценность. «Замечал проблему в определении показателя» ценность. «Мог объяснить вывод людям с разными задачами» еще одна.
Технические пробелы все равно придется закрыть. Доменная экспертиза не заменяет SQL, как знание синтаксиса не заменяет понимание бизнеса. Сильная позиция свитчера не спорить с этим, а соединить две части.
Попробуй взять один эпизод из прежней работы и записать его в трех строках: какую проблему решал, на что опирался, какое решение стало возможным. Если получается только список обязанностей, спроси себя: «Зачем вообще эта работа была нужна?» Обычно именно там и начинается перевод.
❤2🔥2
Итак, прошлый опыт не нужно выбрасывать.
Но есть и обратная ловушка: решить, что пятнадцать лет работы автоматически закрывают все требования новой профессии.
Не закрывают. Поэтому перед очередным большим курсом полезно провести инвентаризацию.
Раздели лист на четыре блока.
1. Предметная область. Какие процессы ты понимаешь изнутри? Например: продажи, логистика, финансы, клиентская поддержка. Запиши не отрасль одним словом, а 2–3 типа решений, с которыми сталкивался.
2. Работа с проблемой. Умеешь ли ты уточнить размытый запрос, выдвинуть несколько причин, определить критерий проверки? В качестве доказательства нужен эпизод, а не самооценка «мыслю системно».
3. Коммуникация. Кому ты объяснял результаты, как согласовывал определения, что делал при несогласии? Здесь тоже ищи наблюдаемое действие.
4. Инструменты. Что ты уже можешь сделать руками: написать запрос с JOIN и агрегацией, проверить данные, посчитать базовую статистику, собрать понятный вывод? Отдельно отметь то, о чем только читал.
Теперь поставь напротив каждого пункта одну из трех меток:
- могу объяснить и показать на примере;
- понимаю, но практики мало;
- пока не умею.
Представим начинающего аналитика из закупок. Он уверенно понимает ассортиментные решения и умеет защищать план перед коллегами. SQL знает на уровне простых выборок, а статистику только прошел в лекциях. Поэтому логичный следующий шаг это взять задачи на соединение таблиц и группировки, а затем закрепить базовые статистические понятия на примерах.
Чтобы не оценивать себя только по настроению, можно пройти бесплатную диагностику:
https://new-lvl.pro/assessment/
А затем сверить пробелы с последовательностью тем в роадмапе:
https://new-lvl.pro/roadmap/
Оба инструмента можно использовать самостоятельно. Диагностика не выдает окончательный профессиональный приговор, а роадмап не требует проходить каждый пункт подряд. Их задача проще: помочь выбрать ближайший навык, который действительно мешает двигаться.
Хороший план обучения помещается в одну фразу: «Следующие две недели я тренирую X, потому что сейчас не могу сделать Y». Например: «Тренирую JOIN, потому что не могу самостоятельно собрать данные из заказов и пользователей».
Так прошлый опыт становится опорой, а пробел конкретной задачей. В итоге обучение перестает быть бесконечным ожиданием момента, когда ты наконец почувствуешь себя готовым.
Но есть и обратная ловушка: решить, что пятнадцать лет работы автоматически закрывают все требования новой профессии.
Не закрывают. Поэтому перед очередным большим курсом полезно провести инвентаризацию.
Раздели лист на четыре блока.
1. Предметная область. Какие процессы ты понимаешь изнутри? Например: продажи, логистика, финансы, клиентская поддержка. Запиши не отрасль одним словом, а 2–3 типа решений, с которыми сталкивался.
2. Работа с проблемой. Умеешь ли ты уточнить размытый запрос, выдвинуть несколько причин, определить критерий проверки? В качестве доказательства нужен эпизод, а не самооценка «мыслю системно».
3. Коммуникация. Кому ты объяснял результаты, как согласовывал определения, что делал при несогласии? Здесь тоже ищи наблюдаемое действие.
4. Инструменты. Что ты уже можешь сделать руками: написать запрос с JOIN и агрегацией, проверить данные, посчитать базовую статистику, собрать понятный вывод? Отдельно отметь то, о чем только читал.
Теперь поставь напротив каждого пункта одну из трех меток:
- могу объяснить и показать на примере;
- понимаю, но практики мало;
- пока не умею.
Представим начинающего аналитика из закупок. Он уверенно понимает ассортиментные решения и умеет защищать план перед коллегами. SQL знает на уровне простых выборок, а статистику только прошел в лекциях. Поэтому логичный следующий шаг это взять задачи на соединение таблиц и группировки, а затем закрепить базовые статистические понятия на примерах.
Чтобы не оценивать себя только по настроению, можно пройти бесплатную диагностику:
https://new-lvl.pro/assessment/
А затем сверить пробелы с последовательностью тем в роадмапе:
https://new-lvl.pro/roadmap/
Оба инструмента можно использовать самостоятельно. Диагностика не выдает окончательный профессиональный приговор, а роадмап не требует проходить каждый пункт подряд. Их задача проще: помочь выбрать ближайший навык, который действительно мешает двигаться.
Хороший план обучения помещается в одну фразу: «Следующие две недели я тренирую X, потому что сейчас не могу сделать Y». Например: «Тренирую JOIN, потому что не могу самостоятельно собрать данные из заказов и пользователей».
Так прошлый опыт становится опорой, а пробел конкретной задачей. В итоге обучение перестает быть бесконечным ожиданием момента, когда ты наконец почувствуешь себя готовым.
❤4🔥2