Only Analyst
2.55K subscribers
140 photos
20 videos
157 links
Канал для всех, кто интересуется аналитикой данных и хочет изучить данную профессию
@onlyanalyst
Download Telegram
💽 Данных в наше время становится неприлично много, помимо этого они разные, поэтому их классификация напрашивается сама собой.

💿 Для правильного выбора метода обработки и анализа данных необходимо разобраться в их форматах.

🥽 Вот вариация на базе Google Data Analytics:

🪪 «Первичные» - данные собраны самостоятельно.
Пример: результаты опроса.

🥷 «Вторичные» - данные собраны другими или для других целей.
Пример: выгрузка из открытых данных.

🤰 «Внутренние» - данные внутри контура компании.
Пример: количество продаж в магазинах сети.

👨‍👩‍👦 «Внешние» - данные за пределами компании.
Пример: маркетинговый отчет.

♾️ «Непрерывные» - измеряемые данные, имеющие практически любое значение.
Пример: температура.

⛔️ «Дискретные» - данные, которые считают и имеют ограниченное количество значений.
Пример: максимальная загруженность отеля.

💎 «Качественные» - субъективные данные, отражающие степень характеристик.
Пример: любимый бренд одежды.

🏟️ «Количественные» - конкретные данные, численные и измеримые.
Пример: количество кенгуру в Австралии.

🎉 «Номинальные» - качественные данные без определенного порядка.
Пример: новый клиент, вернувшийся клиент, постоянный клиент.

🥇 «Порядковые» - тип качественных данных с определенным порядком.
Пример: рейтинг фильмов.

🧹 «Структурированные» - данные, организованные по заданным правилам.
Пример: инвентарь склада.

🗑️ «Неструктурированные» - данные, которые не организованы по понятным правилам.
Пример: видео файлы.

😀 Подписаться

#данные
Please open Telegram to view this post
VIEW IN TELEGRAM
16🔥5
🔥 Прожарка резюме здесь!

👑 Мы с Дианой разобрали 17 Ваших резюме, которые Вы присылали нам в этом посте.

🧞‍♂️ В итоге у нас получилось не просто подробный разбор, а целый гайд-бук, используя который каждый сможет сделать по-настоящему сильное резюме, претендующее на любые вакансии.

👩‍🎤 Повторю мысль из видео: ремесло HR - это тяжелый труд. Вы как соискатель можете не только получить оффер, сделав хорошее резюме, но облегчить работу HR.

🦸‍♀️ Всех героев шоу прошу сделать работу над ошибками и прислать переработанные резюме нам, чтобы мы знали, что все это было не зря.

🆘 Если видео Вам оказалось полезным, то прошу поддержать нас лайком, подпиской и репостом.

✒️ Как Вам видео? Если хотите поучаствовать в следующем выпуске, то ждем Ваших резюме в комментарии к видео.

😀 Подписаться

#прожарка #видео #резюме
Please open Telegram to view this post
VIEW IN TELEGRAM
25🔥7👍5
🧑‍⚖️ 6 простых правил, которые помогут Вам избежать 90% ошибок, при создании резюме. Я их вывел после Прожарки и личного опыта:

👔 Придерживайтесь понятного формата резюме (hh, Хабр)

📑 Используйте абзацы

💭 Транслируйте порядок мыслей во всем (название, структура, наполнение)

👠 Придерживайтесь единого стиля

💸 Оцифровывайте ваши результаты

🏄‍♀️ Подтверждайте Ваши навыки реальными примерами

🖊 А каких правил придерживаетесь Вы, при написании резюме?

😀 Подписаться

#поискработы #резюме
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥135👍2
🤷‍♀️ Для тех, кто не знал (олды помнят), то канал начался с этого поста, где мы собирали вопросы, которые волнуют подписчиков, а далее это вылилось в первое видео, которое на Youtube набрало уже 1200 зрителей, 71 лайк и 180 часов просмотров.

🥳 Мы долго собирали новую партию материалов для обсуждения и наконец-то выпускаем вторую часть ответов на вопросы с Дианой Колодой @dianakoloda, head of HR DataGo.

🗣️ В ходе беседы обсуждались следующие темы: стоит ли бросать работу ради изучения анализа данных, выбор курсов, спрос на профессию аналитика данных, защита от обмана, ответы на вопросы о причинах увольнения, история о буллинге, пет-проекты и их демонстрация, networking, влияние английского языка на работу, стоит ли указывать руководящий опыт в резюме, как его правильно отразить в резюме и когда стоит остановиться.

👍 Если видео Вам показалось интересным, то прошу поддержать Вашей реакцией здесь и на youtube, нам это важно.

✒️ По традиции собираем новые вопросы в комментариях к посту или на Youtube.

😀 Подписаться

#видео #интервью #поискработы
Please open Telegram to view this post
VIEW IN TELEGRAM
👍138🔥3
💭 А у Вас есть мечта?

🤓 Я начал читать Хабр с его самых первых дней, тогда для меня это было окном в удивительный и неизвестный мир IT.

🌀 За 17 лет Хабр пережил множество изменений, скандалов и технологий, а вместе с ним рос и я, вчитываясь в непонятные статьи, каждая из которых приближала меня к моей метаморфозе, результат которой вы можете видеть сейчас.

🤦‍♀️ Моя мечта сбылась: из молчаливого читателя я стал не просто автором Хабра, а сразу же участником интерейснешого проекта IT-guide, в котором люди делятся своим опытом.

👷‍♀️ Проделана огромная работа: от идеи до реализации и хотел бы поблагодарить команду Хабру, особенно Анастасию Акулову за поддержку, советы и организацию.

🧜 Приглашаю Вас пережить вместе мою историю становления в аналитике данных.

🥺 Буду благодарен поддержке с вашей стороны: комментарию, лайку и распространению, надеюсь, что статья поможет Вам не только в окунуться в мир аналитики данных, но и послужит напоминанием о том, что мечты сбываются.

😀 Подписаться

🔗 Статья

#истории #статьи #хабр
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2110👍10
🚸 При переходе из другой области в анализ данных, никогда не «обнуляйте» свой опыт, навыки и знания из предыдущего места работы или просто жизненного опыта.

👩‍💻 Скорее всего, все необходимое для работы аналитиком у Вас уже есть и Вам только остается отыскать это и грамотно преподнести в резюме, рассказать на собеседовании и применить в работе.

🐌 Только не спешите писать коммуникабельность и внимание к деталям, так как из-за своей высокой частотности использования они свою значимость немного потеряли и без конкретных примеров применения смотрятся неубедительно.

👶 Сегодня разберем такое важное качество аналитика как любознательность, которое у Вас точно есть, так как Вы подписаны на мой канал.

😻 Любознательность можно определить как постоянную потребность задавать вопрос «Почему?». Если вам интересно на работе, вам будет гораздо легче обнаруживать и решать проблемы. Это означает, что вы не принимаете вещи такими, какие они есть: находите неточности в объяснениях, почему что-то делается именно так или не делается вообще.

😽 Проявляя любознательность, вы будете грозой любой встречи, так как будете задавать неудобные вопросы и тем самым поднимать сложные темы, которые и двигают работу вперед. Вам нужно проявлять любознательность ко всему, потому что поиск проблемы - это первый шаг к ее решению. В этом как раз и заключается суть анализа данных.

🧑‍🔬 Любознательность идет рука об руку с желанием учиться, а это означает, что вы не удовлетворены тем, что знаете, и тому, чему вас научили. Вы хотите расти, узнавать что-то новое и главное - применять это в работе и жизни.

✒️ Считаете ли Вы себя любознательным человеком? Напиши в комментариях как данное качество отражается в вашей работе и жизни.

🧓 Если интересно почитать про переход из совершенно другой сферы в аналитику и применить свою знания, то на Хабре вышла моя статья на эту тему.

😀 Подписаться

#истории
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥128
Only Analyst pinned «💭 А у Вас есть мечта? 🤓 Я начал читать Хабр с его самых первых дней, тогда для меня это было окном в удивительный и неизвестный мир IT. 🌀 За 17 лет Хабр пережил множество изменений, скандалов и технологий, а вместе с ним рос и я, вчитываясь в непонятные…»
👩‍💻 Завершился 3 месяц жизни канала, а значит снова делюсь с Вами аналитикой нашего с Вами продукта.

🔮 Предыдущие посты можно посмотреть по ссылкам: апрель, май.

🌦️ Основные метрики:

🌱 +118 подписчиков, +22% (+108 в мае)
🫵 546 просмотров в среднем на публикацию (512 в мае)
🙋🏻‍♂️ 85% подписчиков читаю посты канала (99% в мае)
🎪 10.5 % вовлеченность подписчиков (10% в мае)

🔝 Рейтинг постов:

🔥 Пост с видео «Прожарка» стал лидером по всем основным параметрам: 1007 просмотров, 20 пересылок, 34 реакции.

🥈 Уступил только «холиварному» посту про сложное положение junior специалистов по количеству комментариев: 20 против 22.

🔬 Абсолютные значения основных метрик растут, но в процентах набор подписчиков немного замедлился (с 25 до 22 процентов). Посты немного отстали по максимуму пересылок и просмотров, но и не было всеми любимых подборок и больше в фокусе были новые видео и около художественные посты.

🏴‍☠️ На Хабре статья про сравнение пивоварения и анализа данных набрала 8100 + просмотров, 37 лайков и 1 дизлайк, что для первой статьи на Хабре довольно приемлемый результат.

🎬 Общий вывод: канал двигается в нужном направлении, формат и стилистика вырабатываются. Добавляются новые пути привлечения: Хабр и YouTube (про него подробно расскажу в следующем посте: там много интересного)

✒️ Интересны ли Вам такие обзоры? Какие выводы сделали бы Вы на основе данных?

😀 Подписаться

#аналитика
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
13🔥8👍5
👩‍💻 Сегодня хочу поделиться еще одной интересной аналитикой, а именно статистикой youtube канала, который является неотъемлемой частью продукта и развивается синхронно с нашей группой. Последний раз был отчет 20 апреля, а с тех пор многое изменилось.

📺 Основные метрики канала: 3300 зрителей (даже дали мини ачивку), 435 часов просмотров, 135 подписчиков и уже выпущено 8 роликов.

🌓 Основным драйвером роста является наша проба пера с Дианой, head of HR DataGo, в котором мы отвечали на Ваши вопросы касательно трудоустройства аналитиком данных.

🔝 За это время видео набрало 1800 зрителей, 270 часов просмотров, 97 лайк, 1 дизлайк (хэйтеры) и до сих пор держит хороший уровень CTR на уровне 4%, пока у остальных видео CTR примерно 3%.

🔬 Интересно, что 50% просмотров идет с главной YouTube/подписок/трендов, 16% из предложенных видео, а через поиск всего 3%.

🧑‍🔬 Формулу успеха для видео на youtube я пока не разгадал: видео может начать набирать просмотры как на следующий день, так и через несколько недель, а похожая семантика названий видео и заставок не гарантирует воспроизведение результата.

Основное преимущество youtube заключается в том, что продвижение контента берет на себя непосредственно платформа и остается только регулярно создавать видео, по которым предоставляется всеобъемлющая аналитика.

✒️ На какую тему видео Вы хотели бы еще посмотреть? Кто знает «фишки» продвижения на Youtube, то жду ваши советы в комментариях.

😀 Подписаться

#аналитика #видео
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
8🔥4👍2
📊 Всем привет! Сегодня разберем важную тему для решения рабочих задач: создание колонок по условию в Pandas

💂‍♀️ В основном создание колонок по условию требуется для изменения гранулярности данных, например, вместо того, чтобы отдельно рассматривать пользователей по конкретному возрасту, удобнее сформировать из них смысловые группу: молодые (18-30), средние (31-59) и пожилые(60+).

🏕️ Метод 1: iterrows() построчно обрабатывает в Data Frame записи и применяет условную логику для создания нового столбца:

for index, row in df.iterrows():
if condition:
df.at[index, 'new_column'] = value
else:
df.at[index, 'new_column'] = other_value


👩‍🎤
Метод 2: apply() в pandas позволяет нам применить функцию по осям (строки, колонки) к Data Frame:

def conditional_logic(row):
if condition:
return value
else:
return other_value

df['new_column'] = df.apply(conditional_logic, axis=1)


🕵️‍♀️ Метод 3: np.where() обеспечивает векторизованный подход к созданию условного столбца. Мы можем указать условие и присвоить значения на его основе:

df['new_column']=np.where(condition, value, other_value)

👍
Метод 4: np.select() позволяет нам создать новый столбец на основе нескольких условий:

conditions = [condition1, condition2, condition3]
choices = [value1, value2, value3]
df['new_column'] = np.select(conditions, choices, default=other_value)

🏎️ Давно мы не устраивали забеги на скорость, поэтому создадим DataFrame от 100 до 10 000 записей с возрастами от 18 до 80.

🏁 Результаты впечатляющие: iterrows очевидно занимает последнее место, самый популярный метод apply быстрее примерно в 7 раз при 10 000 строк. В упорной борьбе побеждает np.where, который в 263 раза быстрее, чем iterrows, в 35 раз быстрее apply и всего лишь в 1.3, чем np.select.

🔬 В который раз убеждаемся, что numpy - лидирующая библиотека, когда необходимо добиться максимальной скорости.

✒️ Какие еще применения условного создания колонок Вы знаете? Какой метод используете?

😀 Подписаться

#pandas #numpy #python
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥17👍74
😀 Всем привет!

🎭 Если театр начинается с вешалки, то работа - с онбординга.

🛳️ Онбординг - это процесс внедрения и адаптации нового сотрудника в организацию, включающий знакомство с корпоративной культурой, целями компании, обучение необходимым навыкам и интеграцию в команду.

💭 Сегодня будет довольно экспериментальный для меня формат текста: что-то среднее между сценарием и рассказом.

🎬 Небольшая преамбула к серьезному разбору, чтобы Вы немного прониклись настроением.

Душное офисное помещение, наполненное кабинетами и гудящими компьютерами. Сотрудники сидят по своим углам, отстраненно вбивая цифры в таблицы.

Лучик света в лице нового сотрудника Джейн, словно солнечный зайчик она скачет к кабинету кадров, место нахождения которого подсказал ей угрюмый охранник, куривший у входа
.

Джейн заходит и встает перед столом, за которым Энди, неряшливый представитель кадровой службы, безразлично перелистывает стопку бумаг.

🧟 Энди
(бормочет)
Добро пожаловать в компанию. Вот ваш пакет для онбординга. Прочитайте его потом.

Энди небрежно толкает пакет в сторону Джейн, которая выглядит озадаченной.

👩‍💻 ДЖЕЙН
(запинаясь)
Э-э, спасибо. Есть ли кто-то, кто может показать мне офис или представить моей команде?

🧟 Энди
(безразлично)
Да, конечно, это Вы. Сами разберетесь. Не беспокойте меня.

Джейн, потерянная, медленно выходит из кабинета кадровой службы.

🏰 ОТДЕЛ АНАЛИТИКИ ДАННЫХ

Джейн неуверенно входит в отдел аналитики данных, где ее встречают сбитые с толку взгляды новых коллег. Она подходит к самому ближнему сотруднику.

👩‍💻 ДЖЕЙН
(неуклюже)
Привет, я Джейн, новый аналитик данных. Знаешь, с чего мне начать?

👩‍🎤 МАЙК
(вздыхает)
Мне никто не сказал, что ты начинаешь сегодня. Слушай, у меня сейчас много работы. Просто прочитай вики-страницу компании, там найдешь что-нибудь.

Джейн пытается скрыть свое разочарование и подходит к единственно у свободному столу.

🗄 СТОЛ ДЖЕЙН

Джейн сидит одна за своим столом, уставившись в экран компьютера. Она нажимает на вики-страницу компании, чтобы обнаружить пучину плохо организованной информации.

📺 ДЖЕЙН СМОТРИТ НА ЭКРАН КОМПЬЮТЕРА

На экране появляются параграфы и ссылки, полные технических терминов, ошеломляя Джейн. Она пытается разобраться во всем этом, но быстро осознает, что в этом хаосе она не справится одна.

🏢 ОФИС ИТ-КОМПАНИИ

Проходят недели, и Джейн борется с хаотичным процессом онбординга. Она оставлена сама с собой, затоптанная бессмысленными задачами. Отсутствие руководства и поддержки начинает отражаться на ее состоянии.

🏰 ОТДЕЛ АНАЛИТИКИ ДАННЫХ

Джейн отчаянно пытается уложиться в сроки, но ее раздражение достигает предела. Она оглядывается по офису, чувствуя себя изолированной среди коллег, которые больше заняты обедам, чем ее проблемами.

🗄 СТОЛ ДЖЕЙН

Джейн внезапно встает, сбивая свой стул в ярости. Она направляется к выходу, но ее поведение лишь на мгновение отрывает коллег от экранов.

🅿️ ПАРКОВКА ИТ-КОМПАНИИ

Джейн выбегает из здания, эмоции переполняют ее. Она садится в свою машину и захлопывает дверь.

🚘 МАШИНА ДЖЕЙН

Джейн сидит в машине, слезы стекают по ее лицу. Она глубоко дышит, пытаясь собраться с мыслями, но уже слишком поздно.

Джейн поворачивает ключ в зажигании, заводя машину.

Лицо Джейн, полное отчаяния, отражается в зеркале заднего вида, когда она уезжает в неизвестность
.

📑 Надеюсь, что такой формат Вам понравится и вы поделитесь своим впечатление в комментариях.

#истории #работа
Please open Telegram to view this post
VIEW IN TELEGRAM
👍16🔥54