📊 Как рассказывать про непростые графики?
На этот график я наткнулся пару месяцев назад. С первого взгляда всё очевидно, но в аналитике, как обычно, не всё так просто.
Ниже разбор, как мы проверили источники, сопоставили показатели и исправили визуализацию.
1) Базовый график
На нём рядом целые страны (Франция, Канада, Финляндия, Чехия, Австрия) и группы населения США (афроамериканцы, латиноамериканцы, белые).
Подпись «OECD», «WHO», «CDC» есть, но методика и год не указаны. Значения по странам завышены, по США — очень высокие.
2) Как определили источники
• США (CDC, 2022, crude): Black — 27.5, Hispanic — 5.5, White — 2.0. Источник: MMWR.
• Страны (UNODC, 2022): Канада — 0.889, Австрия — 0.145, Франция — 0.100, Финляндия — 0.091, Чехия — 0.095.
Почему не OECD/WHO? UNODC — эталон по «умышленным убийствам с применением огнестрела», CDC — медрегистрация смертей в США.
3) Ошибки и исправления
• Смешение уровней → разделили страны и группы.
• Неясный показатель → взяли только firearm homicide.
• Нет года → указали 2022.
• Разная методология → дали дисклеймер.
• Не указано crude/age-adjusted → уточнили, что crude.
• Риск экологической ошибки → без причинных выводов.
4) Исправленный график
Разница осталась огромной, но сравнение стало корректным.
5) Выводы
✅ firearm homicide у некоторых групп США в разы выше, чем в странах ОЭСР.
❌ Этничность ≠ причина — нужны модели с контролем факторов. Нужна корректная модель с контролем факторов (возраст, место проживания, доход, занятость, доступ к оружию и т. д.).
ℹ️ Мини-справка
• Crude rate — случаи на 100 тыс. без учёта возраста: просто, но искажает сравнения.
• Age-adjusted rate — пересчёт при одинаковой возрастной структуре: чище, но сложнее.
💡 Молодая страна может казаться опаснее по crude, но после поправки разница исчезает.
На какие мысли наводит этот график?
И какие дальнейшие действия предприняли бы?
😀 OnlyAnalyst. Погружаемся в аналитику по-настоящему.
💬 Наш чатик.
На этот график я наткнулся пару месяцев назад. С первого взгляда всё очевидно, но в аналитике, как обычно, не всё так просто.
Ниже разбор, как мы проверили источники, сопоставили показатели и исправили визуализацию.
1) Базовый график
На нём рядом целые страны (Франция, Канада, Финляндия, Чехия, Австрия) и группы населения США (афроамериканцы, латиноамериканцы, белые).
Подпись «OECD», «WHO», «CDC» есть, но методика и год не указаны. Значения по странам завышены, по США — очень высокие.
2) Как определили источники
• США (CDC, 2022, crude): Black — 27.5, Hispanic — 5.5, White — 2.0. Источник: MMWR.
• Страны (UNODC, 2022): Канада — 0.889, Австрия — 0.145, Франция — 0.100, Финляндия — 0.091, Чехия — 0.095.
Почему не OECD/WHO? UNODC — эталон по «умышленным убийствам с применением огнестрела», CDC — медрегистрация смертей в США.
3) Ошибки и исправления
• Смешение уровней → разделили страны и группы.
• Неясный показатель → взяли только firearm homicide.
• Нет года → указали 2022.
• Разная методология → дали дисклеймер.
• Не указано crude/age-adjusted → уточнили, что crude.
• Риск экологической ошибки → без причинных выводов.
4) Исправленный график
Разница осталась огромной, но сравнение стало корректным.
5) Выводы
✅ firearm homicide у некоторых групп США в разы выше, чем в странах ОЭСР.
❌ Этничность ≠ причина — нужны модели с контролем факторов. Нужна корректная модель с контролем факторов (возраст, место проживания, доход, занятость, доступ к оружию и т. д.).
ℹ️ Мини-справка
• Crude rate — случаи на 100 тыс. без учёта возраста: просто, но искажает сравнения.
• Age-adjusted rate — пересчёт при одинаковой возрастной структуре: чище, но сложнее.
💡 Молодая страна может казаться опаснее по crude, но после поправки разница исчезает.
На какие мысли наводит этот график?
И какие дальнейшие действия предприняли бы?
💬 Наш чатик.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥9❤5👍1
Ребят, наш любимый Data Engineer Евгений снова делится базой: в этот раз рассматриваем передовые инструменты для MlOps. И самое крутое, что скоро это решение станет частью нашего нового BootCamp! Как всегда обоюдные подписчики будут получать максимум полезной информации! Всех ждем.
❤6🔥3👍1
Forwarded from DataДжунгли🌳
Media is too big
VIEW IN TELEGRAM
Что интересного можно узнать в воскресение?
Например:
- Как делать автоматизированный канал про ИИ который ведет ИИ?🤯
- Как экономить деньги если тыгениальный программист? 😄
- Что такое n8n?❓
- Google таблица как база данных не так и плоха!💡
Дорогие подписчики только для вас эксклюзивный контент !
В этом видео я отвечу на вопросы выше, а также вы получите ссылку на мой новый интересный автоматизированный - канал 👯
Подпишитесь на новый канал @iishnoe если любите ИИ, пошарьте друзьям это видео чтобы они тоже не терялись в технологиях будущего.
Надеюсь будет интересно, лайки коменты и респекты приветствуются🔥
Например:
- Как делать автоматизированный канал про ИИ который ведет ИИ?
- Как экономить деньги если ты
- Что такое n8n?
- Google таблица как база данных не так и плоха!
Дорогие подписчики только для вас эксклюзивный контент !
В этом видео я отвечу на вопросы выше, а также вы получите ссылку на мой новый интересный автоматизированный - канал 👯
Подпишитесь на новый канал @iishnoe если любите ИИ, пошарьте друзьям это видео чтобы они тоже не терялись в технологиях будущего.
Надеюсь будет интересно, лайки коменты и респекты приветствуются
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥10👍4❤2
🚀 Новый формат буткемпа: аналитический продукт с нуля за 4 дня
Запускаю новую серию онлайн-буткемпов — максимально прикладной подход для аналитиков всех уровней.
📅 Даты: 10–14 октября 2025 года
Каждый день — это не теория, а реальный продовый кейс, который можно развернуть, показать и развивать. А также начать учиться на базе возникающих проблем, вместо пустого изучения теории без понимания где и как она применяется.
По факту это коммерческий опыт, который вы сможете адаптировать к текущей работе и как сторонний проект для добавления в резюме. Это не бесполезный GitHub с jupiter ноутбуками из Рамблер.Техникума, а настоящий проект.
📌 Формат и программа:
10–12 октября (2 дня по 2 часа) — Базовый блок
🔧 Технологии:
Python (asyncio, requests, logging, io)
PostgreSQL + psycopg2
Docker + docker-compose
🧠 Что делаем:
Разворачиваем Telegram-бота в Docker, подключаем базу, логируем данные, визуализируем графики.
📍Зачем это аналитику:
работать с API и асинхронным кодом
хранить данные в PostgreSQL
создавать визуализации
💰 Участие: 10 000 ₽ онлайн / 5 000 ₽ запись
13 октября — Блок Superset
🔧 Технологии: Apache Superset
🧠 Что делаем:
Подключаем Superset к базе, создаём BI-дэшборды, учимся фильтровать, кастомизировать визуализации.
📍Почему это важно:
BI — обязательный навык в работе аналитика
умение строить дашборды в Superset — востребовано в ИТ-компаниях
💰 Участие: всё вместе с Superset — 15 000 ₽ онлайн / 7 500 ₽ запись
14 октября — Блок Airflow
🔧 Технологии: Apache Airflow
🧠 Что делаем:
Создаём полноценный ETL пайплайн для обновления данных.
📍Зачем это нужно:
автоматизация задач
опыт продакшен-пайплайнов
понимание, как работают данные в команде
💰 Участие: полный буткемп с Superset + Airflow — 20 000 ₽ онлайн / 10 000 ₽ запись
💡 Что получится на выходе?
- Ты соберёшь реальный микросервис, в который входит:
- Telegram-бот, который взаимодействует с пользователем
- PostgreSQL-база с логированием событий
- BI-дашборды в Superset
- ежедневный автоапдейт данных через Airflow
📦 Это можно самостоятельно развернуть на сервере, показать на собеседовании и использовать в портфолио. Забудьте про "нескучные" ссылка на GitHub.
📈 Этот проект покрывает ключевые навыки, которые ищут работодатели: python, sql, docker, apache superset и apache airflow
❓Часто задаваемые вопросы
Можно ли участвовать с нуля?
- Да, буткемп подходит новичкам. Не нужно опыта работы. Всё объясняется пошагово.
Что нужно установить заранее?
- Docker Desktop
- Visual Studio Code
- Zoom
Все программы бесплатные. Инструкции по установке вышлю.
Как проходит обучение?
- Живые занятия в Zoom с записью
- Формат live-coding: ты видишь, как я пишу код
- Каждую строчку кода я объясняю голосом и оставляю комментарий прямо в коде
- Можно делать вместе со мной или по записи
Можно ли оплатить в рассрочку?
- Да, можно разбить платёж на 2 части.
Какие системные требования?
- Любая операционная система, 8 Гб оперативной памяти желательно. Если не подходит, то можете арендовать отдельный сервер.
🤝 Атмосфера: как в настоящей ИТ-команде
Ты не просто учишься — ты ощущаешь, как работает продуктовая команда:
- ежедневные синки (в начале каждого занятия — как в рабочих командах)
- обсуждение архитектуры, задач, проблем
- общий чат для общения, вопросов, взаимопомощи
- фидбек, практика и живое взаимодействие
📍Это не мёртвый курс — это живой ИТ-опыт.
💬 Напиши, если хочешь забронировать место. Кол-во участников в онлайн-группе ограничено.
😀 OnlyAnalyst. Погружаемся в аналитику по-настоящему.
P.S. Все участники еще также узнают первыми о моем новом направлении - AnalystCamp.
Запускаю новую серию онлайн-буткемпов — максимально прикладной подход для аналитиков всех уровней.
📅 Даты: 10–14 октября 2025 года
Каждый день — это не теория, а реальный продовый кейс, который можно развернуть, показать и развивать. А также начать учиться на базе возникающих проблем, вместо пустого изучения теории без понимания где и как она применяется.
По факту это коммерческий опыт, который вы сможете адаптировать к текущей работе и как сторонний проект для добавления в резюме. Это не бесполезный GitHub с jupiter ноутбуками из Рамблер.Техникума, а настоящий проект.
📌 Формат и программа:
10–12 октября (2 дня по 2 часа) — Базовый блок
🔧 Технологии:
Python (asyncio, requests, logging, io)
PostgreSQL + psycopg2
Docker + docker-compose
🧠 Что делаем:
Разворачиваем Telegram-бота в Docker, подключаем базу, логируем данные, визуализируем графики.
📍Зачем это аналитику:
работать с API и асинхронным кодом
хранить данные в PostgreSQL
создавать визуализации
💰 Участие: 10 000 ₽ онлайн / 5 000 ₽ запись
13 октября — Блок Superset
🔧 Технологии: Apache Superset
🧠 Что делаем:
Подключаем Superset к базе, создаём BI-дэшборды, учимся фильтровать, кастомизировать визуализации.
📍Почему это важно:
BI — обязательный навык в работе аналитика
умение строить дашборды в Superset — востребовано в ИТ-компаниях
💰 Участие: всё вместе с Superset — 15 000 ₽ онлайн / 7 500 ₽ запись
14 октября — Блок Airflow
🔧 Технологии: Apache Airflow
🧠 Что делаем:
Создаём полноценный ETL пайплайн для обновления данных.
📍Зачем это нужно:
автоматизация задач
опыт продакшен-пайплайнов
понимание, как работают данные в команде
💰 Участие: полный буткемп с Superset + Airflow — 20 000 ₽ онлайн / 10 000 ₽ запись
💡 Что получится на выходе?
- Ты соберёшь реальный микросервис, в который входит:
- Telegram-бот, который взаимодействует с пользователем
- PostgreSQL-база с логированием событий
- BI-дашборды в Superset
- ежедневный автоапдейт данных через Airflow
📦 Это можно самостоятельно развернуть на сервере, показать на собеседовании и использовать в портфолио. Забудьте про "нескучные" ссылка на GitHub.
📈 Этот проект покрывает ключевые навыки, которые ищут работодатели: python, sql, docker, apache superset и apache airflow
❓Часто задаваемые вопросы
Можно ли участвовать с нуля?
- Да, буткемп подходит новичкам. Не нужно опыта работы. Всё объясняется пошагово.
Что нужно установить заранее?
- Docker Desktop
- Visual Studio Code
- Zoom
Все программы бесплатные. Инструкции по установке вышлю.
Как проходит обучение?
- Живые занятия в Zoom с записью
- Формат live-coding: ты видишь, как я пишу код
- Каждую строчку кода я объясняю голосом и оставляю комментарий прямо в коде
- Можно делать вместе со мной или по записи
Можно ли оплатить в рассрочку?
- Да, можно разбить платёж на 2 части.
Какие системные требования?
- Любая операционная система, 8 Гб оперативной памяти желательно. Если не подходит, то можете арендовать отдельный сервер.
🤝 Атмосфера: как в настоящей ИТ-команде
Ты не просто учишься — ты ощущаешь, как работает продуктовая команда:
- ежедневные синки (в начале каждого занятия — как в рабочих командах)
- обсуждение архитектуры, задач, проблем
- общий чат для общения, вопросов, взаимопомощи
- фидбек, практика и живое взаимодействие
📍Это не мёртвый курс — это живой ИТ-опыт.
💬 Напиши, если хочешь забронировать место. Кол-во участников в онлайн-группе ограничено.
P.S. Все участники еще также узнают первыми о моем новом направлении - AnalystCamp.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥20❤6👎2👍1
Леша, куда пропал?
Именно это сообщение я получал чаще всего в последние месяцы — и справедливо. Постов действительно стало меньше, и на то были объективные причины.
Начну с хорошего: в моей семье пополнение в семье! Появился новый, самый важный проект в жизни, прошу понять :)
Параллельно я запустил несколько крупных инициатив, надеясь, что справлюсь со всем сразу. В итоге получилось. О результатах расскажу в следующем посте. Правда, вымотался настолько, что сил на ведение канала просто не оставалось.
Но вне канала я продолжал работать: преподавал в Сеченовском университете, провел несколько буткемпов, довел учеников до офферов и разработал методологию новой школы аналитики.
Вчера, когда меня поздравляли с Днём учителя, стало особенно неловко перед подписчиками и учениками: я ведь совсем пропал из поля зрения. Пора исправляться. Поэтому в рамках отпуска запланировал несколько интересных активностей и постараюсь вернуть привычный ритм :)
Рассказывайте как у Вас дела? Я скучал. Фото для тех, кто забыл как я выгляжу :)
Именно это сообщение я получал чаще всего в последние месяцы — и справедливо. Постов действительно стало меньше, и на то были объективные причины.
Начну с хорошего: в моей семье пополнение в семье! Появился новый, самый важный проект в жизни, прошу понять :)
Параллельно я запустил несколько крупных инициатив, надеясь, что справлюсь со всем сразу. В итоге получилось. О результатах расскажу в следующем посте. Правда, вымотался настолько, что сил на ведение канала просто не оставалось.
Но вне канала я продолжал работать: преподавал в Сеченовском университете, провел несколько буткемпов, довел учеников до офферов и разработал методологию новой школы аналитики.
Вчера, когда меня поздравляли с Днём учителя, стало особенно неловко перед подписчиками и учениками: я ведь совсем пропал из поля зрения. Пора исправляться. Поэтому в рамках отпуска запланировал несколько интересных активностей и постараюсь вернуть привычный ритм :)
Рассказывайте как у Вас дела? Я скучал. Фото для тех, кто забыл как я выгляжу :)
51👍27🔥15❤12
Плюсы и минусы преподавания в университете.
🏫Последние полгода я работал лектором-экспертом в совместном цифровом кластере Сеченовского университет и Школы 21. Про это несколько раз записывал кружки тут и тут.
За это время для университета составил экзамен, записал 2 видео и провел лекции по анализу данных, SQL и Python для студентов медиков.
➖ По традиции начнем с «а минусы где?»:
1. Очень много бумаги. Если для создания bootcamp, курса по SQL или подготовки к уроку мне хватает заметок в телефоне, то тут по каждой лекции, экзамену нужны километры бумаг, заполненные в определенном формате, что не всегда совпадает с твоим собственным виденьем.
2. Медленные процессы. Вот уже все бумаги готовы и ты готов ринуться в бой! Не так быстро: нужно согласовать дату и пройти 2-3 этапа корректировок.
3. Неявные критерии для оценки результатов. Некоторые артефакты моей работы были проверены внутренними эксперами. Это нужно для подтверждения факта выполнения. Комментарии зачастую носили формальный характер или субъективный из серии: это сложно, тут двояко и так далее.
➕ Минусы выглядят больше как набор придирок, а вот плюсы на много значительнее:
1. Поработал с командой профессионалов: методисты, организаторы, стилисты, операторы. Все на высшем уровне! С некоторыми до сих пор продолжаем сотрудничество уже в частном порядке.
2. Отточил навык преподавания на большую аудиторию. Мой опыт в большинстве своем сводится к частной практике, где ты с учеником один на один. Но когда в аудитории 30+, то преподавание меняется кардинально: больше вопросов, больше критики, больше внимания. Это усложняет и так нелегкий процесс передачи знаний, но в итоге я вел себя также как и на индивидуальных занятиях: был открытым, шутил и работал с аудиторией. Как итог все получилось.
3. Погрузился в университетскую культуру. Познакомимся со студентами, меня приглашали на интеллектуальные игры, вместе пили чай и просто обсуждали жизнь, работу или учебы. Узнал про brainrot мемы :) Я очень скучаю по своей студенческой жизни и такой опыт восполнил эти эмоции.
4. Научился лучше структурировать учебный материал. Когда готовишься к уроку индивидуально, то понятно, что от тебя ожидается, но перед неизведанной аудиторией на 30+ человек все не так: много людей, у них разные уровни подготовки, разнонаправленные цели. Поэтому нужно добавлять много контекста, чтобы было понятно каждому.
🟰 Хотя плюсов явно больше и они с лихвой перекрывают минусы: я взял паузу в этой активности, чтобы немного замедлиться, переосмыслить и применить накопленный опыт уже в своем новом проекте.
Об этом в следующем посте! ⏭️
🏫Последние полгода я работал лектором-экспертом в совместном цифровом кластере Сеченовского университет и Школы 21. Про это несколько раз записывал кружки тут и тут.
За это время для университета составил экзамен, записал 2 видео и провел лекции по анализу данных, SQL и Python для студентов медиков.
1. Очень много бумаги. Если для создания bootcamp, курса по SQL или подготовки к уроку мне хватает заметок в телефоне, то тут по каждой лекции, экзамену нужны километры бумаг, заполненные в определенном формате, что не всегда совпадает с твоим собственным виденьем.
2. Медленные процессы. Вот уже все бумаги готовы и ты готов ринуться в бой! Не так быстро: нужно согласовать дату и пройти 2-3 этапа корректировок.
3. Неявные критерии для оценки результатов. Некоторые артефакты моей работы были проверены внутренними эксперами. Это нужно для подтверждения факта выполнения. Комментарии зачастую носили формальный характер или субъективный из серии: это сложно, тут двояко и так далее.
1. Поработал с командой профессионалов: методисты, организаторы, стилисты, операторы. Все на высшем уровне! С некоторыми до сих пор продолжаем сотрудничество уже в частном порядке.
2. Отточил навык преподавания на большую аудиторию. Мой опыт в большинстве своем сводится к частной практике, где ты с учеником один на один. Но когда в аудитории 30+, то преподавание меняется кардинально: больше вопросов, больше критики, больше внимания. Это усложняет и так нелегкий процесс передачи знаний, но в итоге я вел себя также как и на индивидуальных занятиях: был открытым, шутил и работал с аудиторией. Как итог все получилось.
3. Погрузился в университетскую культуру. Познакомимся со студентами, меня приглашали на интеллектуальные игры, вместе пили чай и просто обсуждали жизнь, работу или учебы. Узнал про brainrot мемы :) Я очень скучаю по своей студенческой жизни и такой опыт восполнил эти эмоции.
4. Научился лучше структурировать учебный материал. Когда готовишься к уроку индивидуально, то понятно, что от тебя ожидается, но перед неизведанной аудиторией на 30+ человек все не так: много людей, у них разные уровни подготовки, разнонаправленные цели. Поэтому нужно добавлять много контекста, чтобы было понятно каждому.
Об этом в следующем посте! ⏭️
Please open Telegram to view this post
VIEW IN TELEGRAM
👍16❤8🔥6🥰2
📊 Как работает система подбора соперников в Call of Duty или почему скилл - не главное.
Олды помнят, что я бывший кибер спортсмен и стример. А для новеньких можете почитать про это тут в заметке из далекого 2023.
Activision опубликовала техническую документацию по своей системе подбора соперников (Matchmaking), где подробно разбирает один из самых спорных аспектов — роль навыка игрока (Skill). Это кладезь информации о том, как строятся сложные, многокритериальные системы, принимающие решения в реальном времени для миллионов пользователей.
Вот ключевые выводы и идеи, которые будут интересны с точки зрения анализа данных.
1. Навык — всего лишь один фактор в многомерном алгоритме
Система Matchmaking в Call of Duty - это не просто «подбор по скиллу». Это сложный алгоритм, который учитывает 8 основных факторов, причем качество связи (Ping) является самым приоритетным.
Connection (Приоритет №1): Пинг — король.
Time to Match (Приоритет №2): Время до начала матча.
Прочие факторы: недавние карты/режимы, Skill/Performance, устройство ввода, платформа, голосовой чат.
Это напоминает нам, что даже в ML-системах, предсказывающих производительность, операционные ограничения (время ожидания) и качество пользовательского опыта (пинг) часто превалируют над чистой «справедливостью».
2. Как количественно определяют «Навык»?
Activision предъявляет к своей метрике навыка 5 строгих требований, идеальных для любой подобной системы:
1. Ограниченность: Значение должно быть между двумя числами для простоты анализа распределения.
2. Предсказуемость: Навык, рассчитанный на основе метрик (например, убийств в минуту), должен надежно предсказывать будущие результаты.
3. Суммируемость: Средний навык группы игроков должен предсказывать их общую силу. Критически важно для балансировки команд.
4. Адаптивность: Система должна быстро реагировать на изменения в производительности игрока.
5. Устойчивость: Распределение навыка должно оставаться точным при любых условиях (например, при наплыве новичков).
Они отказались от простых метрик вроде K/D Ratio из-за проблем с кардинальностью и возможностью накрутки («reverse boosting»).
Вместо этого используется сложная итеративная метрика, основанная на относительной производительности в каждом матче.
Отличный пример подхода к построению сложных метрик.
В следующей части расскажу про проведенный АБ-эксперимент из этой же серии.
Олды помнят, что я бывший кибер спортсмен и стример. А для новеньких можете почитать про это тут в заметке из далекого 2023.
Activision опубликовала техническую документацию по своей системе подбора соперников (Matchmaking), где подробно разбирает один из самых спорных аспектов — роль навыка игрока (Skill). Это кладезь информации о том, как строятся сложные, многокритериальные системы, принимающие решения в реальном времени для миллионов пользователей.
Вот ключевые выводы и идеи, которые будут интересны с точки зрения анализа данных.
1. Навык — всего лишь один фактор в многомерном алгоритме
Система Matchmaking в Call of Duty - это не просто «подбор по скиллу». Это сложный алгоритм, который учитывает 8 основных факторов, причем качество связи (Ping) является самым приоритетным.
Connection (Приоритет №1): Пинг — король.
Time to Match (Приоритет №2): Время до начала матча.
Прочие факторы: недавние карты/режимы, Skill/Performance, устройство ввода, платформа, голосовой чат.
Это напоминает нам, что даже в ML-системах, предсказывающих производительность, операционные ограничения (время ожидания) и качество пользовательского опыта (пинг) часто превалируют над чистой «справедливостью».
2. Как количественно определяют «Навык»?
Activision предъявляет к своей метрике навыка 5 строгих требований, идеальных для любой подобной системы:
1. Ограниченность: Значение должно быть между двумя числами для простоты анализа распределения.
2. Предсказуемость: Навык, рассчитанный на основе метрик (например, убийств в минуту), должен надежно предсказывать будущие результаты.
3. Суммируемость: Средний навык группы игроков должен предсказывать их общую силу. Критически важно для балансировки команд.
4. Адаптивность: Система должна быстро реагировать на изменения в производительности игрока.
5. Устойчивость: Распределение навыка должно оставаться точным при любых условиях (например, при наплыве новичков).
Они отказались от простых метрик вроде K/D Ratio из-за проблем с кардинальностью и возможностью накрутки («reverse boosting»).
Вместо этого используется сложная итеративная метрика, основанная на относительной производительности в каждом матче.
Отличный пример подхода к построению сложных метрик.
В следующей части расскажу про проведенный АБ-эксперимент из этой же серии.
🔥12❤5👍5
Продолжаем тему про Call of Duty! Первая часть тут.
Самый ценный раздел: Результаты A/B тестов
Activision открыто делится результатами масштабных экспериментов, что является золотым стандартом в индустрии. В 2024 году они провели тест «Deprioritize Skill», ослабив влияние навыка на 50% популяции в Северной Америке. Результаты были «впечатляющими»:
· Возвращаемость игроков (14 дней): У 90% игроков количество возвращений в игру снизилось. Лишь у топ-10% самых skilled игроков этот показатель вырос.
· Вывод: Краткосрочная выгода для элиты наносит долгосрочный ущерб здоровью игрового пула.
· Процент выхода из матча (Quit Rate): Вырос у 80% игроков. Исторически этот показатель имеет сильную отрицательную корреляцию с «уровнем веселья».
· Количество разгромных побед (Blowouts): Увеличилось для всех. Разгромные победы также негативно коррелируют с «весельем».
· Kills Per Minute (KPM) / Score Per Minute (SPM): У низкоуровневых игроков KPM/SPM значительно упал, а у топ-10% — значительно вырос.
Главный инсайт: Система без учета навыка запускает негативную петлю обратной связи. Низкоуровневые игроки уходят, из-за чего средний скилл сообщества растет. Вчерашний игрок из топ-10% становится сегодняшним «середнячком», начинает проигрывать и тоже уходит. В итоге остается лишь небольшая группа элитных игроков, что вредит экосистеме в целом.
4. Механика подбора: Эвристики и NP-сложные задачи
Процесс поиска матча — это компромисс между качеством и скоростью. Алгоритм каждые 5 секунд пытается сгруппировать игроков, используя N-мерное расстояние между их «поисками»:
· Геолокация (широта/долгота)
· Навык (процентиль, взвешенный для сопоставимости с географией)
· Устройство ввода (контроллер или клавиатура/мышь)
Для балансировки команд используется модификация эвристики Кармаркара-Карпа для решения NP-трудной задачи k-partitioning. Это яркий пример применения теоретической компьютерной науки к реальной бизнес-проблеме, где необходимо найти «достаточно хорошее» решение за миллисекунды.
Что это значит для нас, как для аналитиков?
1. Приоритет долгосрочного здоровья продукта: Решения, основанные на данных, должны оценивать не только сиюминутные метрики (например, KPM для топовых игроков), но и долгосрочные эффекты, такие как удержание и здоровье всей экосистемы.
2. Сложность как необходимость: Простые ML-метрики часто не работают в вакууме. Необходимо учитывать устойчивость к манипуляциям, адаптивность и операционные ограничения.
3. Сила экспериментов: A/B тестирование — единственный способ по-настоящему понять причинно-следственные связи в сложных системах.
4. Компромисс — это нормально: Идеального Matchmaking не существует. Речь всегда идет о поиске баланса между скоростью, качеством связи, справедливостью и долгосрочной вовлеченностью.
Эта документация — блестящий пример data-driven подхода к проектированию сложных пользовательских систем. Она показывает, как с помощью экспериментов и строгого анализа можно принимать решения, которые хоть и могут быть непопулярными среди части комьюнити, но работают на благо продукта в долгосрочной перспективе.
Источник: Activision Publishing, Inc. "Matchmaking Series: The Role of Skill in Matchmaking" (2024).
Рекомендую к прочтению целиком.
Самый ценный раздел: Результаты A/B тестов
Activision открыто делится результатами масштабных экспериментов, что является золотым стандартом в индустрии. В 2024 году они провели тест «Deprioritize Skill», ослабив влияние навыка на 50% популяции в Северной Америке. Результаты были «впечатляющими»:
· Возвращаемость игроков (14 дней): У 90% игроков количество возвращений в игру снизилось. Лишь у топ-10% самых skilled игроков этот показатель вырос.
· Вывод: Краткосрочная выгода для элиты наносит долгосрочный ущерб здоровью игрового пула.
· Процент выхода из матча (Quit Rate): Вырос у 80% игроков. Исторически этот показатель имеет сильную отрицательную корреляцию с «уровнем веселья».
· Количество разгромных побед (Blowouts): Увеличилось для всех. Разгромные победы также негативно коррелируют с «весельем».
· Kills Per Minute (KPM) / Score Per Minute (SPM): У низкоуровневых игроков KPM/SPM значительно упал, а у топ-10% — значительно вырос.
Главный инсайт: Система без учета навыка запускает негативную петлю обратной связи. Низкоуровневые игроки уходят, из-за чего средний скилл сообщества растет. Вчерашний игрок из топ-10% становится сегодняшним «середнячком», начинает проигрывать и тоже уходит. В итоге остается лишь небольшая группа элитных игроков, что вредит экосистеме в целом.
4. Механика подбора: Эвристики и NP-сложные задачи
Процесс поиска матча — это компромисс между качеством и скоростью. Алгоритм каждые 5 секунд пытается сгруппировать игроков, используя N-мерное расстояние между их «поисками»:
· Геолокация (широта/долгота)
· Навык (процентиль, взвешенный для сопоставимости с географией)
· Устройство ввода (контроллер или клавиатура/мышь)
Для балансировки команд используется модификация эвристики Кармаркара-Карпа для решения NP-трудной задачи k-partitioning. Это яркий пример применения теоретической компьютерной науки к реальной бизнес-проблеме, где необходимо найти «достаточно хорошее» решение за миллисекунды.
Что это значит для нас, как для аналитиков?
1. Приоритет долгосрочного здоровья продукта: Решения, основанные на данных, должны оценивать не только сиюминутные метрики (например, KPM для топовых игроков), но и долгосрочные эффекты, такие как удержание и здоровье всей экосистемы.
2. Сложность как необходимость: Простые ML-метрики часто не работают в вакууме. Необходимо учитывать устойчивость к манипуляциям, адаптивность и операционные ограничения.
3. Сила экспериментов: A/B тестирование — единственный способ по-настоящему понять причинно-следственные связи в сложных системах.
4. Компромисс — это нормально: Идеального Matchmaking не существует. Речь всегда идет о поиске баланса между скоростью, качеством связи, справедливостью и долгосрочной вовлеченностью.
Эта документация — блестящий пример data-driven подхода к проектированию сложных пользовательских систем. Она показывает, как с помощью экспериментов и строгого анализа можно принимать решения, которые хоть и могут быть непопулярными среди части комьюнити, но работают на благо продукта в долгосрочной перспективе.
Источник: Activision Publishing, Inc. "Matchmaking Series: The Role of Skill in Matchmaking" (2024).
Рекомендую к прочтению целиком.
🔥10🥰3❤2
Аналитики, привет! 👋
🔥 Для всех, кто любит технологии и ИИ — свежая новость! Perplexity запустил Comet, первый ИИ-браузер для широкой аудитории, который теперь доступен бесплатно. Раньше он был платным (200$ в месяц), а теперь попробовать может каждый.
Comet — это не просто браузер, а целый арсенал умных функций:
— молниеносный поиск по любым источникам
— автоматический анализ писем, вкладок и покупок
— подсказки, переводы и объяснения
— помощь с кодом
Я лично протестировал Comet — и оказался впечатлён! Современные технологии давно перестали удивлять, а тут действительно вау-эффект, особенно в темах искусственного интеллекта 😄 И после полного провала chatGPT 5.
🥇 Если вам интересны новые инструменты для работы и обучения — обязательно попробуйте Comet.
👉 Вот мой реферальный доступ: https://pplx.ai/a1exeygavr91772
Уже пробовали? Какие открытия и плюсы заметили? Пишите в комментариях — обсудим! ❤️
🔥 Для всех, кто любит технологии и ИИ — свежая новость! Perplexity запустил Comet, первый ИИ-браузер для широкой аудитории, который теперь доступен бесплатно. Раньше он был платным (200$ в месяц), а теперь попробовать может каждый.
Comet — это не просто браузер, а целый арсенал умных функций:
— молниеносный поиск по любым источникам
— автоматический анализ писем, вкладок и покупок
— подсказки, переводы и объяснения
— помощь с кодом
Я лично протестировал Comet — и оказался впечатлён! Современные технологии давно перестали удивлять, а тут действительно вау-эффект, особенно в темах искусственного интеллекта 😄 И после полного провала chatGPT 5.
🥇 Если вам интересны новые инструменты для работы и обучения — обязательно попробуйте Comet.
👉 Вот мой реферальный доступ: https://pplx.ai/a1exeygavr91772
Уже пробовали? Какие открытия и плюсы заметили? Пишите в комментариях — обсудим! ❤️
❤6👍3🔥2
Проекты по поиску работы очень кучно пошли к концу года!
Вот и Хабр со своим первым онлайн фестом подобрался.
🔗 Ссылка для желающих
Мероприятие пройдет с 17 по 23 ноября, но чатик уже активно работает. Будет много классных спикеров и для поддержания diversity решили пригласить и меня :)
Непосредственно мое выступление с набившей оскомину названием «От пивовара до тимлида» удивит неплохой структурой процесса перехода и развития в профессией.
Вынужден признаться, что выступление вдохновлено работами Александра Кондрашкина, с которым мы некоторое время назад записывали подкаст.
Так что всех жду! Обязательно вступайте в чат, где в разделе «Карьерные консультации» будет Ваш покорный слуга :)
Вот и Хабр со своим первым онлайн фестом подобрался.
🔗 Ссылка для желающих
Мероприятие пройдет с 17 по 23 ноября, но чатик уже активно работает. Будет много классных спикеров и для поддержания diversity решили пригласить и меня :)
Непосредственно мое выступление с набившей оскомину названием «От пивовара до тимлида» удивит неплохой структурой процесса перехода и развития в профессией.
Вынужден признаться, что выступление вдохновлено работами Александра Кондрашкина, с которым мы некоторое время назад записывали подкаст.
Так что всех жду! Обязательно вступайте в чат, где в разделе «Карьерные консультации» будет Ваш покорный слуга :)
1👍12❤5🔥3
Всем привет!
Сегодня в 15-00 будет трансляция с моим участием. Разберем все этапы перехода в новую профессию. Жду активности от онлианалитиков :D Спамьте в чат нашими эмоджи😀 :D
Всем, кому интересно, могут зарегистрироваться по ссылке.
Сегодня в 15-00 будет трансляция с моим участием. Разберем все этапы перехода в новую профессию. Жду активности от онлианалитиков :D Спамьте в чат нашими эмоджи
Всем, кому интересно, могут зарегистрироваться по ссылке.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8👍6
Ребят!
Спешу сообщить Вам важную новость! Состоялась коллаборация Матемаркетинга и OnlyAnalyst.
Завтра на площадке пройдет самый массовый bootcamp на 50 человек! В рамках которого построим современную аналитическую культуры.
Была проделана большая работа и мой edTech проект выходит на совершенно новый уровень.
В ближайшее время bootcamp станет самостоятельной единицей и заживет своей жизнью. Это поможет мне сконцентрироваться на построении современной школы аналитики.
Следите за новостями!
С лендингом можете ознакомиться по ссылке:
https://matemarketing.ru/onlyanalyst-bootcamp
Спешу сообщить Вам важную новость! Состоялась коллаборация Матемаркетинга и OnlyAnalyst.
Завтра на площадке пройдет самый массовый bootcamp на 50 человек! В рамках которого построим современную аналитическую культуры.
Была проделана большая работа и мой edTech проект выходит на совершенно новый уровень.
В ближайшее время bootcamp станет самостоятельной единицей и заживет своей жизнью. Это поможет мне сконцентрироваться на построении современной школы аналитики.
Следите за новостями!
С лендингом можете ознакомиться по ссылке:
https://matemarketing.ru/onlyanalyst-bootcamp
5🔥23🥰5❤3
Forwarded from Интернет-аналитика // Алексей Никушин
Хотите за один день прокачать свой data-стек от запросов до пайплайнов? 🔥
10:30 | Зал «Оптика» (2 этаж) | OnlyAnalyst Bootcamp
Интенсив по аналитике данных, где вы пройдёте путь от Python и SQL до Docker, Superset и Airflow. Разберём инструменты, соберём рабочие связки и поймём, как это живёт в реальных проектах.
Если планируете развиваться в аналитике или давно хотели добить пробелы в стеке – точно стоит заглянуть.
Не пропустите! 🚀
https://matemarketing.ru/onlyanalyst-bootcamp
10:30 | Зал «Оптика» (2 этаж) | OnlyAnalyst Bootcamp
Интенсив по аналитике данных, где вы пройдёте путь от Python и SQL до Docker, Superset и Airflow. Разберём инструменты, соберём рабочие связки и поймём, как это живёт в реальных проектах.
Если планируете развиваться в аналитике или давно хотели добить пробелы в стеке – точно стоит заглянуть.
Не пропустите! 🚀
https://matemarketing.ru/onlyanalyst-bootcamp
matemarketing.ru
Bootcamp по аналитикеот OnlyAnalyst и Matemarketing
Реальный продовый кейс, который можно развернуть, показать работодателю и адаптировать под работу — это не учебные ноутбуки, а настоящий коммерческий проект.
🔥12❤4🥰2
Всем привет (еще раз)
Начинаю запись на декабрьский книжный клуб!
Первая книга — «Корпоративное озеро больших данных» Алекс Горелик.
https://bombora.ru/book/91097/
Следующие книги книжного клуба в основном выбирать буду я, но буду прислушиваться к мнению активных участников.
Ниже краткое саммари и плюсы, чтобы понять почему я выбрал именно эту книгу.
Краткое саммари:
Книга объясняет, как компании могут эффективно организовывать, управлять и использовать корпоративные озёра данных. Автор разбирает архитектуру, принципы управления качеством, подходы к метаданным и роли команд в экосистеме данных. Основной акцент — не на технологиях, а на процессах, ответственности и культуре, которые делают озеро данных реальным инструментом принятия решений, а не хаотичным складом файлов.
3 плюса книги:
1. Чёткое и практичное объяснение архитектуры озёр данных без лишней техничности.
2. Хорошие примеры реальных рабочих процессов и ролей.
3. Фокус на управлении данными и качестве — то, что действительно важно в корпоративной среде.
3 плюса книжного клуба:
1. Возможность разбирать сложные темы вместе и получать разные точки зрения.
2. Лёгкий способ дисциплинировать чтение и не откладывать книгу.
3. Возможность задать вопросы, обсудить кейсы и применимость идей к реальной работе.
Запись через личные сообщения — @onlyanalyst.
Начинаю запись на декабрьский книжный клуб!
Первая книга — «Корпоративное озеро больших данных» Алекс Горелик.
https://bombora.ru/book/91097/
Следующие книги книжного клуба в основном выбирать буду я, но буду прислушиваться к мнению активных участников.
Ниже краткое саммари и плюсы, чтобы понять почему я выбрал именно эту книгу.
Краткое саммари:
Книга объясняет, как компании могут эффективно организовывать, управлять и использовать корпоративные озёра данных. Автор разбирает архитектуру, принципы управления качеством, подходы к метаданным и роли команд в экосистеме данных. Основной акцент — не на технологиях, а на процессах, ответственности и культуре, которые делают озеро данных реальным инструментом принятия решений, а не хаотичным складом файлов.
3 плюса книги:
1. Чёткое и практичное объяснение архитектуры озёр данных без лишней техничности.
2. Хорошие примеры реальных рабочих процессов и ролей.
3. Фокус на управлении данными и качестве — то, что действительно важно в корпоративной среде.
3 плюса книжного клуба:
1. Возможность разбирать сложные темы вместе и получать разные точки зрения.
2. Лёгкий способ дисциплинировать чтение и не откладывать книгу.
3. Возможность задать вопросы, обсудить кейсы и применимость идей к реальной работе.
Запись через личные сообщения — @onlyanalyst.
Bombora
Купить книгу: «Корпоративное озеро больших данных. Новый подход к использованию Big Data и Data Science в бизнесе» онлайн • БОМБОРА…
Купить книгу: «Корпоративное озеро больших
данных. Новый подход к использованию Big Data и Data Science в бизнесе» онлайн от издательства БОМБОРА • ISBN:978-5...
данных. Новый подход к использованию Big Data и Data Science в бизнесе» онлайн от издательства БОМБОРА • ISBN:978-5...
🔥7❤3🥰2👎1
Ребята, привет!
У меня начался отпуск, поэтому астрологи объявили 2 недели постов на канале.
Начнем с Карьерного Феста от Хабра. Мое выступление про переход в новую область можете посмотреть по ссылке. К сожалению, отдельного видео нет, поэтому нужно перемотать на 3 часа и 3 минуты ровно.
Помимо выступления я активно отвечал на вопросы участников и даже сделал небольшую аналитику. Кто был самым активным участником легко понять по графику выше :)
А также с помощью LLM проанализировал основные советы от других экспертов. И вот что получилось:
Основные рекомендации по улучшению резюме от карьерных консультантов, HR-экспертов и меня лично:
1. Сфокусируйтесь на достижениях, а не на обязанностях (Формулы STAR/CAR/XYZ)
Это самая частая и критически важная рекомендация. Вместо списка обязанностей используйте формулу Действие → Результат → Метрика.
* Было: «Занимался разработкой новых функций».
* Стало: «Разработал и внедрил механизм кэширования API, что сократило время ответа сервера на 30% и снизило нагрузку на базу данных на 40%».
Частые формулы:
* STAR (Situation, Task, Action, Result): Ситуация, Задача, Действие, Результат.
* CAR (Challenge, Action, Result): Проблема, Действие, Результат.
* XYZ: «Использовал X (технологию/метод) для Y (задачи), что привело к Z (результату с цифрой)».
2. Адаптируйте и кастомизируйте резюме под каждую вакансию
Не используйте одно универсальное резюме для всех откликов.
* Внимательно читайте вакансию: Выделите ключевые слова и требования.
* Меняйте акценты: Под конкретную вакансию выделяйте наиболее релевантные проекты и навыки. Для позиции Team Lead делайте акцент на управленческих достижениях, для Senior Developer — на технической глубине.
* Пишите сопроводительные письма: Коротко (2-3 абзаца) объясните, почему вы идеально подходите именно для этой компании и вакансии.
3. Улучшите структуру и читаемость
Резюме должно быть легко «сканировать» глазами.
* Четкие разделы: Контакты, Summary, Опыт работы (с достижениями), Навыки, Образование, Проекты/Портфолио.
* Сгруппируйте навыки: Разделите их на логические блоки (например, «Языки программирования», «Фреймворки», «Базы данных», «Инструменты»). Уберите субъективные оценки уровня («уверенный», «начальный»).
* Используйте маркеры и короткие абзацы: Сплошной «полотно» текста никто не будет читать.
* ATS-дружественный формат: Избегайте сложных таблиц, колонок и графиков. Используйте стандартные шрифты. Многие компании используют системы автоматического парсинга (Applicant Tracking System), которые плохо читают креативные форматы.
4. Добавьте цифры и метрики везде, где это возможно
Цифры — это язык бизнеса. Они делают ваши достижения конкретными и убедительными.
* Эффективность: «увеличил скорость на 30%», «сократил время обработки на 50%».
* Финансы: «сэкономил бюджет в $100K», «повысил конверсию на 15%».
* Масштаб: «управлял командой из 10 человек», «запустил продукт для 1 млн пользователей».
* Качество: «снизил количество ошибок на 70%», «достиг 99.9% uptime».
Дополнительные советы:
Укажите ссылки на портфолио (GitHub, Behance), LinkedIn.
* Добавьте профессиональное фото.
* Будьте готовы объяснить периоды безработицы или частую смену jobs. Лучше кратко объяснить это в разделе «О себе» или в сопроводительном письме, чем оставлять вопросы без ответа.
* Покажите свое резюме 2-3 людям: коллеге (оценит точность), другу из индустрии (проверит понятность), рекрутеру (оценит рыночность).
Итог: Главный тренд — превратить резюме из сухого списка должностей в убедительное «коммерческое предложение», которое четко отвечает на вопрос работодателя: «Какую конкретную пользу и измеримый результат вы принесете моей компании?».
Было бы Вам интересно узнать как делать такую аналитику и работать с данными чатов в телеграмм? Если да, то пишите в комментариях!
У меня начался отпуск, поэтому астрологи объявили 2 недели постов на канале.
Начнем с Карьерного Феста от Хабра. Мое выступление про переход в новую область можете посмотреть по ссылке. К сожалению, отдельного видео нет, поэтому нужно перемотать на 3 часа и 3 минуты ровно.
Помимо выступления я активно отвечал на вопросы участников и даже сделал небольшую аналитику. Кто был самым активным участником легко понять по графику выше :)
А также с помощью LLM проанализировал основные советы от других экспертов. И вот что получилось:
Основные рекомендации по улучшению резюме от карьерных консультантов, HR-экспертов и меня лично:
1. Сфокусируйтесь на достижениях, а не на обязанностях (Формулы STAR/CAR/XYZ)
Это самая частая и критически важная рекомендация. Вместо списка обязанностей используйте формулу Действие → Результат → Метрика.
* Было: «Занимался разработкой новых функций».
* Стало: «Разработал и внедрил механизм кэширования API, что сократило время ответа сервера на 30% и снизило нагрузку на базу данных на 40%».
Частые формулы:
* STAR (Situation, Task, Action, Result): Ситуация, Задача, Действие, Результат.
* CAR (Challenge, Action, Result): Проблема, Действие, Результат.
* XYZ: «Использовал X (технологию/метод) для Y (задачи), что привело к Z (результату с цифрой)».
2. Адаптируйте и кастомизируйте резюме под каждую вакансию
Не используйте одно универсальное резюме для всех откликов.
* Внимательно читайте вакансию: Выделите ключевые слова и требования.
* Меняйте акценты: Под конкретную вакансию выделяйте наиболее релевантные проекты и навыки. Для позиции Team Lead делайте акцент на управленческих достижениях, для Senior Developer — на технической глубине.
* Пишите сопроводительные письма: Коротко (2-3 абзаца) объясните, почему вы идеально подходите именно для этой компании и вакансии.
3. Улучшите структуру и читаемость
Резюме должно быть легко «сканировать» глазами.
* Четкие разделы: Контакты, Summary, Опыт работы (с достижениями), Навыки, Образование, Проекты/Портфолио.
* Сгруппируйте навыки: Разделите их на логические блоки (например, «Языки программирования», «Фреймворки», «Базы данных», «Инструменты»). Уберите субъективные оценки уровня («уверенный», «начальный»).
* Используйте маркеры и короткие абзацы: Сплошной «полотно» текста никто не будет читать.
* ATS-дружественный формат: Избегайте сложных таблиц, колонок и графиков. Используйте стандартные шрифты. Многие компании используют системы автоматического парсинга (Applicant Tracking System), которые плохо читают креативные форматы.
4. Добавьте цифры и метрики везде, где это возможно
Цифры — это язык бизнеса. Они делают ваши достижения конкретными и убедительными.
* Эффективность: «увеличил скорость на 30%», «сократил время обработки на 50%».
* Финансы: «сэкономил бюджет в $100K», «повысил конверсию на 15%».
* Масштаб: «управлял командой из 10 человек», «запустил продукт для 1 млн пользователей».
* Качество: «снизил количество ошибок на 70%», «достиг 99.9% uptime».
Дополнительные советы:
Укажите ссылки на портфолио (GitHub, Behance), LinkedIn.
* Добавьте профессиональное фото.
* Будьте готовы объяснить периоды безработицы или частую смену jobs. Лучше кратко объяснить это в разделе «О себе» или в сопроводительном письме, чем оставлять вопросы без ответа.
* Покажите свое резюме 2-3 людям: коллеге (оценит точность), другу из индустрии (проверит понятность), рекрутеру (оценит рыночность).
Итог: Главный тренд — превратить резюме из сухого списка должностей в убедительное «коммерческое предложение», которое четко отвечает на вопрос работодателя: «Какую конкретную пользу и измеримый результат вы принесете моей компании?».
Было бы Вам интересно узнать как делать такую аналитику и работать с данными чатов в телеграмм? Если да, то пишите в комментариях!
🔥13❤11👍2
🎉 На январских праздниках — буст не только для отдыха, но и для скиллов!
Запускаю новый bootcamp по n8n no-code/low-code платформе для AI автоматизации аналитики и бизнес-процессов.
📊 Что может n8n?
— автоматизировать сбор данных из API, Google Sheets, CRM и SQL-баз;
— запускать регулярные отчёты и уведомления без кода;
— связывать аналитику, продукты и маркетинг в единую систему;
🛠 На буткемпе мы сами развернём self-hosted n8n на сервере, сделаем первые сценарии под реальные аналитические задачи и научимся подключать SQL, Telegram и Python.
🚀 Идеально для аналитиков, продактов и тех, кто хочет автоматизировать рутину и быстрее доставлять инсайты.
📅 Старт — в январские праздники.
💬 Детали и регистрация — строго по предварительной записи! @onlyanalyst
Запускаю новый bootcamp по n8n no-code/low-code платформе для AI автоматизации аналитики и бизнес-процессов.
📊 Что может n8n?
— автоматизировать сбор данных из API, Google Sheets, CRM и SQL-баз;
— запускать регулярные отчёты и уведомления без кода;
— связывать аналитику, продукты и маркетинг в единую систему;
🛠 На буткемпе мы сами развернём self-hosted n8n на сервере, сделаем первые сценарии под реальные аналитические задачи и научимся подключать SQL, Telegram и Python.
🚀 Идеально для аналитиков, продактов и тех, кто хочет автоматизировать рутину и быстрее доставлять инсайты.
📅 Старт — в январские праздники.
💬 Детали и регистрация — строго по предварительной записи! @onlyanalyst
🔥13👍4❤3