Есть кто на Aha’26? Газ нетворкаться 😎

Если вы на конференции в Москве, то давайте спишемся в ЛС @rafaeldks - и вживую поболтаем за жизнь, аналитику, Авито и любые другие приколы.

Нетворкинг (кумовство) - вещь полезная 🤝

А в выходные должен выйти неочевидный (на мой взгляд) пост про ML.
Давайте поставим ❤️, чтобы ускорить его выход

Самый жизненный раздел из ML 😱

Вы наверняка видели видосы, где ИИ обучают играть в разные игры: к примеру тут Open AI ещё до появления ChatGPT выпускал довольно хайповый видос про обучения ботов игре в прятки. Подобные идеи относятся к теме Reinforcment Learning (или RL), которую я, почему-то, в университете так и не изучал, хотя вроде брал разные курсы на тему ML 🤔

Но так уж вышло, что недавно преподавание заставило меня разобраться в этой теме подробнее, и больше всего мне понравилось, как идеи из ML можно переносить в целом на процессы в повседневной жизни. Вот две интересных для меня идеи:

1) Мы постоянно прогнозируем свой «профит» и часто завышаем его 🤫

В RL игрок не знает заранее, какой "профит" принесёт то или иное действие. Всё что у него есть — накопленный опыт, на основе которого он учится предсказывать "выгодность" каждого следующего шага. Для этого в RL вводят конкретную Q-функцию, которая оценивает суммарную ожидаемую награду за конкретное действие в конкретной ситуации.

Вот только есть один неприятный момент — так называемый "overestimation bias": это когда игрок склонен завышать свои ожидаемые награды, особенно когда данных ещё мало. Мы делаем то же самое: думаем, что новая работа окажется идеальной, а переезд сразу изменит жизнь к лучшему. Иногда так и выходит, но чаще реальная награда оказывается скромнее ожидаемой, да?))

2) Сначала исследование, а потом эксплуатация 🧑‍🎓

В RL есть два режима.
Во время обучения игрок специально исследует разные действия, даже если некоторые выглядят неоптимально — это так называемый "exploration". Только так можно найти по-настоящему лучшую стратегию. На инференсе же агент переключается в "exploitation": берёт лучшую из найденных стратегий и действует максимально эффективно.

Это хорошая метафора для жизненных этапов: пока есть "ресурс на ошибки" — можно быть в режиме exploration и пробовать разные сферы, роли, проекты (так скажем быть открытым к возможностям). Когда понял, что работает — переключаешься в exploitation.

Так что вывод простой:

Чтобы избежать overestimation bias — можно чуть занизить свои ожидания, а ещё убедиться, что собрал достаточно вводных данных перед тем, как переходить в режим exploitation. И это не всегда про машинное обучение))

Ставь ❤️ если нравятся посты такого формата, где идеи из DS перекладываются на рутину (таким образом я смогу скорректировать наиболее подходящие для блога форматы)

Личный блог — это плюс в карьере или red flag для нанимающих? 🚩

Я начал вести этот канал в 2023-м будучи стажёром-аналитиком в Яндексе. И, честно говоря, тогда я не задумывался, какие плюсы это может дать линейному сотруднику - я просто хотел ответить на вопросы, волнующие студентов-айтишников.

Но с ростом аудитории я всё больше начал удивляться тому, какое сильное влияние это начинает оказывать на мою жизнь.
И вот что блог может дать линейному сотруднику:

• узнаваемость и полезные связи: большие охваты порой помогают дотянуться до самых разных людей и на разных уровнях
• карьерные возможности: приглашения на митапы/конференции и нахождение в поле видимости рекрутеров
• предложения о партнёрствах: приходят бренды и предлагают выгодное сотрудничество
• дополнительный доход: за счёт рекламы или продажи собственных продуктов

Но есть и ощутимые недостатки:
• фильтрация контента: приходится сглаживать острые моменты, чтобы случайно не задеть свою или чужую компанию.
Много мыслей может оставаться в черновике, а другие могут переписываться несколько раз 🫠

• настороженность при найме: команде нужен педантичный аналитик, а не блогер — и тут возникает разумный вопрос "а не уйдёт ли вместо рабочих задач его время на контент в соцсети сотрудника, которые продукту, в общем-то, не очень-то и нужны" 🧐

• вторая работа: в какой-то момент канал реально начинает требовать времени — а если что-то не успел или не выпустил, догоняет чувство вины перед подписчиками 😬

Но повторюсь: это взгляд со стороны линейного сотрудника. А по-хорошему вопрос из заголовка стоит задавать не мне, а именно менеджеру, который реально принимает решения о найме 😎

Поэтому мы объединились с Лёшей Малинским — руководителем отдела аналитики Авито Путешествий 😎 (да-да, моим коллегой) и автором канала @lexmalinskiy — и решили закрыть тему сразу с двух сторон.
Лёша честно ответил со стороны менеджера:

Чем личный бренд полезен руководителю? И что в публичности подсвечивает сильного специалиста, а что заставляет насторожиться при найме?

Очень советую почитать его пост — мне самому было интересно обсудить эту тему с разных сторон баррикад грейдов 🤝

Считаем крошки на рынке фастфуда

Вчера я впервые попробовал "Крошку-Картошку") 🥔
Странно, что только сейчас, хотя сеть существует с 1998 года и наверняка попадалась вам в ТЦ
После картошечки стало интересно: а насколько это вообще большой бизнес? Потому что формат кажется довольно нишевым. В фастфуде обычно вспоминают бургеры, курицу и пиццу, а тут основной продукт - печёная картошка с наполнителями 🧀

На странице франшизы Крошка Картошка пишет, что у сети 253 кафе в 51 городе, больше 15 млн покупателей в год и около 4 млрд рублей общей выручки партнёров 📊
Кажется, что 4 млрд рублей - это много. Но чтобы понять масштаб, нужно с чем-то сравнить.

Например, у "Вкусно и точка" выручка основного юрлица за 2024 год составила 187,4 млрд рублей. Получается, "ВиТ" больше "Крошки Картошки" примерно в 50 раз.
А если смотреть на трафик, то у Крошки указано больше 15 млн покупателей в год, а Rostic’s, по открытым данным, обслуживает больше 1,7 млн гостей в день. То есть годовой поток Крошки примерно равен 9 дням трафика Rostic’s, получается действительно нишево))

Кстати, такие рынки обычно оценивают двумя способами 🧮

Первый способ - идти от большого к маленькому. Например, сначала найти объём всего рынка быстрого питания в России, а потом посмотреть, сколько в нём занимает Крошка Картошка. Такой подход нужен, если хочется получить именно долю рынка: условно, 1%, 5% или 10%.
Но тут сразу появляется проблема: сначала нужно договориться, что именно считать фастфудом? От этого сильно поменяется итоговая доля.

Второй способ - идти от маленького к большому. Берём конкретные сети и сравниваем их между собой: выручку, количество точек, поток гостей, средний чек. Такой подход не всегда даёт точную долю рынка, зато помогает быстро понять порядок: компания ближе к крупным игрокам или живёт в своей нише.

Например, где-то считают выручку всей сети вместе с франчайзи, где-то только одно юрлицо, где-то количество ресторанов, а где-то поток гостей. На вид всё это про “размер бизнеса”, но выводы могут получиться разными 🤔

В случае Крошки оба подхода сходятся в одном: это не игрок масштаба "Вкусно и точка" или Rostic’s, но и не маленький локальный проект. Скорее устойчивая нишевая сеть с миллиардной выручкой и узнаваемым продуктом.

Таким образом обычная картошечка внезапно стала поводом напомнить вам про два главных способа оценить долю рынка ☺

А теперь отметимся реакциями:
🔥 - если пробовал Крошку Картошку
❤️ - если не пробовал

Анализируем водопой на ЧМ-2026 💧⚽️

Приятно, когда можно объединить аналитику с увлечениями 🥰
Если вы тоже наблюдаете за ЧМ-2026, то этот пост для вас)

Вы наверняка слышали гипотезу о том, что появление перерывов на водопой меняет поведение команд на текущем чемпионате

Я собрал небольшой датасетик из открытых источников (с коллегой кодексом): взял API ESPN и вытащил доступные данные по 92 матчам текущего ЧМ, нашёл в комментариях те самые "hydration breaks" и разбил каждый тайм на два бина - до и после водопоя. Так как поминутного владения мячом в открытом виде я не нашёл, то пришлось искать прокси-метрику поведения команды: так получилась метрика давления, куда я с разными весами сложил голы, удары, угловые, опасные штрафные и офсайды. Идея простая: если команда чаще создаёт такие события, значит она сильнее давит на соперника 📊

Как проверить гипотезу?
В идеале нам бы конечно получить две вселенные, где один и тот же матч играется с водопоем и без него, однако ФИФА такой AБ-тест не проводит. Поэтому я пошёл более простым путём: для каждого тайма смотрел, какая команда сильнее давила до водопоя, а потом проверял, сохранила ли она свою долю давления после паузы. Причинность может и неидеальная, но для такого датасета пойдёт)

Что получилось?
Команда, которая сильнее давила до водопоя, после паузы в среднем теряла около 15 п.п. своей доли давления. Такое падение было в 72% таймов 🤯

Статистически это тоже выглядит ощутимо: 95% бутстрэп-интервал для среднего эффекта получился в интервале [-18.8 п.п; -11.5 п.п.] (т.е. 0 туда не попадает)

Получается водопой действительно статзначимо влияет на изменение поведения команд: матч после паузы не обязательно становится менее активным, но давление часто перераспределяется. Ну а рекламная выручка у чемпионата, вероятно, тоже ощутимо выросла 👍

А теперь ставим реакцию:
❤️ - смотрю ЧМ-2026
💔 - не смотрю

P.S.: Роналду очень жаль 😭

Как эффективнее попросить рефералку? 🤝

Мне часто пишут ребята из канала с просьбой порекомендовать их в Авито 😎

Пусть тут будет универсальный мануал, который можно применять при поиске работы практически в любой компании с реферальной системой

Рекомендация обычно не позволяет пропустить этапы отбора: вам всё равно придётся пройти скрининг, интервью и остальные секции(
Но заявки по рекомендации обычно разбирают приоритетнее откликов из других источников 🤭

Сотрудник обычно ничего не теряет, рекомендуя кандидата, а при успешном найме может получить бонус

Единственная проблема - если рекомендаций много, то на заполнение анкет уходит ощутимое время, особенно когда информацию приходится вытягивать из переписки и резюме 🥲
Поэтому, когда вы хотите попросить рефералку у сотрудника, лучше сразу отправляйте одним сообщением:

1. Имя и фамилию
2. Номер телефона и email
3. Ник в Telegram
4. Город проживания
5. Резюме отдельным файлом (лучше в PDF)
6. Небольшой комментарий к отклику (опционально)
7. Ссылки на конкретные вакансии с карьерного сайта кампании (к примеру вот карьерный сайт Авито или Яндекса)

Лучше присылать готовую ссылку на вакансию, а не писать «Я аналитик, посмотри плиз что там по вакансиям есть» ✨
Обычно вы лучше знаете свой опыт и интересы, а поиск подходящей позиции может занять больше времени, чем сама рекомендация)

Если вакансии нет на карьерном сайте, то, скорее всего, сотрудник тоже её не найдёт(
По моему опыту, почти все открытые позиции публикуются там, кроме некоторых руководящих ролей

Всё это резко повысит вероятность того, что сотрудник быстрее вас порекомендует 👌

Кстати, я всё ещё могу рекомендовать ребят из канала в Авито 😎, так что можно сразу применить этот пост на практике)

А сотрудников других компаний, готовых пореферить ребят из канала, предлагаю отметиться в комментариях - поможем тем, кто сейчас ищет работу 👍

Вдохновляющая статистика из тенниса 🎾

Есть вот такая статья про статистику Роджера Федерера, и если вкратце, то за карьеру он сыграл 1500+ одиночных матчей и выиграл почти 80% из них. Кажется что это ожидаемая цифра для одного из лучших теннисистов в истории 👀

Но проверьте свою интуицию:

Какой процент отдельных розыгрышей выиграл Федерер? 🤔

Правильный ответ - всего 54,1%

То есть один из лучших теннисистов в истории проигрывал почти каждый второй розыгрыш. При этом результат Федерера всё равно считается выдающимся:

• Надаль 🇪🇸 - 54,49%
• Джокович 🇷🇸 - 54,48%
• Федерер 🇨🇭 - 54,10%

И это единственные три теннисиста в истории с результатом выше 54%

На первый взгляд разница между 50% и 54% кажется небольшой. Можно вообще подумать, что это обычный шум)

Но если взять игрока, который выигрывает каждый розыгрыш с вероятностью 50%, то если он проведёт 10.000 розыгрышей, случайно получить результат в 54% будет почти невозможно, т.к. вероятность этого будет сильно меньше одного шанса на триллион (ещё это называется p-value 🤓)

А Федерер за 1526 матчей провёл намного больше 10.000 розыгрышей, то есть статистически эти 4 процентных пункта - просто огромное преимущество 📊

А уже эти 54% выигранных розыгрышей превратились почти в 80% побед 😦

Получается забавный эффект

: Федерер проиграл

почти половину всех

розыгрышей, но выиграл около четырёх матчей из пяти 📈

Чем-то напоминает покер: сильный игрок тоже не обязан выигрывать каждую раздачу, но достаточно иметь положительное матожидание, которое на длинной дистанции превращается в большую разницу в результатах 🏆

Так что если у вас сейчас что-то не получается, возможно, вы всё ещё сможете забрать этот сет)
Если статистика тоже тебя вдохновила - жми 🍓

Галя, у нас нейросеть 🤖

Когда-то я писал, как взял наггетсы в SPARе и удивился, что касса распознала их по камере. Оказалось, у всей готовой еды просто одинаковая цена за 100 грамм и никакого ML не требовалось))

Недавно зашёл в Пятёрочку и увидел более современный вариант такой технологии 🛒

На кассе самообслуживания система попросила добавить в чек товары, которые заметила по встроенной камере: пакет, который я забыл пробить (ну а что, сейчас в айтишке тяжелые времена) и… пиво 😳
Правда, вместо пива у меня была кока-кола 🤩

Пропустить такое сообщение кстати нельзя: чтобы закончить покупку без добавления этих товаров, пришлось позвать Галю дежурного кассира

Несмотря на ошибку, мне показалось что это всё равно очень крутое применение ML: нужно понять, какие товары есть у покупателя, сопоставить их с чеком и заметить, если что-то не пробили. А еще товары могут быть похожи, перекрываться или лежать в пакете 🍾

Задачка непростая, но польза понятна: можно сократить количество неоплаченных товаров, как по забывчивости, так и намеренно 💸

Правда, появляется знакомый размен метрик: сокращаем потери магазина, но рискуем увеличить время у кассы (Особенно если кола становится пивом и сотруднику приходится разбираться с ошибками 🥹)

Оценить влияние такой неочевидной фичи наверняка тоже захотят. Поэтому я бы предположил, что её проверяют в рамках АБ-теста, который удобнее всего проводить по разным магазинам: в части включить систему, в остальных оставить прежние кассы 📊

Так можно сравнить потери, время обслуживания и частоту вызовов кассира, чтобы понять, выгодно ли внедрять её дальше. Но все-таки АБ тест - это мое предположение 🤫

А вы уже встречали в Пятёрочке такое? Если да то пишите, проверим в комментариях на сколько % раскатили АБ тестик 👇

И лайк поставим ❤️

Лайфхаки прайсинга на примере «Вкусно - и точка» 🍔

В приложении сейчас можно обнаружить Бигфест - акцию, в которой каждый день предлагают выбрать товары по специальной цене

Скидка действует ограниченное время, после чего предложение исчезает, и здесь появляется так называемое неприятие потерь. Умные люди давно заметили, что потеря одной и той же суммы ощущается сильнее, чем её приобретение, поэтому таймер превращает обычную возможность сэкономить в потенциальную потерю: кажется, что выгодная цена уже принадлежит нам и, если не заказать сейчас, у нас её отберут 💸

Но это не единственная интересная механика, которую можно заметить)

Если открыть обычное меню, то одними из первых там показываются новинки и комбо, которые, как правило, оказываются довольно дорогими позициями:

бургер может стоить 450-550 руб., в то время как цена большого комбо составляет 700-800 руб.

Первая увиденная цена становится ориентиром, относительно которого мы оцениваем всё остальное, поэтому после комбо за 800 руб. бургер за 350 руб. уже воспринимается доступнее. Это называется эффектом якоря, при котором случайно увиденная цифра влияет на наши последующие оценки 🤔

В итоге ограниченное время действия скидки заставляет нас бояться упущенной выгоды, а дорогие позиции задают ориентир, на фоне которого остальные товары выглядят не такими уж дорогими

Не утверждаю, что приложение спроектировано именно так, но захотелось поделиться этим наблюдением)

Если хотите больше примеров из ценообразования - ставьте сердечко, и я поделюсь ещё ❤️

Стажировка для аналитиков в Авито 😎

Привет! 💗
Если вдруг вы не видели, то в Авито сейчас открыт набор на стажировку для аналитиков данных до 5 ноября

Кажется, что в текущих условиях рынка труда это отличная возможность начать работу в сфере аналитики (опыт тут необязателен), поэтому очень рекомендую использовать эту возможность

Если вы ещё не подавались, то получить рекомендацию в Авито от меня можно по инструкции из этого поста 👀

От стажёра до мидла в аналитике за год?
С Avito Analyst Bootcamp это возможно ⬇️

В течение 12 месяцев вы будете проходить путь до специалиста мидл-уровня, работая с большими данными, которые влияют на опыт миллионов пользователей.

Что вас ждёт на Avito Analyst Bootcamp:
🔴Стажировка в продуктовой аналитике или BI-разработке.

🔴Рост сначала до джуна, а затем — до уверенного мидла.

🔴Поддержка опытного наставника, регулярная обратная связь и комьюнити амбициозных стажёров.

🔴Обучение от Академии Авито, которое поможет системно прокачаться и закрыть пробелы в знаниях.

🔴Удалённая работа от 30 часов в неделю — удобно совмещать с учёбой.

🔴Корпоративная техника и доступ к базам знаний Авито.

🔴Компенсация питания, бесплатные онлайн-сессии с психологами и юристами.

Станьте аналитиком, который превращает цифры в решения! Для этого достаточно заполнить заявку на программу до 5 ноября