PPS Иногда думаю, а что делать дальше после завершения datalearn курсов? Одна из идей продавать те же курсы через сообщество на западе по подписке. (в таком случае наши студенты это beta тестеры подхода обучения через сообщества). В Индии млн специалистов, которые хотят работать в Microsoft/Amazon, хотят работать в data, в Китае много желающих, и на местном рынке тоже много желающих, а мы знаем как сделать людей успешными😎

Прошло то время, когда за косяки увольняют и ругают, ошибаться это ок.

Увидел интересный пост. Это круто как все хотят идти в ИТ и там платят хорошо и работа интересная. Но если все будут в ИТ, кто будет учить детей? И таких профессий много, их не ценят, им не платят. В Канаде в этом плане все ровно, учитель получает как ИТшник. А доктор в 3-4 раза больше, но надо лет десять учиться и работать ещё 10 на тяжёлых работах.

Пароли это всегда шляпа. Как написано в статье, их только любят злоумышленники. Microsoft хочет от них отказаться, ну и правильно! https://www.zdnet.com/article/microsofts-ciso-why-were-trying-to-banish-passwords-forever/

Это точно! Не стесняйтесь просить больше;)

Хотелось бы по центру Москвы прогуляться. Обожал маршрут от Пушкинской до ГУМа или до Арбатской по бульвару.

Прикольная визуализация про центр Москвы https://public.tableau.com/app/profile/anastasia.komissarova/viz/MoscowMap_16242110055380/MoscowCityCenterMap

Не по теме, но интересно услышать ваше мнение. Я заметил в Москве сейчас будет жёстко всех прививать, а кто откажется, тех будут дискриминировать. Не ожидал такого от России, думал сначало так сделают на западе, а потом уже РФ. Оказалось наоборот, для меня звучит как беспредел. А что вы думаете? Только не надо писать, что-то типа "кто не делает прививки, тот дебил" или наоборот, в целом интересна позиция государства и ваша реакция. Государство же всегда хочет как лучше для людей:)

8 июля один из лучших мировых экспертов и zen master Steve Wexler расскажет про новшества в визуализации опросов. Я был на его выступлении в Бостоне и это 🔥, как в театр сходил. И я использую его методы для визуализации опросов по adoption BI и self service. https://www.eventbrite.com/e/whats-new-in-visualizing-survey-data-tickets-161010592015

Data Engineering Manifesto:

📌We are Engineers
📌Data is a Product
📌Enable by providing self-service solutions
📌Embrace Cloud & Managed services
📌Batch processing is easier than stream
📌Aim for simplicity through consistency
📌Notebooks are for research, not for development
📌Data scientists are colleagues, not enemies
📌SQL is the lowest common denominator

В Майкрософт я подписан на разные издания типа HBR, Information, Financial Times, и иногда появляются интересные новости. Вот например, новость про то, что удаленная работа это плохо, дорого и не эффективно для компаний. Конечно не для всех, но уже явно перестали говорить о том, как это классно и выгодно, когда все на удалёнке.

А вот решение всех проблем в офисе - How Teddy Bears Can Make Your Company More Ethical

Вот это я люблю - коротко и по делу))

Мне всегда нравились заголовки статей в Harvard Business Review(HBR). Но я не мог их читать, было ужасно скучно. Я думал, что это плохой английский у меня. Теперь у меня есть платная подписка, но это какая-то ерунда. Кроме красивых картинок и заголовков, там одна вода🙄 кто нибудь любит HBR?

Свежий эпизод подкаста “Data Coffee” про ETL и Apache Airflow с замечательной Диной Сафиной из mail-ru уже доступен к прослушиванию в ваших подкастоприемниках!

#datacoffee #podcast #data #подкаст #данные

https://anchor.fm/data-coffee/episodes/ETL--e12vknj

В продолжение темы построения архитектуры аналитических решений.

https://www.youtube.com/watch?v=slfDKyMxZsU

Ещё один концепт из Амазона, который я часто использую - good intentions don't work, mechanics work. Тоже Безос придумал. Идея в том, что наши хорошие намерения не работает, и невозможно положиться на людей, думая, что они все будут делать так, как будет эффективно для бизнеса. Обычно люди забивают, и делают как им удобно. Поэтому нужно внедрять процессы и механики.

Популярная тема - “metrics standardization”:
1. Achieving metric consistency & standardization — Uber Data
2. Achieving metric consistency at Scale — Airbnb Data

Мой самый любимый пример в этом вопросе, когда несколько департаментов используют единое хранилище данных и считают Revenue (прибыль) и у всех оно разное. В Амазоне я такую картину наблюдал, как отдел маркетинга, финасов и продажников считали доход в разрезе регионов, использую разную логику и получали разные ответы на 5-10% и из года в год, всплывали вопросы почему цифры разные в Weekly Business Review (WBR). (Если вы не знаете, что такое WBR, то я рассказывал в одном из уроков datalearn и писал в канале)