⚡️ Как стать аналитиком данных и не потеряться в толпе джунов?

Сегодня вечером на вебинаре разберём, почему SQL до сих пор решает 90% исходов на собеседованиях, как выглядит рынок аналитики в 2026 году и чего реально ждут работодатели на live-coding интервью. Евгений Буторин даст топ-5 вопросов с собеседований и конкретные стратегии ответов, которые работают прямо сейчас.

📆 Забрать напоминание в календарь
➡️ Ссылка на трансляцию

📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS

💻💻💻💻💻 Аналитика данных в 2026: рынок, ИИ и как войти в профессию

Знакомая ситуация: хочется войти в аналитику, но непонятно, с чего начать, сколько это займёт и не отберёт ли ИИ работу раньше, чем вы до неё доберётесь. Обычно на это отвечают общими словами, а мы решили разобраться с данными в руках.

2 июля в 19:00 МСК приглашаем на прямой эфир с Андроном Алексаняном, основателем Симулейтив, где мы разберём:

➖ Живую рабочую сессию: напишем SQL-запросы к реальным данным и соберём дашборд прямо в эфире — от пустого экрана до готового результата;
➖ Рынок 2026 года: реальные вакансии, реальные зарплаты, честный ответ на вопрос про ИИ;
➖ Конкретный план входа за 10 недель: какие навыки нужны, в каком порядке учить и как дойти до собеседований.

Приходите, если думаете об аналитике или хотите понять, куда движется рынок!

📆 2 июля, 19:00 МСК, онлайн
➡️ Поставить напоминание в календарь

📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS

Всем привет! На связи Алёна Лесихина, продуктовый аналитик и автор Telegram-канала Select * from аналитика 👋🏻

В новой статье для Симулейтив я продолжаю обозревать GitHub Actions на примере пет-проекта для аналитика. В прошлый раз я подробно описала гайд по работе с GitHub Actions.

Статья будет полезна начинающим аналитикам в поисках хорошего проекта для своего портфолио. В этой части разбираю подход к выбору проекта и источника данных, к сбору и анализу данных и представлению результатов своей работы.

📌 Читать статью: simulative.ru/blog/github-actions-2

📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS

Ошибка целочисленного деления в SQL 🔥

Проверяя работы наших студентов на курсе, мы раз за разом сталкиваемся с одними и теми же ошибками. И сейчас мы расскажем вам об одной из таких ошибок при написании SQL-запросов в PostgreSQL.

✅ Описание проблемы

Мы привыкли, что в математике можно просто разделить одно число на другое и получить результат, даже если нацело числа не делятся — получится десятичная дробь. Однако SQL не всегда работает так, как мы ожидаем…

Например, в PostgreSQL, если вы делите два целых числа, результат будет целым числом, без дробной части:

SELECT a/b FROM demo
# если a и b целые, получаем столбец целых чисел

SELECT 1 / 2
# такое деление вернет 0

Примеры кажутся синтетическими, однако если вы делаете какую-то сложную агрегацию и вычисления с операцией деления, то вы можете даже не заметить эту ошибку, так как получите некий результат. Просто он будет неверным.

Примечание: в большинстве других СУБД, таких как MySQL, подобные запросы вернут десятичные дроби, как и ожидается.

✅ Решение проблемы

Чтобы избежать неоднозначностей при выполнении вычислений, всегда лучше явно указывать преобразование типов. Например:

SELECT a::NUMERIC/b FROM demo
SELECT a*1.0/b FROM demo
SELECT CAST(1 AS FLOAT)/2 FROM demo

Используя любую из этих конструкций, вы приводите числитель (можно знаменатель) к дробному формату, а значит и результатом деления будет дробь.

🛎️ Если вы хотите познакомиться с SQL и узнать ещё больше классных фишек, приходите на наш бесплатный интенсив по SQL с менторской поддержкой! Вы научитесь писать первые SQL-запросы и решать задачи, положите первый проект в портфолио и получите сертификат о прохождении курса.

Записывайтесь, стартуем уже завтра!

📌 Зарегистрироваться на интенсив

📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS

Привет! На связи Евгений Буторин, ментор интенсива по SQL 👋🏻

Вам хочется попробовать себя в аналитике, но непонятно, кто такой аналитик на самом деле, что нужно уметь на старте и почему все вокруг твердят именно про SQL? Сегодня вечером приходите на мой вебинар — разберём это на реальных примерах и задачах.

Разберём три вещи:
🟠 Кто такой аналитик данных и чем он занимается каждый день на конкретных задачах;
🟠 Какие навыки нужны на старте и куда расти дальше — от первого джуна до руководителя отдела;
🟠 Порешаем пару реальных SQL-задач вместе и разберём, почему без SQL в аналитике никуда.

Если присматриваетесь к аналитике или хотите понять, с чего начать, приходите!

📆 7 июля, 19:00 МСК, онлайн
➡️ Ставьте напоминание в календарь, чтобы не забыть!

📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS

Тренд, сезонность, цикличность, шум: как не перепутать сигнал с помехой?

Всем привет, с вами Павел Беляев, руководитель команды аналитиков в Яндекс eLama и автор курса «Временные ряды» 👋🏻

Немножко о базе, а точнее — о декомпозиции временных рядов. Что это такое и зачем оно нужно?

Вот перед нами график продаж и на нём ясно видно падение в январе. Это катастрофа? Или так было всегда? А может, это просто случайный выброс?

Чтобы ответить на этот вопрос, нужно понять, из чего вообще состоит любой временной ряд.

Подавляющее большинство рядов в «природе» можно разложить на компоненты. Разберём их на примере продаж интернет-магазина одежды

📈 Тренд — долгосрочное направление измеряемой величины

Если год за годом выручка растёт — это тренд вверх. Если аудитория постепенно уходит — тренд вниз. Тренд отвечает на вопрос: куда движется процесс в целом, если убрать все краткосрочные колебания?

Не следует принимать краткосрочный рост за тренд. Две недели роста после акции — это реакция на разовый шок, а не тренд. Эффект закончится — и ряд вернётся на прежний уровень.

📈 Сезонность — повторяющиеся колебания с фиксированным периодом

Продажи зимней одежды растут каждый октябрь-ноябрь и падают каждый март. И так каждый год. Причём сезонность прослеживается не только в рамках года, но и внутри недели — например, трафик-менеджеры пополняют рекламные сервисы чаще всего в понедельник.

Ключевое слово здесь — фиксированный период. Как правило, он привязан к календарю. Если вы знаете, что каждую пятницу трафик на сайте выше — это сезонность с периодом в одну неделю.

Так что не стоит паниковать из-за январского спада или праздновать декабрьский пик как собственную заслугу.

📈 Цикличность — колебания без фиксированного календарного периода

Звучит похоже на сезонность, но это другое. Экономические циклы, волны спроса, изменения потребительского поведения — всё это цикличность. Период может быть 2 года, а может 7 лет — заранее не угадаешь.

Именно поэтому цикличность сложнее всего выделить и спрогнозировать. Она прячется в данных и часто маскируется под тренд.

📈 Шум (остаток) — всё, что не объяснили первые три компонента

Внезапная публикация у блогера, сбой на сайте, праздник в конкретный вторник. Случайные, непредсказуемые отклонения.

Хороший аналитик стремится к тому, чтобы остаток представлял собой белый шум — без паттернов и без автокорреляции. Если в остатках ещё видна структура, значит модель что-то недоуловила и над её качеством нужно ещё поработать.

Почему это важно на практике?

Если смотреть на смешение всех этих компонентов, можно принять неверные выводы и решения:

— Реагируете на шум как на тренд → ненужные изменения в стратегии;
— Не видите сезонность → неправильное планирование запасов и бюджетов;
— Путаете цикл с трендом → ошибочные долгосрочные прогнозы.

Декомпозиция временного ряда — это первый шаг любого нормального анализа. Прежде чем строить модели, нужно понять что вообще происходит в ваших данных.

Как это делается технически?

В Python достаточно нескольких строк:

from statsmodels.tsa.seasonal import seasonal_decompose

result = seasonal_decompose(df['sales'], model='additive', period=12)
result.plot()

И вы получаете четыре отдельных графика: тренд, сезонность, остаток. То, что раньше выглядело как хаос, вдруг обретает структуру!

Это только первый шаг. Дальше — тесты на стационарность, выбор модели, прогнозирование.

📌 Всё это мы разбираем на курсе «Временные ряды» — от базовых понятий до прогнозирования с помощью Prophet и XGBoost, с практикой на реальных данных в Python. Присоединяйтесь!

📈 Изучить временные ряды: simulative.ru/time-series

📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS