👨‍💻 Нетипичные SQL-запросы

Какого было мое удивление 4 года назад, когда я устроился на стажировку аналитиком и выяснил — оказывается, мне не нужно писать хитрые SQL запросы, как на тогда еще популярном задачнике sql-ex.ru

Большинство задач закрывается следующим набором:

WITH (CTE), GROUP BY, COUNT, SUM и LEFT / INNER JOIN

И обычно самое сложное - это не написать запрос, а найти, в каких таблицах хранятся нужные и качественные данные.

Но иногда все-таки попадаются интересные задачки, об одной такой я и хочу рассказать.

Мне нужно было посчитать кол-во событий Х за каждый день из одной таблицы. Проблема в том, что данные были не за каждый день, а выводить нужно статистику по каждому дню (и для дней, в которых событий не было — показывать 0).

Тогда я узнал, что в SQL существуют рекурсивные запросы. С их помощью можно легко создать таблицу, в которой будет 1000 строк от 1 до 1000 или вывести все дни за 2024.

Вот так можно создать табличку, в которой построчно хранится каждый день января 2025 года:

with recursive days as (
 select cast('2025-01-01' as date) as day_dt
 union all
 select day_dt + 1
 from days 
 where day_dt < cast('2025-01-31' as date)
)
select 
 day_dt
from days
order by day_dt

🎙 Выступления аналитиков

Отобрал 4 конференции, на которых аналитики делятся опытом решения боевых задач.

Чтобы вам не копаться в архивах youtube, собрал все выступления в отдельные плейлисты.

- Avito analytics meetup
Авито выпустили уже 13 эпизодов, в каждом из которых по 3 выступления на полчаса с секцией вопросов.

- Матемаркетинг
Наверное самая популярная оффлайн конференция по аналитике на русскоязычном пространстве.

- Kolesa conf data
Казахская IT-компания, которая устраивает IT-конференции с 2018 года.

- Product analytics, код желтый
Выступления аналитиков Т-банка и приглашенных гостей

Приятного просмотра!

📕 Отзыв и выжимка курса от GoPractice

Месяц назад наконец добил курс "Симулятор управления продуктом на основе данных", хочется выделить ключевые тезисы и поделиться отзывом. Начнем с тезисов.

— Про интерпретацию цифр
Многие думают, что ценность в работе с данными заключается в способности их получить, обработать и визуализировать. Это важные навыки, но главное в работе с данными - это научиться с их помощью отвечать на вопросы, которые волнует бизнес.

— Про мобильную аналитику
Sensor Tower – сервис для анализа приложений IOS и Google Play. Показывает, на каком месте находится то или иное приложение по привлечению пользователей с разбивкой по источникам трафика. Наверное самый популярный сервис в индустрии среди прочих аналогов вроде Data.ai и Similarweb.

— Критерий product / market fit
Достижение product/market fit означает, что вы нашли сегмент рынка, где клиенты выбирают ваш продукт для решения своих задач. Плато в долгосрочном retention значит, что продукт создает достаточную ценность по сравнению с альтернативами, чтобы убедить часть новых пользователей отказаться от старых способов решения задачи в пользу нового. Если у продукта, который должен регулярно решать какую-то задачу, долгосрочный retention уходит в 0, то даже при большом кол-ве привлекаемых пользователей все они вскоре перестанут использовать приложение.

— Про aha-момент
Убедить пользователя начать решать его потребность новым способом, то есть с помощью вашего продукта, может только наличие явной выгоды. Часть новых пользователей может даже не успеть испытать на себе эту выгоду от продукта. Критерием того, что новый пользователь испытал ценность называют “aha moment”:
- Для Slack критерий того, что команда пользователей попробовала и поняла продукт — 2000 отправленных сообщений
- Для Facebook таким критерием является наличие 7 друзей у нового пользователя в течение первых 10 дней.
- Для Twitter — если новый пользователь подписался на 30 человек.
Сокращение time to value (время до достижения ценности) и увеличение доли пользователей, испытавших ценность продукта – один из важных рычагов влияния на retention и рост продукта. Критерий достижение 'aha moment’ нужно искать с помощью качественных и количественных исследований

— Про качественные исследования
Работа с данными позволяет понять, как люди используют созданные нами сервисы, а также как продуктовые изменения влияют на их поведение. Но продуктовая аналитика не способна ответить на вопрос о том, почему люди делают то, что делают. Для решения этой задачи нужно использовать качественные методы исследования пользователей: глубинные интервью, фокус-группы, опросы. Именно они позволяют ответить на столь важный вопрос «почему».


Отзыв курсу:
Классная реализация курса в формате симулятора, возможность покопаться в Amplitude, много заданий. Не понравилось, что некоторые простые моменты растягивались слишком сильно, я бы сократил весь материал как минимум в 2 раза.

Итого ставлю:
3 / 5

Помимо тезисов выше я конспектировал все основные моменты из курса, получился док на 50 страниц с рандомными фактами и мыслями из разряда "кто вклыдвает в каналы привлечения с отрицательным ROI" или "мобильные игры зарабатывают на 0.17% платящих пользователей".

✏️ Пиши, сокращай

Все мы работаем с текстом: пишем друзьям, коллегам, ведем заметки. Если говорить про IT, то документация и анонсы в общих чатах — это неотъемлемая часть работы.

Я никогда сильно не задумывался о том, насколько хорошо пишу - это же базовый навык, который мы все освоили еще в школе и пользуемся им на протяжении всей жизни. Не совсем.

Книга "Пиши, сокращай" о том, как писать коротко, ясно и убедительно.

Несколько примеров:

Укорачивайте текст

Убедительно просим вас предупреждать о незапланированных изменениях в графике работ за двое суток или ранее.

⬇️

Предупредите о сверхурочных за два дня.

Пишите яснее

Строительство объекта замедлено из-за непредвиденных обстоятельств экономического и организационного характера.

⬇️

Мы неправильно рассчитали бюджет и доверились ненадежным подрядчикам. Чтобы исправить ситуацию....

Пишите убедительно

Едва ли кто-то будет спорить, что всё чаще россияне склонны в первую очередь задумываться о собственном бытовом комфорте, чем о помощи другим людям.

⬇️

По данным Яндекса, в марте 2016 года фраза «торговый центр» была в 5 раз популярнее, чем фраза «благотворительный фонд».

Не скажу, что я стал мастером слова после прочтения этой книги, но при написании документации или важных анонсов начал чаще перечитывать текст и спрашивать: можно ли как-то сократить? а написать еще понятней?

p.s. с прошлой компании я взял за правило в каждом описании эксперимента и исследования писать коротую выжимку в самом начале: что хотели и что получили.

Позвольте коллегам быстро понять суть, а за деталями они уже смогут перейти в нужный блок.

🏆 Чемпионаты по аналитике с решениями

Есть такая организация — «Карьерный цех». Помимо карьерных услуг они проводят соревнования для продактов, дизайнеров и аналитиков.

Происходит это так: работники какой-нибудь бигтех компании выкладывают задание, ~100 участников присылают по нему свои решения, которые потом оцениваются составителями.

По аналитике прошло уже 4 соревнования, рассказываю подробнее:


🏆 Турнир №1

Проанализировать результаты теста по изменению флоу заказа на сайте Сбермаркета

- описание задания (слайды 4-5)
- список лучших решений
- трансляция разбора на youtube


🏆 Турнир №2

Прикинуть юнит-экономику для стартапа, который хочет выйти на IPO

- описание задания
- список лучших решений
- трансляция разбора на youtube


🏆 Турнир №3

Написать телеграм-бота с отчетами для отдела продаж

- описание задания
- список лучших решений
- трансляция разбора на youtube


🏆 Турнир №4

Сделать дизайн эксперимента для поисковика в HH

- описание задания
- список лучших решений
- трансляция разбора на youtube

💼 Тимлидерство от А до Я

Наткнулся вчера на интересный подкаст, где опытные тимлиды 2 часа обсуждали менеджмент.

Разговор получится откровенным, потому что автор подкаста уже работает на себя, а приглашенный гость скрывает текущее место работы.

Выписал наиболее яркие цитаты из разговора:

«Лид — это лицо команды. Если ты приходишь и не матчишься с командой, то скорее всего половина команды уйдет. Поэтому так сложно нанимать лидов со стороны»

«Одно из самых больших заблуждений, что как только человек дорастает до сеньора, то его часто заносит в тимлиды. Хотя тим-лиды — это не про это»

«В чем еще проблема большая? Многие люди не понимают, насколько сложно работать с людьми. Как только вы становитесь точкой входа в команду, то начинается политика, интриги, договоренности, какой-то торг — особенно если вы в большой компании»

«У меня был случай, когда пришлось собирать факапы по почте и перепискам. С тех пор я всегда после встречи пишу о договоренностях»

«Когда ты выходишь на уровень тим-лида, у тебя происходит разрыв с командой, ты больше не можешь быть в дружеских отношениях с ними. И это для многих очень серьезное потрясение»

«Одна из самых главных вещей — способность увольнять. И причем делать это довольно оперативно и мыслить так, что у тебя не приют сирот.[…] И получается, что у тебя куча неэффективных чуваков, и встает вопрос нанять еще больше вместо того, чтобы расстаться»

«Любое подразделение стремится быть больше и получать больше бюджета всегда, иначе ты себя копаешь. И это полностью противоречит эффективности компании»

«Практика показывает, что любая штука по ступенькам выше — она не только сложнее, но и меньше людей к этому готовы. Я знаю нескольких лидов, которые обратно ушли в сеньоры, и они все счастливы»


Что думаете по этим тезисам?
👍 - с большей частью согласен
🧐 - 50/50
👎 - с большинством не согласен

⭐️ Самый интересный собес

Два года назад я прошел самый интересный собес за свой опыт. Кажется прошло много времени, и я могу поделиться деталями.

3 классных вопроса, которые задавали на разных этапах:

1. «Выбери любую компанию, которая тебе нравится. Представь, что ты строишь в ней отчетность с нуля — какие метрики и почему ты будешь отслеживать в первую очередь?»

2. «Представь, что ты работаешь в сервисе такси. И каждый понедельник в 8-10 утра тебе не хватает водителей. Что ты будешь делать?»

При этом собеседующий играл роль симулятора — он мог и на вопросы поотвечать, и нужные цифры «достать».

3. «Расскажи о случае, когда ты нарушал какое-то „правило“, работая в компании»

Все вопросы очень открытые и не имеют односложного-правильного ответа. А некоторые из них я вспоминал даже спустя пару месяцев и думал, как бы ответил сейчас.

Например, для 2-го вопроса я бы сейчас постарался дать ответ по MECE, а для 3-го провокационного тогда мне нечего было сказать (и я очень смутился). Но сейчас уже накопилось пару историй..

А какой вопрос / кейс с твоих собесов тебе запомнился больше всего ?

🧑‍🎓 Проблема вечного студента в IT

Когда я работал аналитиком данных в Lamoda и решил перейти в продуктовую аналитику, то понимал, что мне не хватает продуктового мышления и знаний по А/Б-тестам.

Тогда я записался на 6-месячный курс, параллельно смотрел видео про метрики, разборы экспериментов и много других материалов. И у меня была 100% уверенность — пока я не стану гуру метрик и А/Б-тестов, у меня не будет никакого шанса получить новую работу. Проверял ли я это на практике? Конечно, нет.

После всех курсов и материалов я решил, что этого недостаточно, и начал собирать вылизанное портфолио на гитхабе: калькулятор на питончике, дашборд, схему базы данных телеграма. Я потратил на это много времени и сил, хотя смысла в портфолио никакого не было (у меня был опыт работы, просто не хватало некоторых навыков).

На самом деле я боялся столкнуться с отказами и оттягивал момент с собеседованиями, оправдывая себя тем, что еще надо что-то доучить, доделать в резюме или добавить в портфолио.

Мне повезло, что очень близкий человек спустя год моих скитаний начал возмущаться: «Сколько можно готовиться, иди попробуй!». С невероятной злостью на себя и на весь мир я собрался и получил 3 оффера за 3 недели.

Оказалось, что большинство компаний не требовало таких глубоких знаний, как я ожидал. И отсутствие опыта в А/Б-тестах для многих не было критично.

Откладываете ли вы что-то, потому что еще не до конца готовы? Не настал идеальный момент?

Возможно, это знак, что пора наконец сделать. Коряво, неуверенно — но сделать.

💯 Оценка точности прогноза

Представьте, что вы работаете аналитиком в сервисе доставки.

У вас есть прогноз заказов. Поделив его на производительность курьеров, вы понимаете, сколько курьеров вам нужно, чтобы доставить все заказы.

например:
- завтра по прогнозу будет 200 заказов
- 1 курьер доставляет 3 заказа

Тогда нам нужно 200 / 3 = 66,6 курьеров, чтобы доставить все заказы.

Как оценить качество прогноза заказов, на котором держится весь алгоритм выше?
Например, посчитать среднюю разницу между прогнозом и фактом. Такую метрику называют MAPE (mean absolute percentage error).

Но есть одна проблема — динамическое ценообразование, или как его еще называют — surge pricing. Это когда курьеров не хватает, чтобы все доставить, и сервис повышает цены, чтобы пользователи создавали меньше заказов.

И становится непонятно, наш прогноз неточный, потому что он «плохой» или потому что из-за повышенных цен мы лишились части заказов.

Чтобы посчитать ошибку прогноза по-честному, нужно сделать поправку на surge pricing.

Как это сделать?
1. Смотрим визуально зависимость конверсии в создание заказа (ось х) от повышения цен (ось у)
2. В моем случае связь была линейной, строю линейную регрессию
3. Теперь зная DAU и значение повышенной цены, я могу посчитать через параметры линейной регрессии, насколько нам это обрезало конверсию (уравнение с одной неизвестной вида y = k*x + b)
4. И отсюда получить кол-во потерянных заказов. Если обрезали конверсию на 5%, а в приложение зашло 100 человек, то мы потеряли 100*0.05=5 заказов

Итого мы считаем ошибку не как

Факт - Прогноз

а

Факт + Потерянные - Прогноз

Потерянные — это те заказы, которых мы лишились из-за surge pricing’а.

Этот момент был мне не очевиден, когда я в Самокате впервые столкнулся с такой задачей.

А еще в Самокате со мной работал мой друг Паша — в своем тг-канале он рассказал, как решал проблемы с онбордингом!