Очередной ученик недавно прошел испытательный срок - именно это является окончанием курса

Он написал отзыв. Немного вводных:

Москва, 30 лет. Начал обучение еще осенью 2024 года, работая директором департамента на производстве вентиляторов. Проходил курс не быстро: большую часть времени занимала работа, на какое-то время пришлось поставить обучение на паузу. Начал применять аналитику уже на том месте работы: выстроил базовую отчетность сервисного отдела, считал KPI по подчиненным сотрудникам, анализировал данные по обращениям клиентов и поломкам оборудования.

В конце 2025 оформили его опыт как аналитический для резюме, и он довольно быстро нашел работу. Отзыв:

Тимур, привет!

Наконец-то дописал отзыв на курс)

Для начала, наверное, стоит немного рассказать о себе на момент прихода на курс.
Мне 30 лет, за плечами 5 лет работы в инженерной сфере. Успел поработать инженером КИПиА в нефтяной компании (обслуживал в полях те самые «качалки»), инженером по вентиляционным системам, руководителем сервисного центра по обслуживанию клиентов и директором департамента ОТК на производстве… В общем, многое успел «пощупать».

Параллельно понимал, что быть инженером всю жизнь я точно не хочу. Ещё в 2022 году «заходил» на курс яндекса по python-разработке, но не вывез нагрузку после четырёх месяцев и бросил. После этого долго не возвращался к этому вопросу. А, как оказалось, нужно было посмотреть в сторону аналитики)

В октябре 2024 года случайно наткнулся на твит Тимура про работу в Авито, прочитал - и зацепило. Потому что об этом направлении я уже не раз думал, но всё время откладывал на потом.

Сначала взял курс на Stepik. Начал проходить, потом написал Тимуру, вступил в группы и чаты. Для меня самого удивительно, но скепсиса по поводу обучения практически не было)) Доверие внушало большое количество новичков на разных этапах — таких же, как и я. Плюс те, кто уже прошёл курс, никуда не пропадали: все были в тех же чатах, и можно было написать любому.

К ноябрю я прошёл курс. Тимур практически с нуля помог правильно составить резюме и упаковать мой инженерный опыт. С начала декабря уже можно было откликаться (спустя примерно три месяца). Но пришлось всё отложить из-за текущей работы и личных обстоятельств почти на год.

В это время постепенно проходил курс по python, периодически возвращался к курсу по SQL, чтобы не забыть пройденное. Тимур всё это время был на связи, постоянно интересовался, как дела. К осени я наконец был готов: ещё раз переписали резюме, обновили его - и я начал активно откликаться.

Возможно, мне сильно повезло, учитывая ситуацию на рынке, но работу я нашёл достаточно быстро (всего 400+ откликов). Прошёл несколько этапов и устроился с начала декабря бизнес-аналитиком в крупную компанию. И вот через неделю заканчивается испытательный срок)

Первая реакция от новой работы - конечно, шок… ну и восторг) Для человека, который долго работал «руками на заводе», новая среда сначала оказалась непривычной, как и сам формат работы. Если честно, я ещё не ко всему привык, но это, с другой стороны, и заряжает продолжать развиваться дальше.

Если кратко: курс у Тимура действительно хорош, особенно по сравнению с тем, что вообще сейчас предлагает рынок обучения и курсов. Возможно, можно самостоятельно пройти все этапы, курсы на Stepik или любой другой платформе и даже найти работу.

НО (и это огромное «но») тогда вы не получите самое ценное - комьюнити, созвоны, неограниченную помощь и поддержку, которые сильно мотивируют. Я почти уверен, что нигде не найти такого уровня поддержки и личного подхода на протяжении не месяцев, а ЛЕТ - пока вы проходите обучение, пока решаете свои дела, проблемы и задачи, пока снова возвращаетесь к обучению и пока проходите испытательный срок. А главное, это сильно ускоряет поиск работы.

И даже после этого всё никуда не исчезает. На курсе много ребят, которые «старше» меня на несколько лет - они всё так же на связи. Если нужно, помогут, поддержат новых участников, ответят на вопросы.

В этом, на мой взгляд, и есть главная ценность этого курса.

На этих выходных провели мероприятие для учеников и выпускников курса в аппартаментах Moscow City на 20+ человек 🎉

Многие из ребят уже работают и встретиться лично - это прекрасная возможность наладить связи, поделиться своим профессиональным опытом, узнать какие новые технологии используют коллеги. Некоторые ребята даже показывали свои собственные последние разработки 🤓

Отлично провели время, были различные закуски, напитки. Приглашенный шеф-повар готовил стейки с гарниром. Пили игристое 🍾 и танцевали, а также мероприятие сопровождал фотограф 📸

На этой неделе получим фотографии и поделимся с вами 🫶

Вопрос с собеседования аналитика в Яндекс на 150К+ / Парадокс Симпсона

Представим, что люди пользуются разными браузерами (Chrome, Firefox и т.д.) и в каждом браузере могут искать в интернете как через поисковик Яндекс, так и через Google.

Может ли быть такое, что доля запросов через Яндекс выросла в каждом браузере по отдельности, но по всем браузерам вместе упала?

На первый взгляд кажется, что нет 🤔

Если в Chrome доля выросла.
Если в Firefox выросла.

То как общий показатель может стать хуже?

Но на самом деле может 😱

Рассмотрим ситуацию:

Год 1

* Chrome: всего сделано 1000 поисковых запросов. Из них 500 через Яндекс (50%)
* Firefox: всего сделано 1000 поисковых запросов. Из них 300 через Яндекс (30%)

Общая доля Яндекса = 800/2000 = 40%.

Год 2

В каждом браузере доля Яндекса выросла:

* Chrome: всего сделано 100 поисковых запросов. Из них 90 через Яндекс (90%)
* Firefox: всего сделано 1000 поисковых запросов. Из них 301 через Яндекс (30.1%)

Но почти весь трафик теперь приходится на Firefox, где доля Яндекса всё ещё намного ниже.

И общая доля Яндекса становится уже 391/1100 = примерно 35.5%.

Получается парадокс:

✅ В Chrome "стало лучше"

✅ В Firefox "стало лучше"

❌ В целом стало хуже.

Это называется парадокс Симпсона. Дело в том, что могут меняться не только доли, но и соотношения между группами - в примере выше они были наравне, а во 2 год стал доминировать браузер с меньшей долей (специально рассмотрели экстремальный пример для наглядности).

Погружение в бизнес контекст

Классическая проблема многих ребят с небольшим опытом в аналитике - не видят полной картины, только отдельные задачи

В этом году пришла ученица с 1 годом опыта маркетинговым аналитиком.

Подтянули ее технический уровень, софты, улучшили резюме

Перед тем, как ученик начинает откликаться на вакансии, мы всегда проводим тестовые собеседования - HR, техническое собеседование по опыту работы и лайвкодинг

Стали расспрашивать про опыт и бизнес-кейсы, ответ был примерно такой:

1. Сделала сегментацию клиентов по частоте и сумме покупок
2. Проанализировала такую-то акцию
3. Выгружала списки клиентов по запросу бренд-менеджера
4. Сделала дашборд
5. Были разные другие небольшие задачи

И в целом это отличный опыт, требующий серьезной технической подготовки

Но рассказ выглядел так, будто это просто разрозненные задачи, которые прилетают сверху.

Сегодня попросили проанализировать акцию.
Завтра попросили дашборд.
Потом попросили что-то посчитать.
Связаны эти задачи между собой или нет - непонятно.

Начали разбираться глубже: как именно это было устроено в компании и зачем бизнесу всё это было нужно.

И выяснилось, что ученица вместе с бренд-менеджерами и бренд-директором тянула одну большую задачу, одну из важнейших для компании на тот момент.

Задача состояла в двух вещах:

1. Предотвратить отток клиентов, которые сейчас активно покупают
2. Вернуть тех клиентов, которые недавно покупать перестали

То есть бизнес хотел понять: кто уходит, почему уходит, кого ещё можно удержать и как вернуть ушедших клиентов

И если посмотреть список её задач выше, то более опытному аналитику становится понятно, что все это логичные этапы одной и той же огромной стратегической задачи. Всё внезапно складывается в одну понятную картину:

1. Сегментировали аудиторию, поняли предпочтения
2. Выработали механики как/кого лучше удерживать
3. Провели рассылки
4. Сделали АБ-тесты
5. Построили дашборд, который мониторит отток и эффективность рассылок

Со стороны, возможно, кому-то покажется, что это все было очевидно. Но это частая проблема - техническому специалисту легко утонуть в деталях и не заметить слона в комнате

Поэтому последнее время мы уделяем намного больше внимания тому, чтобы развить у учеников понимание общего бизнес-контекста. В целом многим ITшникам не хватает именно этого, поэтому такие специалисты ценятся значительно выше.

Хочу посоветовать книгу, которая, как мне кажется, помогает развивать аналитическое мышление.

Недавно прочитал "Гарри Поттер и методы рационального мышления" - это фанфик, написанный американским исследователем ИИ Элиезером Юдковским. По сюжету Гарри Поттер вырос не в семье Дурслей, а в семье профессора Оксфорда, с детства развивал научное/логическое мышление и применяет его в мире магии.

Что мне особенно понравилось - книга постоянно продвигает подход, очень похожий на то, чем занимаются аналитики данных. Не принимать решения на основе ощущений, авторитетов или красивых историй, а строить гипотезы и проверять их фактами.

Покажу на двух примерах, как это выглядит. По сути герои действуют как при A/B-тестах: формулируют гипотезу, заранее договариваются, какой исход что будет означать, и только потом смотрят на результат.

Пример 1. Гарри впервые сталкивается с тем, что магия, возможно, реальна. Отец у него - ученый и скептик, не верит в это.

Вместо спора Гарри предлагает эксперимент: сейчас придет волшебница и поднимет папу в воздух. Ключевой момент - он заранее фиксирует условия. Договариваются так: если папа поднимется, это считается достаточным доказательством. Нельзя задним числом подгонять критерии эксперимента под желаемый ответ (сказать "ну это просто фокус" или "магия не сработала, ну так это потому что она не работает, когда в нее не верят").

В итоге эксперимент подтверждает реальность магии.

Пример 2. В этой книге Гарри дружит с Драко Малфоем и стремится переманить его на сторону добра.

Драко - сторонник идеи чистоты крови: считает, что магия слабеет, потому что волшебники "разбавляют кровь", женясь на маглорожденных и сквибах (*дети волшебников без магических способностей).

Гарри учит Драко научному методу и предлагает не спорить, а проверить. И сначала вслух проговаривает гипотезы и предсказания - до того как они посмотрят на данные, чтобы нельзя было подогнать вывод под результат.

Суть такая. Есть две версии. По версии Драко, магию можно постепенно разбавить кровью - тогда смешанные браки реально ослабляют волшебников. По другой версии магия - это как выключатель: либо он есть, либо нет, и разбавлять там нечего. И можно поставить эксперимент, который покажет, какая из 2 теорий верна. Берем детей от двух сквибов. Если магия - выключатель, она достается ребенку как орел или решка от каждого родителя, то волшебниками станут примерно четверть их детей (*этот вывод там следует из теории генетики). Если же магию можно разбавлять, среди детей сквибов почти не будет волшебников.

Драко идет собирать данные по бракам сквибов. Набирается 28 детей. Считают волшебников - их получается 6. Почти ровно четверть. То есть данные точно легли под модель Гарри, а гипотеза про чистоту крови не подтвердилась: магия ведет себя не как градиент, который можно ослабить смешиванием, а как признак "есть или нет".

Важная мысль, котрая продвигается в книге: хорошая гипотеза - это та, которую можно опровергнуть. Если под любой исход вы способны подогнать объяснение, то у вас не гипотеза, а вера. Книга тренирует именно это чутье, а для аналитика оно бесценно.

Переход из офисной работы в аналитику

Сегодня на общем созвоне один из устроившихся учеников рассказывал про собеседование на позицию аналитика с зарплатой 300-350К.

В какой-то момент я его спросил:

- Слушай, а поделись пожалуйста впечатлениями. Ты полгода назад устроился на 200К, как вообще ощущается работа в аналитике по сравнению с прошлой работе в логистике в офисе в Москве? Чувствуешь что стало интереснее, ощущается что зп больше стала, впечатлен этим или так, ну устроился и устроился?

Со слов ученика:

На прошлом месте рабочий день часто занимал 9-10 часов, была культура переработок, при этом без дополнительной оплаты. Приходил домой выжатый как лимон. А на текущем месте работает на чилле часов 4-5. При этом бывают недели, когда 2 дня поработал, 3 ничего не делаю.

По зп радует что есть возможность роста. На прошлом месте он получал 140К, это была максимальная зарплата - он точно знает, что больше по рынку никто не получал. А в аналитике уже устроился на 200К и сейчас рассматривает вакансии на 300-350 (хотя и чувствует синдром самозванца).

Сама работа во многом была рутинной. В аналитике работает по времени меньше, но работа стала более умственной, приходится представлять в голове решения многих задач, сразу же их реализовывать.

Помог найти работу чемпиону Европы по Что Где Когда🚀

Интересный новый кейс. В декабре 2025 обратился ученик: 36 лет, с 2+ годами опыта работы аналитиком в крупной телеком компании. Чемпион ЧГК, с отличной памятью.

Но говорит: не могу найти работу, проблема в языке Python, я его плохо знаю. Прошел уже 13 собесов, везде отказы. Хочу быстрее найти работу, чтобы поддерживать семью - жену и ребенка.

Как часто бывает в таких ситуациях - я предположил, что дело не только в Python. И позже гипотеза скорее подтвердилась. Иногда ученики видят проблему в одном месте, а я исходя из своего опыта даю другую оценку.
В марте начали проходить собесы. Сразу всплыли реальные проблемы на собесах:

❌ Ученик сильно занижал себя. Буквально говорил прямым текстом HR: я 6 месяцев ищу работу, прошел 13 собеседований и везде отказ. Готовился к SQL последнее время по 5-6 часов, но все равно в нем не уверен - и тд.

Конечно, такое говорить не стоит. HR ведь думает: так, все 13 прошлых компаний ему отказали. Может, там серьезные пробелы в знаниях или около того. И он сам говорит что не знает SQL (*стараясь быть честным и транслируя все свои сомнения из-за незнания каких-то мелких деталей). Так зачем нам тратить ресурсы на тех собес. Сошиал пруф играет большую роль.

❌ (более мелкая проблема) Не было понимания общего бизнес контекста. Ответы звучали как "я делал такие-то отдельные задачи", а не "я отвечал за такое-то крупное направление бизнеса, поддерживал со стороны аналитики, все что сюда входит: исследования, выгрузки, дешборды и тд".

Я проверяю каждое собеседование ученика. После разбора быстро выявили проблемы, собесы пошли лучше, в конце марта ученик получил оффер аналитиком на 220К на руки.

Сегодня написал о успешном завершении испытательного срока 🔥

Кейс ученика. Из офисной работы в документообороте банка в аналитику данных

Поделюсь еще одним кейсом ученика. 24 года, Москва, записался на курс в марте 2024.

В связи с личными обстоятельствами вскоре сделал паузу и пропал на год. Вернулся уже осенью 2025, повторил теорию, начали составлять резюме.

До этого ученик работал в офисе крупного банка в документообороте.

Обычно таких ребят с опытом офисной работы (особенно в крупных компаниях) устраивать сильно легче. У них уже есть понимание, как выглядит работа в большой команде, проектный подход, корпоративные процессы.

Я расспросил ученика, какие задачи он делал на прошлом месте. Он разбирал входящие документы, заносил данные в систему, проверял их на ошибки, следил за объемами, сроками обработки и разными показателями. Постоянно работал в Excel - сводил таблицы, считал динамику, сколько чего пришло, где были задержки, готовил отчеты для руководства.

По сути, это уже было близко к аналитике данных, просто называлось по-другому. Я помог сформулировать те же задачи на языке аналитики, отразил его опыт в резюме.

Ученик начал поиск в октябре, в ноябре уже нашел работу.

Прошел 7-10 техсобесов, в одной компании дали положительную обратку, сделал тестовое задание, получил оффер в бигтех на 160К на руки. Успешно прошел испытательный срок.

Ранее ученик из кейса выше высказывал сомнения, что его уровня математики не хватит и упрется в потолок

В июле 2024 он писал на мой вопрос о прогрессе:

так как математика мне особо не нравится и я не силен в этом, то дальше развиваться в анализе данных будет трудновато

Но вот теперь он устроился, успешно работает полгода. Решил узнать, что он думает теперь? Получается ли работать, сталкивается ли со сложностями? Вот его ответ:

Сейчас уже поработав и освоившись понял, что математика вообще не нужна, даже sql с питоном особо не нужно хорошо знать, достаточно просто понимать синтаксис и нейронка все напишет сама, да и в целом как будто никто ничего не знает особо, просто у них есть насмотренность за счет опыта и они знают где и как искать инфу, так что самое сложное это вкатиться, переборов синдром самозванца, из-за которого я чуть не отказался от айти в целом