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

"Самое сложное это вкатиться, переборов синдром самозванца, из-за которого я чуть не отказался от айти в целом"

Один из учеников искал работу аналитиком вне РФ. Недавно нашел, оформился. Переживаю как у него сейчас все идет, успешно ли адаптировался. Получаю такое сообщение. Приятно

Кейс. Ученик пытался войти в аналитику с 2021 года. За два месяца получил оффер на 170К в бигтех

Ученик пришел ко мне в сентябре прошлого года. Ему 30 лет, живёт в региональном городе.

С 2021 года он прошёл несколько курсов по аналитике. Знания появились, но до оффера дело так и не доходило. При этом он работал на позиции, которая называлась аналитической, хотя реальные задачи в основном ограничивались Excel.

На вводном созвоне стало понятно, что еще один большой курс ему не нужен: базовых знаний уже достаточно. Основная проблема была в другом - в подготовке к собеседованиям и презентации своего опыта.

Мы повторили SQL, Python и основные темы, переработали резюме и разобрали, как рассказывать о текущей работе с позиции аналитика.

В ноябре он получил оффер в бигтех-компанию на 170К на руки. Для этого потребовалось около 5 собеседований.

Быстрому результату помогли два фактора: у ученика уже была база, а на рынок мы вышли осенью, в активный сезон найма.

В отзыве он хорошо сформулировал одну из главных особенностей нынешнего рынка:

"Уже недостаточно просто обладать знаниями - нужен еще навык успешно проходить собеседования".

обсудить обучение или задать вопрос -> t.me/timuret

Какие инструменты нужны аналитику данных и как они связаны друг с другом

Все начинается с потребности бизнеса. Руководитель спрашивает: Почему у нас упали продажи?

Можно ли уже начинать писать код? Пока нет - непонятно, что именно он называет падением: выручку, количество заказов, средний чек, прибыль? Отсюда первый навык - умение разговаривать. Задавать уточняющие вопросы, понимать контекст бизнеса, переводить размытый запрос в конкретную задачу.

Дальше нужно понять, как ответить на вопрос. Для этого пригодится язык SQL - с его помощью аналитик обращается к базе данных, куда сохраняются все события с сайта, и выгружает нужные данные о продажах.

А если данных много или их надо сложно обработать - объединить из разных источников, посчитать то, что в SQL неудобно? Тогда подключается более универсальный язык программирования Python.

Данные выгрузили - но как их вообще осмыслить? Первым делом их полезно увидеть: построить графики, посмотреть на картину глазами. Часто именно на визуализации становятся видны закономерности.

Но всякое ли колебание на графике что-то значит? Не всегда - продажи могли просесть случайно. Чтобы понять, реальный это эффект или просто шум, аналитик использует статистику. А если нужно проверить не то, что уже было, а сработает ли изменение, которое мы хотим внести, - ставится эксперимент, A/B тест.

И последнее: можно ли просто отправить заказчику большую таблицу и на этом закончить? Чаще всего нет. Нужно донести суть простыми словами, объяснить что получилось, предложить следующие шаги. Тут тоже важны софт скиллы.

Отсюда складывается общая картина.

Но если вы начинающий, можете не пугаться: на стартовых позициях сложные навыки вроде продвинутой статистики часто не нужны. Достаточно умения пользоваться SQL (выгружать из базы) и строить графики для отображения того, что происходит.

Кейс ученика - студент 22 лет с опытом преподавания айти

Ученик из Уфы, пришел на курс в ноябре 2025 года по сарафанке от друга.

На старте работал предподавателем программирования для детей, получал около 70К.

Таким ученикам помочь легче всего, это "легкая" категория. У них уже есть нужный опыт, склад ума для работы в айти, они схватывают на лету - достаточно помочь в нескольких ключевых моментах.

На первом же созвоне наметили основные шаги, я посоветовал уже в ближайшее время выходить на рынок, как раз был активный осенний сезон найма.

Почти сразу ученик получил оффер в крупную телеком компанию на 170К. (даже не пришлось разбирать собеседования, как обычно)

Успешно прошел испытательный срок, сам со всем справился, говорил что помощь не нужна. Недавно поделился, что задач по работе не так много и думает о том чтобы поискать вторую работу.

Напомню: если вы хотите попробовать себя в аналитике данных, можете начать с прохождения моего курса по SQL

https://stepik.org/a/178511

SQL - один из основных навыков в аналитике данных (наряду с Python). Это язык программирования для общения с базой данных, на котором к ней пишутся запросы.

Курс я создал примерно 2 года назад, с тех пор обучаю на нем всех своих учеников, регулярно вношу в него доработки, добавляю аналоги задач с реальных собеседований.

Отзывы о нем хорошие - ученики делятся обраткой, что все просто и понятно. Не гружу вас лишней теорией, только самые практичные навыки, реально нужные в работе.

На нем вы сможете понять, подойдет вам впринципе эта сфера или нет. Были ученики, которые застревали уже на первых модулях и понимали, что это точно не для них.

Цена курса небольшая - 1900р. А первую половину курса вообще можно пройти бесплатно.

Кейс ученика: 38 лет, из геймдизайна в аналитику данных

"Забавно, что когда-то я сам читал отзывы о курсе Тимура и тогда не знал верить им или нет. А теперь сижу и пишу свой))"

Ученик 38 лет, из Питера. До аналитики работал менеджером по продажам, потом выучился на 3D-художника для геймдева. В 2022 этот рынок схлопнулся, решил идти в аналитику.

До моего курса уже проходил Яндекс Практикум, поучаствовал в хакатоне, нашел работу на стартовой аналитической позиции и немного там проработал. Но там использовал в основном Excel, а хотелось устроиться на полноценную аналитическую позицию.

Составил план обучения - повторить SQL и Python по моим курсам, расписать подробно текущий опыт, чтобы я составил резюме, провести тестовые собесы и выходить на рынок.

Записался на курс в январе 2025, в марте начал откликаться, в апреле уже получил 2 оффера, выбрал один из них.

По итогу принял оффер на 120К на руки - я советовал ученику поискать дальше и выбить условия побольше, но он решил его принять и начать работать.

Начало обучения: январь 2026
Срок обучения до первого оффера: 3.5 месяца
Техсобесов до оффера: около 5
Дальнейшее развитие событий: прошел испытательный срок, продолжает работать в компании

Кейс ученицы: получила оффер на 160К и отказалась от него, подняв зп на текущем месте до той же суммы

Ученица 24 лет, из Москвы, математическое образование.

Пришла на курс в январе 2025 с запросом: работает на позиции UX исследователя в крупной телеком компании, по работе получила доступ к базе данных и делала ряд задач связанных с этим, хочется перейти на полноценную аналитическую позицию.

План был стандартный: повторить SQL и Python по моим курсам, посмотреть лекции по BI и софт-скиллам, составить резюме и выходить на рынок в марте (как начнется найм).

Прошла несколько собесов, довольно быстро получила оффер от Wildberries на 160К на руки.

Но говорит, ребята на собесе не очень понравились. В итоге решила остаться на текущем месте, пришла к руководителю с этим оффером, там подняли зарплату и заменили задачи на полноценные аналитические. По сути нашла работу аналитиком, которую хотела, внутри компании, где уже работала

❗️Запускаем интенсив по аналитике данных c 1 сентября по новой продвинутой программе

Длительность интенсива - 3 месяца

Прикладываю программу курса

Индивидуальное сопровождение каждого студента (как это всегда и было), но в плюс к этому - семинары дважды в неделю, обязательные домашние задания, каждое из которых я проверю лично, активная работа в группе - подберем вам напарника.

Стоимость курса не меняется - интенсив это бесплатное дополнение

Актуальная стоимость всего курса - 110 тыс.р., можно в рассрочку по 10 тыс.р. в месяц сроком на 11 месяцев

После интенсива обучение не заканчивается. Далее мы составляем вам резюме, проводим тестовые HR и технические собеседования. Разбираем каждое пройденное вами собеседование. Поддерживаем на испытательном сроке

Окончание курса - это успешное завершение испытательного срока

Начать практику на наших тренажерах по SQL и Python вы можете уже сейчас, чтобы потом было проще

Готов ответить на ваши вопросы - пишите в лс или можем назначить встречу https://t.me/timuret

"Привет, Тимур. Запиши, на интенсив, пожалуйста, похоже это то, что мне было нужно"

"Я без пинка не могу сам что-то делать, вечно ленюсь"

"Когда нет дедлайнов, нет стимулов что то делать"

Многие потенциальные ученики с энтузиазмом восприняли идею интенсива 🔥

Написали несколько ребят, которые уже давно собирались приступить к учебе. И примерно с одной мыслью: "вот сейчас наконец появилась мотивация начать".

Отдельно показательный случай: одна из твиттерских учениц, проходит курс уже некоторое время. Хорошо зарабатывает, работает маркетологом, обучалась в своем ритме - основное время съедает работа. А вчера пишет: "вау, классная тема, слушай, я присоединяюсь". Материал у нее был все это время. Изменилось только одно - появилась конкретная дата.

Новый отзыв твиттерской ученицы. 6 лет работала химиком (!), влилась в аналитику данных