Собираем инсайты про аналитику и ИИ 16 июня в 17:00 на RWB Talks 🥰

Эксперты RWB поделятся экспертизой и расскажут про путь в профессию аналитика, ответят на вопросы о магистерских программах, реализуемых при сотрудничестве RWB и Томского государственного университета (ТГУ) — «Дата-аналитика для бизнеса» и «Науки о данных и искусственный интеллект» 🩷

Спикеры:

➡️ Валерия Пермякова — руководитель группы аналитики WB Медиа в команде аналитики платформы продвижения
➡️ Руслан Геркулесов — Unit Lead направления ML в Контенте Портала продавцов RWB
➡️ Александр Коновалов — руководитель группы развития ИТ

Смотрим эфир в Wibes или на Wildberries 💜

Аналитика, финансы... Вакансии для джунов в RWB👇

🟣Продуктовый аналитик (Программа лояльности)

🟣Менеджер МСФО

🟣Методист в Университет RWB

🟣Менеджер по развитию ключевых партнеров

Прям как мы хотели... IT-дисциплины и онлайн-обучение — поступай в магистратуру RWB х РУДН

24 июня в 19:00 Университет RWB и РУДН проведут День открытых дверей онлайн-магистратуры «Электронная коммерция» по направлению «Бизнес-информатика».

На программе разберёшься, как работают цифровые бизнес-модели, научишься анализировать данные и применять технологии для решения реальных задач бизнеса.

В программе:

🟣аналитика данных для бизнеса
🟣ML в электронной коммерции
🟣автоматизация бизнес-процессов
🟣управление разработкой
🟣IT-системы и цифровые бизнес-модели
🟣методы сбора и анализа данных

Главное:

— онлайн-формат
— обучение на стыке технологий и бизнеса
— рассрочка и скидки для студентов

На встрече расскажем о программе, практических проектах и поступлении.

➡️ Оставляй заявку и подключайся

20 июня стартует подача документов на программу «Дата-аналитика для бизнеса» в ТГУ

Эксперты RWB делятся своими мыслями и рассказывают, почему стоит учиться в магистратуре👇

➡️ Алексей Индришенок — инженер данных Insights & Data Products Департамента IT. Преподаёт основы BI-аналитики 💜

Я пришёл в аналитику, когда увидел в данных реальную ценность: с помощью инструментов можно показать зависимости и ключевые показатели, проверять гипотезы на фактах и напрямую влиять на бизнес. Путь начался с позиции джуна в корпоративном хранилище банка и привёл меня к роли эксперта по данным в e-commerce, где сегодня на больших объёмах я быстро нахожу ответы, на которых можно строить решения для бизнеса.

Дата-аналитика для бизнеса — это способ превратить данные в полезные выводы: найти закономерности, понять, что происходит в компании, и на этой основе принимать решения. Мы собираем разрозненные данные в отчёты и показатели, чтобы команды видели ясную картину происходящего и могли вовремя на что-то повлиять.

Почему стоит идти на программу?

Если хочешь научиться строить то, что позволит увидеть, как меняются данные, проверять гипотезы на фактах и понимать, что тормозит бизнес, а что, наоборот, работает успешно.

➡️ Руслан Геркулесов — Unit Lead направления ML в Контенте. Преподаёт методологию проектной деятельности и управления командами 💜

Я убеждён, что у ML-команд, которые работают над AI-системами разного масштаба, есть своя специфика и подход к разработке. Это нужно учитывать на каждом этапе управления проектом: от сбора требований и данных до отстраивания процессов управления командой. Если относиться к ML-разработке как к работе над обычным IT-проектом, можно случайно «скатиться» в атмосферу стартапа. Это не всегда плохо, но в дорогой продуктовой разработки это, как правило, неприемлемо и очень опасно.

Многие стейкхолдеры прежде всего думают про бизнес-процессы и бизнес-метрики, при этом слабо погружены в машинное обучение. Разработчики чаще думают про технические метрики качества моделей и редко обращают внимание на бизнес-специфичные вещи. Отсюда и проблема коммуникации: бизнес не знает, на что способно машинное обучение, а команда разработки не понимает, что от них хотят. Методологии управления ML-проектами призваны решить эту проблему.

Почему стоит идти на программу?

В программе предусмотрено много часов практики, где студентам предстоит работать с реальными бизнес-кейсами. С слушателями моего курса мы будем разбирать подходы к управлению ML-проектами на примере задач, с которыми я сталкивался за всю свою карьеру.