🔍💹 #Аналитика #Тренды

Началась пора подведения итогов и статей с анализом трендов, сегодня вот можно почитать статью про продуктовую аналитику.

В выводах всё, на мой взгляд, предсказуемо: Big Data, распространение предикативной аналитики, ускорение получения обратной связи от пользователей.

Ссылка:
https://habr.com/ru/post/468155/

🔍🗒 #Аналитика #Excel

Откроем год инструкцией по реализации простенькой модели прогнозирования в Excel. Нужны только данные в привязке к временному ряду (что, в целом, даже с нуля собрать не очень сложно).

Использовал её у себя в одном из проектов в прошлом году на данных за 2 года (по месяцам) и впечатлился, получив совпадение прогноза с фактом почти в 100%.
Не могу исключать фактор случайности, так что в этом году повторяю уже на данных за 3 года.

Ссылка:
https://exceltable.com/otchety/prognozirovanie-prodazh-v-excel

#excelное

🔍📚 #Аналитика #ОбразовательныеМатериалы

Сегодня в 20:00 можно будет посмотреть бесплатный вебинар от Otus.ru "Методы регрессионного анализа в Data Science". Обещают рассказать про линейную регрессию и её применение на практике.

Ссылка:
https://otus.ru/events/mds_open3/421/

🛠🖼 #Инструменты #Визуализация

Перевод статьи "Визуальная теория информации" - одновременно самое мозголомное и самое крутое, что я читал на тему визуализации за последнее время. Про байт-код, конечно, слегка перебор, но 3D-графики по распределениям очень впечатляют.

Ссылка (части 1 и 2):
https://habr.com/ru/post/483910/
https://habr.com/ru/post/484756/

🛠🖼 #Инструменты #Визуализация

А еще из последнего понравился кейс по мониторингу кредитного скоринга в Power BI, жалко про реализацию ничего не сказано.

Ссылка:
https://habr.com/ru/post/485632/

🔍🗳📚#Аналитика #ЯзыкиПрограммирования #Курс

На этой неделе на openedu.ru стартовал бесплатный курс "Python для извлечения и обработки данных" от ВШЭ.

В прошлый раз я успешно пропустил его запуск и до закрытия успел пройти только первые 2 урока. Несмотря на это, впечатления остались положительные, в планах второй заход (есть ещё неполных 2 недели, чтобы записаться).

Ссылка на полное описание курса:
https://openedu.ru/course/hse/PYTHON/

#учебное

🔍💹 #Аналитика #Тренды

В сегодняшней статье можно найти немного интересной статистики за 2019 год по итогам опроса сотрудников продуктовых компаний. Фокус у исследования, конечно, на продакт-менеджеров, но тренды есть тренды.

То, что аналитика находится в топе самых изучаемых областей знаний я не удивлён, неоднократно слышал мнение про то, что роль аналитика все больше децентрализуется, становясь неким общественным занятием.
Кстати, примерно 100 часов, указанные в статье как среднее время освоения навыка, мне потребовалось на Power BI. В общем, с новыми инструментами или предметными областями оно примерно так и работает.

Ссылка:
https://space.productsense.io/post/analitika-vsemu-golova-chemu-uchatsya-spetsialisty-v-produktovyh-kompaniyah

🔍💹 #Аналитика #Тренды

Наброшу еще немного в продолжение прошлой темы про тренды на 2020 год. Теперь еще и дата-аналитикам нужно уделять больше внимания софт-скиллам (agile) и трендам (вроде повального переезда в облачные инфраструктура, Big Data и всё такое прочее).

Ссылка:
https://towardsdatascience.com/top-5-must-have-data-science-skills-for-2020-a5a53226b168

🛠🖼 #Инструменты #Визуализация

В прошлогоднем посте про графы жаловался, на то, что не рассказано про инструмент для их создания.

Ребятки исправились, почитать можно по ссылке:
https://habr.com/ru/company/leader-id/blog/488058/

🔍 📚 #Аналитика #ОбразовательныеМатериалы

Нашёл целую гору материалов по data science на английском:
-машинное обучение;
- статистика и теория вероятности;
- продуктовая аналитика;
- алгоритмы и структуры данных;
- SQL.

Ссылка:
https://www.kdnuggets.com/2020/01/data-science-interview-study-guide.html

🔍🗄 #Аналитика #БД

Статья с примерами решения задач по SQL несколькими способами. Некоторые (с DATEDIFF и CASE WHEN THEN) не очень очевидные и мне понравились.

Ссылка:
https://habr.com/ru/company/ruvds/blog/487878/

🥦#ПродуктоваяАналитика

В последнее время подсел на совсем новый для себя формат получения знаний - подкасты. Сейчас слушаю Make Sense, он про управление продуктом в целом, но есть отдельные выпуски про аналитику.

Вот, к примеру, про продуктовые метрики простым и понятным языком:
https://space.productsense.io/podcast/make-sense-76-o-glavnoj-metrike-dlya-produkta-modeli-metrik-i-insajtah-iz-analitiki-s-vladislavom-prishhepovym

🛠〽️👥 #Инструменты #PowerBI #ОтПодписчика

Коллега (увидит мою благодарность, если соизволит подписаться 😂) тут поделился пособием по Power BI, которое является альтернативой официальной документации от Microsoft.

По сравнению с последней, пособие намного лучше структурировано, вся информация в одном месте и в адекватной последовательности. Понравилось, что одновременно рассматривается Power Query в контексте Power BI и Excel, так что полезно будет независимо от используемого в конкретном кейсе инструмента.

Ссылка:
https://github.com/power-bi/PowerBI-book-ru

🛠〽️ #Инструменты #PowerBI

По BI-чику есть еще такая штука - инструкция по созданию динамических фильтров. Видел несколько кейсов их применения для сравнения данных с аналогичными за предыдущий период (продажи в деньгах и штуках, нагрузка и т.п.).

Подробнее по ссылкам:
- Часть 1;
- Часть 2.

Не могу не поделиться, канал крутой и посты интересные:

Гайд по визуализации данных в Python: начиная от раскрашивания ячеек и спарклайнов в Pandas, и завершая интерактивными визуализациями с помощью Bokeh и Altair, а также геовизуализациями в Folium.

https://towardsdatascience.com/complete-guide-to-data-visualization-with-python-2dd74df12b5e

Сегодня у нас долгое чтиво про метрики здоровья продукта:
- что это такое;
- какие показатели есть на разном этапе жизненного цикла продукта;
- какие инструменты и визуализации используются.

Несколько понравившихся идей:
1) QA-метрики и бизнес-метрики живут в одном интерфейсе и рассматриваются в жёсткой связке;
2) Метрики и их визуальное отображение устаревают и требуют систематического пересмотра;
3) Принудительные уведомления по состоянию метрик (по пересечению пороговых значений или инцидентам).

Интересно было бы в дополнение почитать про процесс и стоимость внедрения единого инструмента.

Ссылка на статью:
https://habr.com/ru/company/oleg-bunin/blog/481874/

Хабр собрал статейку про сервисы, которые дают бесплатный доступ к контенту на время карантина (а также там еще немного накидали пользователи в комментариях).

Интересного много, практически применимого для развития в области аналитики - поменьше.

Среди книг на Альпине, к примеру, я для себя ничего не нашёл.

А вот на Geekbrains можно получить бесплатный доступ к 3 курсам из ограниченного списка на выбор, полезны будут:
- базы данных;
- алгоритмы и структуры данных на Python;
- можно посмотреть смежные дисциплины - основы project/product менеджмента или дизайна.

Ссылка:
https://habr.com/ru/company/habr/blog/492776/

Парни из Белоруссии с помощью машинного обучения научились по снимкам со спутников определять на карте с/х поля и угадывать, что на них посажено.

По-моему, очень крутой пример того, как применять современные методы анализа к данным из открытых источников и создавать на этом бизнес (у них эта технология является частью продукта для фермеров).

Жаль, данных по России нет, чтобы вживую проверить, как работает.

Ссылка:
https://map.onesoil.ai/2018

Если освободилось много времени из-за удалёнки (у меня, например, нет) то можно еще посмотреть цикл лекций "Анализ данных на Python в примерах и задачах". Слышал несколько хороших отзывов про него, ну и преподаватель (по моему мнению) неплохо рассказывает (я медленно, но все-таки их смотрю).

Ссылки на ютуб:
- первая;
- вторая.

Мощная (как по содержанию, так и по размеру) статья про рекомендательные системы для ритейла, освещает:
- терминологию;
- алгоритмы;
- основные метрики;
- специфику, собственно, ритейла.

Ссылка:
https://habr.com/ru/post/494468/