Минутка ужасной статистики 😢
Вес всех земных млекопитающих распределен так:
- 30% люди
- 67% домашний скот и домашние животные
- 3% дикие животные
Источник: https://twitter.com/ProfMarkMaslin/status/1311920897075359746
Вес всех земных млекопитающих распределен так:
- 30% люди
- 67% домашний скот и домашние животные
- 3% дикие животные
Источник: https://twitter.com/ProfMarkMaslin/status/1311920897075359746
В далеком 2014 году я начал вести блог analyzecore.com про всевозможные аналитические решения с помощью языка R. Несмотря на то, что последние 2-3 года я не пишу активно, блог понемногу посещают и число просмотров приближается к своего рода майлстоуну в 500 тыс.
Эта отметка еще знаковая и потому, что с этой точки я планирую изменить тематику и писать больше о своем виденье развития аналитики и культуры работы с данными в компаниях. Пока не знаю что из этого выйдет, но сейчас я хочу подвести небольшой итог моего блогинга как аналитика и составить свой топ-5 статей с учетом их популярности среди читателей.
Итак, мой топчик (3-5 места):
5 место: Несколько вариантов визуализации когортного анализа: от практичного до не очень. Для меня статья особенная тем, что один чарт попал в longlist авторитетного и уважаемого мной конкурса KANTAR Informational is beautiful awards 2016
https://www.analyzecore.com/2015/12/10/cohort-analysis-retention-rate-visualization-r/
4 место: Статья о подходах к анализу последовательностей покупок
https://www.analyzecore.com/2014/12/04/sequence-carts-in-depth-analysis-with-r/
3 место: Вторая часть статьи о мультиканальной атрибуции с фокусом на практические моменты, которые могут возникнуть в процессе применения методики (Марковские цепи)
https://www.analyzecore.com/2017/05/31/marketing-multi-channel-attribution-model-r-part-2-practical-issues/
Эта отметка еще знаковая и потому, что с этой точки я планирую изменить тематику и писать больше о своем виденье развития аналитики и культуры работы с данными в компаниях. Пока не знаю что из этого выйдет, но сейчас я хочу подвести небольшой итог моего блогинга как аналитика и составить свой топ-5 статей с учетом их популярности среди читателей.
Итак, мой топчик (3-5 места):
5 место: Несколько вариантов визуализации когортного анализа: от практичного до не очень. Для меня статья особенная тем, что один чарт попал в longlist авторитетного и уважаемого мной конкурса KANTAR Informational is beautiful awards 2016
https://www.analyzecore.com/2015/12/10/cohort-analysis-retention-rate-visualization-r/
4 место: Статья о подходах к анализу последовательностей покупок
https://www.analyzecore.com/2014/12/04/sequence-carts-in-depth-analysis-with-r/
3 место: Вторая часть статьи о мультиканальной атрибуции с фокусом на практические моменты, которые могут возникнуть в процессе применения методики (Марковские цепи)
https://www.analyzecore.com/2017/05/31/marketing-multi-channel-attribution-model-r-part-2-practical-issues/
AnalyzeCore by Sergii Bryl' - data is beautiful, data is a story
Cohort analysis: Retention Rate Visualization with R - AnalyzeCore by Sergii Bryl' - data is beautiful, data is a story
When conducting Cohort Analysis, one of the most important measures is Customer Retention Rate. I will share a few ideas for visualizing this parameter When conducting Cohort Analysis, one of the most important measures is Customer Retention Rate. I will…
Продолжение топ-5 статей на моем старом блоге, который вот-вот достигнет 500 тыс. просмотров:
2 место: Статья про одновременно простой и мощный подход к сегментации клиентов, который я нашел в книге Jim Novo "Drilling Down". Кстати, сам Джим ретвитнул эту статью!
https://www.analyzecore.com/2015/02/16/customer-segmentation-lifecycle-grids-with-r/
1 место: Абсолютный чемпион! Статья про мультиканальную атрибуцию с помощь Марковских цепей, в которой я попытался простым языком описать суть подхода на примерах
https://www.analyzecore.com/2016/08/03/attribution-model-r-part-1/
И три бонусные статьи, которые я рекомендую:
визуализация когортного анализа с помощью heatmap
https://www.analyzecore.com/2015/05/03/cohort-analysis-with-heatmap/
мониторинг аномалий в метриках
https://www.analyzecore.com/2018/06/13/anomaly-detection-for-business-metrics-with-r/
классная техника предсказания кривой churn и расчета прогнозного LTV
https://www.analyzecore.com/2018/09/19/ltv-prediction-for-a-recurring-subnoscription-with-r/
2 место: Статья про одновременно простой и мощный подход к сегментации клиентов, который я нашел в книге Jim Novo "Drilling Down". Кстати, сам Джим ретвитнул эту статью!
https://www.analyzecore.com/2015/02/16/customer-segmentation-lifecycle-grids-with-r/
1 место: Абсолютный чемпион! Статья про мультиканальную атрибуцию с помощь Марковских цепей, в которой я попытался простым языком описать суть подхода на примерах
https://www.analyzecore.com/2016/08/03/attribution-model-r-part-1/
И три бонусные статьи, которые я рекомендую:
визуализация когортного анализа с помощью heatmap
https://www.analyzecore.com/2015/05/03/cohort-analysis-with-heatmap/
мониторинг аномалий в метриках
https://www.analyzecore.com/2018/06/13/anomaly-detection-for-business-metrics-with-r/
классная техника предсказания кривой churn и расчета прогнозного LTV
https://www.analyzecore.com/2018/09/19/ltv-prediction-for-a-recurring-subnoscription-with-r/
AnalyzeCore by Sergii Bryl' - data is beautiful, data is a story
Customer segmentation - LifeCycle Grids with R - AnalyzeCore by Sergii Bryl' - data is beautiful, data is a story
We will study a very powerful approach for customer segmentation that is based on customer’s lifecycle, specifically on frequency and recency of purchasesI want to share a very powerful approach for customer segmentation in this post. It is based on customer’s…
#just_for_fun
Столбчатая диаграмма (bar plot) отображает сравнение нескольких дискретных категорий. Одна её ось показывает сравниваемые категории, другая — измеримую величину. Иногда столбчатые диаграммы отображают несколько величин для каждой сравниваемой категории. (из wiki)
А можно просто взять и нарисовать bar'ами чей-то портрет. А можно не чей-то, а, например, портрет Паши Педенко, который ведет интересный канал про Product Management и смежные с ним сферы. Паша совместно с Яриком Степаненко (моим коллегой по MacPaw) регулярно записывают классный подкаст Product&Growth Show, ссылки на который можно найти там же в канале.
Паша еще не знает, что я его нарисовал и прорекламировал его канал. Это сюрприз, если что. Заодно проверю, пересекаются ли наши аудитории )))
А для тех, кто хочет подобным образом кого-то порадовать, тут репозиторий с подобными трюками на R
Столбчатая диаграмма (bar plot) отображает сравнение нескольких дискретных категорий. Одна её ось показывает сравниваемые категории, другая — измеримую величину. Иногда столбчатые диаграммы отображают несколько величин для каждой сравниваемой категории. (из wiki)
А можно просто взять и нарисовать bar'ами чей-то портрет. А можно не чей-то, а, например, портрет Паши Педенко, который ведет интересный канал про Product Management и смежные с ним сферы. Паша совместно с Яриком Степаненко (моим коллегой по MacPaw) регулярно записывают классный подкаст Product&Growth Show, ссылки на который можно найти там же в канале.
Паша еще не знает, что я его нарисовал и прорекламировал его канал. Это сюрприз, если что. Заодно проверю, пересекаются ли наши аудитории )))
А для тех, кто хочет подобным образом кого-то порадовать, тут репозиторий с подобными трюками на R
"Визуализация данных помогла появиться новому воображению, приспособленному для навигации в реальности, намного большей, чем жизненный опыт любого человека."
Невероятная подборка старых визуализаций, начиная с 18 века: https://exhibits.stanford.edu/dataviz
Невероятная подборка старых визуализаций, начиная с 18 века: https://exhibits.stanford.edu/dataviz
Sony Music обратилась к Nadieh Bremer с идеей создать более “data art inspired” версию традиционного золотого или платинового диска.
В детальной статье Nadieh можно фактически прожить процесс создания визуализации музыки.
https://www.visualcinnamon.com/2020/06/sony-music-data-art
В детальной статье Nadieh можно фактически прожить процесс создания визуализации музыки.
https://www.visualcinnamon.com/2020/06/sony-music-data-art
Visual Cinnamon
Data art posters about music (streaming) data for Sony Music
Explaining the creation process of my Sony Music data art poster series
16 декабря OWOX проведет вебинар, на котором Сергей Абрамов из iProspect и Дмитрий Щеголяев из Эльдорадо расскажут, как с помощью OWOX BI им удалось предсказать вероятность, с которой пользователь купит товар, что привело к увеличению ROI контекстной рекламы в 2,2 раза!
Обещают, что будет полезно ➡️ https://www.owox.com/c/515
Обещают, что будет полезно ➡️ https://www.owox.com/c/515
Что делает визуализацию данных по настоящему хорошей, объясняет David McCandless с помощью визуализации ))
Классный концепт, который показывает из чего должна состоять удачная во всех смыслах визуализация.
https://informationisbeautiful.net/visualizations/what-makes-a-good-data-visualization/
Классный концепт, который показывает из чего должна состоять удачная во всех смыслах визуализация.
https://informationisbeautiful.net/visualizations/what-makes-a-good-data-visualization/
Information is Beautiful
What Makes A Good Data Visualization? — Information is Beautiful
What are the four elements necessary for a good data visualization? Information is Beautiful founder David McCandless shares his experience.
Огромный туториал по самой популярной R-библиотеке для визуализации данных ggplot2. Множество примеров как можно управлять различными параметрами для улучшения качества визуализации.
https://cedricscherer.netlify.app/2019/08/05/a-ggplot2-tutorial-for-beautiful-plotting-in-r/
https://cedricscherer.netlify.app/2019/08/05/a-ggplot2-tutorial-for-beautiful-plotting-in-r/
Cédric Scherer
A ggplot2 Tutorial for Beautiful Plotting in R - Cédric Scherer
An extensive tutorial containing a general introduction to ggplot2 as well as many examples how to modify a ggplot, step by step. It covers several topics such as different chart types, themes, design choices, plot combinations, and modification of axes,…
Хороший пример эффективной визуализации данных. Достаточно посмотреть на чарт, чтобы понять главную мысль автора.
https://www.theguardian.com/environment/ng-interactive/2019/may/25/the-power-switch-tracking-britains-record-coal-free-run
https://www.theguardian.com/environment/ng-interactive/2019/may/25/the-power-switch-tracking-britains-record-coal-free-run
the Guardian
The power switch: tracking Britain's record coal-free run
Britain has set a new record for going without coal-powered energy, but how long will it last and when will we ditch the dirty fuel entirely?
В канале @smart_data_channel Денис Соловьев публикует мини-интервью про структуру команд и роли по работе с данными в разных компаниях. Очень интересно заглянуть у кого как устроена аналитика.
В последнем интервью цикла поучаствовал и я. Поделился тем, что нам удалось построить за последние два года. Далее репост:
В последнем интервью цикла поучаствовал и я. Поделился тем, что нам удалось построить за последние два года. Далее репост:
Forwarded from Smart Data (Denis Solovyov)
Заканчиваем нашу рубрику, в которой опытные специалисты и руководители рассказывают о структуре команд по работе с данными в их компаниях.
И сегодня у нас последнее мини-интервью с Сергеем Брылем - Chief Data Science Officer в MacPaw. У Сергея есть телеграм-канал @analyzecore и блог https://www.analyzecore.com, где он в основном пишет про анализ данных, Data Science и визуализацию с использованием языка R.
Сергей Брыль:
"MacPaw мультипродуктовая компания, в текущем портфеле есть 10 продуктов, которые представлены на различных платформах. Поэтому, продуктовая аналитика для нас является ключевой экспертизой, а продуктовые аналитики - ядром команды аналитики.
На данный момент мы развиваем 6 направлений, которые входят в структуру Data Science Department. Важность и независимость аналитической функции в компании обеспечивается через то, что я представляю ее интересы на уровне Executive team.
Product Analytics. Мы пришли к выводу, что продуктовая аналитика должна быть глубоко интегрирована в продуктовую команду. С самого начала аналитики должны помочь разработать показатели успеха продукта, измерять прогресс и помогать выявлять риски и области роста для бизнеса. Более того, их понимание, основанное на данных, должно быть постоянным вкладом в разработку продукта. Функционально они подчиняются Chief Data Science Officer, а линейно - соответствующим продуктовым менеджерам.
Такой тип организационной структуры дает нам возможность:
- распространять дата-дривен культуру непосредственно на людей, принимающих ежедневные решения, вовлекать в культуру всю продуктовую команду
- всегда быть в контексте происходящего в продукте и очень оперативно и гибко действовать
- добиваться большей синергичности с другими аналитическими командами в решении задач
Кроме вышесказанного, это удобно для продуктового менеджера, иметь единую точку входа в достаточно широкую аналитическую функцию, как в MacPaw. Достаточно пообщаться с аналитиком своей команды, чтобы иметь представление какие дополнительные исследования могут быть сделаны силами всего Data Science направления.
С другой стороны, такая структура предполагает достаточно высокие требования к продуктовым аналитикам как в hard, так и soft skills.
Другие направления построены на специализированной глубокой экспертизе и в организационной структуре представлены в виде сервисов (или экспертных центров).
DataHub - тут сосредоточена наша data инженерная экспертиза. Команда DataHub делает возможной тонко-настраиваемую аналитику с помощью кастомных технических решений и интеграций с продуктами и сервисами.
Особое значение это направление приобретает из-за того, что в портфеле нашей компании продукты на различных платформах, используют различные рекламные каналы, имеют разные модели монетизации и другие специфические особенности.
AI Lab. Миссия команды повышать эффективность процессов и ежедневных решений с помощью Machine Learning.
Этот сервис отвечает за два вектора развития:
- улучшение существующих решений в области продаж продуктов и улучшения пользовательского опыта
- использование машинного обучения как части продукта (фичи)
Market & Customer/User Research - сервис, который дает нам аналитику из внешнего мира о:
- рынках и аудиториях, их особенностях
- пользовательском опыте
Это дает возможность обогащать наши внутренние данных внешними, количественные данные качественными. В итоге, мы получаем взгляд на 360 градусов о предмете изучения. Мы можем сравнить наши успехи на определенном рынке или у определенной аудитории с доступной аналитикой о них. Мы можем подтвердить, опровергнуть или сгенерировать новые гипотезы, которые мы строим о поведении пользователей на наших внутренних данных.
MarTech - сервис, который сфокусирован на автоматизации маркетинга с использованием аналитических данных. Кроме того, это наш инновационный и исследовательский центр. Благодаря работе сервиса, мы являемся бета-тестировщиками, имеем ранний доступ к различным аналитическим и маркетинговым инструментам и более подготовлены к изменениям в этой сфере.
И сегодня у нас последнее мини-интервью с Сергеем Брылем - Chief Data Science Officer в MacPaw. У Сергея есть телеграм-канал @analyzecore и блог https://www.analyzecore.com, где он в основном пишет про анализ данных, Data Science и визуализацию с использованием языка R.
Сергей Брыль:
"MacPaw мультипродуктовая компания, в текущем портфеле есть 10 продуктов, которые представлены на различных платформах. Поэтому, продуктовая аналитика для нас является ключевой экспертизой, а продуктовые аналитики - ядром команды аналитики.
На данный момент мы развиваем 6 направлений, которые входят в структуру Data Science Department. Важность и независимость аналитической функции в компании обеспечивается через то, что я представляю ее интересы на уровне Executive team.
Product Analytics. Мы пришли к выводу, что продуктовая аналитика должна быть глубоко интегрирована в продуктовую команду. С самого начала аналитики должны помочь разработать показатели успеха продукта, измерять прогресс и помогать выявлять риски и области роста для бизнеса. Более того, их понимание, основанное на данных, должно быть постоянным вкладом в разработку продукта. Функционально они подчиняются Chief Data Science Officer, а линейно - соответствующим продуктовым менеджерам.
Такой тип организационной структуры дает нам возможность:
- распространять дата-дривен культуру непосредственно на людей, принимающих ежедневные решения, вовлекать в культуру всю продуктовую команду
- всегда быть в контексте происходящего в продукте и очень оперативно и гибко действовать
- добиваться большей синергичности с другими аналитическими командами в решении задач
Кроме вышесказанного, это удобно для продуктового менеджера, иметь единую точку входа в достаточно широкую аналитическую функцию, как в MacPaw. Достаточно пообщаться с аналитиком своей команды, чтобы иметь представление какие дополнительные исследования могут быть сделаны силами всего Data Science направления.
С другой стороны, такая структура предполагает достаточно высокие требования к продуктовым аналитикам как в hard, так и soft skills.
Другие направления построены на специализированной глубокой экспертизе и в организационной структуре представлены в виде сервисов (или экспертных центров).
DataHub - тут сосредоточена наша data инженерная экспертиза. Команда DataHub делает возможной тонко-настраиваемую аналитику с помощью кастомных технических решений и интеграций с продуктами и сервисами.
Особое значение это направление приобретает из-за того, что в портфеле нашей компании продукты на различных платформах, используют различные рекламные каналы, имеют разные модели монетизации и другие специфические особенности.
AI Lab. Миссия команды повышать эффективность процессов и ежедневных решений с помощью Machine Learning.
Этот сервис отвечает за два вектора развития:
- улучшение существующих решений в области продаж продуктов и улучшения пользовательского опыта
- использование машинного обучения как части продукта (фичи)
Market & Customer/User Research - сервис, который дает нам аналитику из внешнего мира о:
- рынках и аудиториях, их особенностях
- пользовательском опыте
Это дает возможность обогащать наши внутренние данных внешними, количественные данные качественными. В итоге, мы получаем взгляд на 360 градусов о предмете изучения. Мы можем сравнить наши успехи на определенном рынке или у определенной аудитории с доступной аналитикой о них. Мы можем подтвердить, опровергнуть или сгенерировать новые гипотезы, которые мы строим о поведении пользователей на наших внутренних данных.
MarTech - сервис, который сфокусирован на автоматизации маркетинга с использованием аналитических данных. Кроме того, это наш инновационный и исследовательский центр. Благодаря работе сервиса, мы являемся бета-тестировщиками, имеем ранний доступ к различным аналитическим и маркетинговым инструментам и более подготовлены к изменениям в этой сфере.
Forwarded from Smart Data (Denis Solovyov)
Internal Analytics - наше экспериментальное направление. Идея: анализировать данные, которые мы генерируем как компания и использовать их для принятия решений. Это направление ценно еще и тем, что работает над развитием дата-дривен культуры в поддерживающих сервисах и популяризирует подход в самых разных подразделениях компании.
Что касается организационной структуры направления, мы достаточно гибкие и готовы к быстрым изменения. Постоянно проверяем все ли работает как мы задумывали и, при необходимости, внедряем изменения."
Что касается организационной структуры направления, мы достаточно гибкие и готовы к быстрым изменения. Постоянно проверяем все ли работает как мы задумывали и, при необходимости, внедряем изменения."
Круговая диаграмма или pie chart, наверное, один из самых критикуемых вариантов визуализации. Но, не в случае, когда с чувством юмора все в порядке )))
robot_dreams (r_d медиа, @robotdreams_cc) запустили новую рубрику «Естественный интеллект», в которой лидеры украинского IT сами рассказывают о себе — что любят, какие книги читают и верят ли в покорение Марса.
Мне повезло открыть эту рубрику своим интервью, в котором рассказал как пришел в IT из банка, зачем завел блог и какие качества ценю в работе и многое другое.
Мне повезло открыть эту рубрику своим интервью, в котором рассказал как пришел в IT из банка, зачем завел блог и какие качества ценю в работе и многое другое.
robotdreams.cc
«Через 5 лет вижу себя все так же счастливым»
Сергей Брыль, Chief Data Science Officer в MacPaw — о data-driven подходе, личном бренде и любопытстве.
Мы официально запустили набор на летнюю стажировку 2021.
Интернатура в MacPaw - это не просто посмотреть на работу продуктовой компании изнутри, а и непосредственно стать частью команды, окунуться в нашу культуру, прокачать скиллы, тесно поработать с лучшими специалистами над реальными задачами, увидеть свое влияние на продукт.
Среди 13 направлений, есть 3 в Data Science департаменте. В общем, приглашаю!
Интернатура в MacPaw - это не просто посмотреть на работу продуктовой компании изнутри, а и непосредственно стать частью команды, окунуться в нашу культуру, прокачать скиллы, тесно поработать с лучшими специалистами над реальными задачами, увидеть свое влияние на продукт.
Среди 13 направлений, есть 3 в Data Science департаменте. В общем, приглашаю!
MacPaw
MacPaw Bootcamp 2023
Start your tech journey at an ambitious team of Bootcamp. Learn from professionals, apply your knowledge on real products, and get lifelong skills with us.
Сам давно фоловлю и, если вы интересуетесь визуализацией данных, очень рекомендую канал Ромы Бунина @revealthedata. Далее подробности о канале от Ромы. (Рекомендация честная, без всяких кросс-промо и т.п.)
Forwarded from Reveal the Data
⌘ Гид по каналу
Я Рома Бунин, а это мой проект Reveal the Data про визуализацию данных, развитие BI-систем и Tableau. Больше всего канал будет полезен аналитикам и дизайнерам, кто занимается аналитическими системами и дашбордами.
🎯 Миссия
Я хочу, чтобы дизайн, визуализация данных и продуктовые походы были такой же неотъемлемой частью аналитики, как технические навыки, мат. статистика и работа с данными. Считаю, что им уделяется мало внимания. Веду канал, так как люблю делиться знаниями, для развития личного бренда, нетворкинга и просто для фана.
📝 Контент
Пишу про дизайн дашбордов, развитие BI-систем и новости по теме. Реже пишу про техническую часть работы с Tableau. Кликните #избранное для понимания, что есть интересного.
Рубрики:
#избранное — ценные для меня посты
#выступление — мои доклады
#статья — мои лонгриды с теорией
#подкаст — с коллегами по цеху
#пример — мои визуализации
#переверстка — переделка чужих работ
#наблюдение — находки и мои мысли
#лайфхаки — костыли и фишки Табло
#дайджест — полезное за неделю
#подборка — визуализации со всего мира
#вакансия — вакансии по теме канала
#ссылка — ссылки и репосты
👋 Про меня
Я датавиз гик, обожаю визуализацию данных как работу и хобби. Мой основной инструмент — Табло, ещё немного пишу на JS и работаю в Фигме. Живу в доме в Подмосковье с женой и собакой, в свободное время играю на 🎸басу, фигачу пет-проджекты и играю в плойку.
Руковожу группой развития BI-систем в 🚕 Яндекс Go: помогаю аналитикам делать классные дашборды, верстаю стайлгайды, обучаю коллег, использую продуктовые подходы для развития системы отчетности. До этого управлял проектами по визуализации данных в 🏥 Фармакей и Δλ Лаборатории данных. В прошлой жизни был бизнес-консультантом, а ещё раньше инженером и научным сотрудником. Кандидат технических наук, любовь к визуализации появилась пока готовил диссер. Интервью со мной в клубе аналитиков.
📘История блога
Я начал вести блог в 2015. Я хотел научиться визуализировать данные и вел блог «для себя»: собирал ссылки, делал обзоры книг и т. п. Потом экспериментировал с визуализациями и постил их в блог. Сейчас делюсь систематизацией знаний и опытом, что получил за это время. Канал называется Reveal the Data в честь сводки принципов, описанных в книге Эдварда Тафти.
🤝 Продвижение
Я не делаю кросспостинг и платные рекомендации, мне не интересна покупка продвижения у вас. Кидайте в личку интересные материалы по теме канала, я размещу их в #дайджест, если они мне понравятся. Чтобы я порекомендовал на вас подписаться — давайте сделаем что-то вместе. Например, вы подготовите интересные данные, а я их визуализирую, устроим подкаст или что-то ещё. Так появился 🔥 дашборд по вакансиям аналитиков с Left Join.
💼 Услуги
Обучаю сотрудников компаний. Задачи, программу и стоимость обсуждаем с каждым клиентом — пишите. Отзывы по хештегу #отзыв. Индивидуальное обучение на курсе Лаборатории или в рамках предмета в Karpov.Courses. Иногда консультирую компании, помогаю делать дашборды и стайлгайды для отчетности. Но только если у вас интересный кейс, я понимаю, чем смогу помочь, и у меня есть время.
💰Реклама
Только для вакансий по теме канала за перевод в благотворительный фонд. Интересные вакансии размещаю в #дайджест бесплатно. Больше ничего не рекламирую.
⚠️ Дисклеймер
Я пишу только своё мнение, оно не связано с моим работодателем. Часто делаю очепятки и ошибки (пишите, если заметите).
☎️ Контакты и ссылки
Всегда рад новым знакомствам, комментариям и отзывам. Отвечаю в течение пары дней в телеграм, в течение недели по почте. Не пишите в FB, WhatsApp и т.п.
Телеграм — @rbunin
Почта — roman@revealthedata.com
Сайт | Блог | Табло Паблик | Ютуб
Подкаст | Твиттер (en) | LinkedIn
Я Рома Бунин, а это мой проект Reveal the Data про визуализацию данных, развитие BI-систем и Tableau. Больше всего канал будет полезен аналитикам и дизайнерам, кто занимается аналитическими системами и дашбордами.
🎯 Миссия
Я хочу, чтобы дизайн, визуализация данных и продуктовые походы были такой же неотъемлемой частью аналитики, как технические навыки, мат. статистика и работа с данными. Считаю, что им уделяется мало внимания. Веду канал, так как люблю делиться знаниями, для развития личного бренда, нетворкинга и просто для фана.
📝 Контент
Пишу про дизайн дашбордов, развитие BI-систем и новости по теме. Реже пишу про техническую часть работы с Tableau. Кликните #избранное для понимания, что есть интересного.
Рубрики:
#избранное — ценные для меня посты
#выступление — мои доклады
#статья — мои лонгриды с теорией
#подкаст — с коллегами по цеху
#пример — мои визуализации
#переверстка — переделка чужих работ
#наблюдение — находки и мои мысли
#лайфхаки — костыли и фишки Табло
#дайджест — полезное за неделю
#подборка — визуализации со всего мира
#вакансия — вакансии по теме канала
#ссылка — ссылки и репосты
👋 Про меня
Я датавиз гик, обожаю визуализацию данных как работу и хобби. Мой основной инструмент — Табло, ещё немного пишу на JS и работаю в Фигме. Живу в доме в Подмосковье с женой и собакой, в свободное время играю на 🎸басу, фигачу пет-проджекты и играю в плойку.
Руковожу группой развития BI-систем в 🚕 Яндекс Go: помогаю аналитикам делать классные дашборды, верстаю стайлгайды, обучаю коллег, использую продуктовые подходы для развития системы отчетности. До этого управлял проектами по визуализации данных в 🏥 Фармакей и Δλ Лаборатории данных. В прошлой жизни был бизнес-консультантом, а ещё раньше инженером и научным сотрудником. Кандидат технических наук, любовь к визуализации появилась пока готовил диссер. Интервью со мной в клубе аналитиков.
📘История блога
Я начал вести блог в 2015. Я хотел научиться визуализировать данные и вел блог «для себя»: собирал ссылки, делал обзоры книг и т. п. Потом экспериментировал с визуализациями и постил их в блог. Сейчас делюсь систематизацией знаний и опытом, что получил за это время. Канал называется Reveal the Data в честь сводки принципов, описанных в книге Эдварда Тафти.
🤝 Продвижение
Я не делаю кросспостинг и платные рекомендации, мне не интересна покупка продвижения у вас. Кидайте в личку интересные материалы по теме канала, я размещу их в #дайджест, если они мне понравятся. Чтобы я порекомендовал на вас подписаться — давайте сделаем что-то вместе. Например, вы подготовите интересные данные, а я их визуализирую, устроим подкаст или что-то ещё. Так появился 🔥 дашборд по вакансиям аналитиков с Left Join.
💼 Услуги
Обучаю сотрудников компаний. Задачи, программу и стоимость обсуждаем с каждым клиентом — пишите. Отзывы по хештегу #отзыв. Индивидуальное обучение на курсе Лаборатории или в рамках предмета в Karpov.Courses. Иногда консультирую компании, помогаю делать дашборды и стайлгайды для отчетности. Но только если у вас интересный кейс, я понимаю, чем смогу помочь, и у меня есть время.
💰Реклама
Только для вакансий по теме канала за перевод в благотворительный фонд. Интересные вакансии размещаю в #дайджест бесплатно. Больше ничего не рекламирую.
⚠️ Дисклеймер
Я пишу только своё мнение, оно не связано с моим работодателем. Часто делаю очепятки и ошибки (пишите, если заметите).
☎️ Контакты и ссылки
Всегда рад новым знакомствам, комментариям и отзывам. Отвечаю в течение пары дней в телеграм, в течение недели по почте. Не пишите в FB, WhatsApp и т.п.
Телеграм — @rbunin
Почта — roman@revealthedata.com
Сайт | Блог | Табло Паблик | Ютуб
Подкаст | Твиттер (en) | LinkedIn
Reveal the Data
Reveal the Data | Роман Бунин
Сайт про визуализацию данных и развитие BI-систем