Тестовое из одного банка

И снова на диване.

Лови тестовое задание по SQL из одного банка (не Сбер и не ТБанк). Схема БД на фото. Всего 6 задач ⤵️

1.1. Выделить поставщиков (Vendors), которые в 2021 году не продали ни одного зонта (зонты ищем в prod_desc).

1.2. Вычислить одним запросом среднюю стоимость заказа в разбивке по годам (из order_date) для американских (vend_country = ‘USA’) и неамериканких поставщиков.

1.3. Вывести адреса и имена покупателей, сделавших более 10 заказов.

1.4. Предположим, что все продукты делятся на 3 группы – зонты, диваны и шляпы (при этом в prod_desc указана по-русски и группа, и конкретная модель). Для каждой группы продуктов нужно вывести минимальную, максимальную и среднюю стоимость товара и среднее кол-во товаров такого типа в одном заказе.

1.5 Вывести имена покупателя и для каждого из них кол-во заказов, в которых фактическая цена продукта (orderitems.item_price) не равна изначальной цене (products.prod_price).

1.6. Одним запросом посчитать стоимость каждого заказа и разбить все заказы на корзины по стоимости: до 5000, 5000 – 10000, 10000 – 15000 , 15000 – 20000 и т.д. (верхняя граница неизвестна, продолжаем разбиение по 5000 до верхней границы, группа «от 20000 и более» не является верным ответом). Формат вывода: корзина (в любой понятной форме), кол-во заказов. Циклы не используем.

#тестовое_на_диване

История, которая повторится

И снова на диване.

Присаживайся поудобнее, сейчас будет небольшая история.

Давай вернемся на 30 лет назад в США середины 1990-х. В плеерах у молодежи играет Nirvana, по телевизору крутят первый сезон ситкома Друзья, а дети фанатеют по мультфильму Король Лев и первым видеоиграм.

В это же время в США происходит настоящий бум банкоматов. Да, банкоматы существовали и ранее, но только в 1990-е получили широкое распространение. Теперь в банкомате можно было не только снять наличные, но ещё и проверить баланс, и сделать перевод между счетами. Раньше все эти операции выполняли банковские служащие.

Казалось, развитие банкоматов приведёт к массовым сокращениям банковских кассиров. И действительно, число кассиров на филиал сократилось с 21 до 13 человек. Однако в результате содержание одного филиала подешевело, и банки открыли гораздо больше отделений. Общее число кассиров выросло, причём их основной задачей стал не счёт денег, а обслуживание и общение с клиентами – именно эти навыки стали высоко востребованными.

И только 20 лет спустя, когда автоматизация начала набирать новые обороты (интернет-банкинг и мобильные приложения), число кассиров начало падать: последнее время их занятость постоянно сокращается, и аналогичные тренды наблюдаются в десятках рутинных профессий (операторы кол-центров, секретари, кассиры в магазинах и др.)

И тут на сцену выходит прорывное развитие нейросетей. Мы получили для работы удобный инструмент, который берёт часть типовых задач и прочей рутины на себя, легко анализирует большие объемы информации и быстро находит баги в коде. Но ИИ пока не сильно автономен - без человека и его экспертизы в конкретном продукте получается слабый результат.

Тем не менее, если в моменте мы не видим угрозы радикальной автоматизаци рабочих мест в IT, это не значит, что этого не случится на горизонте 10 лет. Нейросети, безусловно, будут совершенствоваться, и чёрный лебедь прилетит, раньше или позже. Пирамида грейдов окончательно перевернётся: специалистов, выполняющих рутинные задачи, будет меньше всего, а преобладать в ней будут сеньоры. И чем дальше продвинутся нейросети, тем меньше будет пирамида у основания (меньше джунов).

💡Поэтому нам, чтобы не остаться у разбитого корыта, нужно уже сейчас качать те навыки, которые сложнее всего автоматизировать.

(продолжение следует)

#мысли_на_диване
@Divan_data

Какие навыки не заменит ИИ

И снова на диване.

В посте выше обсудили, как нейросети могут повлиять на рынок труда. А как тогда подстраховаться от потери работы и какие навыки качать в эпоху ИИ?

1. Коммуникация

Самый важный навык. Люди любят общаться с живыми людьми и получать энергию от оффлайн-взаимодействий (да, даже интроверты)🐈. Этот навык можно разбить на две составляющие - на умение выстраивать доверительные отношения и на сторителлинг, то есть ясную и убедительную передачу идеи. Поэтому, как бы банально не звучало, качаем софт-скиллы.

2. Лидерские и стратегические навыки

Пока что все идет к тому, что командой из ИИ-агентов будет управлять человек, а не наоборот. А когда рутинная работа переходит к ИИ, главным становится вопрос, что именно нужно сделать и как это приоритизировать. Даже если ИИ предложит варианты решения проблемы, он не сможет взять на себя ответственность и принять финальное решение. Так что качаем навык запуска и ведения проектов, управления командами и принятия решения в условиях неопределённости.


3. Госуправление и политические навыки

Эти навыки пока что никто не отдаст на откуп ИИ. Сюда можно отнести навыки лоббирования, переговоров и построения коалиций, а также проведение сложных регуляторных и инфраструктурных инициатив. Очевидно, что в таких сферах долгое время будут работать люди, а не нейроагенты.

4. Глубокая узкоспециализированная экспертиза

Хотя ИИ может найти ответ на многие вопросы, сейчас он не способен заменить узких специалистов с большим опытом. Особенно, если их экспертиза связана со сферой, которая защищается государством от разглашения - например, безопасность или атомная энергетика.

5. Навыки разработки, обслуживания и развёртывания ИИ

Конечно же, один из главных навыков. Если не можешь победить - возглавь. Помимо разработки моделей и сложных технических навыков, сюда входит понимание сильных и слабых сторон моделей, интеграция ИИ-сервисов в рабочие процессы, аудит и отладка систем. Качай навыки работы с ИИ.

Качаешь ли какой-то из этих навыков?

#мысли_на_диване
@Divan_data

Вопрос на диване

❓ Есть ли у тебя в команде код-ревью? Как часто твой код проверяют и в каких случаях?

Как пройти теорвер на собесе?

И снова на диване.

Классика собесов на теорвер - это задачи с кубиками, шарами, орлами и решками в различных извращенных вариациях. И задачи на теорему Байеса, конечно же.

Если не решаешь такие задачи регулярно, навык притупляется, и очередная задача вводит в ступор. Мне перед собесами помогает нарешивание задач и повторение теории. Всю интуицию по решению задач на теорвер я почерпнула на сайте Матпрофи (вот тут начало раздела по теорверу) и в случае необходимости возвращаюсь.

А теперь предлагаю тебе присесть на диван и вспомнить теорвер. И заодно размяться перед собесом, если ты сейчас в поиске. Всего 3 задачи, поехали:

🔜 Задача 1. Одновременно бросают 3 кубика с шестью гранями.
❓Какова вероятность, что хотя бы хотя бы на двух из трёх кубиков выпадет одно и то же число?

🔜 Задача 2. В A/B-тесте продуктовая команда смотрит 4 независимые метрики. Для каждой метрики изменение считают стат. значимым, если p-value < 0,05.
❓Какова вероятность получить стат. значимое изменение хотя бы по одной метрике, если на самом деле эффекта нет ни по одной метрике?

🔜 Задача 3. В городе 5% жителей болеют редким вирусом. Врачи разработали тест, который даёт положительный результат с вероятностью 90% (чувствительность = 90%), если человек болен. Если человек здоров, тест ошибочно даёт положительный результат с вероятностью 5% (специфичность = 95%). Алекс сдал тест, и результат оказался положительным.
❓Какова вероятность, что Алекс действительно болен?

Сохраняй задачи к себе или предлагай свое решение в комментариях ⤵️

#теорвер_на_диване

Решение теорвера на диване

И снова на диване.

Давай разберем задачи из поста выше. ⤴️

🔜 Задача 1. Одновременно бросают 3 кубика с шестью гранями. Какова вероятность, что хотя бы хотя бы на двух из трёх кубиков выпадет одно и то же число?

Сначала найдем общее кол-во исходов. Так как у нас 3 кубика с 6 гранями, то всего исходов будет 6 * 6 * 6 = 216. Проще всего найти вероятность противоположного события, а затем вычесть её из 1. В данном случае противоположное событие - это все три числа разные.

Посчитаем число исходов, когда все 3 кубика показывают разные числа, учитывая, что у нас 6 вариантов для первого кубика, затем 5 вариантов для второго, так как он не должен совпасть с первым кубиком, и 4 варианта для третьего кубика, так как он не должен совпасть с первыми двумя.

Считаем 6 * 5 * 4 = 120 исходов. Вычитаем из 1 и получаем искомую вероятность:

1 - 120/216 = 96/216 = 4/9 или примерно 0,44.

Здесь можно посчитать и по-другому - просто подобрать все подходящие варианты, не вычитая из 1. Нам подходят все варианты, где числа на 3-х кубиках одинаковые - это 6 исходов.

Плюс нам подходят те, где числа одинаковые на 2-х кубиках. Чтобы не считать здесь перебором, давай порассуждаем. Сначала выбираем число, которое будет повторяться, например, 1, а на 3-ем кубике учтем любое другое. Затем учтем перестановки.

Вариантов пар, которые совпадут на двух кубиках всего 6. На третьем кубике может выпасть 5 возможных чисел, чтобы они не совпали с парой кубиков. И еще нам нужно учесть все перестановки - то есть когда пара выпадет не на первых двух кубиках, а еще на 2-ом и 3-ем или на 1-ом и 3-ем. Возможных перестановок 3. Посчитаем:

6 * 5 * 3 = 90 исходов

Сложим исходы 6 + 90 и получим 96/216 или 4/9.

🔜 Задача 2. В A/B-тесте продуктовая команда смотрит 4 независимые метрики. Для каждой метрики изменение считают стат. значимым, если p-value < 0,05. Какова вероятность получить стат. значимое изменение хотя бы по одной метрике, если на самом деле эффекта нет ни по одной метрике?

Это классическая задача на множественное сравнение в АВ-тестах и критически важная, чтобы не допустить ложных выводов по итогам АВ. Здесь нам тоже проще посчитать противоположное событие и вычесть его из 1.

Нам нужно посчитать вероятность ошибки I рода хотя бы по одной метрике при условии, что все нулевые гипотезы истинны. Это то же самое, что из 1 вычесть вероятность, что по всем 4 метрикам мы не получим ложноположительного результата.

Давай по шагам. Для одной метрики вероятность не сделать ложноположительный вывод равна:

1 - 0,05 = 0,95

Метрики независимы, поэтому чтобы посчитать, что все 4 не покажут ложноположительный результат, нам нужно 0,95 перемножить 4 раза:

0,95^4 ≈ 0,8145

Теперь вычтем из единицы и получим вероятность хотя бы одного ложноположительного результата:

1 - 0,8145 = 0,1855

Итак, вероятность получить хотя бы одно значимое изменение по 4-м метрикам при отсутствии реального эффекта равна почти 20%. Помни об этом в АВ-тестах! На примере задачи отчетливо видно, что эта вероятность повышается при росте числа метрик.

🔜 Задача 3. В городе 5% жителей болеют редким вирусом. Врачи разработали тест, который даёт положительный результат с вероятностью 90% (чувствительность = 90%), если человек болен. Если человек здоров, тест ошибочно даёт положительный результат с вероятностью 5% (специфичность = 95%). Алекс сдал тест, и результат оказался положительным. Какова вероятность, что Алекс действительно болен?

Здесь классическая задача на теорему Байеса. Давай распишем условие задачи:

P(болен) = 0.05
P(здоров) = 0.95
P(положит. тест∣болен) = 0.9 (чувствительность теста)
P(положит. тест∣здоров) = 0.05 (ложноположительный результат)

Нужно найти P(болен∣положит. тест)

Посчитаем вероятнсость, что Алекс болен и получил положительный тест:

0,9 * 0,05 = 0.045

Теперь считаем полную вероятность положительного теста:

P(+) = P(+∣болен) * P(болен)+ P(+∣здоров) * P(здоров) = 0.9 * 0.05 + 0.05 * 0.95 = 0.045 + 0.0475 = 0.0925

Теперь разделим одно на другое:

0,045/0,0925 ​≈ 0.4865

То есть вероятность около 50%. Не очень надежный тест)

Как демотивирует успешный успех

И снова на диване.

- Как вообще жить? Все вокруг супер-успешные, много зарабатывают, путешествуют или запускают свой бизнес. Один я обычный чел и ничего в свои 27 не добился. (отрывок из реального диалога) 🐱

Думаю ты тоже видел в соцсетях тех супергероев, у кого уже в 23 года свой бизнес и квартира в центре Москвы. А еще зимовка каждый год в Таиланде и кругосветные путешествия. И эту картинку нам активно продают вопросом "А хочешь также?" ❔

Вроде бы должно вдохновлять. Но после просмотра очередного поста в голову лезут мысли:

💬 Я ленивый?
💬 Почему я не могу так же?
💬Что со мной не так?

И вот вместо мотивации приходит зависть, самоедство и ощущение, что ты отстаёшь от какой-то абстрактной нормы. Парадокс в том, что вместо того, чтобы вдохновлять, успешный успех часто парализует. Кажется, если ты не стал миллионером до 30, не улетел на Бали с ноутбуком и не делаешь 10 дел до завтрака, то ты уже ничего в этой жизни не добьешься.

Забей и присядь на диван. 🛋 Помни, что путь у каждого свой, со своим темпом, смыслом и победами, которые не афишируют на публику. Ты просто живёшь свою жизнь и сравниваешь себя не с другими, а с самим собой в прошлом (если уж очень хочется сравнить).

Есть, кстати, годный лайфхак, который меняет качество жизни и позволяет избавиться от чувства вины, что ничего не делаешь. Начни делать по чуть-чуть. Вместо 10 задач на утро запиши 1 ключевую задачу или вообще половину/четвертинку задачи. Если давно хотел пройти какой-то курс, но откладывал, просто посмотри курс хотя бы 10-15 минут. 😲

Так ты начнешь медленно, но верно двигаться в сторону своих целей. И даже когда тебя покинут силы или день не сложится, ты будешь знать, что выполнил свой минимум и что день не прошёл бесследно. 👍

#мысли_на_диване
@Divan_data

Кого не заменит ИИ?

И снова на диване.

Для тех, кто пропустил последние новости - Microsoft выкатил результаты большого исследования по профессиям, которые заменит ИИ.

В список 40 профессий, в которых большую часть работы заберет на себя ИИ, вошли переводчики, историки, математики, журналисты, технические писатели, дата-сайнтисты, веб-разработчики и др. С полным списком можно ознакомиться по ссылке.

А среди тех, кому точно сейчас не стоит переживать о потере работы, можно назвать медсестер, хирургов, монтажников, бетонщиков, горничных, маляров и др.

Ставь 🔥, если не страшно, что тебя заменят

Ставь 🤕, если уже пошел на курсы маляров

#новости_на_диване
@Divan_data

Продуктовые метрики для менталочки

И снова на диване.

Представь, что состояние твоей психики - это твой основной продукт и актив. Значит, чтобы его поддерживать в стабильном состоянии, нужно регулярно замерять ряд метрик.

1️⃣ Time-To-Burnout (TTB)
Среднее время между утренним кофе и первой мыслью "я так больше не могу". Чем меньше, тем скорее нужно писать заявление на отпуск.

2️⃣ Sleep-to-Work Ratio (SWR)
Соотношение часов сна к часам работы. Если сильно меньше 1 - срочно нужно чинить work-life balance.

3️⃣ Push Notification Avoidance Rate (PNAR)
Процент проигнорированных уведомлений от рабочих чатов к общему количеству полученных. Метрика не должна сильно выбиваться из твоих обычных значений.

4️⃣ Weekend Work Conversion Rate (WWCR)
Доля выходных, в которые ты на пару часиков залез в рабочие задачи. В идеале эта метрика должна стремиться к нулю.

5️⃣ Work-Related Nightmares per Sprint (WRNS)
Количество снов с участием коллег, таск-трекеров и дедлайнов. Если больше нуля - баг.

6️⃣ Happiness Retention Rate (HRR)
Сколько процентов хорошего настроения сохраняется спустя 2 часа после дейлика. Аларм, если метрика падает изо дня в день.

7️⃣ Energy per Message (EpM)
Сколько душевных сил тратится на каждое Коллеги, добрый день! Чем больше, тем хуже.

А какие у тебя метрики для менталочки?

#метрики_на_диване

Важный вопрос на диване

❓ Хочешь ли ты вырасти в тимлида? Да/нет и почему? Как считаешь, что тебе для этого нужно, если ответил да?

Первый опыт комом

И снова на диване.

Когда я только вкатывалась в аналитику, свой первый оффер я получила в один госбанк. Я хотела поскорее наработать опыт, поэтому уже через несколько дней вышла на работу. Это, кстати, одна из стратегий вкатывания: пойти на неприоритетное для тебя место, чтобы получить хоть какой-то опыт работы, а затем перейти на что-то более интересное.

Я собрала анти-комбо:

✖️ На оформление в кадры меня позвали не в первый рабочий день, а за день до этого в 16 часов вечера. Странный опыт - экономили или что?

✖️ Офис, в котором мне предстояло работать, находился не в центре, где кадры, а самую малость на окраине, где от метро нужно было ехать на трансфере. Справедливости ради, мой отдел через 2 месяца перевели в центр и добираться стало нормально.

✖️ В отделе не было других аналитиков данных до меня - соответственно, перенимать опыт было не у кого. Никакой культуры данных тоже не было. Но руководитель очень хотел устроить цифровизацию.

✖️ Огромная бюрократия: доступ в интернет мне согласовывали 2 недели. Но интернет было сильно ограниченный - без доступа к иностранным ресурсам. Соответственно, я не могла посмотреть свои вопросы на stackoverflow - ChatGPT, к сожалению, тогда не было, хотя дело происходило всего 3,5 года назад. В итоге я гуглила на телефоне или носила свой личный ноут в офис, с которого и выходила в инет. 👩‍💻

✖️ Что касается доступов для установки Jupyter Notebook или какой-то либы на питоне - тут вообще все грустно. Доступа к базе данных тоже не было. Проблему с Jupyter Notebook и с либой в итоге удалось решить, а по остальным вопросам все застопорилось. 😭

✖️ Через неделю после меня в отдел приняли еще одну сотрудницу на задачи по аналитике данных - но она оказалась слабее по навыкам и в итоге я ее менторила и ревьюила скрипты, хотя сама была зеленым джуном без опыта.

✖️ А да, еще это был полностью офисный формат без удаленки, с графиком с 9 до 18. Без гибкого начала рабочего дня. Обещали удаленку после испытательного срока, но никакой удаленки спустя 3 месяца не было 😆

✖️ В офисе не было переговорок. Вообще. Видимо, из-за офисного формата и специфики работы все общались прямо на рабочем месте. И именно этот пункт создал больше всего проблем, когда я начала поиск новой работы. Приходилось искать тихие кафе/дворы на обеденном перерыве либо брать отгул. Один раз на тех. собес я взяла в аренду переговорку в коворкинге в соседнем здании. 😐

Были ли плюсы?

✔️Да, но плюсы весьма скромные. Задач было мало, и в свободное время я нарешивала задачи по питону, эскуэлю и теорверу. 🐍 Подтянула свой уровень и параллельно начала искать новую работу.

✔️ Научилась находить ответы на многие вопросы по пандасу/питону самостоятельно - что потом сильно пригодилось в Озоне.

✔️ Получила первый опыт менторства - причем менторила не только второго аналитика данных, но и руководителя - он решил тоже изучить питон.

Проработала я в этом банке целых 6 месяцев и с этим опытом спокойно перешла в 🛍. Перед увольнением руководитель сказал, что я к ним ещё вернусь. Верим?

А ты как считаешь, стоит ли идти ради первого опыта работы в компанию с условиями не очень?

🔥 - Однозначно стоит, если долго в поиске и других офферов нет

🤕 - Лучше продолжить поиски

#карьера_на_диване

Тимлид - работа мечты… если мечтать о бесконечных встречах

И снова на диване.

Многие в начале карьерного пути обязательно хотят вырасти в тимлида. Ну чтобы не стыдно было перед людьми и зарплата побольше. И вообще думают, что руководитель целый день штаны на диване просиживает и ничего не делает, только задачи всем раздает. 🐈

Только вот из тех, кому уже удалось побывать тимлидом, многие не готовы остаться. Почему работа тимлидом далека от мира розовых пони?

1️⃣ Становясь тимлидом, ты в одночасье из крутого специалиста превращаешься в джун-тимлида. Ты еще не умеешь управлять людьми и не знаешь, как поступить с провинившимся сотрудником, который еще вчера был твоим коллегой. Не умеешь быть психологом и переговорщиком. По факту, тебе нужно с нуля обучиться новой профессии.. И успехов ты добьешься только в том случае, если тебе действительно нравится управлять людьми и расти как руководитель.

2️⃣ Тимлид отвечает за результат команды. На нем лежит ответственность не за него одного, а за каждого члена команды и за общий результат. Если что-то пошло не так, например, упало качество кода или постоянно идут задержки по срокам, то, отвечать за это будет именно руководитель. И если надо - ругать давать корректирующую обратную связь.

3️⃣ У тимлида, в отличие от специалиста, календарь обычно забит встречами. 1-to-1, синки, планирования, встречи с заказчиками. В итоге на работу с данными и ревью кода остается очень мало времени. Если думаешь, что сможешь совмещать руководство командой и написание кода - лучше еще раз подумай. Да, есть небольшие команды, где это возможно. Но в любом случае будь готов, что аналитики в твоей жизни станет меньше, а проблем - больше.

4️⃣ Тебя постоянно будут дергать - что-то сломалось или упало, срочная встреча или просто вопросы по данным от коллег. Закладывай на это свой ментальный ресурс и заводи блокнот - иначе что-то упустишь.

5️⃣ Ты будешь постоянно работать с людьми. Люди разные: кто-то конфликтует, кто-то выгорает, кто-то переоценивает свои силы. Нужно уметь мотивировать, давать фидбэк, решать споры и поддерживать мораль команды. Нужно уметь объяснять свои решения и говорить нет, когда необходимо.

6️⃣ И наконец, тимлид не обязательно зарабатывает больше опытного специалиста. Часто бывает наоборот. Если твоя мотивация - деньги и поменьше работы, то тебе не в тимлиды.

Если кратко, сложность быть тимлидом в том, что тебе нужно одновременно быть технарём, психологом, переговорщиком, стратегом и родителем для команды.

Но если очень хочется примерить на себя роль тимлида - попробуй сначала стать наставником для младшего сотрудника. Или возьми на себя инициативу и ответственность за часть процессов в команде - тимлид точно скажет тебе спасибо, а ты сможешь понять, нравится ли тебе новый груз ответственности или нет.

#карьера_на_диване
@Divan_data

За что тебя хейтит наставник?

И снова на диване.

Представь, у тебя мало опыта, ты вышел на новую работу и тебе дают наставника. У тебя миллион вопросов и тебе нужен фидбэк по задаче, которую ты, о чудо, сделал за пару часов. Почему вдруг наставник злится, с трудом скрывает раздражение или бурно реагирует на твои вопросы? Почему не ценит твою вовлеченность и инициативность? ❔

Что ж, давай посмотрим на это с другой стороны. Наставник не хейтит просто так. Обычно он хочет, чтобы ты стал самостоятельным и на тебя можно было положиться. Что ты можешь делать не так?

1. Ты задаёшь вопрос, на который легко найти ответ

Это классика. Ты пишешь:

- А где лежат данные по транзакциям?

И в ответ получаешь ссылку на ту же самую доку, что тебе отправили вчера. Наставник в этот момент мысленно закатывает глаза. 😐 Когда ты спрашиваешь то, что легко найти самому или то, что недавно обсуждали, ты тратишь время наставника. Поэтому перед вопросом потрать хотя бы 10 минут на поиск. Пролистай документацию, поищи в чатах, загугли. Если не нашёл - то да, смело спрашивай.

2. Ты не сделал то, о чём вы договорились

Вы обсудили задачу, наставник дал комментарий:

- Проверь еще, пожалуйста, корректно ли логируется это событие.

А ты решил, что это мелочь, и без этого тоже сойдёт. Или просто забыл. Или посмотрел на объём работы и подумал: Ну это же ещё полдня, лучше займусь следующей задачей. 👍

Для наставника это выглядит не как оптимизация усилий, а как ты не слушаешь и игнорируешь договорённости. Это сильно подрывает доверие - в следующий раз он будет проверять каждую мелочь.

Поэтому если кажется, что комментарий незначительный или слишком трудозатратный, скажи об этом сразу или предложи альтернативу. Но не игнорируй молча - это худший вариант. А если боишься забыть, то фиксируй договоренности. 🐱

3. Ты присылаешь график без легенды и подписей

Наставник открывает график и видит, что синяя линия падает вниз 📉, а красная растёт вверх. 📈 Информативно? Если данные нельзя интерпретировать без твоего комментария, значит, их нельзя интерпретировать вообще. Подписывай оси, указывай единицы измерения, добавляй легенду. Хороший график должен работать даже без тебя.

4. Ты не проверяешь код и полученный результат

Ты запустил запрос, получил таблицу и сразу отправил её в чат. А через день выяснилось, что ты случайно взял данные только за первую неделю месяца. Наставник в этот момент смотрит на тебя, как на человека, чья работа не вызывает доверия. 🐱 Ошибки в запросах могут испортить репутацию аналитика надолго - и другие потом будут перепроверять все твои выводы или тормозить твой рост на ревью.

5. Ты путаешь скорость и спешку

Перекликается с предыдущим пунктом. Например, сделал что-то за час, но потом два дня исправляешь баги. Скорость ценится, но качество важнее, так как исправлять ошибки обычно дольше, чем сделать правильно сразу - это же нужно заново погрузиться в код и контекст. Поэтому когда получил задачу, оцени, сколько времени нужно с учётом проверок, а если не успеваешь в срок - предупреди.

6. Ты забываешь бизнес-контекст

- Наставник, смотри: конверсия выросла на 10%!

И ждёшь одобрения и восхищения. А потом наставник спрашивает:

- А может это сезонность или акция? Или может баг в данных? Давай перепроверим.

И всё, красивые цифры превращаются в бесполезные, потому что цифры без контекста - это шум. Аналитика существует, чтобы помочь бизнесу принимать решения, а не просто собирать статистику. Поэтому прежде чем радоваться или паниковать, узнай, что происходило в продукте, маркетинге и бизнесе в целом. И не падало ли обновление витрин.

7. Факапы слишком частые

И еще один момент: если факапы происходят редко, это не страшно. А если постоянно или по несколько раз в день, то раздражение наставника гарантировано. В особо тяжелых случаях, увы, может последовать увольнение. 😠

Признавайся, собирал комбо из всех 6-ти пунктов?

🤕 - было дело

💔 - наставнику повезло со мной

#наставник_на_диване
@Divan_data

Как жить эту жизнь? Моя подборка книг

И снова на диване.

Составила мой личный топ-5 книг из прочитанных за последние пару лет. В подборку входят книги, которые помогут дать ответ на вопросы о целях, о том, что важно по жизни, как найти себя и каких ошибок избегать при принятии решений.

Цель: процесс непрерывного совершенствования. Э. Голдратт

🔜 Книга написана в форме романа, в котором главный герой ищет способы спасти свой завод от банкротства, параллельно у него рушится семья и получается неплохая такая драма. Автор очень доходчиво доносит главную цель бизнеса и то, как его спасти. Но вообще эту схему можно переложить на любые жизненные цели: для достижения успеха важно постоянно искать узкие места и улучшать процессы. Узким местом могут быть твои софт-скиллы, например)

Эссенциализм. Путь к простоте. Г. МакКеон

🔜 Большинство из нас тратит жизнь на ненужное. Искусство жить в стиле эссенциализма - это умение определить, что действительно важно, и без сожаления отказываться от остального. А если бы этой возможности не было, стал бы я прикладывать усилия, чтобы эту возможность получить?

Думай медленно, решай быстро. Д. Канеман.

🔜 На мой взгляд эту книгу нужно прочитать каждому аналитику и менеджеру. Наш мозг работает в двух режимах: быстрые интуитивные решения и медленные логические размышления. Обычно мозг экономит, отсюда ошибка подтверждения, эффект ореола, эвристика доступности и прочие когнитивные искажения.

Поток. М. Чиксентмихайи

🔜 Книга-открытие для меня и просто кладезь пользы. Здесь есть и философия, и научные исследования, и советы, как обрести счастье. Основная мысль в том, что истинное счастье и ощущение полноты жизни приходит, когда ты полностью погружён в процесс, теряя счёт времени. Следовательно и радость не в результате, а в состоянии глубокого вовлечения, когда работа и жизнь становятся единым потоком.

Нарушьте все правила. Что лучшие менеджеры делают по-другому?

🔜 Здесь про то, как эффективно управлять командой, но будет полезно не только руководителям. Из этой, книги, например, я взяла подборку вопросов, которые помогут понять, что пора увольняться . Или что ты работаешь вообще не в той сфере и у тебя другие таланты.

Сохраняй к себе, чтобы не потерять)

#книги_на_диване
@Divan_data