За последние несколько дней вижу несколько статей про схлапывание рынка IT, что входа нет и т.п.

Однозначно есть сокращение неприбыльных проектов в связи с ростом ставки ЦБ, сложной ситуации в микро и макроэкономике, при которых становится очень дорого держать убыточные направления.

А разработка платформенных решений сокращают потребность в айтишниках.

Но есть большое «НО», спецов все равно не хватает🤷‍♀️. Тех же de-шников, системных аналитиков, безопастников, сопровожденцев, девопсов, я молчу уже про спецов в области ml и ai.

А ещё меняются стеки, потребности и ожидания от айтишников. Сфера себя саморегулирует и отмирает лишнее (как в свое время фортран, делфи, фокс про (прости Господи) и пр.), на смену приходит новое (айсберги всякие, например😁). Это тоже надо учитывать.

Не видитесь на статьи про разные крайности. Мир не на столько однозначный, чтобы быть либо чёрным, либо белым.

Вход есть в IT, выход есть, только вам решать как строить карьеру и к чему лежит душа.

⚡️ Время Aha!25 и розыгрыша бесплатных оффлайн билетов!

Во-первых, конференция теперь 2 дня – 29 и 30 мая
Во-вторых, я там буду, подходите общаться😎 в прошлом году было приятно🥰

Если вы еще не знаете, что это за мероприятие, то это техническая конференция в Москве о product science, продуктовой аналитике и эффективности бизнеса.

• 16 тематических потоков и более 1200 участников на одной площадке.

• На сцене – топ-эксперты из Т-Банка, Яндекса, Авито, OZON, Альфа-Банка и других крупнейших компаний Рунета и СНГ: Виктор Кантор (MLinside), Кевин Ханда (Uzum), Сергей Веренцов (EORA), а также профессора и кандидаты наук из ИТМО, РЭШ, Центрального университета.

🤯 Ключевые темы:
• Интеграция LLM, ML и AI в цифровые сервисы
• Современные подходы к A/B-тестированию
• Оцифровка пользовательского опыта
• Применение машинного обучения в управлении продуктом
• Математическое мышление и поведенческая экономика

Мероприятие для продуктовых менеджеров и аналитиков, владельцев продуктов, CPO, CDO, ML-разработчиков.

Программа будет полезна как новичкам, так и экспертам.

📍Где: МГУ, кластер «Ломоносов» (Раменский бульвар, 1)

Программа тут: https://ahaconf.ru/program
Билеты — на сайте!

~~~~
🎁 Ну а теперь розыгрыш бесплатных оффлайн билетов на великолепную конференцию!

Пишите под постом, почему вы хотите на конфу или какие доклады хотите послушать и 1 билет я отдам тому, кто мне понравится, а 4 – определит великий рандом ☺️

Результаты ждите 25.05😎

⚡️ Итоги розыгрыша билета на Aha!25

Получилось не с первого раза😁 не стала видео полностью обрезать, чтобы вы не сомневались в чистоте эксперимента😁

Пробовала сначала ссылку на комменты под постом, скаченный html - к сожалению не смог даже с указанием нужных тегов. Поэтому скопировала все комменты в файл, а все остальное вы уже видите на видео с GigaChat 😁

🥁Итак, победители:

1. Катя Аринбасарова

Хочу попасть, так как аналитика — неотъемлемая часть нашей жизни. Маркетинг без аналитики не существует. Хочу послушать топовых спикеров. Понять куда двигаются новые технологии в данном направлении. Нетворкинг.

2. Anastasia

Блин, будет много, ибо боль) Я Bi-аналитик и в настоящее время моя группа активно внедряет в компании новый bi инструмент. Мы полностью перерабатываем подход к разработке дашбордов и пересматриваем метрики. Я хочу попасть на конференцию не только для получения новых знаний и прокачки своих навыков, но и в целом познакомиться с лучшими практиками, т.к. сейчас оптимальное время для их внедрения в работе

3. Alla

Привет, я эти конференции ценю за нетворкинг. Пообщаться с живыми ребятами с такими же проблемами, узнать как там трава у соседей. Заметила, что аналитики с особым вайвом, с ними интересно. Особенный кураж от HR, все хотят тебя переманить и взять к себе 😍 Последний раз после такой конференции было 5 ламповых собеседований.

4. Maria Agapitova

Ооо, круто! Это шанс 🤩 Много лет делала разный аналитический движ в одной-единственной сфере - кредитных рисках. Сейчас взяла паузу в карьере и ищу новый путь 🌱 хочу себя показать, на других посмотреть 😅 увидеть, где и как ещё можно причинять пользу бизнесу с помощью табличек и циферок

5. Вероника Клочкова – мой личный выбор

Была в прошлом году, и осталась под приятным впечатлением! Хочу сделать посещением подобных конференций — традицией. Послушать о новых подходах работы с данными, а также побывать на секретном треке. В данный момент, это будет как отдушина и передышка от суетных рабочих дней😄🙈

Поздравляю победителей!🥳🥳🥳 я к вам приду!

⭐Сквозная аналитика и маркетинг

Когда-то давно, работая в отделе маркетинга в недвижке (2016 год), у нас появился руководитель маркетинга, который стал делать сквозную аналитику. Для меня это было что-то на космическом, я не понимала как это работает и мечтала разобраться, так как видела в этом будущее и навык, который позволит мне на рынке труда выглядеть привлекательнее.

Но я так и не разобралась😂
Пока не пришла в Сбер.

Помню, что на приглашении на работу я тогда ещё сомневалась стоит ли принимать предложение о работе, так как выглядело это как работа веб-аналитика, а я хотела быть даааата😁 Господи, хорошо, что хватило ума согласиться🤣 если бы мне тогда сказали, что я буду заниматься сквозной аналитикой, то я бы даже не раздумывала (хотя может говорили и я прослушала).

Ладно, хватит прелюдий, перейдём к делу.

Сквозная аналитика – это инструмент, с помощью которого маркетологи пытаются понять и посчитать эффективность маркетинговых инвестиций.

Вот заплатили вы 1 ярд рублей из своего кармана за продвижение пирожков и что? Как понять, что оно все было не зря?

Без сквозной аналитики вы бы пошли смотреть график продаж. В худшем случае искали бы бугорки глазами, в лучшем – использовали бы регрессионную прогнозную модель как было бы с рекламой, а как без неё и разницу записали бы на маркетинг. Последний вариант, кстати, не так уж плох, если у вас смесь рекламных активностей, есть тв/радио/баннеры и другие поверхности либо плохооцифрованные, либо без доступа к сырым данным.

В случа простроенной сквозной аналитики становится относительно понятен пользовательский путь до конверсии и появляются ответы на многие вопросы:
• На сколько эффективен ваш маркетинг?
• Где и какие касания были у пользователя с вашей рекламой?
• Сколько стоит новый пользователь для вас?
• На каких площадках ваша целевая аудитория живёт?
• Как в следующий раз распределять бюджет между площадками?
• Когда дальнейшее инвестирование в площадку уже бессмысленно?
• и др. подобные вопросы

Звучит классно, но почему же я тогда пишу про «относительно понятен» и «пытаются понять» и как будто нет никакой уверенности в этой аналитике.

Потому что пока есть много вопросов к данным в маркетинге:
начиная с того, что часть поверхностей мы никак не можем учесть напрямую (то есть мы не знаем, что Брунгильда вчера вечером смотрела камеди клаб и видела нашу рекламу), заканчивая тем, что разметка рекламных ссылок ведётся вручную и человек часто ошибается при их разметке.

Но тем не менее, даже наличие несовершенной сквозной аналитики позволяет улучшать маркетинговые показатели и показатели продаж. Лучше с ней, чем быть совсем слепым котёнком в мире жестокой рекламы😸

Глобально маркетинговые данные деляться на 3 составляющих:

1. Данные о рекламе
Яндекс Директ, VK, медийные площадки и сети и пр.
– информация о расходах, показах, охватах, кликах по объявлениям

2. Цифровые следы 👣 на сайте и приложениии
Яндекс Метрика и AppMetrica, G.Analytics, AppsFlyer и др.
– информация об устройстве, гео, пользовательском взаимодействии с цифровым продуктом

3. CRM
Amo, Bitrix и др.
– информация о продажах, клиентах, звонках и других взаимодействиях

Вот сквозная аналитика связывает все это воедино. И хорошо, если у вас продукт полностью имеет цифровой путь (например, все взаимодействие пользователя происходит в приложении или на сайте), хотя даже в этом случае возникают не менее важные вопросы про атрибуции, распределение бюджета и расчёт эффективности маркетинга. А если у пользователя путь по продукту неоднородный и сделки совершают оффлайн (дошли вы таки на массаж😁 или спортзал), то это все несколько усложняет построение аналитики и встают дополнительные задачи создания устойчивых связок между цифровыми следами и клиентами)

➖➖➖➖
Давно вам ничего «умного» не писала, у меня этот месяц оказался драматически тяжёлым как в профессиональном плане, так и личном.

Попишу вам немного о знакомом, старом и понятном, чтобы почувствовать в этом опору и постоянство)

✨ Квест «Боевая хроника рыцаря Сиквела: Великий путь по очищению данных в Медианном замке»

В далекой стране Бизнесляндии долгие годы процветала наука и мудрость. Её народ радовался гармонии, которую приносили чистые данные. Они помогали открывать палатки с новыми яствами, находить причины отсутствия покупателей и растить благосостояние жителей страны.

Сердцем страны был великий Медианный замок, где хранились священные свитки и таблицы с чистейшими и полными данными.

Но однажды темный маг Хаоса, решил покорить Бизнесляндию и наложил ужасное проклятие на сокровища замка.

Святые таблички были осквернены и начали терять свои истинные значения, постепенно заполняясь неверными цифрами и случайными символами. Информация стала смешиваться, исчезать, порождая суету и сумбур.

Вскоре страна погрузилась в мрак неразберихи и заблуждения. Начались споры и конфликты, разрушающие прежнюю идиллию. Жители впали в отчаянье.

Тогда Совет Старейших принял важное решение: послать самого внимательного и отважного рыцаря Сиквела восстановить чистоту данных. Только пройдя испытания, он сможет войти в Медианный замок и спасти Бизнесляндию.

----
Для веселья я написала шуточный квест про данные (возрождение текстовых квестов!).

Героя Сиквела ждут несколько проблем на его пути к чистым данным, помогите ему справиться с ними или перейти на темную сторону😏

🧙‍♂️Завтра будет первая развилка:)
Весь квест будет тут #квестСиквел

👾Об аномалиях.

Сиквел успешно прошёл лес и выбрал Перцентиль правосудия😁 см. #квестСиквел

Поэтому сегодня поговорим немного про аномалии, зачем и где используется.

Любопытно, что на собесах часто не отвечают на вопросы как будут определять и отсекать аномалии. Хотя во всех курсах это чуть ли не в самом начале объясняется. Ещё часто на собесах говорят про ящик с усами и совершенно забывают про отсечение с помощью простых методов 3σ, перцентилей, IQR (считай тот же ящик), я уже не говорю про распознавание аномалий с помощью ML

Визуально с помощью ящика, конечно, удобно сказать о наличии выбросов, но что-то с ними сделать и как-то происследовать уже будет сложнее.

Может показаться, что это сухая теория, но на самом деле превентивные меры даже на простых мат.моделях с отслеживанием аномалий могут экономить миллионы рублей бизнесу.

Приведу несколько кейсов (добавляйте свои в комментариях):

• Резкий рост трафика на сайт. Если у вас нет автомасштабирования ресурсов на сервере, то вы будете предупреждены и можете успеть отреагировать. Или это может помочь отследить атаку на сайт.

• В данных резкий скачек/падение количества строк. Возможно, что появились дубли или наоборот, не все строки записались или получены.

• Резкое изменение метрик в приложении/на сайте. У нас это может означать, что события в продукте отвалились или в рекламных кампаниях какие-то изменения – как запланированные, так и нет. Последнее как раз стоит проверить и исключить, либо проинформировать кого следует😁

• сигнал о мошейнеческих денежных операциях (слишком большие переводы или снятие наличных). В сложных банковских операциях это может быть лишь сигналом, там, конечно, более сложные алгоритмы определения таких операций.

Все это звучит здорово, но есть несколько НО:

• простые решения работают только, если скачки были резкие, а не тренд на постепенный рост/снижение. Тут понадобится что-то чуть посложнее, например, с использованием данных прошлых лет или вычисление продолжительных тенденций

• требуется подбор чувствительности определения аномалий (реакция на небольшое изменение). Высокая чувствительность алертинга может засыпать поддержку/аналитиков сообщениями о ложных срабатываниях и их начнут игнорировать

• сложнее уловить аномалии по двум и более измерениям, методы нужно будет дорабатывать

• шумные данные усложняют определение аномалий с помощью любых методов

~~~~
Неидельность простых подходов не означает, что их не надо использовать. Надо. Они просты, дешевы и эффективны. И лучше начать именно с них, понимая природу изменений ваших данных, уже проще будет идти в ML. А может быть вам их будет достаточно и обращаться к саентистам не нужно😁