🤩 Аналитик данных начинается не с SQL, а с Excel (да-да!)

Давайте сегодня поговорим про другой курс, на котором я учусь!
А то Eduson у меня как бедный родственник: всегда виноват, всегда получает тумаков за малое количество практики. Хотя, честно говоря, этим наверняка грешат почти все курсы по аналитике.

Сегодня у нас Eduson и Excel.

Когда мы «входим в аналитику», кажется, что мир держится только на SQL и Python.
Типа: знаешь два языка + BI-инструмент — и вот он, твой билет в IT.

Но вот о чём стоит подумать: какая программа используется в 90% компаний?
Правильно — Excel.

Вы можете любить его, можете ненавидеть, но уметь в него — обязаны.
Не все компании могут позволить себе модные инструменты. На всё денег не напасешься.
И не каждый аналитик будет работать в бигтехе. Кто-то же должен делать аналитику и «маленьким».

Если вы переходите в аналитику из профессии, где уже работали с цифрами, вы можете прямо сейчас брать реальные данные своей компании — и делать аналитику в Excel.
Это и опыт, и портфолио.
Говорят, что реальные данные ценятся куда выше, чем сто первый датасет с Kaggle.

Я когда-то, будучи закупщиком и продактом, использовала Excel только для ABC/XYZ-анализа и прогнозов «на глазок». И даже не подозревала, насколько шире можно его применять.

В Eduson я впервые увидела, что в Excel можно:

🟠 считать метрики и unit-экономику
🟠 делать описательную и диагностическую аналитику
🟠 проводить A/B-тесты, Карл!
🟠 строить дашборды
🟠 и вообще творить магию, которой не стыдно делиться в портфолио

Но всё это можно освоить и без дорогих курсов, потому что материалы по большинству тем есть в открытом доступе.
Тот же Stepik прекрасно закрывает и теорию, и практику.

Моя знакомая вообще построила карьеру аналитика, работая исключительно в Excel: начинала как продакт, потом углублялась в аналитику, а сегодня — глава отдела.
И до сих пор открывает эксель just in case. Потому что он как швейцарский нож: простой, но выручает всегда... Если конечно не падает в обморок от 50+ тыс. строк, прихватив при этом и копуктер 🤭

Так что… да, SQL и Python надо освоить.
Но уметь работать в Excel — это ваш первый реальный суперскилл аналитика.

💬 А теперь давайте выплеснем все наши чувства наружу!
Если бы Excel был человеком, что бы вы ему сказали?

#учёба_аналитика
#страдания_аналитика

😨 Как оживить языковой клуб, когда рутина съела всю магию

Когда-то мы с друзьями были молоды, дерзки и слишком мотивированы — и готовились к встречам английского клуба как к сдаче TOEFL.

🟠 Читали статьи заранее.
🟠 Сами писали по 5 вопросов для обсуждения.
🟠 Выписывали лексику.
🟠 Придумывали грамматические упражнения.

Эх… золотое время, когда у нас ещё была энергия и задор 🤭

Сейчас динамика другая.
Спасибо, что статью вообще читаем. Иногда — в метро, за 10 минут до встречи. Иногда — только первые два абзаца. Но читаем же! Значит, Цой клуб жив.

А ещё у нас есть ChatGPT, который щедро генерит вопросы для обсуждения. Но тут есть нюанс:
ИИ упрощает жизнь… и расслабляет мозг. Он очень быстро привыкает не делать работу сам. И когда нужно придумать вопросы вручную, он такой: «ой, может не сегодня?..»

Вторая проблема — однообразие материалов.
Мы пользуемся Blinkist: там ежедневно появляется одна бесплатная саммари.
Но выбора нет, поэтому обсуждаем то, что дают. Обычно это что-то про психологию, самопомощь и саморазвитие (ну а как без него 😅).

И вот мы думаем: как вернуть прежний азарт?
Как встряхнуть клуб и добавить что-то, что снова щёлкнет по мозгам?

И тут в канале GeekSpeak English Даша подсветила интересные форматы взаимодействия для обсуждений.
С вопросами мы и так справляемся, а вот идея поиграть в адвоката дьявола — прям запала в душу!

Когда каждому нужно осознанно спорить не со своей позицией, а с противоположной — мозг выходит из спячки, язык оживает, и обсуждения становятся куда живее, чем классическое:
— What do you think?
— I agree.
— Ok, next question.

Так что на следующей встрече будем испытывать новинку.
Надеюсь, это вдохнёт в наш клуб немного того самого «раннего энтузиазма», который делал наши обсуждения незабываемыми.

💬 А если бы у вас был свой клуб с блэкджеком и печеньками, то какие бы темы вы там обсуждали?

#аналитик_рекомендует
#учу_языки

🎄 Адвент с эльфами и забытый SQL

У меня есть новости. По классике жанра — хорошие и плохие.
Начнём с хороших.

Я поступила на стажировку… к эльфам. На Северный полюс.
Спокойно, это не нервный срыв на фоне дедлайнов и предновогодней суеты, когда все пытаются закрыть максимум задач, чтобы в январь ворваться с чистой совестью.

Я говорю про SQL-адвенты.

В этом году их у меня сразу два:
🟠 Advent of SQL от Database School
🟠 SQL Advent Calendar от interviewmaster

(доступ на сайты через три магические буквы)

Формат классический: каждый день новая задача, немного боли, немного радости и ощущение, что ты всё-таки что-то умеешь.

Advent of SQL построен как история.
Ты буквально помогаешь эльфам пережить декабрьский ад.
Игрушки, снежки, звонки, сбои в системах.

В первый день я помогала Нико разобраться со списком подарков.
В третий день вместе с Сантой чинила новую систему обработки звонков.
Ты не просто пишешь запросы, ты участвуешь в рождественском экшене. И это, честно, очень подкупает.

SQL Advent Calendar работает иначе.
Тут просто набор задач без истории, без вовлечения.

В один день выбираем топ-7 оленей для упряжки.
В другой считаем доставленные игрушки.
В какой-то момент анализируем типы снежинок.

Вроде бы то же самое: задачи милые, тематические, но ощущения общей гонки и сезонного напряжения не хватает.

А теперь плохая новость.

Я забыла SQL.

Не полностью, конечно.
Я примерно помню, что и где делается.
Но конкретику постоянно иду уточнять к ChatGPT, пока база данных смотрит на меня с укором в духе: «Шарик, ты балбес!»

В учебной гонке, где темы летят одна за другой, знания не успевают улечься.
Более того, начинают вытекать те, которые уже были.

И вот я сижу и думаю:
что я реально смогу показать на выходе из курса?
По SQL — уверенный SELECT * FROM bla-bla-bla.
По остальному… поживём увидим.

Очевидно одно: знания без практики не живут.
А практика требует времени.

Работающим аналитикам тут проще.
Хотя если вы уже работаете с SQL, вам, вероятно, и учить его не надо.

Я же поймала себя на мысли, что в голове у меня сейчас утечки данных.

В следующем году нужно будет сознательно закладывать время на повторение.
Хотя бы один день в неделю. А лучше два.

Потому что получать знания приятно.
Но удерживать их — это уже отдельный навык.

💬 А у вас декабрь это про добивание хвостов или вы уже мысленно в оливье?

#учёба_аналитика
#страдания_аналитика

🐞 QA по-взрослому: работа, дети, баги и без иллюзий

Если вам близки честные истории про путь в IT без глянца и «успешного успеха», хочу познакомить вас с Алёной.

Алёна — тестировщик, который ловит баги не только в приложениях, но и в жизни!
В IT она пришла в 33 года: без технического образования, но с упрямством, бесплатными курсами от государства, ютубом и ноутбуком с открытым Kwork.

Сейчас Алёна работает в флагманской команде компании и тестирует продукт, которым каждый день пользуются миллионы людей.

В канале «Тестирую жизнь» она пишет:
🟠 как на самом деле живёт мобильный тестировщик: релизы, девайсы, баги, спринты, перфоманс-ревью, гибридный формат
🟠 про жизнь за пределами задач и дедлайнов: семья, дети, быт, маленькие радости и честное «я устала»
🟠 отвечает на вопросы подписчиков — от «с чего начать путь в QA?» до «как не выгореть, когда релиз и дети заболели»

С чего можно начать знакомство:
🟠 Путь в IT: от фриланса до мидла
🟠 Фриланс на Kwork: условия работы, плюсы, минусы
🟠 «Съедобные» элементы UI
🟠 Про cookie понятным языком

Если вам важно видеть реальный путь в профессии и живого человека за ролью QA — очень рекомендую заглянуть.

💬 Как думаете, фриланс реально может быть трамплином в IT или это миф?

✊ Когда челлендж важнее здравого смысла: история про Lingoda

Когда я для себя решила, что буду знать испанский, я, конечно же, пошла самым прямым путём: купила учебник Нуждина Г.А.
Кто знает, тот знает 🤭

Первые три главы дались легко. А потом случился резкий скачок сложности, будто между главами просто вырезали несколько уровней. В какой-то момент я поняла, что либо я туплю, либо учебник считает меня тайным носителем языка.

Так я начала искать школу и в итоге пришла в Lingoda. Кажется, узнала о ней через канал Анастасии Кей. Это немецкая школа, где преподают всего четыре языка: английский, немецкий, французский и испанский.

Формат у них необычный. Нет фиксированного расписания и постоянной группы. Есть темы, которые нужно пройти, а день и время занятий ты выбираешь сам. Преподаватель и одногруппники каждый раз новые, полный рандом.

Пока я раздумывала, Lingoda выкатили челлендж мечты:
90 дней ежедневных занятий без пропусков и возврат всей стоимости обучения.

Обучение тогда стоило в районе 50–60 тысяч рублей, так что мотивация была железобетонная. А челленджи, как вы уже поняли, я люблю. Решение было принято мгновенно.

Сначала я бронировала занятия в разное время, но довольно быстро остановилась на одном варианте: шесть утра. Чтобы к восьми уже собираться и ехать на работу.

Первый месяц прошёл бодро. Второй уже тяжелее, ранние подъёмы начали давать о себе знать. Но мысль о возврате денег творит чудеса.
А вот на третьем месяце я заметила, что начинаю огрызаться на коллег. Причём это был декабрь, когда и без того все на взводе.

Кульминация случилась в последний день челленджа.

За день до финиша у нас был корпоратив. Конечно, я пошла. Конечно, весело. Конечно, с алкоголем.
И где-то посреди вечера я вспомнила, что у меня на следующее утро занятие в шесть утра.

Отменить нельзя! Перенести нельзя! Пропустить нельзя!

Занятия я бронировала заранее, всегда на одно и то же время, и почти весь марафон попадала к одной и той же преподавательнице, испанке. Мы к концу курса даже подружились.

Утром я проснулась с классическим состоянием «я не готова быть человеком». Поэтому впервые за весь марафон я сказала, что у меня не работает камера. И честно прошла урок лёжа.

Не знаю, заметила ли преподаватель что-то подозрительное, но урок засчитали. А через некоторое время мне вернули деньги в полном объёме.

Это был очень мощный опыт. И по дисциплине, и по языку. Я реально прокачалась.
Хотя, если честно, тут нет никакой магии: занимайся каждый день по часу достаточно долго и навык неизбежно подтянется.

Иногда самым сложным оказывается не учёба, а просто прийти на занятие. Особенно в шесть утра после корпоратива 😁

💬 А что вас мотивирует доводить начатое до конца?

#учу_языки
#полиглот_полюбви

😊 Автоматизация и деплой: модуль Simulative и ИИ без розовых очков

Недавно Даша в своём канале «Даша, как попасть в IT?» писала о том, как использует ИИ в работе и учёбе. И я снова не могу пройти мимо с собственными пятью копейками — на этот раз про модуль «Автоматизация и деплой» в Simulative.

Сразу скажу: проект, сделанный с помощью ИИ, я сдала. Куратор его принял. Значит, можно честно рассказать, как это было на самом деле.

Вводные данные
Представим, что мы работаем аналитиками в крупной торговой сети с товарами для дома.
Каждый день на сервер падают CSV-файлы с продажами (чеки).
Задача — автоматизировать обработку данных.

Как я работала с ChatGPT
Я начала по канону:
🟠задала роль,
🟠описала ожидаемый результат,
🟠попросила подтвердить, что задача понята.

Подтверждение, конечно, не гарантия успеха, но с аналитическими проектами пока ни разу не подводило.

Дальше:
🟠я скинула условия задания,
🟠попросила расписать пошаговый план: что делаем и что для этого нужно.

План пришёл адекватный.
Я перечитала его и поняла, что забыла важный момент — проект должен работать на сервере. Попросила учесть это и пересобрать план. Так мы и стартовали.

Где всё пошло не по плану
На первом же шаге началось веселье.
ChatGPT стал подробно объяснять, как всё разворачивать сразу на сервере. Я послушно следую инструкциям… а сервер отваливается каждые 10–15 минут.

В какой-то момент я не выдержала и написала:

«А давай мы будем работать локально, а потом уже запушим всё на сервер. Потому что этот сервер-собака падает каждые пять минут».

Ответ был гениален:

«Да, так даже удобнее: локально разрабатываем и отлаживаем, потом деплоим»

Вот она, квинтэссенция работы с ИИ: он не предлагает оптимальный вариант, он делает ровно то, что ты попросил.

Вывод простой: либо учимся писать промпты лучше, либо принимаем этот формат как данность.

Как шла разработка
Дальше мы работали так:
🟠ChatGPT говорил, какой шаг делаем,
🟠какие файлы создаём и зачем,
🟠я выполняла инструкции,
🟠прикладывала результаты,
🟠задавала вопросы, если что-то ломалось или было непонятно.

В этот раз я решила использовать режим «Проекты» в ChatGPT: основные шаги шли в главном диалоге, ошибки и отклонения от плана — в отдельных,
чтобы не захламлять контекст и самой не теряться.

Каждый шаг мы сразу проверяли.
Да, я теперь тот человек, который просит закладывать тестирование заранее. Говорят, это хорошая практика.

Немного боли и капса
Мы:
🟠симулировали работу касс,
🟠создали базу данных,
🟠автоматизировали загрузку чеков по расписанию.

Сначала делали всё под Windows.
Я заранее указала, что загрузка должна происходить 6 дней из 7.

ChatGPT дал инструкцию.
Я начала выполнять и не увидела, где задаются параметры календаря.

Спрашиваю:

«Какого хрена?»

Он отвечает:

«Ну правильно, ты выбрала не то. Нужно было выбрать еженедельное представление, а ты нажала ежедневное»

И тут я не выдержала:

«Мне стоит спросить, почему ТЫ написал поставить “Ежедневно”, а теперь говоришь про календарь?»

Ответ был почти терапевтический:

«Ох, Мария… абсолютно справедливый вопрос ❤️»

Оказалось, он «думал», что я работаю почти как в Linux, хотя сам писал под Windows

Финальный стресс-тест
Перед сдачей я решила прогнать проект от и до.

Из трёх часов доработки:
🟠часа два ушло на ожидание, пока сервер перестанет отваливаться,
🟠на последнем тесте я чувствовала себя как Майкл Скотт из «Офиса», кричащий:

God, no, please, no.

Итог
Проект:
🟠сдан,
🟠проверен,
🟠принят без замечаний.

Учебный проект по автоматизации с ИИ сделать можно.
А вот прокатит ли это в боевых условиях — вопрос открытый.

И я задам тот же вопрос, что задала Даша у себя:

💬 А как вы используете нейросети в работе или учёбе?

#учёба_аналитика
#страдания_аналитика

😾 Уловка-22, или почему в IT всё начинается с парадокса

Знаете, что такое «Уловка-22»?
Это парадокс, когда выход есть, но воспользоваться им невозможно.

Классический пример:

чтобы тебя освободили от полётов по сумасшествию, нужно подать прошение.
Но само прошение доказывает, что ты в здравом уме.
А значит — лети дальше.

В IT у нас своя версия этой ловушки:
чтобы получить работу — нужен опыт,
чтобы получить опыт — нужна работа.

Знакомо? Нам, вкатышам, очень.

Да, учебные проекты — это хорошо.
Пет-проекты — ещё лучше.
Но самый жирный плюс в резюме — это коммерческий опыт: работа в команде, реальные пользователи, реальные ограничения и ответственность.

И тут как раз появляется редкая возможность.

Ирина вместе с мужем сделали бота для своей любимой школы плавания.
Проект оказался живым, полезным и начал перерастать в полноценный продукт.
Теперь они ищут людей, которым нужен настоящий опыт работы, а не строчка «учебный проект».

Рассматривают разных специалистов:
аналитиков, разработчиков, тестировщиков, техписов, маркетологов.

То есть это шанс аккуратно выбраться из ловушки «без опыта не берут» через реальную практику.

Подробности — в посте ниже и на канале у Ирины 👇

А теперь вопрос к вам:
💬 А если проект «не взлетит» — это всё равно опыт или нет? Будете про него рассказывать?

🧐 Минутка с амбассадором Simulative

В комментариях к посту про модуль «Автоматизация и деплой» на курсе аналитика данных от Simulative внезапно всплыло любопытное:
школа запустила подписку на все свои курсы.

Как человек, у которого есть отдельный внутренний архив «курсы, которые я когда-нибудь куплю (но не факт, что пройду)», пройти мимо я не смогла 😅
Полезла разбираться.

Раньше логика была простая:
выбираешь одно направление → покупаешь один курс → погружаешься в одну область знаний.
Аналитика, BI, data engineering, ML — всё по очереди и по отдельности.

Теперь формат другой:
одна подписка — и ты сам собираешь себе обучение.
Берёшь модули не «как задумал автор курса», а как нужно тебе здесь и сейчас.

Почему мне этот формат кажется прикольным:

🟠 это не «один курс = одна профессия», а экосистема навыков аналитика
🟠 по сути, готовый роадмап: от базы (аналитик данных) → BI → продукт → ML → data engineering
🟠 практика на реальных бизнес-кейсах, а не на апельсинках и сферических конях
🟠 доступ ко всем новым курсам, которые будут выходить в 2026 году, без доплат

Если обобщать, то новая программа выглядит как попытка ответить на вопрос:
каким должен быть аналитик, который реально нужен бизнесу в ближайшие годы?

Плюс мне близка философия обучения без жёстких дедлайнов.
Когда можно вернуться к материалу, подумать, переделать — а не сдавать работу в 03:58 ночи просто потому, что «горит».

Рынок аналитики всё больше уходит от узких ролей — и такие форматы выглядят логичным ответом на эту реальность.

Но без ложки дёгтя не обошлось 🫢
Подписка, конечно, стоит дороже, чем покупка одного курса.
Зато это история не про «взял — прошёл — забыл», а про долгую траекторию. Вот тут можно подробнее ознакомиться с ценами и тарифами.

Если откликнулось — имеет смысл присмотреться (и да, не забывайте про скидку 25%).

Если нет — тоже ок.
В аналитике, как и в жизни, универсальных решений всё ещё не изобрели 😉

Я дала себе обещание в следующем году больше не покупать курсы впрок! 🤭

💬 А что вы себе пообещали?

🧑‍🎓 Диплом, декрет и данные: мой опыт обучения в Eduson

Ну что, раз все делятся итогами года, я тоже не останусь в стороне. Я закончила курс «Аналитик данных» в Eduson Academy и хочу поделиться, как это было.

Почему я вообще туда пошла
О смене профессии я думала давно. Но всё время находились причины откладывать: работа, усталость, жизнь.

В итоге самым логичным (ха-ха) решением оказалось уйти в декрет и… начать учиться.  Свободное время, говорили они. Отличная возможность, говорили они 😅

В первый год декрета я сидела на Stepik: SQL, Python.
Писать код одной рукой, пока второй держишь младенца, — опыт, который я никому не советую повторять.

Во второй год я поняла, что хочу более структурированное обучение и, да, диплом. Но я была не готова вписываться в обучение с жёсткими дедлайнами. Маленький ребёнок и дедлайны — несовместимые сущности!

И тут я наткнулась на пост в ТГ про Eduson — курс по аналитике без дедлайнов.
Позвонила, узнала детали и в итоге по цене одного курса получила сразу два: аналитик данных + data science (до второго я ещё доберусь… когда-нибудь).

Как устроено обучение
Обучение проходит на платформе Eduson.
Программа разбита на модули, внутри: • видеоуроки • мини-курсы • бизнес-кейсы • тренажёры • практические задания • дополнительные материалы (конспекты, шпаргалки, презентации)

Все лекции в записи, учишься в своём темпе.
Дедлайнов нет. Давления нет. Ответственность — полностью на тебе.

После окончания обучения доступ остаётся навсегда, включая обновления.
Например, модулей про нейросети в начале обучения не было — потом они появились.

Что мне понравилось
Курс даёт довольно широкую базу, и не только по хардам.

Хард-скиллы: • Excel • SQL • Python (NumPy, Pandas) • Power BI • статистика • A/B-тесты • метрики.

Софт и около-работа: • нейросети и промптинг • презентации и защита результатов анализа • карьерный блок: резюме, портфолио, собеседования.

Практики, несмотря на мои вечные жалобы, оказалось достаточно.  Возможно, если бы Python давался мне так же легко, как SQL, я бы ныла меньше.

Поддержка отвечает быстро, но честно скажу, по большинству вопросов я всё равно шла разбираться с GPT.

Что раздражало
Платформа плохо адаптирована под мобильные устройства.  Приложение есть, но пользы от него немного.

Самое бесячее — навигация в курсе.  Каждый раз, выходя на главную страницу, ты оказываешься в самом верху курса и листаешь вниз до нужного модуля. Каждый. Гребаный. Раз.

Некоторые лекции было тяжеловато смотреть из-за повторов одних и тех же мыслей на протяжении одного видео...
Есть вещи, которые я запомнила навсегда… просто потому что их повторили раз десять.

Что дала мне эта учёба
Я получила диплом (да, для миллениала это всё ещё важно). 
Я стала увереннее чувствовать себя в профессии. 
Я понимаю, какими инструментами пользуется аналитик и как выглядит его работа.

Знаю ли я всё идеально? Конечно нет. 
Могу ли я работать «с закрытыми глазами»? Тоже нет.

Мне нужно больше практики. И я это осознаю. 
Но к курсу я точно буду возвращаться — как к справочнику и базе для повторения.

Итог
Как и в любой онлайн-школе, вы сделаете несколько проектов, которые можно положить в портфолио. 

Насколько ценится диплом Eduson на рынке — не знаю.
Но, если честно, не так важно, какой у вас диплом. 

Важно, как вы думаете, как работаете и что умеете делать руками.
А курс — это всего лишь инструмент.

💬 А что вас бесит в тех курсах, которые вы проходите?

#учёба_аналитика
#курсес_ресурсес

😎 У меня есть какая-то стратегия и я буду её придерживаться!

Этот канал начинался как способ мотивировать себя не бросить миллион курсов, которые я запланировала пройти на пути в аналитику данных.
Хотелось хотя бы фиксировать, что я вообще что-то делаю, а не просто учусь.

Как и у любого начинающего автора, у меня не было чёткого плана.
Я не до конца понимала, как именно пройду этот путь, но решила сделать первый шаг и разбираться по ходу дела.
Со временем из разрозненных заметок, курсов и мыслей начало вырисовываться направление, которого я интуитивно придерживалась.

Но в новом году мне хочется добавить больше структуры и смысла тому, что я делаю и о чём пишу в этот канал.

Один пройденный курс за спиной уже позволяет сказать себе, что я не полный ноль в аналитике.
И дальше хочется не просто продолжать учиться, а развиваться как аналитик, дополняя инструментарий чем-то более осязаемым и практичным.

Поэтому в новом году я немного меняю фокус.
Я всё так же продолжаю учиться, но начинаю больше делать.

Это значит, что я:
🟠 буду глубже разбирать конкретные домены (e-commerce, edtech и другие);
🟠 попробую самостоятельно проложить себе путь в BI-аналитику (без регистрации и смс);
🟠 начну осознанно собирать портфолио из проектов, которые не лежат готовыми в курсах по профессии.

Каждые три месяца — новый домен:
один каркас, разные задачи, новые вопросы и, надеюсь, более зрелые аналитические ответы.

Здесь я буду писать:
🟠 как и почему выбираю проекты;
🟠 что не получается и где я спотыкаюсь;
🟠 какие инструменты реально помогают, а какие только создают иллюзию прогресса;
🟠 как меняется мышление, а не только стек технологий.

Я всё ещё in progress.
Но, кажется, уже на уровень выше.

Если ты здесь давно — спасибо, что идёшь рядом.
Если недавно — добро пожаловать.

И да, с наступающим Новым годом.
Лёгким он, скорее всего, не будет. Но сделать его интересным — вполне в наших силах.

Всех обняла, приподняла, в щёчку чмокнула!

🛒 Трейлер сезона: осваиваем e-commerce

Ну что, начнём наше эпичное приключение с изучения разных доменных областей и построением небанального портфолио?

Если честно, планов на этот год я себе навалила столько, что иногда даже моя литания против страха не справляется. Но, как говорится, глаза боятся, руки делают. Иногда криво. Иногда медленно. Но делают.

Ближайшие три месяца я решила посвятить e-commerce.

Почему именно он?
Потому что это максимально прикладной домен и, что немаловажно, немного мне знакомый. Я работаю в компании, где большая часть заказов проходит через сайт, так что общее понимание процессов есть. Поможет ли это в изучении сферы? Теоретически — да. Практически — посмотрим.

Если говорить про рынок, то e-commerce в России — это Wildberries, Ozon, Яндекс Маркет, МегаМаркет и ещё куча вариаций. Метрик много, данных много — идеальная среда для обучения.

План действий мы накидали вместе с ChatGPT. Он был настолько любезен, что:
🟠 разложил темы по полочкам
🟠 предложил проекты под каждую из них

Правда, пока не уточнил, где мы будем брать данные. Но это, как говорится, задача со звёздочкой, с которой разберёмся по ходу.

Параллельно я начинаю самостоятельное путешествие в BI-аналитику.
В этом году я дала себе зарок не покупать курсы (держим кулачки), а попробовать самообучение. Доступной информации ведь много, говорят они 🤭

Что планирую:
🟠 собрать roadmap BI-аналитика и идти по нему шаг за шагом
🟠 каждые два месяца разбирать один инструмент визуализации, который встречается в вакансиях на hh

Любимые рубрики "Отзыв на курс" и "Отзыв на книгу" никуда не исчезают.

Плюс добавлю новую тему:
как делать (и как не делать) портфолио — на основе советов YouTube-аналитиков.

Что хочу получить через три месяца:
🟠 понять, как устроен домен e-commerce и какие метрики там реально важны
🟠 разобраться, с какими типами данных приходится работать и как подходят к их анализу
🟠 собрать три проекта в портфолио, привязанные к домену

💬 Кстати, с какого домена вы бы начали изучение аналитики и почему?

#аналитик_собирает_пазл

Учебные проекты для портфолио — это плохо (и вот почему)

Почти каждый курс по аналитике продаётся через один и тот же аргумент:
«В конце у вас будут проекты для портфолио».

Звучит логично. Но есть нюанс.

Christine Jiang — бывший директор по данным, нанимающий менеджер и автор программы Analytics Accelerator — считает, что учебные проекты не стоит включать в портфолио. И я решила разобрать её аргументацию, потому что она показалась мне логичной.

По мнению Кристин, портфолио — это не про инструменты.
Это не «смотрите, я знаю SQL, Python и Power BI».
Это ответ на вопрос: готов ли человек к реальной работе аналитика.

Поэтому она делит проекты на два типа:

1. Learning projects (учебные)
2. Showing projects (демонстрационные)

Почему учебные проекты — слабое место

Учебные проекты, по мнению Кристин, почти всегда:
🟠 заточены на отработку инструментов, а не на решение бизнес-задач
🟠 используют либо слишком «стерильные», либо слишком учебные датасеты
🟠 не имеют чёткого вопроса и структуры
🟠 фокусируются на том, чем ты пользовался, а не зачем

В глазах нанимающего такой проект читается как:
человек всё ещё учится и пока не готов к продакшену.

Жёстко? Да.
Правда? Тоже да.

Что тогда считается хорошим проектом

Showing projects — это попытка имитировать реальную работу аналитика.

Они показывают:
🟠 доменную экспертизу
🟠 структурное мышление
🟠 умение говорить с бизнесом, а не только с данными

Идеальный источник данных — реальный мир:
стажировки, волонтёрство, рабочие задачи.
Но Кристин честно признаёт, что это сложно, и даже записала отдельное видео о том, где брать данные, если у тебя нет коммерческого опыта.

READY-фреймворк для проектов в портфолио

Чтобы проект выглядел как «боевой», Кристин предлагает использовать фреймворк READY:

R — Representative data
Данные должны быть похожи на рабочие:
грязные, большие, с бизнес-метриками.
Не Kaggle на 3k строк, а условные GoogleAnalytics-данные на 100k+ записей.

E — Exec-driven questions
Не «посмотрим, что есть в данных»,
а конкретные бизнес-вопросы.
Например: как перераспределить маркетинговый бюджет по регионам?

A — Analytical frameworks
Чёткая структура анализа:
очистка → EDA → инсайты → визуализация,
а не набор разрозненных запросов.

D — Data best practices
Чистый SQL, комментарии, читаемость, понимание,
зачем ты используешь CTE, а не «потому что можешь».

Y — Your insights & impact
Не просто «продажи выросли на 12%», а:
за счёт каких сегментов
что с этим делать
какое решение ты рекомендуешь бизнесу

Свою логику Кристин подробно показывает в серии видео Portfolio Playbook, где шаг за шагом проходит весь путь анализа.

В следующем посте серии #аналитик_слушает_советы разберём, как она рекомендует оформлять README проекта, чтобы он соответствовал её представлениям о прекрасном.

💬 А теперь вопрос к вам:
как вы относитесь к учебным проектам из курсов?
Это чисто «тренировка» или их всё-таки можно дотянуть до демонстрационных?

#аналитик_слушает_советы

🤦‍♀️ Как же я люблю наступать на одни и те же грабли

Кажется, только вчера я клялась себе больше не брать одновременно два больших курса.
И вот я снова танцую на тех же самых граблях. Красиво. Уверенно. С огоньком 💃

Да, курс в Simulative я ещё не закончила. Формально там остались визуализация и математика со статистикой. Но, как я уже писала, в этом году я решила осознанно идти в BI-аналитику.

Не просто учиться рисовать красивые графики и дашборды (хотя это тоже надо),
а понимать, как через визуализацию решаются задачи бизнеса.
А для этого, внезапно, нужно чуть больше, чем знать, где в Power BI кнопочки.

В общем, я села составлять себе план обучения.
И тут выяснилось, что фраза «всё можно выучить самостоятельно» немного лукавая.
Потому что собрать себе адекватную программу — это вообще-то отдельный навык.

На YouTube я нашла ровно один вменяемый roadmap по BI.
Хорошо, что образовательные платформы давно уже сделали свои программы и там можно что-то подсмотреть.

Если сильно упростить, BI-аналитика у всех выглядит примерно так:
🟠 понимать данные: откуда они берутся и что с ними делать
🟠 владеть инструментами анализа и визуализации
🟠 уметь рассказывать историю через данные
🟠 хотя бы в общих чертах понимать, как устроена data-инфраструктура в компании

Параллельно я решила подключить GPT и пошла двумя путями:
1️⃣ описала, что именно хочу изучать, и попросила собрать план
🔟 закинула ему программы разных курсов и попросила сделать из них roadmap

И внезапно первый вариант оказался ближе к тому, что мне нужно. Я убрала инструменты анализа (SQL, Python) и BI-план получился более сфокусированным именно на смысле профессии.
А инструменты визуализации я буду изучать отдельно.

Но, конечно, внутренний червячок сомнений никуда не делся:
🟠 а вдруг план не оптимальный?
🟠 а вдруг ребята из курсов знают лучше?
🟠 а вдруг я сейчас изобретаю велосипед?

Вот это, пожалуй, главный минус самостоятельного обучения:
ты всё время сомневаешься, туда ли идёшь.

Но я люблю эксперименты.
Буду набивать шишки, по ходу дела корректировать план и делиться с вами тем, что работает, а что нет.

💬 А вы когда-нибудь составляли себе программу обучения с нуля? Можете поделиться лайфхаками?

#аналитик_визуализирует

🍸 Любите ли вы бары так, как люблю их я?

Если вы сейчас представили барную стойку, танцы и коктейли — притормозите 😅

Сегодня хочу познакомить вас с Машей — автором канала «Пирожки и бары | про BI».
Маша — тимлид BI-аналитиков в Avito с 5+ годами опыта в аналитике.
А значит, человек, который точно знает, как делать не только красивые, но и полезные бизнесу дашборды.

Вы могли заметить, что в этом году я активно смотрю в сторону BI.
И если учиться, то только у тех, кто:
🟠 работает с реальными заказчиками,
🟠 живёт в требованиях, правках и «а можно ещё вот тут добавить»,
🟠 и при этом умеет объяснять сложное простым языком.

У Маши как раз такой контент.

Если вы уже строите дашборды или только собираетесь, очень советую начать с этих постов:
🟠 5 вопросов для сбора требований к дашборду
🟠 Чек-лист хорошего дашборда

Есть и моя любимая тема — курсы и обучение. Например:
🟠 Большая подборка ресурсов для изучения SQL для разных уровней

Но BI — это не только серьёзные лица и метрики.
У Маши есть отдельная рубрика #bi_вредные_советы, где можно и посмеяться, и узнать себя:
🟠 Как выбесить аналитика: вредные советы для заказчиков
🟠 Как выбесить заказчика: вредные советы для аналитиков

Если вам откликается BI, с реальными кейсами, юмором и пользой —
очень рекомендую заглянуть в «Пирожки и бары | про BI»!

💬 А как дела у вас с этим?
Вы больше по барам или по bar chart'ам?

🚀 Metabase как первая BI-система: проверяю на практике

В этом году я целенаправленно изучаю BI-аналитику.
А что такое BI-аналитика, если не работа с данными + их визуализация?

Этим постом я открываю серию про инструменты визуализации.
На каждый инструмент я закладываю примерно два месяца: изучить, применить и сделать выводы.

Чтобы не распыляться, все инструменты я буду разбирать через один сквозной проект:
e-commerce с поведенческими событиями пользователей.

Базовый датасет взят с Kaggle, но дальше мы с GPT будем обогащать его синтетическими данными под нужные бизнес-задачи. Хочу, чтобы проект был максимально приближен к реальности. Правда в этом вопросе полностью полагаюсь на GPT 😅

Начинаем с Metabase.

Почему именно он?
Во-первых, в Simulative этот инструмент идёт третьим модулем, сразу после метрик и SQL. То есть уже после первой трети курса предполагается, что ты можешь работать аналитиком «на минималках».

Во-вторых, у Metabase низкий порог входа:
запросы можно писать на SQL, а можно собирать через визуальный конструктор. Фактически ты описываешь, что хочешь увидеть, и система это собирает. Это сильно снижает порог входа в BI-аналитику.

И, в-третьих, Metabase часто используют как первую BI-систему в компаниях, которые только встают на data-driven рельсы.

Про обучение.
GPT утверждает, что Metabase можно освоить за условные часы, даже если опыта с данными немного. Возможно, он слегка оптимист, но по сравнению с другими BI-инструментами Metabase действительно даёт быструю отдачу без долгого онбординга.
Плюс на YouTube полно туториалов: установка, настройка, первые дашборды.

С Metabase я планирую сделать два проекта:
🟠 Executive View — общее понимание, что происходит с бизнесом
🟠 Monitoring & Control — где процессы нестабильны и где находятся точки риска

Буду смотреть, насколько инструмент подходит для этих задач и где начинаются его ограничения.

Ну что, погнали? 😊

💬 А вы использовали Metabase в работе или для обучения? Какие впечатления?

#аналитик_визуализирует

🐴 Планирование — точно не мой конёк.
Мой конёк — горбунок. С характером и без тормозов!

Вообще-то сегодняшний пост должен был быть про инсайты после первого месяца изучения e-commerce.
Но есть нюанс: я до сих пор в лёгком шоке от того, что именно мы напланировали. Поэтому вместо инсайтов давайте сначала разберёмся с планом. А к выводам я вернусь во втором посте серии. Честно-честно 🤞

План по e-commerce я собирала вместе с ChatGPT (кажется, ему уже пора дать имя).
Сама я в домене ориентировалась очень примерно и решила не изобретать велосипед, а спросить у того, кто не устаёт и не паникует от объёма задач.

Вот что получилось.

Месяц 1. Скелет домена
KPI, воронка, базовая диагностика.
Цель — понять, как вообще работает e-commerce:
🟠 где бизнес зарабатывает деньги
🟠 где обычно «течёт» воронка
🟠 какие метрики считаются базовыми

Месяц 2. Поведение и деньги
Когорты, retention, LTV, сегменты.
Фокус — научиться оценивать ценность пользователей, а не просто считать клики.

Месяц 3. Цены, промо и эксперименты
Здесь будем учиться оценивать эффект, а не просто красиво описывать прошлое.
Промо, A/B, гипотезы — всё по-взрослому.

Все три месяца я работаю с одним и тем же датасетом, который мы немного обогатим синтетическими данными.
Каждый месяц — отдельный проект, отражающий пройденный материал.

Датасет беру из библиотеки материалов Олимпиады DANO за прошлый год.

А ещё, так как значительную часть дня я провожу на прогулках с ребёнком, решила добавить формат «учёбы для ушей».
Нашла подкаст «Практика days» — интервью с предпринимателями и топ-менеджерами из e-commerce.

Почему он мне зашёл:
🟠 много реальных бизнесов и моделей
🟠 разговоры про текущие вызовы
🟠 понимание, чем рынок живёт прямо сейчас и куда смотрит

Не уверена, что это прям must-have для подготовки к собесам в конкретную компанию.
Но для формирования общего контекста — очень даже.

В общем, я продолжаю мучить себя бессонными ночами и наполеоновскими планами.
А вам пока задам вопрос:

💬 Когда вы готовитесь к собеседованию, вы смотрите только конкретную компанию или ещё и всю сферу целиком?

#аналитик_собирает_пазл