Математика, харды и только харды 👨🏫
Привет! Меня зовут Никита Тугушев, я аналитик в Товарах. Хочу в очередной раз поговорить про харды. Как и многие, я прошёл немало шагов на пути к прокачке математических навыков — и каждый раз убеждаюсь, что без этого никуда.
Недавно в одной из рабочих задач мне понадобилось освежить методы оптимизации функций. Никогда не думал, что придётся искать глобальные минимумы и максимумы на реальном проекте!
Я построил модель, которая описывает зависимость количества «покупок» от наших действий, а потом нужно было максимизировать её с учётом заданных ограничений — прямо как в задачках из учебника по математическому анализу.
Вижу и у коллег то же самое: многие придумывают или совершенствуют инструменты для анализа данных, снова и снова доказывая, что математика — одна из самых увлекательных и мощных частей в работе аналитика.
В конце концов, в нужный момент именно она может выделить тебя на фоне сотен других специалистов.
🧠 Важно помнить: дело не в том, чтобы применять самый сложный метод любой ценой. Намного важнее найти способ, который решает задачу быстро и не усложняет процесс.
Если простая линейная регрессия покрывает все потребности, не пытайтесь впечатлить коллег громоздким алгоритмом — здесь результат важнее красоты решения.
🦾 Кроме того, сложные методы требуют больше сил на поддержку и внедрение. Иногда лучше реализовать быструю и понятную модель, чем тратить время на «мегамозговой» подход.
🧑💻 Весь смысл в том, чтобы эффективно решать задачи бизнеса и пользователей, а не просто прокачивать математические навыки ради них самих. Это, на мой взгляд, главный контраст с научной карьерой: в бизнесе всегда важна максимальная эффективность.
Я ставлю харды на высокое место, но обязательно соразмеряю их с задачами по улучшению продукта и бизнеса.
Такой баланс помогает не увязнуть в избыточной сложности: когда используешь сильные методологии осознанно, опираясь на реальные потребности, то жить с хард-скилами становится гораздо проще и продуктивнее.
Вывод:
1️⃣ Держите математический тонус: обогащайте хард-скилы, даже если кажется, что в реальной задаче это не пригодится.
2️⃣ Не забывайте про бизнес: главное — получить результат, а не «прикрутить» ради эксперимента что-то сверхсложное.
3️⃣ Сильный аналитик — это тот, кто умеет и в сложные методы, и в здравый смысл.
Выбирает метод, который решает задачу лучше всего и при этом не создаёт необоснованной сложности.
В итоге харды остаются важной частью нашего роста: они помогают делать точные выводы, гибко выстраивать эксперименты и создают среду, где любая гипотеза проверяется крепкой математической логикой.
🐳 — Пошёл пересматривать лекции по матану
🌝 — Всё жду такую задачу
#НикиТушев
Привет! Меня зовут Никита Тугушев, я аналитик в Товарах. Хочу в очередной раз поговорить про харды. Как и многие, я прошёл немало шагов на пути к прокачке математических навыков — и каждый раз убеждаюсь, что без этого никуда.
Недавно в одной из рабочих задач мне понадобилось освежить методы оптимизации функций. Никогда не думал, что придётся искать глобальные минимумы и максимумы на реальном проекте!
Я построил модель, которая описывает зависимость количества «покупок» от наших действий, а потом нужно было максимизировать её с учётом заданных ограничений — прямо как в задачках из учебника по математическому анализу.
Вижу и у коллег то же самое: многие придумывают или совершенствуют инструменты для анализа данных, снова и снова доказывая, что математика — одна из самых увлекательных и мощных частей в работе аналитика.
В конце концов, в нужный момент именно она может выделить тебя на фоне сотен других специалистов.
🧠 Важно помнить: дело не в том, чтобы применять самый сложный метод любой ценой. Намного важнее найти способ, который решает задачу быстро и не усложняет процесс.
Если простая линейная регрессия покрывает все потребности, не пытайтесь впечатлить коллег громоздким алгоритмом — здесь результат важнее красоты решения.
🦾 Кроме того, сложные методы требуют больше сил на поддержку и внедрение. Иногда лучше реализовать быструю и понятную модель, чем тратить время на «мегамозговой» подход.
🧑💻 Весь смысл в том, чтобы эффективно решать задачи бизнеса и пользователей, а не просто прокачивать математические навыки ради них самих. Это, на мой взгляд, главный контраст с научной карьерой: в бизнесе всегда важна максимальная эффективность.
Я ставлю харды на высокое место, но обязательно соразмеряю их с задачами по улучшению продукта и бизнеса.
Такой баланс помогает не увязнуть в избыточной сложности: когда используешь сильные методологии осознанно, опираясь на реальные потребности, то жить с хард-скилами становится гораздо проще и продуктивнее.
Вывод:
1️⃣ Держите математический тонус: обогащайте хард-скилы, даже если кажется, что в реальной задаче это не пригодится.
2️⃣ Не забывайте про бизнес: главное — получить результат, а не «прикрутить» ради эксперимента что-то сверхсложное.
3️⃣ Сильный аналитик — это тот, кто умеет и в сложные методы, и в здравый смысл.
Выбирает метод, который решает задачу лучше всего и при этом не создаёт необоснованной сложности.
В итоге харды остаются важной частью нашего роста: они помогают делать точные выводы, гибко выстраивать эксперименты и создают среду, где любая гипотеза проверяется крепкой математической логикой.
🐳 — Пошёл пересматривать лекции по матану
🌝 — Всё жду такую задачу
#НикиТушев
🐳40❤19🤓9🔥6🌚3
Привет, на связи Настя из Авито Недвижимости 👋
Кажется, что все вокруг разбираются в аналитике лучше, а ты только делаешь вид? Добро пожаловать в клуб!
Синдром самозванца — частый спутник аналитиков. Исследование показывает, что до 70% людей в той или иной степени испытывают это переживание в течение своей карьеры. Но давайте посмотрим на него с другой стороны.
Это чувство — не враг, а, скорее, индикатор того, что вы стремитесь к росту. Оно заставляет сомневаться, проверять себя и учиться. Главное — не дать ему парализовать себя.
Как с этим справляться?
1. Примите, что идеальных аналитиков не существует. Даже senior-аналитики иногда ошибаются. Аналитика — это не про идеальные ответы, а про поиск лучшего решения в условиях неопределенности.
2. Фиксируйте свои успехи. Заведите список достижений, а когда будете сомневаться в себе, перечитывайте его. По данным психологов, регулярное фиксирование достижений снижает уровень тревожности.
3. Делитесь страхами. Обсудите свои переживания с коллегами или близкими, это поможет понять, что вы не одиноки.
4. Разделяйте себя и свою работу. Ошибка в анализе — это не ошибка вас как человека. Это просто часть процесса.
5. Учитесь принимать обратную связь. Воспринимайте критику не как подтверждение своей «недостаточности», а как возможность роста.
Если эти советы вам не помогли или вы хотите лучше разобраться в теме, советую прочитать одну из этих книг:
📚 «Синдром самозванца» / The Impostor Phenomenon — Полин Роуз Кланс
📚 «Дары несовершенства» / The Gifts of Imperfection — Брене Браун
📚 «НИ СЫ» / You Are a Badass — Джен Синсеро
И помните: синдром самозванца — это не про ваши навыки, а про отношение к ним. Используйте его как топливо для роста, а не как тормоз 💪
А вы сталкивались с этим чувством?
Да — 🗿
Нет — 💅
Делитесь в комментариях, как справляетесь с ним!
#НастяЗв
Кажется, что все вокруг разбираются в аналитике лучше, а ты только делаешь вид? Добро пожаловать в клуб!
Синдром самозванца — частый спутник аналитиков. Исследование показывает, что до 70% людей в той или иной степени испытывают это переживание в течение своей карьеры. Но давайте посмотрим на него с другой стороны.
Это чувство — не враг, а, скорее, индикатор того, что вы стремитесь к росту. Оно заставляет сомневаться, проверять себя и учиться. Главное — не дать ему парализовать себя.
Как с этим справляться?
1. Примите, что идеальных аналитиков не существует. Даже senior-аналитики иногда ошибаются. Аналитика — это не про идеальные ответы, а про поиск лучшего решения в условиях неопределенности.
2. Фиксируйте свои успехи. Заведите список достижений, а когда будете сомневаться в себе, перечитывайте его. По данным психологов, регулярное фиксирование достижений снижает уровень тревожности.
3. Делитесь страхами. Обсудите свои переживания с коллегами или близкими, это поможет понять, что вы не одиноки.
4. Разделяйте себя и свою работу. Ошибка в анализе — это не ошибка вас как человека. Это просто часть процесса.
5. Учитесь принимать обратную связь. Воспринимайте критику не как подтверждение своей «недостаточности», а как возможность роста.
Если эти советы вам не помогли или вы хотите лучше разобраться в теме, советую прочитать одну из этих книг:
📚 «Синдром самозванца» / The Impostor Phenomenon — Полин Роуз Кланс
📚 «Дары несовершенства» / The Gifts of Imperfection — Брене Браун
📚 «НИ СЫ» / You Are a Badass — Джен Синсеро
И помните: синдром самозванца — это не про ваши навыки, а про отношение к ним. Используйте его как топливо для роста, а не как тормоз 💪
А вы сталкивались с этим чувством?
Да — 🗿
Нет — 💅
Делитесь в комментариях, как справляетесь с ним!
#НастяЗв
🗿58🔥21
Всем привет! Я — Женя Мурзаева, и я работаю в монетизации.
Команда монетизации Авито занимается разработкой продуктов для продавцов, которые используют Авито не просто для разгрузки дома и продажи личных вещей, а как платформу, на которой они зарабатывают. Пример продуктов, над которыми работает моя команда: продвижение объявлений, плата за размещение объявления или плата за целевое действие с объявлением.
Несмотря на то что наши задачи не строятся на том, чтобы делать продукты дороже, мы довольно часто получаем негатив от пользователей.
Например, фразы в духе: «раньше всегда было лучше и понятней» или «Авито точно хочет нас обмануть». Мы привыкли к этому.
Но вот однажды за семейным обедом я рассказывала, чем занимаюсь. Начала издалека — с рассказа, какими бывают ИТ-продукты.
И как только закончила говорить, кто-то из родственников начал:
А какой фидбэк пользователей вы получаете на своих продуктах?
😍— пользователи в восторге
😇— раз на раз не приходится
😎— мы их не спрашиваем
#ЖеняМур
Команда монетизации Авито занимается разработкой продуктов для продавцов, которые используют Авито не просто для разгрузки дома и продажи личных вещей, а как платформу, на которой они зарабатывают. Пример продуктов, над которыми работает моя команда: продвижение объявлений, плата за размещение объявления или плата за целевое действие с объявлением.
Несмотря на то что наши задачи не строятся на том, чтобы делать продукты дороже, мы довольно часто получаем негатив от пользователей.
Например, фразы в духе: «раньше всегда было лучше и понятней» или «Авито точно хочет нас обмануть». Мы привыкли к этому.
Но вот однажды за семейным обедом я рассказывала, чем занимаюсь. Начала издалека — с рассказа, какими бывают ИТ-продукты.
И как только закончила говорить, кто-то из родственников начал:
«А, так Авито недавно добавил опцию размещения на 14 дней в долгосрочной аренде, это прям здорово!».Тут я расплылась в улыбке. Ведь это именно мой продукт и именно моя команда работала месяцы, чтобы появились эти опции. Такие моменты всегда сохраняются в сердцах команды монетизации ❤️
«Это тоже продукт?» — спросили меня.
А какой фидбэк пользователей вы получаете на своих продуктах?
😍— пользователи в восторге
😇— раз на раз не приходится
😎— мы их не спрашиваем
#ЖеняМур
😇26❤17😎13🔥11😍7👍2
Специалисты из агентства NEWHR опросили 1 293 аналитика из разных сфер, и большинство из них выбрали Авито в качестве самого привлекательного работодателя 🚀
По такому поводу решили поделиться, почему нам нравится быть аналитиками в Авито. Читайте карточки⬆️
→ Больше подробностей и других итогов опроса найдёте в исследовании
По такому поводу решили поделиться, почему нам нравится быть аналитиками в Авито. Читайте карточки
→ Больше подробностей и других итогов опроса найдёте в исследовании
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Всем привет! На связи Лада Селиванова и Дима Кротов.
Как и многие аналитики, на своём пути мы не раз ловили мысли: «Какой у меня уровень?», «Точно ли я уже мидл или всё ещё джун?» — привет, синдром самозванца 😅
А вы задумывались об этом?
🔎 Мы уверены, рефлексия — это не самокопание, а важный скилл для роста. Собрали вопросы, которые помогут разобраться, на какой ступени аналитики вы находитесь сейчас и понять, что уже умеете и делаете, а какие навыки ещё стоит подтянуть.
✍️ Читайте вопросы в карточках, выбирайте один вариант ответа и записывайте его себе в заметки или на листок. В конце нужно будет собрать все ответы и посчитать сумму баллов.
Разброс такой:
а) — 1 балл
б) — 2 балла
в) — 3 балла
❗Дисклеймер: полученные результаты теста являются фановыми. За более точной оценкой уровня идите в матрицу компетенций своей компании или на собеседование 😎
🤓 Проходите тест и делитесь своими грейдами в комментариях.
#Дима_Кр
#Лада
Как и многие аналитики, на своём пути мы не раз ловили мысли: «Какой у меня уровень?», «Точно ли я уже мидл или всё ещё джун?» — привет, синдром самозванца 😅
А вы задумывались об этом?
🔎 Мы уверены, рефлексия — это не самокопание, а важный скилл для роста. Собрали вопросы, которые помогут разобраться, на какой ступени аналитики вы находитесь сейчас и понять, что уже умеете и делаете, а какие навыки ещё стоит подтянуть.
✍️ Читайте вопросы в карточках, выбирайте один вариант ответа и записывайте его себе в заметки или на листок. В конце нужно будет собрать все ответы и посчитать сумму баллов.
Разброс такой:
а) — 1 балл
б) — 2 балла
в) — 3 балла
❗Дисклеймер: полученные результаты теста являются фановыми. За более точной оценкой уровня идите в матрицу компетенций своей компании или на собеседование 😎
🤓 Проходите тест и делитесь своими грейдами в комментариях.
#Дима_Кр
#Лада
❤23🔥10
Привет! Я Георгий Фандеев, и я менеджер аналитики.
Когда я пришел в Авито, использование Python было де-факто стандартом среди аналитиков компании.
Мне, выросшему на R, это было странно и непривычно. К счастью, за эти годы мне удалось донести преимущества R до своих команд и сделать его основным языком. А со следующего полугодия мы начнем популяризацию R уже в рамках всего Авито.
Почему R, а не python?
👉 Python разработан почти 35 лет назад. Многие ли из вас знакомы с языком Ада? Нет? То-то же, а ведь ему всего 45. Да, пока ещё Python на волне успеха, но, опыт говорит, что ему осталось недолго.
👉 R, в отличие от питона, изначально создавался для анализа данных. Вы можете стать гуру R, оставаясь аналитиком, а не превращаясь в разработчика.
👉 R в среднем быстрее питона. Да, в некоторых ML-задачах это не так, но разве это проблема? Пока обучается модель, аналитик может делать дашборд или витрину.
👉 Элитарность. Специалистов по R мало и ценятся они высоко. Кроме того, менеджер, подчиненные которого используют только R, может быть спокоен, — его ребятам будет сложнее уйти в другую компанию.
Как происходил переход?
1️⃣ Первым делом я провел серию воркшопов и рассказал о достоинствах R.
2️⃣ Затем я стал поощрять использование R на добровольных началах. Переход на R стал одним из поводов выдать повышенную премию.
3️⃣ Ещё через год я ввел запрет на Python в своих командах (за некоторыми исключениями). Если мне приносили код на питоне, я отправлял переписывать на R. Жёстко? Да, но зато сработало!
Эксперимент оказался удачным:
✅ Задачи выполняются в среднем на 42% быстрее.
✅ Число технических ошибок в скриптах снизилось на 14%.
✅ Мои команды стали сплочённее: изучение R вынудило ребят больше общаться между собой и спрашивать советы друг у друга.
Как итог — со следующего полугодия в матрицу компетенций аналитиков уже всего Авито будет добавлено знание R (пока наряду c Python).
Надеюсь, наш опыт вдохновит и вас на R-переход! Поверьте, оно того стоит!
#ГеоргийФ
Когда я пришел в Авито, использование Python было де-факто стандартом среди аналитиков компании.
Мне, выросшему на R, это было странно и непривычно. К счастью, за эти годы мне удалось донести преимущества R до своих команд и сделать его основным языком. А со следующего полугодия мы начнем популяризацию R уже в рамках всего Авито.
Почему R, а не python?
👉 Python разработан почти 35 лет назад. Многие ли из вас знакомы с языком Ада? Нет? То-то же, а ведь ему всего 45. Да, пока ещё Python на волне успеха, но, опыт говорит, что ему осталось недолго.
👉 R, в отличие от питона, изначально создавался для анализа данных. Вы можете стать гуру R, оставаясь аналитиком, а не превращаясь в разработчика.
👉 R в среднем быстрее питона. Да, в некоторых ML-задачах это не так, но разве это проблема? Пока обучается модель, аналитик может делать дашборд или витрину.
👉 Элитарность. Специалистов по R мало и ценятся они высоко. Кроме того, менеджер, подчиненные которого используют только R, может быть спокоен, — его ребятам будет сложнее уйти в другую компанию.
Как происходил переход?
1️⃣ Первым делом я провел серию воркшопов и рассказал о достоинствах R.
2️⃣ Затем я стал поощрять использование R на добровольных началах. Переход на R стал одним из поводов выдать повышенную премию.
3️⃣ Ещё через год я ввел запрет на Python в своих командах (за некоторыми исключениями). Если мне приносили код на питоне, я отправлял переписывать на R. Жёстко? Да, но зато сработало!
Эксперимент оказался удачным:
✅ Задачи выполняются в среднем на 42% быстрее.
✅ Число технических ошибок в скриптах снизилось на 14%.
✅ Мои команды стали сплочённее: изучение R вынудило ребят больше общаться между собой и спрашивать советы друг у друга.
Как итог — со следующего полугодия в матрицу компетенций аналитиков уже всего Авито будет добавлено знание R (пока наряду c Python).
Надеюсь, наш опыт вдохновит и вас на R-переход! Поверьте, оно того стоит!
#ГеоргийФ
😁127🤯25👎8🦄7💊6👍4❤3👀1
Приглашаем на митап про A/B-тесты и наш инструмент Trisigma
Мы в Авито проводим по 4 000+ A/B-тестов в год: это позволяет проверять много гипотез и значительно растить ключевые показатели. Но эти результаты зависят не только от количества тестов, а ещё и от их качества.
Чтобы эффективно и быстро проводить эксперименты, мы создали собственную A/B-шницу — Trisigma. Сейчас она доступна для всех продуктовых команд.
Если интересно больше узнать о том, как устроен этот инструмент и как мы проводим тесты, приходите на наш митап. Расскажем, как всё работает, а после встречи обязательно понетворкаем.
📅 Когда
16 апреля. Собираемся с 18:15, начнём в 19:00, будем на встрече до 22:00 с перерывом на кофе.
📍 Где
— офис Авито в Москве на Лесной, 7
— или онлайн: трансляция будет на YouTube и в VK
✅ Как присоединиться
Регистрируйтесь на таймпаде — это можно сделать уже сейчас.
Мы в Авито проводим по 4 000+ A/B-тестов в год: это позволяет проверять много гипотез и значительно растить ключевые показатели. Но эти результаты зависят не только от количества тестов, а ещё и от их качества.
Чтобы эффективно и быстро проводить эксперименты, мы создали собственную A/B-шницу — Trisigma. Сейчас она доступна для всех продуктовых команд.
Если интересно больше узнать о том, как устроен этот инструмент и как мы проводим тесты, приходите на наш митап. Расскажем, как всё работает, а после встречи обязательно понетворкаем.
📅 Когда
16 апреля. Собираемся с 18:15, начнём в 19:00, будем на встрече до 22:00 с перерывом на кофе.
📍 Где
— офис Авито в Москве на Лесной, 7
— или онлайн: трансляция будет на YouTube и в VK
✅ Как присоединиться
Регистрируйтесь на таймпаде — это можно сделать уже сейчас.
✍13❤10😍3🔥2👎1
Всем привет! На связи Рома Клочко, аналитик в Доставке 📦
Обучение ML-модели и оптимизация её метрик — это очень ресурсоёмко, увлекательно и благородно.
Но гораздо больше вызовов ждут нас на проде, когда по загадочным причинам качество модели значительно отличается от того, что мы видели на обучении. В невыгодную для нас сторону, конечно же 🙂
Хочу рассказать, с какими вызовами я столкнулся, когда доводил до прода ML-модели, и какие ошибки возникали там, где, как казалось, их быть не может.
🧠 Секреты успешного внедрения модели на прод:
1. У модели на проде актуальные значения фичей.
2. На проде фичи считаются абсолютно так же, как при обучении.
3. Алгоритм перевода предсказаний модели в принятие решения должен быть таким же, как при оценке качества при обучении.
✍️ Давайте приведу примеры ошибок, которые я допускал в каждом из этих пунктов.
1️⃣ При тестировании мы не смогли обнаружить, что в сервис попадает неактуальная версия витрины с фичами для модели.
Проблема возникала по двум причинам: во-первых, при тестировании мы проверили, что данные попадают в сервис, но не проверили, что они в точности соответствуют тем, что ожидаются. Тут табличка и там табличка, разве недостаточно? Оказалось, нет.
Во-вторых, при тестировании мы использовали витрину не такой структуры, как на проде, и это сделало ошибку менее очевидной.
2️⃣ Мы внедряли одну модель и заметили, что её качество значительно хуже, чем мы ожидали. Мы не залогировали каждое срабатывание, поэтому найти причину низкого качества было тяжело, и на это ушло несколько дней.
В итоге мы увидели, что при обучении модели некоторые фичи считались, подглядывая в будущее: учитывались данные, которые ещё не должны были доехать в DWH к моменту расчёта.
Мы пересчитали фичи и переобучили модель, но если бы на этапе тестирования залогировали все события, гораздо быстрее узнали бы, что фичи считаются некорректно.
3️⃣ Мы тестировали одну из моделей на проде и обнаружили аномальное поведение продуктовых метрик. Убедились, что фичи на сервисе актуальные, а модель выдаёт то же предсказание, что и в офлайне. Казалось, что происходит какая-то магия.
Анализ показал, что произошла мискоммуникация с разработкой, и положительный класс модели был воспринят на проде как отрицательный.
Модель буквально работала в обратную сторону: хорошие события отсеивала, а нежелательные оставляла. Если честно, более комичную ситуацию я не могу себе представить.
💡 Вывод таков: тестировать нужно настолько душно, насколько позволяют ресурсы. Каждое непроверенное звено может обернуться срочной задачей, которая внесёт коррективы в ваши выстроенные процессы планирования спринта.
Всем желаю не только пресижна и рекола, но и их воспроизведения в реальности!
#РомаК
Обучение ML-модели и оптимизация её метрик — это очень ресурсоёмко, увлекательно и благородно.
Но гораздо больше вызовов ждут нас на проде, когда по загадочным причинам качество модели значительно отличается от того, что мы видели на обучении. В невыгодную для нас сторону, конечно же 🙂
Хочу рассказать, с какими вызовами я столкнулся, когда доводил до прода ML-модели, и какие ошибки возникали там, где, как казалось, их быть не может.
🧠 Секреты успешного внедрения модели на прод:
1. У модели на проде актуальные значения фичей.
2. На проде фичи считаются абсолютно так же, как при обучении.
3. Алгоритм перевода предсказаний модели в принятие решения должен быть таким же, как при оценке качества при обучении.
✍️ Давайте приведу примеры ошибок, которые я допускал в каждом из этих пунктов.
1️⃣ При тестировании мы не смогли обнаружить, что в сервис попадает неактуальная версия витрины с фичами для модели.
Проблема возникала по двум причинам: во-первых, при тестировании мы проверили, что данные попадают в сервис, но не проверили, что они в точности соответствуют тем, что ожидаются. Тут табличка и там табличка, разве недостаточно? Оказалось, нет.
Во-вторых, при тестировании мы использовали витрину не такой структуры, как на проде, и это сделало ошибку менее очевидной.
2️⃣ Мы внедряли одну модель и заметили, что её качество значительно хуже, чем мы ожидали. Мы не залогировали каждое срабатывание, поэтому найти причину низкого качества было тяжело, и на это ушло несколько дней.
В итоге мы увидели, что при обучении модели некоторые фичи считались, подглядывая в будущее: учитывались данные, которые ещё не должны были доехать в DWH к моменту расчёта.
Мы пересчитали фичи и переобучили модель, но если бы на этапе тестирования залогировали все события, гораздо быстрее узнали бы, что фичи считаются некорректно.
3️⃣ Мы тестировали одну из моделей на проде и обнаружили аномальное поведение продуктовых метрик. Убедились, что фичи на сервисе актуальные, а модель выдаёт то же предсказание, что и в офлайне. Казалось, что происходит какая-то магия.
Анализ показал, что произошла мискоммуникация с разработкой, и положительный класс модели был воспринят на проде как отрицательный.
Модель буквально работала в обратную сторону: хорошие события отсеивала, а нежелательные оставляла. Если честно, более комичную ситуацию я не могу себе представить.
💡 Вывод таков: тестировать нужно настолько душно, насколько позволяют ресурсы. Каждое непроверенное звено может обернуться срочной задачей, которая внесёт коррективы в ваши выстроенные процессы планирования спринта.
Всем желаю не только пресижна и рекола, но и их воспроизведения в реальности!
#РомаК
🔥36❤11👍11❤🔥1🏆1
Привет! Меня зовут Артём Минаков, я аналитик в монетизации. Вы когда-нибудь мечтали стать лучшей версией себя? Моложе, красивее…
Сегодня хочу поговорить о том, в чём может заключаться развитие аналитика кроме хард-скиллов: SQL, Python, AB и ML.
Я выделил три навыка, которые были или являются моими точками роста.
1️⃣ Продуктовое мышление
Я начинал карьеру со стажировки в консалтинге, где мы делали проекты по внедрению BI. Оттуда я вышел с пониманием того, что моя работа заключается в конкретных задачах, например, сделать дашборд или обработать и преобразовать данные.
Мой майндсет кардинально поменялся, когда я впервые стал частью продуктовой команды. Там я осознал, что моя главная задача заключается именно в улучшении продукта, в донесении ценности для пользователей. Начал предлагать и питчить свои идеи, брать больше ответственности за принятие решений и приоритизацию аналитических задач, стараясь стать правой рукой продакта.
Ролевой моделью для меня являются коллеги, которые готовы подстраиваться и действовать в интересах продукта: сегодня они тащат модель в прод или делают нетривиальный дизайн теста, а через месяц заменяют заболевшего менеджера, рассказывая про успехи команды на дэмо. Бесконечно восхищаюсь такими ребятами вокруг себя❤️
2️⃣ Управление ожиданиями
На мой взгляд, это один из ключевых навыков, влияющих на отношения с продактом и стейкхолдерами. Однако, в этом навыке я далёк от идеала — склонен переоценивать себя, брать больше, чем могу успеть.
Поделюсь некоторыми советами, которые помогают выстраивать доверительные рабочие отношения и снижают количество лишнего стресса:
🚀 Договариваться о целях, майлстоунах и ожиданиях от результата на старте
🚀 Закладывать в оценки времени выполнения задач немного на непредвиденные обстоятельства. Искать баланс между амбициями выполнить всё asap и минимальным риском.
🚀 Не бояться сообщать, что сроки сдвигаются. Подсвечивать, даже если появляется такой риск.
Расскажите о ваших способах прокачивать этот навык в комментариях, мне будет интересно ознакомиться
3️⃣ Борьба с перфекционизмом
Простая мысль, о которой я обычно забываю, погружаясь с головой в очередную задачу: иногда хорошее решение лучше идеального, особенно если его можно быстро внедрить и проверить.
Скорость принятия решений критична для бизнеса. Присущая мне (и многим аналитикам) дотошность и стремление всё довести «до ума» частенько идёт вразрез с желанием бизнеса получить всё как можно быстрее.
Это не значит, что нужно халтурить и делать только минимально необходимое😀
Полезно понимать, когда скорость важнее глубокой проработки, и идеальным будет именно good enough решение.
Напишите, что помогло вам побороть синдром отличника, потому что я с ним сталкиваюсь даже во время написания этого поста…
Откликаются ли вам перечисленные пункты?
🔥— если замечали за собой хотя бы одну из перечисленных зон
🐳 — если вы когда-нибудь мечтали стать лучшей версией себя
#ТёмаМинаков
Сегодня хочу поговорить о том, в чём может заключаться развитие аналитика кроме хард-скиллов: SQL, Python, AB и ML.
Я выделил три навыка, которые были или являются моими точками роста.
Я начинал карьеру со стажировки в консалтинге, где мы делали проекты по внедрению BI. Оттуда я вышел с пониманием того, что моя работа заключается в конкретных задачах, например, сделать дашборд или обработать и преобразовать данные.
Мой майндсет кардинально поменялся, когда я впервые стал частью продуктовой команды. Там я осознал, что моя главная задача заключается именно в улучшении продукта, в донесении ценности для пользователей. Начал предлагать и питчить свои идеи, брать больше ответственности за принятие решений и приоритизацию аналитических задач, стараясь стать правой рукой продакта.
Ролевой моделью для меня являются коллеги, которые готовы подстраиваться и действовать в интересах продукта: сегодня они тащат модель в прод или делают нетривиальный дизайн теста, а через месяц заменяют заболевшего менеджера, рассказывая про успехи команды на дэмо. Бесконечно восхищаюсь такими ребятами вокруг себя
На мой взгляд, это один из ключевых навыков, влияющих на отношения с продактом и стейкхолдерами. Однако, в этом навыке я далёк от идеала — склонен переоценивать себя, брать больше, чем могу успеть.
Поделюсь некоторыми советами, которые помогают выстраивать доверительные рабочие отношения и снижают количество лишнего стресса:
Расскажите о ваших способах прокачивать этот навык в комментариях, мне будет интересно ознакомиться
Простая мысль, о которой я обычно забываю, погружаясь с головой в очередную задачу: иногда хорошее решение лучше идеального, особенно если его можно быстро внедрить и проверить.
Скорость принятия решений критична для бизнеса. Присущая мне (и многим аналитикам) дотошность и стремление всё довести «до ума» частенько идёт вразрез с желанием бизнеса получить всё как можно быстрее.
Это не значит, что нужно халтурить и делать только минимально необходимое
Полезно понимать, когда скорость важнее глубокой проработки, и идеальным будет именно good enough решение.
Напишите, что помогло вам побороть синдром отличника, потому что я с ним сталкиваюсь даже во время написания этого поста…
Откликаются ли вам перечисленные пункты?
🔥— если замечали за собой хотя бы одну из перечисленных зон
🐳 — если вы когда-нибудь мечтали стать лучшей версией себя
#ТёмаМинаков
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥40🐳19❤7🥱2👍1
Привет! Я Женя, старший аналитик в монетизации.
В Авито работает много моих друзей. Часть из них сначала стали коллегами, а потом друзьями, а часть — сначала друзьями, потом коллегами. И рассказать я хочу про вторых.
Во многих компаниях есть рефералки: вы рекомендуете человека, он проходит собеседование и (если мэтч случился) устраивается на работу. Так уже шесть моих друзей стали моими коллегами!
Приглашая человека по рефералке, я обещаю другу, что компания точно того стоит, и я правда очень рекомендую её. Отправляя рефералку компании, гарантирую, что я как Женя Мурзаева, действительно ручаюсь за этого человека.
♥️ И как же я люблю осознавать, что работаю в компании, которую рекомендую всей душой, и что мои друзья — те люди, которых могу рекомендовать с огромной гордостью. Кстати, один из этих друзей — также автор этого канала.
С Артёмом Минаковым мы работали в параллельных командах другой компании. Я была пользователем инхаус инструмента, за который отвечал Артём, и всегда восхищалась его желанию помочь, докопаться до ответа, структурировать подходы.
Наши с ним пути разошлись, но ненадолго: встреча на конференции, рассказ об Авито, рекомендация, собеседования, оффер в команду монетизации…
И вот мы с Артёмом снова собираемся с утра на кофе, только уже в офисе Авито!
А вы используете реферальную программу в компании?
P.S. Если у вас в компании нет рефералки, а крутые друзья есть — рекомендуйте их к нам. Вы получите денежный бонус после выхода человека на работу -> порекомендовать друга. А если вы ищете, кто порекомендует вас, то пишите мне( @jane_mur ) или любому автору канала :)
#ЖеняМур
В Авито работает много моих друзей. Часть из них сначала стали коллегами, а потом друзьями, а часть — сначала друзьями, потом коллегами. И рассказать я хочу про вторых.
Во многих компаниях есть рефералки: вы рекомендуете человека, он проходит собеседование и (если мэтч случился) устраивается на работу. Так уже шесть моих друзей стали моими коллегами!
Приглашая человека по рефералке, я обещаю другу, что компания точно того стоит, и я правда очень рекомендую её. Отправляя рефералку компании, гарантирую, что я как Женя Мурзаева, действительно ручаюсь за этого человека.
♥️ И как же я люблю осознавать, что работаю в компании, которую рекомендую всей душой, и что мои друзья — те люди, которых могу рекомендовать с огромной гордостью. Кстати, один из этих друзей — также автор этого канала.
С Артёмом Минаковым мы работали в параллельных командах другой компании. Я была пользователем инхаус инструмента, за который отвечал Артём, и всегда восхищалась его желанию помочь, докопаться до ответа, структурировать подходы.
Наши с ним пути разошлись, но ненадолго: встреча на конференции, рассказ об Авито, рекомендация, собеседования, оффер в команду монетизации…
И вот мы с Артёмом снова собираемся с утра на кофе, только уже в офисе Авито!
А вы используете реферальную программу в компании?
P.S. Если у вас в компании нет рефералки, а крутые друзья есть — рекомендуйте их к нам. Вы получите денежный бонус после выхода человека на работу -> порекомендовать друга. А если вы ищете, кто порекомендует вас, то пишите мне
#ЖеняМур
🔥34❤12🍓7