Самые популярные посты в этом телеграм-канале:
Публикую и закрепляю посты, которые получили больше всего лайков и репостов.
Обучение:
💡Более 100 бесплатных курсов и материалов по аналитике
💡2 бесплатных курса от Google по аналитике данных для начинающих и продвинутых
💡Бесплатный курс по аналитике данных с сертификатом
💡Как быстро начать программировать на Python аналитику данных?
💡10 бесплатных материалов по статистике, чтобы разобраться
💡Бесплатные курсы по А/Б тестированию + 2 практических статьи
💡Почему аналитику данных нужно разобраться, что такое Github?
Практика:
💻 5 бесплатных сервисов для практики SQL и Python
💻 Где искать стажировки аналитиком данных в России?
💻 5 подробных примеров проектов для начинающих аналитиков данных
💻 Как практиковать навыки а/б тестирования, если вы не проводите а/б тесты
💻 Примеры реальных проектов для усиления портфолио
Собеседование:
💡Готовимся к собеседованию и улучшаем навыки со Stratascratch и Hakerrank
💡Как на собеседованиях вычисляют аналитиков-сеньоров и как вы близко к тому, чтобы перепрыгнуть на следующий грейд
💡Тестовое задание от азиатской компании Food Panda
Другое:
💻 Где можно проверить свои знания и получить сертификаты
💻 Где найти ментора/наставника?
💻 ChatGPT для аналитики данных: 6 примеров использования
💻 6 блогов по аналитике от компаний-лидеров
💻 Как учиться бесплатно на Coursera без привязки карты и пробных периодов?
💻 Облегчают анализ данных: 5 сервисов на базе ИИ
Публикую и закрепляю посты, которые получили больше всего лайков и репостов.
Обучение:
💡Более 100 бесплатных курсов и материалов по аналитике
💡2 бесплатных курса от Google по аналитике данных для начинающих и продвинутых
💡Бесплатный курс по аналитике данных с сертификатом
💡Как быстро начать программировать на Python аналитику данных?
💡10 бесплатных материалов по статистике, чтобы разобраться
💡Бесплатные курсы по А/Б тестированию + 2 практических статьи
💡Почему аналитику данных нужно разобраться, что такое Github?
Практика:
💻 5 бесплатных сервисов для практики SQL и Python
💻 Где искать стажировки аналитиком данных в России?
💻 5 подробных примеров проектов для начинающих аналитиков данных
💻 Как практиковать навыки а/б тестирования, если вы не проводите а/б тесты
💻 Примеры реальных проектов для усиления портфолио
Собеседование:
💡Готовимся к собеседованию и улучшаем навыки со Stratascratch и Hakerrank
💡Как на собеседованиях вычисляют аналитиков-сеньоров и как вы близко к тому, чтобы перепрыгнуть на следующий грейд
💡Тестовое задание от азиатской компании Food Panda
Другое:
💻 Где можно проверить свои знания и получить сертификаты
💻 Где найти ментора/наставника?
💻 ChatGPT для аналитики данных: 6 примеров использования
💻 6 блогов по аналитике от компаний-лидеров
💻 Как учиться бесплатно на Coursera без привязки карты и пробных периодов?
💻 Облегчают анализ данных: 5 сервисов на базе ИИ
❤112🔥46👍14😁3👏2
Аналитика и growth mind-set pinned «Самые популярные посты в этом телеграм-канале: Публикую и закрепляю посты, которые получили больше всего лайков и репостов. Обучение: 💡Более 100 бесплатных курсов и материалов по аналитике 💡2 бесплатных курса от Google по аналитике данных для начинающих…»
🚀Привет, друзья! Мы здесь, чтобы делиться знаниями и помогать друг другу расти как аналитикам. 📊
Многие из нас сталкиваются с трудностями в обучении и поиске полезных материалов. Но в то же время у каждого есть ресурсы, которые он может рекомендовать.
Поэтому предлагаю совместно собрать подборку полезных материалов💡
Что вам помолго/помогает "войти в аналитику"?
Что помогает в дальнейшем росте как аналитику?
Добавляйте свои рекомендации в комментариях👇🏻
Многие из нас сталкиваются с трудностями в обучении и поиске полезных материалов. Но в то же время у каждого есть ресурсы, которые он может рекомендовать.
Поэтому предлагаю совместно собрать подборку полезных материалов💡
Что вам помолго/помогает "войти в аналитику"?
Что помогает в дальнейшем росте как аналитику?
Добавляйте свои рекомендации в комментариях👇🏻
🔥57👏9❤6👍3🌭1🍌1
Не знаю, с чего начать изучение аналитики
Такой вопрос или просьба порекомендовать "идеальный ресурс" - часто можно увидеть в комментариях.
Речь ниже пойдет преимущественно про бесплатные материалы, но по большей части сказанное можно применить и к платным.
Часто начинающие не могут остановиться на конкретном ресурсе, ведь их так много (Что лучше - платные или бесплатные? Книги или курсы? С какого навыка начать изучение?). Наступает ступор и многие ждут, что кто-то извне скажет “Вот этот курс, 100% - лучший курс из всех, который покрывает все темы и после него 100% тебя возьмут на работу!"
Расстрою или обрадую, но такого курса, книги, материала, который бы на 100 процентов подошел именно вам, - нет.
а) У всех разные стартовые показатели (у кого-то математическое образование, у кого-то гуманитарное, кто-то хочет перейти из схожей профессии и имеет часть навыков, кто-то с абсолютного 0).
б) Все учатся по-разному: кто-то хочет, чтобы ему все объяснили и провели за руку (в бесплатных курсах этого нет), кто-то любит и может обучаться самостоятельно. Кому-то нравится смотреть и слушать, кому-то читать книги. А чаще всего решающее значение играет практика.
в) Нельзя пройти один курс - даже самый полноценный и стать специалистом. В процессе возникает множество вопросов, которые требуют дополнительных материалов и практики.
Полагаться только на мнение других людей или изучать первый попавшийся материал кажется мне неправильным. Поэтому любое обучение я начинаю с мини-исследования (писала тут, что именно делаю). Стала делать так после прочтения книги "Суперобучения" Скотта Янга. Это помогает принять обоснованное решение.
После мини исследования я стартую, даже если есть сомнения, потому что:
а) Иногда ответы и решения приходят уже процессе обучения. Например, нравится эта сфера или нет - не начав, это понять невозможно.
б) Сомнения и ошибки - неотъемлемая часть обучения. Совсем не нравится - можно прекратить обучение. Это нормально.
в) Лучше потратить время на обучение, чем на сомнения. Время на любое обучение для меня еще не прошло даром, даже если на прямую я не применяла эти знания, косвенно они участвуют во всех моих действиях и обогащают меня.
А вот история:
Мой знакомый год назад сомневался, стоит ли учить Python. Прошел год, а он все еще сомневается. Хотя за такой срок (год) мог бы уже выучить язык программирования и значительно продвинуться, но сомнения оставили его в той же точке.
Такой вопрос или просьба порекомендовать "идеальный ресурс" - часто можно увидеть в комментариях.
Речь ниже пойдет преимущественно про бесплатные материалы, но по большей части сказанное можно применить и к платным.
Часто начинающие не могут остановиться на конкретном ресурсе, ведь их так много (Что лучше - платные или бесплатные? Книги или курсы? С какого навыка начать изучение?). Наступает ступор и многие ждут, что кто-то извне скажет “Вот этот курс, 100% - лучший курс из всех, который покрывает все темы и после него 100% тебя возьмут на работу!"
Расстрою или обрадую, но такого курса, книги, материала, который бы на 100 процентов подошел именно вам, - нет.
а) У всех разные стартовые показатели (у кого-то математическое образование, у кого-то гуманитарное, кто-то хочет перейти из схожей профессии и имеет часть навыков, кто-то с абсолютного 0).
б) Все учатся по-разному: кто-то хочет, чтобы ему все объяснили и провели за руку (в бесплатных курсах этого нет), кто-то любит и может обучаться самостоятельно. Кому-то нравится смотреть и слушать, кому-то читать книги. А чаще всего решающее значение играет практика.
в) Нельзя пройти один курс - даже самый полноценный и стать специалистом. В процессе возникает множество вопросов, которые требуют дополнительных материалов и практики.
Полагаться только на мнение других людей или изучать первый попавшийся материал кажется мне неправильным. Поэтому любое обучение я начинаю с мини-исследования (писала тут, что именно делаю). Стала делать так после прочтения книги "Суперобучения" Скотта Янга. Это помогает принять обоснованное решение.
После мини исследования я стартую, даже если есть сомнения, потому что:
а) Иногда ответы и решения приходят уже процессе обучения. Например, нравится эта сфера или нет - не начав, это понять невозможно.
б) Сомнения и ошибки - неотъемлемая часть обучения. Совсем не нравится - можно прекратить обучение. Это нормально.
в) Лучше потратить время на обучение, чем на сомнения. Время на любое обучение для меня еще не прошло даром, даже если на прямую я не применяла эти знания, косвенно они участвуют во всех моих действиях и обогащают меня.
А вот история:
Мой знакомый год назад сомневался, стоит ли учить Python. Прошел год, а он все еще сомневается. Хотя за такой срок (год) мог бы уже выучить язык программирования и значительно продвинуться, но сомнения оставили его в той же точке.
❤102👍30🥰3
ИИ стримеры в Китае вместо людей
Или куда "катится" мир.
Вчера прочитала свежую новость в MIT Technology Review.
Суть в том, что в Китае очень популярны продажи товаров на трансляциях. На них совершается более 25% всех покупок. Но обучение "живых" ведущих, их удержание - это значительные затраты. Поэтому китайцы решили автоматизировать.
Только один китайский стартап Silicon Intelligence создал целых 400,000 виртуальных стримеров. Стоимость от 1000 долларов и выше, в зависимости от функционала.
ИИ стримеры выглядят как настоящие. Более продвинутая версия даже может отвечать на комментарии, поэтому создается впечатление, что стример активно общается с аудиторией. Но в отличии от людей могут работать 24/7.
Что сказать - очень предсказуемо.
Взглянув на ИИ стримера выше, вы сможете угадать - это нейросеть или человек?
Или куда "катится" мир.
Вчера прочитала свежую новость в MIT Technology Review.
Суть в том, что в Китае очень популярны продажи товаров на трансляциях. На них совершается более 25% всех покупок. Но обучение "живых" ведущих, их удержание - это значительные затраты. Поэтому китайцы решили автоматизировать.
Только один китайский стартап Silicon Intelligence создал целых 400,000 виртуальных стримеров. Стоимость от 1000 долларов и выше, в зависимости от функционала.
ИИ стримеры выглядят как настоящие. Более продвинутая версия даже может отвечать на комментарии, поэтому создается впечатление, что стример активно общается с аудиторией. Но в отличии от людей могут работать 24/7.
Что сказать - очень предсказуемо.
Взглянув на ИИ стримера выше, вы сможете угадать - это нейросеть или человек?
😱48👍15🔥9😢3❤1🤔1
Можно ли аналитику данных преобразовать в бизнес? Какие могут быть бизнес идеи, связанные с аналитикой данных?
Вот такие интересные вопросы пришли от подписчика (скриншот выше☝️).
Я решила поделиться, потому что уверена, что многие из вас тоже задумывались над совмещением бизнеса и аналитики.
Как бы вы ответили на эти вопросы? Делитесь своими мыслями и предложениями в комментариях!
Вот такие интересные вопросы пришли от подписчика (скриншот выше☝️).
Я решила поделиться, потому что уверена, что многие из вас тоже задумывались над совмещением бизнеса и аналитики.
Как бы вы ответили на эти вопросы? Делитесь своими мыслями и предложениями в комментариях!
🔥24👍8👏2❤1
Аналитик данных - фрилансер и предприниматель
Основные направления, куда можно расти аналитику данных я изобразила на схеме выше👆🏻
Могу поделиться мыслями про фриланс и предпринимательство, тк. фриланс пробовала ранее, а небольшие предпринимательские проекты реализую регулярно.
Фриланс - предоставление услуг по аналитике
Считаю, что у меня достаточно сильные маркетинговые скиллы, поэтому клиенты стали появляется уже в первый месяц. Секрета нет - убедительное портфолио + размещение на около 30 площадок (РФ + в основном зарубежные).
Но проанализировав, поняла, что фриланс - это не то, чем я хочу заниматься:
Фриланс это: Знания в аналитике + Знание или желание разобраться в продвижении своих услуг + Умение и желание коммуницировать с клиентом. Последнее - не люблю. Клиенты попадаются разные и часто их запросы мягко говоря странные (так как понимание аналитики практически отсутствует). Мне больше по душе идеи, где не нужно плотно общаться с клиентом.
Кроме того основные клиенты - это малые бизнесы, которые не могут и не хотят платить за работу хорошо и чаще всего хотят постоплату.
Предпринимательство
На мой взгляд, аналитические навыки пригодятся при открытии любого дела. Даже открывая кофейню, можно применить в ней знания аналитики и построить "твердый" бизнес, опирающийся на данные, а не на интуицию. Что будет преимуществом, так как малый бизнес редко использует аналитику (максимум подключит Яндекс Метрику, ито не будет использовать ее в полном объеме). Отсутствие аналитики часто приводит к хаосу, потере денег и закрытию бизнеса.
Если хочется сделать что-то, связанное именно с аналитикой, то есть минимум 3 варианта:
1) Разработка аналитических продуктов. Это могут быть платформы для визуализации как Power BI, для сквозной аналитики как Calltouch, для мобильной аналитики как Appsflyer, решения для аналитики социальных сетей и т.д.. Не обязательно делать сразу масштабное решение для всех отраслей и сфер - можно сконцентрироваться на решении проблемы в конкретной отрасли.
2) Разработка продуктов, где аналитика важная часть. Например, трекинговые приложения для сна, питания, физ активности. Или CRM система.
3) Тот же консалтинг и аутсорсинг аналитики, что я описывала во фрилансе, только в отличии от фриланса вы нанимаете сотрудников.
Это только несколько примеров. Я практически ежедневно записываю для себя новую идею, они появляются обычно в процессе изучения нового.
Был ли полезен пост? Если да - ставьте лайк. А то переживаю, что эта тема мало кому интересна:)
Основные направления, куда можно расти аналитику данных я изобразила на схеме выше👆🏻
Могу поделиться мыслями про фриланс и предпринимательство, тк. фриланс пробовала ранее, а небольшие предпринимательские проекты реализую регулярно.
Фриланс - предоставление услуг по аналитике
Считаю, что у меня достаточно сильные маркетинговые скиллы, поэтому клиенты стали появляется уже в первый месяц. Секрета нет - убедительное портфолио + размещение на около 30 площадок (РФ + в основном зарубежные).
Но проанализировав, поняла, что фриланс - это не то, чем я хочу заниматься:
Фриланс это: Знания в аналитике + Знание или желание разобраться в продвижении своих услуг + Умение и желание коммуницировать с клиентом. Последнее - не люблю. Клиенты попадаются разные и часто их запросы мягко говоря странные (так как понимание аналитики практически отсутствует). Мне больше по душе идеи, где не нужно плотно общаться с клиентом.
Кроме того основные клиенты - это малые бизнесы, которые не могут и не хотят платить за работу хорошо и чаще всего хотят постоплату.
Предпринимательство
На мой взгляд, аналитические навыки пригодятся при открытии любого дела. Даже открывая кофейню, можно применить в ней знания аналитики и построить "твердый" бизнес, опирающийся на данные, а не на интуицию. Что будет преимуществом, так как малый бизнес редко использует аналитику (максимум подключит Яндекс Метрику, ито не будет использовать ее в полном объеме). Отсутствие аналитики часто приводит к хаосу, потере денег и закрытию бизнеса.
Если хочется сделать что-то, связанное именно с аналитикой, то есть минимум 3 варианта:
1) Разработка аналитических продуктов. Это могут быть платформы для визуализации как Power BI, для сквозной аналитики как Calltouch, для мобильной аналитики как Appsflyer, решения для аналитики социальных сетей и т.д.. Не обязательно делать сразу масштабное решение для всех отраслей и сфер - можно сконцентрироваться на решении проблемы в конкретной отрасли.
2) Разработка продуктов, где аналитика важная часть. Например, трекинговые приложения для сна, питания, физ активности. Или CRM система.
3) Тот же консалтинг и аутсорсинг аналитики, что я описывала во фрилансе, только в отличии от фриланса вы нанимаете сотрудников.
Это только несколько примеров. Я практически ежедневно записываю для себя новую идею, они появляются обычно в процессе изучения нового.
Был ли полезен пост? Если да - ставьте лайк. А то переживаю, что эта тема мало кому интересна:)
🔥127👍57❤16⚡4
Забавная реклама из далекого 1990 года, которая показывает возможности Microsoft Excel (уже тогда существовали формулы и автозаполнение).
Сотрудник фирмы забывает про отчет, который он должен был подготовить к важной сделке и пока едет в лифте буквально за 1 минуту с помощью Excel успевает его сделать.
Чтобы я не думала про Excel, а все-таки - это пример гениального продукта, который кардинально поменял правила игры.
Уверена, что 30 лет назад он был как ChatGPT сейчас. И спустя годы ничего не изменилось: в мире все еще используют программу и она является основным инструментом для многих компаний. Кто-то до сих пор начинает свой путь в аналитике данных с Excel.
Сотрудник фирмы забывает про отчет, который он должен был подготовить к важной сделке и пока едет в лифте буквально за 1 минуту с помощью Excel успевает его сделать.
Чтобы я не думала про Excel, а все-таки - это пример гениального продукта, который кардинально поменял правила игры.
Уверена, что 30 лет назад он был как ChatGPT сейчас. И спустя годы ничего не изменилось: в мире все еще используют программу и она является основным инструментом для многих компаний. Кто-то до сих пор начинает свой путь в аналитике данных с Excel.
YouTube
Introduction to Microsoft Excel 1990
Microsoft Excel Video with Jan Brehm
🔥68👍15😁9❤2👎1👏1
Проблема начинающих: как разобраться во всем разнообразии аналитиков данных?
Кроме более менее всем знакомых вакансий - аналитик данных, продуктовый аналитик, маркетинговый аналитик - можно увидеть: аналитик данных в Google Таблицах, dashboard analyst, аналитик big data, маркетолог-аналитик, менеджер-аналитик и т.п. На схеме выше набросала, каких аналитиков ищет рынок, и это далеко не все вакансии.
Кроме того за одной и той же вакансией в разных компаниях могут скрываться разные задачи. Пример: Сбер пишет, что им нужен “Аналитик данных”. Захожу в описание и встречаю фразы: "ищем кандидата на позицию менеджера", "опыт работы бизнес-аналитиком от 1 года". И задачи вцелом бизнес-аналитика. Так почему бы не написать, что нужен бизнес-аналитик?
От рынка одно впечатление - кто в лес, кто по дрова.
Почему так происходит?
📌 Каждая компания делает вакансию исходя из своих потребностей и сложившейся (но не обязательно верной) практики.
📌 Исходя из собственного понимания, чем должен заниматься тот или иной аналитик. Нередко понимание отсутствует или искажено, поэтому в описании появляется каша (или запрос явно взаимоисключающих навыков от аналитика).
📌 Размер компании играет роль: чем больше компания, тем больше специализации. В маленькой компании вы и чтец, и жнец, и на дуде игрец (отсюда появляется Аналитик и подборщик товаров на маркетплейсах (в одном лице), программист-аналитик по продажам🤯)
Как разобраться в вакансиях аналитиков данных?
На мой взгляд, есть классическая база - что делает аналитик данных и какие инструменты должен знать и она преподается на бесплатных и платных курсах и о ней можно прочитать в интернете.
Далее уже над этой базой есть своя надстройка - маркетинговая, продуктовая и т.п.
Все остальное - запросы конкретной компании, которые нужно внимательно читать и обсуждать на собеседовании, чтобы понять, насколько они вам подходят и не являются ли они "бредом сумасшедшего"😄.
P.S. Небольшое замечание - начинающим (на мой взгляд) проще ворваться как раз в маленькие компании, где не совсем понимают, что такое аналитика (со всеми вытекающими из этого негативными последствиями, но зато точно на выходе получите опыт).
Кроме более менее всем знакомых вакансий - аналитик данных, продуктовый аналитик, маркетинговый аналитик - можно увидеть: аналитик данных в Google Таблицах, dashboard analyst, аналитик big data, маркетолог-аналитик, менеджер-аналитик и т.п. На схеме выше набросала, каких аналитиков ищет рынок, и это далеко не все вакансии.
Кроме того за одной и той же вакансией в разных компаниях могут скрываться разные задачи. Пример: Сбер пишет, что им нужен “Аналитик данных”. Захожу в описание и встречаю фразы: "ищем кандидата на позицию менеджера", "опыт работы бизнес-аналитиком от 1 года". И задачи вцелом бизнес-аналитика. Так почему бы не написать, что нужен бизнес-аналитик?
От рынка одно впечатление - кто в лес, кто по дрова.
Почему так происходит?
📌 Каждая компания делает вакансию исходя из своих потребностей и сложившейся (но не обязательно верной) практики.
📌 Исходя из собственного понимания, чем должен заниматься тот или иной аналитик. Нередко понимание отсутствует или искажено, поэтому в описании появляется каша (или запрос явно взаимоисключающих навыков от аналитика).
📌 Размер компании играет роль: чем больше компания, тем больше специализации. В маленькой компании вы и чтец, и жнец, и на дуде игрец (отсюда появляется Аналитик и подборщик товаров на маркетплейсах (в одном лице), программист-аналитик по продажам🤯)
Как разобраться в вакансиях аналитиков данных?
На мой взгляд, есть классическая база - что делает аналитик данных и какие инструменты должен знать и она преподается на бесплатных и платных курсах и о ней можно прочитать в интернете.
Далее уже над этой базой есть своя надстройка - маркетинговая, продуктовая и т.п.
Все остальное - запросы конкретной компании, которые нужно внимательно читать и обсуждать на собеседовании, чтобы понять, насколько они вам подходят и не являются ли они "бредом сумасшедшего"😄.
P.S. Небольшое замечание - начинающим (на мой взгляд) проще ворваться как раз в маленькие компании, где не совсем понимают, что такое аналитика (со всеми вытекающими из этого негативными последствиями, но зато точно на выходе получите опыт).
❤35👍18🔥7
Вверху схематично накидала👆🏻:
- Roadmap самостоятельно изучения Python для аналитика данных
- Простую схему использования Python для начинающего аналитика данных
____
Почему раньше программирование казалось мне таким сложным? Без преувеличения, я думала, что только избранные могут программировать, это сложно, скучно и неинтересно.
Но сейчас я уже сама с помощью Python я:
- Могу сделать анализ данных
- С использованием фреймворка Django написала простой сайт, еще один сложный сайт с базой данных MySQL в процессе
С появлением ChatGPT программирование еще больше упростилось - вместо того чтобы как раньше перерывать кучу статей и тратить время на поиск нужного ответа на Stack Overflow, теперь при любом затруднении можно задать вопрос ChatGPT и он разложит по полочкам. Не всегда с первого раза, но в любом случае это намного быстрее, чем раньше.
- Roadmap самостоятельно изучения Python для аналитика данных
- Простую схему использования Python для начинающего аналитика данных
____
Почему раньше программирование казалось мне таким сложным? Без преувеличения, я думала, что только избранные могут программировать, это сложно, скучно и неинтересно.
Но сейчас я уже сама с помощью Python я:
- Могу сделать анализ данных
- С использованием фреймворка Django написала простой сайт, еще один сложный сайт с базой данных MySQL в процессе
С появлением ChatGPT программирование еще больше упростилось - вместо того чтобы как раньше перерывать кучу статей и тратить время на поиск нужного ответа на Stack Overflow, теперь при любом затруднении можно задать вопрос ChatGPT и он разложит по полочкам. Не всегда с первого раза, но в любом случае это намного быстрее, чем раньше.
🔥137👍26❤16❤🔥3
Есть среди нас есть работодатели, кто готов взять на работу начинающего аналитика данных?
Напишите мне, я размещу вашу вакансию в этом канале бесплатно.
Я подумала, что здесь много аналитиков, которые сталкиваются с трудностью поиска работы не потому что они плохие специалисты, а из-за отсутствия вакансий для начинающих. В то же время многие компании испытывают проблему с кадрами. Взять талантливого начинающего в этом случае - может быть хорошим решением.
Если тема зайдет, то это может стать доброй традицией: я периодически размещаю вакансию - компании получают специалиста, а начинающие специалисты работу.
Если вы такая компания, то от вас - четко описать следующие параметры:
- название компании, чем занимается и ссылку на сайт
- что нужно делать (задачи)
- зарплата (можно вилку)
- контакты (куда отправлять резюме)
И отправить мне в телеграм.
Единственное условие - вы готовы взять человека без опыта работы или с минимальным, который заканчивает учебу на аналитика данных или только отучился.
P.S. Если вы знаете кого-то, кто ищет аналитика и готов взять начинающего - перешлите этот пост ему😄.
Напишите мне, я размещу вашу вакансию в этом канале бесплатно.
Я подумала, что здесь много аналитиков, которые сталкиваются с трудностью поиска работы не потому что они плохие специалисты, а из-за отсутствия вакансий для начинающих. В то же время многие компании испытывают проблему с кадрами. Взять талантливого начинающего в этом случае - может быть хорошим решением.
Если тема зайдет, то это может стать доброй традицией: я периодически размещаю вакансию - компании получают специалиста, а начинающие специалисты работу.
Если вы такая компания, то от вас - четко описать следующие параметры:
- название компании, чем занимается и ссылку на сайт
- что нужно делать (задачи)
- зарплата (можно вилку)
- контакты (куда отправлять резюме)
И отправить мне в телеграм.
Единственное условие - вы готовы взять человека без опыта работы или с минимальным, который заканчивает учебу на аналитика данных или только отучился.
P.S. Если вы знаете кого-то, кто ищет аналитика и готов взять начинающего - перешлите этот пост ему😄.
❤128🔥38👍6👏5
Как получить первый опыт работы: IT - волонтерство
Периодически публикую, как получить первую работу. И это один из вариантов.
Что такое IT - волонтерство? Это помощь некоммерческим, благотворительным организациям, которые не имеют денег нанять специалиста для IT и digital задач (анализ данных, программирование, маркетинг и тп). Это как правило не постоянная работа, а под задачу/проект.
Плюсы:
- получить опыт и добавить кейс в портфолио, что поможет найти работу
- получить рекомендации для резюме
- помочь (для тех, кто любит помогать)
Далее будут площадки, на которых можно "задонатить" свои навыки.
Площадки в РФ
В РФ IT-волонтерство развито слабо. Я нашла только 2 площадки, но задач по аналитике на них очень мало.
- IT-волонтер (платформа помощи НКО)
- Procharity
Как вариант - проявить инициативу и предложить свои навыки НКО, которую вы знаете, самостоятельно.
Зарубежные площадки
Если хотите получить работу в зарубежной компании, то целесообразнее сразу делать проекты в зарубежных организациях. Площадок с задачами масса.
- Catchafire
Знакомая с опытом работы в РФ не могла найти работу зарубежом. Но добавив в портфолио проект с Catchafire (и показав тем самым опыт работы на американскую компанию), смогла найти.
- Datakind
Организация сконцентрирована на дата-волонтерах, которые имеют навыки машинного обучения.
- Statisticswithoutborders
Волонтеры делают статистические и аналитические проекты. Примеры проектов: исследование медицинских вмешательств в Сьерра-Леоне, исследование программ по спасению детей в Эфиопии и тп.
- Vizforsocialgood
Волонтеры создают визуализации данных для организаций по всему миру. “Некоммерческие благотворительные организации работают над тем, чтобы изменить мир к лучшему, а мы даем возможность этим организациям рассказать о своем влиянии посредством историй на основе данных”.
Также есть и другие площадки bluebonnetdata, technologyvolunteers, newdata, distributeaid, techfleet.
Ставьте 🔥, если пост был полезен и нужно делиться далее такого плана постами.
Периодически публикую, как получить первую работу. И это один из вариантов.
Что такое IT - волонтерство? Это помощь некоммерческим, благотворительным организациям, которые не имеют денег нанять специалиста для IT и digital задач (анализ данных, программирование, маркетинг и тп). Это как правило не постоянная работа, а под задачу/проект.
Плюсы:
- получить опыт и добавить кейс в портфолио, что поможет найти работу
- получить рекомендации для резюме
- помочь (для тех, кто любит помогать)
Далее будут площадки, на которых можно "задонатить" свои навыки.
Площадки в РФ
В РФ IT-волонтерство развито слабо. Я нашла только 2 площадки, но задач по аналитике на них очень мало.
- IT-волонтер (платформа помощи НКО)
- Procharity
Как вариант - проявить инициативу и предложить свои навыки НКО, которую вы знаете, самостоятельно.
Зарубежные площадки
Если хотите получить работу в зарубежной компании, то целесообразнее сразу делать проекты в зарубежных организациях. Площадок с задачами масса.
- Catchafire
Знакомая с опытом работы в РФ не могла найти работу зарубежом. Но добавив в портфолио проект с Catchafire (и показав тем самым опыт работы на американскую компанию), смогла найти.
- Datakind
Организация сконцентрирована на дата-волонтерах, которые имеют навыки машинного обучения.
- Statisticswithoutborders
Волонтеры делают статистические и аналитические проекты. Примеры проектов: исследование медицинских вмешательств в Сьерра-Леоне, исследование программ по спасению детей в Эфиопии и тп.
- Vizforsocialgood
Волонтеры создают визуализации данных для организаций по всему миру. “Некоммерческие благотворительные организации работают над тем, чтобы изменить мир к лучшему, а мы даем возможность этим организациям рассказать о своем влиянии посредством историй на основе данных”.
Также есть и другие площадки bluebonnetdata, technologyvolunteers, newdata, distributeaid, techfleet.
Ставьте 🔥, если пост был полезен и нужно делиться далее такого плана постами.
🔥227👍20❤11✍1
Весьма хорошей вещью в платном ChatGPT оказалась возможность создать свою кастомизированную версию GPT под конкретный проект или задачу.
Я пока сделала 3 GPT: помощника в разработке сайта на Django, тренера по английскому, эксперта по продвижению в ютьюб. Кастомный GPT для анализа данных "Data analysis", кстати, уже есть встроенный. Планирую создать еще как минимум несколько GPT-помощников, которым можно делегировать конкретные задачи.
Как можно затюнинговать свой GPT?
- Прописать конкретные инструкции - что GPT должен делать
- Загрузить файлы, которые GPT будет использовать в ответах
- “Вишенка на торте” - если хотите, чтобы чат-бот получал внешнюю информацию или выполнял действия за пределами ChatGPT - можно настроить использование сторонних API. Можно связать со Slack, Google Calendar, Notion и другими приложениями.
P.S. Все это повышает эффективность использования ChatGPT. И как пишут в курсе за 500 долларов (реклама которого мне попалась недавно) “снимает 30% рутины в личных задачах”. На курсах, кстати, продают как зарегаться в ChatGPT и потом настроить такого бота. Что делается очень быстро и не требует особых знаний, но видимо кому-то проще заплатить 500 долларов😂.
Я пока сделала 3 GPT: помощника в разработке сайта на Django, тренера по английскому, эксперта по продвижению в ютьюб. Кастомный GPT для анализа данных "Data analysis", кстати, уже есть встроенный. Планирую создать еще как минимум несколько GPT-помощников, которым можно делегировать конкретные задачи.
Как можно затюнинговать свой GPT?
- Прописать конкретные инструкции - что GPT должен делать
- Загрузить файлы, которые GPT будет использовать в ответах
- “Вишенка на торте” - если хотите, чтобы чат-бот получал внешнюю информацию или выполнял действия за пределами ChatGPT - можно настроить использование сторонних API. Можно связать со Slack, Google Calendar, Notion и другими приложениями.
P.S. Все это повышает эффективность использования ChatGPT. И как пишут в курсе за 500 долларов (реклама которого мне попалась недавно) “снимает 30% рутины в личных задачах”. На курсах, кстати, продают как зарегаться в ChatGPT и потом настроить такого бота. Что делается очень быстро и не требует особых знаний, но видимо кому-то проще заплатить 500 долларов😂.
👍23🔥11