Ну что? Дождались! Бесплатный онлайн-билет, который позволит посмотреть в лайве около 30 докладов конференции!

Среди которых, мастер-класс от Федора Лисицына по построению карьеры в России и за рубежом, лекция и беседа с Валерием Бабушкиным, доклад Марата Миннекаева из Авито о том, что должен знать о финансах каждый продакт и аналитик, лекция Яндекс.Практикума о том как грамотно совершать и быть готовым к карьеным свитчам, секретный доклад от Яндекса, лекции и дискуссии от Тинькофф и, конечно же, лекция Стаса Асафьева и многое другое.

У вас будет полноценная возможность просмотреть эти доклады в лайве, початиться со спикерами, задавать вопросы и тд и тп.

Но в полночь пятницы 18 ноября это все превратится в тыкву! 🎃

Люблю вас! ❤️ Регайтесь https://matemarketing.ru/#tickets

Вопросы собеседования в Google на позицию Data Scientist: https://medium.com/@anna.wu9222/google-data-scientist-interview-questions-step-by-step-solutions-63b7403e2a5c

Сегодня случайно посмотрел двухминутный фрагмент шикарного фильма "В погоне за счастьем" и вспомнил о чем-то важном.

Я тоже составлял (видимо, как и многие) чек-лист hard-скиллов, инструментов, умений, навыков, которыми нужно владеть, чтобы быть хорошим аналитиком. Заглянул в этот список - не везде стоят галочки и сейчас.

Потому что нам (человекам), наверное, не нужно прямо сейчас уметь и помнить все (собеседование - сильно условное исключение), а намного важнее скилл под названием умею все уметь, который подразумевает возможность в кратчайшие сроки овладеть новыми навыками, инструментами.

И, конечно, нет проблемы, что я не работал, например, с Plotly или оракловой бд, ведь все это я буду знать и уметь уже завтра... И этот скилл умею все уметь можно и нужно "продавать" на том же собеседовании, так как нанимающая сторона такие вещи очень ценит.

Ну и ссылочка на фильм, конечно

Недавно в BigQuery появилась шикарная фича - граф выполнения запроса. Это может быть очень полезно, если у нас есть сложное вью, которое, в свою очередь обращается к другим таблицам или вью. Таким образом видим всю логику запроса. Год назад это мне могло сэкономить немало часов работы c Miro

🔥 Уже завтра состоится Sbergile Talks Pro!

Мы заканчиваем последние приготовления, и очень-очень ждем вас.

Вчера мы вспоминали, как прошла конференция в 2020 году, а сегодня предлагаем погрузиться в атмосферу прошлогоднего мероприятия!😏

📹 Все выступления Sbergile Talks 2021:

Sbergile Talks 2021: Сцена 1
Sbergile Talks 2021: Сцена 2

Ждем вас завтра в 10:00 на сайте promo.sber.ru/stpro22/

🤔Что общего у бортпроводников, хирургических бригад и успешных специалистов по анализу данных? Все они используют читлисты. Читлисты – это шпаргалки, в которых собраны базовые действия. Несмотря на то, что каждая операция, каждый проект и каждый полет имеют свои особенности, во всех этих вещах есть необходимые основные шаги.

Мы собрали для вас шпаргалки по Python для анализа данных, чтобы вам не пришлось тратить время на поиск банальных функций:

🔷 Numpy. Практически в каждом проекте по анализу данных есть вычисления с помощью этого модуля. Numpy помогает при работе с массивами, матрицами, операциями из линейной алгебры и другими математическими вычислениями. Сохраняйте шпаргалку по Numpy отсюда.

🔷 Scikit-learn. Полдключение этой библиотеки также встречается почти во всех работах по машинному обучению. Scikit-learn выручает в случаях, когда надо использовать алгоритмы ML. Он предоставляет выбор эффективных инструментов, включая регрессию, классификацию, кластеризацию, подбор гиперпараметров, метрики и оценки и снижение размерности. Читлист по scikit-learn можно найти здесь.

🔷 Pandas. Эта библиотека была создана с целью упростить работу с данными. Pandas облегчает выполнение трудоемких и повторяющихся задач, в том числе: очистку данных, масштабирование, объединения, проверки значений, визуализацию и статистический анализ. Шпаргалка лежит здесь.

🔷 Matplotlib. Эта библиотека отвечает за визуализацию данных и считается самой распространенной среди специалистов по DS. Отрисовка графиков, диаграмм, пайчартов, точечных спектров с уникальным стилем, подписями, легендами и возможностью сохранения в любом удобном формате – весь этот функционал доступен благодаря Matplotlib. Краткий список по этому модулю забираем отсюда.

Два дня назад на конференции Матемаркетинг Яндекс представил свой инструмент для проведения A/B тестов. Он называется Вариокуб. Сайт - https://varioqub.ru/

Многие, наверное, знают, что начался Кубок мира по футболу. Зимой, потому что в Катаре только в это время можно не сразу умереть на поле.
Ну так вот - Фифа будет предоставлять продвинутую статистику и аналитику по матчам, отдельным игрокам. Как в во время трансляции, так и после игры. Поставщики данных Sportec Solutions / Deltatre и Chyronhego / Tracab.
В спорт в целом и в футбол в частности все глубже и шире заходят данные, а не только вот эти вот ТТД, пробег, владение.
https://www.fifa.com/technical/football-technology/media-releases/fifa-to-introduce-enhanced-football-intelligence-at-fifa-world-cup-2022-tm

Тинькофф приглашает продуктовых аналитиков на онлайн-митап 📊

Встречу проведут эксперты Тинькофф, EXPF и Ozon Fintech. Команды расскажут:

— для чего и как создавали собственную A/B-платформу в Тинькофф;
— как построить работу с метриками в формате сервиса;
— как обеспечивают стабильную аналитику при нестабильной инфраструктуре в Ozon.

🗓 Онлайн-митап пройдет 30 ноября. Начало в 18:00. Регистрируйтесь на странице встречи: https://o.tinkoff.ru/meetup_product_analytics

Кстати, EXPF несколько раз в год проводит аналитические митапы вместе с партнерами и друзьями из индустрии. Подробнее о встречах можно прочитать на сайте.

Недавно гость подкаста "Айтишниками не рождаются" рассказывал, что для аутсорсная разработка очень полезна для получения разностороннего опыта.
Для аналитика некоторой аналогией служит работа в рекламном агентстве.

Несомненные плюсы:
- относительно низкий порог входа - требования по sql, python не очень высокие, обычно не требуется сильно глубоких познаний по математике; поэтому может подойти аналитику с небольшим опытом и большим желанием развиваться
- разнообразные задачи - от выгрузки отчета по трафику из рекламной системы до ответа на вопрос "что в корзине плохо" и т.д.
- соответственно, много опыта за короткий срок - и по веб-аналитике, и по продуктовой, и по работе с данными, и понимание, как работают разные виды бизнеса

Из возможных минусов:
- будет много срочных задач, решение по которым нужно "еще вчера"
- множественные переключения между задачами в течение дня - это становится плюсом, так как закаляет и после уже нет проблемы со срочными ad-hoc задачами
- зп может быть несколько ниже, чем среднем по рынку

По моему мнению (исходя из опыта), плюсы много превосходят минусы. В общем, если бы спросили, стоит ли идти в рекламное агентство, чтобы сильно прокачаться, однозначно сказал бы - да.

Судя по слухам, Яндекс пытается получить согласие Путина на реструктуризацию. По сути речь идет о продаже российской части бизнеса (да, и назначении Кудрина главным) и выделении селфдрайвинга, образования и нескольких других проектов из непоискового сектора в самостоятельные команды под зонтиком международного Яндекса.

Кажется, все логично, но как звучит бредово, да? Публичная компания просит разрешения президента, а не регулирующих органов, для того чтобы распорядиться тем, что создано и заработано. Кто бы сказал 20 лет назад — я бы точно не поверил.

https://t.co/7CQ29jKXd9

И несколько статей на The Bell на тему судеб Яндекса, первая из них - вчерашняя:
- https://thebell.io/aleksey-kudrin-finalno-obsudit-sudbu-yandeksa-na-vstreche-s-vladimirom-putinym
- https://thebell.io/istoriya-chelovecheskikh-tragediy-kak-voyna-razvela-arkadiya-volozha-s-menedzherami-yandeksa
- https://thebell.io/volozh-mozhet-obmenyat-kontrol-v-yandekse-na-vozmozhnost-vyvesti-chast-ego-proektov-za-rubezh

Наблюдаю сейчас прекрасный кейс с SQL.
Если у нас есть некая табличка, в которой хранятся некоторые конфигурационные данные, и в ней немного столбцов. Допустим, изменился логин, и, соответственно, нужно изменить значение одной ячейки.
Самое, наверное, простое - сделать это через UPDATE. Но это не самый безопасный путь, так как, если мы не пропишем условие WHERE, то впишем новый логин в целый столбец.
Чтобы уменьшить вероятность ошибки, можно сначала удалить одну строку с помощью DELETE и потом снова ее добавить с помощью INSERT INTO
Да, вместо одной операции получится две и придется снова перечислить все поля в запросе. Но, вся прелесть в том, что команда DELETE предполагает условие WHERE - например, в Google BigQuery DELETE без WHERE выполнить не получится, а PostgreSQL через Dbeaver спросит что-то типа "Вы уверены?".
Профит...

PivotTableJS – библиотека для быстрого исследования данных в Jupyter Notebook. Все с drag-n-drop, дата саентисты советуют.

Симо Ахава сообщает что в Safari теперь нет возможности указать срок действия cookie, установленных с помощью JavaScript. А в скором времени это коснется и других браузеров WebKit.
https://www.simoahava.com/privacy/first-party-cookies-webkit-revisited/

Всем привет!

Теперь в канал https://news.1rj.ru/str/analyst_job_aggregator постятся вакансии для аналитиков (не бизнес и не системных) из Head Hunter. Дважды в день - в 13.00 и в 19.00.

Они сгруппированы по направлениям - веб, продуктовые, маркетинговые, данных. Формат:
- название вакансии
- город
- компания
- ЗП
- ссылка на вакансию

Новизна ваканcий - одна неделя, т.е., если вакансия с определенным id вакансии была импортирована с HH, в течение еще 6 дней она не будет повторно импортироваться с HH и присылаться в канал.

И еще - через некоторое прекратят пересылаться вакансии системных и бизнес аналитиков из телеграм-каналов.

Если появятся какие-то вопросы, возражения, пожелания, буду рад.

Что-то задумался на миг. С чего вдруг все решили, что дашборды, отчеты, и, что ещё лучше, всякие выгрузки, делает аналитик. Имею ввиду не bi, а веб, продуктового, дата. Типа, ты же за данные отвечаешь, ну и дашборд сделай. У продактов же лапки (к слову, есть прекрасные исключения).
А как же помогать принимать решения, исследовать и вот это вот все?

Записался недавно в подкасте «Багрепорт»

В выпуске погружаемся в профессию и пытаемся понять, как аналитики работают, чем живут, как развиваются по хард и софт-скиллам. Пытаемся разобраться, чем эти специалисты похожи на ученых и зачем им нужно погружаться в теорию вероятностей.

Почему аналитиков делят на две касты: «требований» и «данных»? Всем ли так нужен SQL? Кстати, да. Excel — лучший друг аналитиков.

Где послушать:
В телеге
В Яндекс.Музыке
В Apple Podcasts
В VK
На сайте студии Red Barn
В PodParadise
В Castbox
В podcast.ru

Ну и в ту же тему - https://www.youtube.com/watch?v=5sZy7b_yGYY