Команда отдела аналитики VK задумалась над системным решением проблемы рассеивания внимания при контроле за показателями метрик и… придумала оптимальное решение.
В своей статье на Хабре они рассказали, как автоматизировали оповещения о падении продуктовых метрик (чтобы сразу оценивать масштаб проблемы в деньгах), и что это дало продукту.
О том, как они пришли к этому подходу, что имеют сейчас, а также о настройке интерфейса, почтовых оповещений, эффективности и общих итогах читайте тут.
В своей статье на Хабре они рассказали, как автоматизировали оповещения о падении продуктовых метрик (чтобы сразу оценивать масштаб проблемы в деньгах), и что это дало продукту.
О том, как они пришли к этому подходу, что имеют сейчас, а также о настройке интерфейса, почтовых оповещений, эффективности и общих итогах читайте тут.
Идем к продуктовым метрикам. Итак, какой у вас LTV?
Очень простой вопрос, на который трудно дать простой ответ.
Знание LTV часто встречается в требованиях к менеджерам продукта, к продуктовым аналитикам. Но вот знать и уметь, все же, не одно и то же.
Если мы быстренько погуглим, то найдем следующую формулу расчета: ARPU * LT, где:
- ARPU (Average Revenue Per Users) — средняя сумма дохода на одного пользователя за определенный период (неделя, месяц, квартал).
- LT (Live Time) — время “жизни” клиента.
Можно найти и другие методы, и большинство из них крутятся вокруг этих величин.
Тут и кроется проблема. Есть клиенты, которые платят уже 5 лет, а есть те, кто только что сделал первый платеж. Но, вот, пять лет назад у нас были другие тарифы, другие скидки и спецпредложения. Ну и старые пользователи с нами 60 месяцев, а новые меньше одного. И как же нам посчитать, сколько у нас платит клиент в среднем за один период (в нашем случае месяц) и сколько месяцев он живет. Получаем, что:
- Всегда будем рассчитывать “среднюю температуру по больнице” — в одну кучу сгребем всех пользователей и усредним. Странно, ведь обычно твердим, что хорошо, когда пользователи сегментированы, гомогенны.
- Посчитанная величина будет “на сейчас”, а через месяц она может быть больше или меньше.
- На изменение LTV во времени будут влиять промокампании, реактивации, раздача триалов, скидки, черные пятницы, рост стоимости подписки и прочие факторы. Поэтому наши LTV 3000 р. сейчас будет значить немного не то, что раньше. Т.е. LTV не может быть высечен в граните.
Итого — формула ARPU * LT более-менее работает на “мертвом” продукте, у которого уже нет ни новых пользователей, ни новых денег. Тут понятен и ARPU, и LT, все легко посчитать без ошибок. А если продукт живой, развивающийся, то будут проблемы...
Как же можно считать LTV, чтобы с ним можно было нормально работать. Считать LTV по когортам первой оплаты — по неделям, месяцам, кварталам — как посчитаем нужным. По формуле — Revenue/U (всю сумму дохода пользователей когорты делим на количество пользователей когорты, тут не привязываемся к чистой или не чистой прибыли).
Таким образом нивелируем проблему “старости” наших клиентов — LTV старых клиентов будет рассчитан отдельно от новых - у каждой когорты будет свой LTV.
Что еще можно посчитать на основе LTV:
- Средний LTV накопительно (берем весь доход на данный месяц и делим его на количество всех пользователей), пересчитываем на каждый месяц, смотрим с в динамике.
- Средний скользящий LTV - делаем то же самое, но каждый раз за несколько последних периодов, например, 6 месяцев, и также смотрим в динамике.
Очень простой вопрос, на который трудно дать простой ответ.
Знание LTV часто встречается в требованиях к менеджерам продукта, к продуктовым аналитикам. Но вот знать и уметь, все же, не одно и то же.
Если мы быстренько погуглим, то найдем следующую формулу расчета: ARPU * LT, где:
- ARPU (Average Revenue Per Users) — средняя сумма дохода на одного пользователя за определенный период (неделя, месяц, квартал).
- LT (Live Time) — время “жизни” клиента.
Можно найти и другие методы, и большинство из них крутятся вокруг этих величин.
Тут и кроется проблема. Есть клиенты, которые платят уже 5 лет, а есть те, кто только что сделал первый платеж. Но, вот, пять лет назад у нас были другие тарифы, другие скидки и спецпредложения. Ну и старые пользователи с нами 60 месяцев, а новые меньше одного. И как же нам посчитать, сколько у нас платит клиент в среднем за один период (в нашем случае месяц) и сколько месяцев он живет. Получаем, что:
- Всегда будем рассчитывать “среднюю температуру по больнице” — в одну кучу сгребем всех пользователей и усредним. Странно, ведь обычно твердим, что хорошо, когда пользователи сегментированы, гомогенны.
- Посчитанная величина будет “на сейчас”, а через месяц она может быть больше или меньше.
- На изменение LTV во времени будут влиять промокампании, реактивации, раздача триалов, скидки, черные пятницы, рост стоимости подписки и прочие факторы. Поэтому наши LTV 3000 р. сейчас будет значить немного не то, что раньше. Т.е. LTV не может быть высечен в граните.
Итого — формула ARPU * LT более-менее работает на “мертвом” продукте, у которого уже нет ни новых пользователей, ни новых денег. Тут понятен и ARPU, и LT, все легко посчитать без ошибок. А если продукт живой, развивающийся, то будут проблемы...
Как же можно считать LTV, чтобы с ним можно было нормально работать. Считать LTV по когортам первой оплаты — по неделям, месяцам, кварталам — как посчитаем нужным. По формуле — Revenue/U (всю сумму дохода пользователей когорты делим на количество пользователей когорты, тут не привязываемся к чистой или не чистой прибыли).
Таким образом нивелируем проблему “старости” наших клиентов — LTV старых клиентов будет рассчитан отдельно от новых - у каждой когорты будет свой LTV.
Что еще можно посчитать на основе LTV:
- Средний LTV накопительно (берем весь доход на данный месяц и делим его на количество всех пользователей), пересчитываем на каждый месяц, смотрим с в динамике.
- Средний скользящий LTV - делаем то же самое, но каждый раз за несколько последних периодов, например, 6 месяцев, и также смотрим в динамике.
❤2
Статьи про приоритезацию задач в работе аналитика (на несколько минут забудем про продактов и прочих заказчиков и подумаем - а как правильно-то):
Часть 1
Часть 2
Часть 1
Часть 2
Medium
How to Prioritize Analytical Work — Part 1
Generally Analytical Work Segments Well into Four Buckets
Forwarded from AB тесты и все вот про это вот все
А зачем нам нужен чек-лист для проведения эксперимента?
Сейчас пытаюсь посчитать результаты одного эксперимента. Все никак не сходится:
- деление трафика 95/5
- целевая метрика не была выбрана до запуска
- продолжительность не определена заранее
- критерии вердикта, соответственно, также не определены
- и др.
Кажется, собрал минус флеш-рояль. После наших дорогих праздников будем встречаться, разговаривать о том, что такое не может повториться и до запуска продакт-менеджеры обязательно должны обсуждать это все с аналитиком.
И снова вспомнил про чек-лист (про него, видимо, также поговорим), повторно сюда прикладываю - ссылка
Сейчас пытаюсь посчитать результаты одного эксперимента. Все никак не сходится:
- деление трафика 95/5
- целевая метрика не была выбрана до запуска
- продолжительность не определена заранее
- критерии вердикта, соответственно, также не определены
- и др.
Кажется, собрал минус флеш-рояль. После наших дорогих праздников будем встречаться, разговаривать о том, что такое не может повториться и до запуска продакт-менеджеры обязательно должны обсуждать это все с аналитиком.
И снова вспомнил про чек-лист (про него, видимо, также поговорим), повторно сюда прикладываю - ссылка
Medium
Чек-лист при проведении AB теста
Когда мы планируем, проводим, анализируем A/B тест, было бы неплохо избегать простых ошибок. Для этого на каждом из этих этапов существет…
Forwarded from karpov.courses
Оконные функции — один из самых полезных инструментов в арсенале аналитика. Но практика показывает, что именно с их изучением возникает больше всего проблем.
Сегодня мы разберёмся, как применять оконные функции для решения различных задач в PostgreSQL и Pandas.
А чтобы ещё глубже погрузиться в работу с SQL, присоединяйтесь к нашему бесплатному симулятору.
Сегодня мы разберёмся, как применять оконные функции для решения различных задач в PostgreSQL и Pandas.
А чтобы ещё глубже погрузиться в работу с SQL, присоединяйтесь к нашему бесплатному симулятору.
YouTube
Как применять оконные функции в SQL и Pandas | Анатолий Карпов | karpov.courses
Симулятор SQL: http://bit.ly/3Wg5o2i
Оконные функции — один из самых полезных инструментов в арсенале аналитика. Но практика показывает, что именно с их изучением возникает больше всего проблем.
Сегодня мы разберёмся, как применять оконные функции для…
Оконные функции — один из самых полезных инструментов в арсенале аналитика. Но практика показывает, что именно с их изучением возникает больше всего проблем.
Сегодня мы разберёмся, как применять оконные функции для…
🔥1
Возвращаемся к проблематике образования аналитике на онлайн-курсах. По многим причинам тема образования мне близка.
Попробую пройти полный путь, чтобы оценить, где кроются проблемы и как их решать, чтобы выпускник курсов нашел себе работу.
Все это - исключительно моя точка зрения, на истину не претендую. Исхожу их собственно опыта и общения с коллегами.
Итак, начнем с самого верха - как и почему мы идем учиться. Основные причины:
- освоение новой профессии - уровень предварительной подготовки часто будет низким, в зависимости от близости предыдущей сферы (или ее отсутствия)
- структурировать имеющие знания и/или повысить свой уровень - тут мы уже что-то умеем
- компания отправила учиться - тут тоже мы уже что-то знаем и умеем, и наше руководство ожидает получать от нас больше
- у другое
Прежде всего будем говорить про тех, кто только начинает свой путь в аналитике.
Продолжим в ближайшее время...
#образование
Попробую пройти полный путь, чтобы оценить, где кроются проблемы и как их решать, чтобы выпускник курсов нашел себе работу.
Все это - исключительно моя точка зрения, на истину не претендую. Исхожу их собственно опыта и общения с коллегами.
Итак, начнем с самого верха - как и почему мы идем учиться. Основные причины:
- освоение новой профессии - уровень предварительной подготовки часто будет низким, в зависимости от близости предыдущей сферы (или ее отсутствия)
- структурировать имеющие знания и/или повысить свой уровень - тут мы уже что-то умеем
- компания отправила учиться - тут тоже мы уже что-то знаем и умеем, и наше руководство ожидает получать от нас больше
- у другое
Прежде всего будем говорить про тех, кто только начинает свой путь в аналитике.
Продолжим в ближайшее время...
#образование
❤2
Одна из первых проблем, с которой сталкивается тот, кто решает "войти в айти", "ворваться в аналитику", и все такое - понятный ответ на вопрос "Почему". Т.е. мотивация.
Сейчас вокруг всего этого царит нездоровый ажиотаж, который приводит на курсы тех, кому они не нужны. В результате аналитиками данных, дата-сайентистами, и т.д. хотят стать, потому что:
- этому нетрудно научиться, Павел Воля так сказал
- через 6 месяцев по часу в день стану специалистом
- на HH 100500 вакансий
- у них зп 300к/сек.
- можно путешествовать по миру
- там гарантированное трудоустройство
Большинству из тех, кто идет в аналитики (и в IT в целом) по этим причинам, не нужно было идти на курсы. И многие бросят в течение первых недель. Возврат оплаты не всегда проходит гладко, можно найти кучу историй.
Конечно, и онлайн-школы тоже добавляют хайпа, ведь они на этом зарабатывают, расширяют воронку продажи, и это тоже нормально (хотя каждый по-своему трактует "норму").
Таким образом у многих из тех, кто собирается врываться, изначально сформированы некорректные ожидания. Ну а что получается в итоге с такими ожиданиями, нам понятно.
Путь и IT должен быть осознанным, когда ты можешь развернуто ответить на вопрос "Почему", не используя ответы выше. Тебе это должно быть нужно, или хотя бы близко и интересно.
И быть готовым, что:
- учиться не очень просто (особенно тем, что давно не учился), есть тяжелые темы, и далеко не всегда это интересно (мало секусального в матанализе, хотя...)
- через 6 месяцев совершенно не факт, что будешь джуном, а скорее стажером (что, кстати, уже неплохо)
- на HH вакансий, может, и много, но для начинающих специалистов их мало, и стажировок тоже (особенно сейчас)
- чтобы получать обещанные на лендинге специальности 120 - 150 к, придется много месяцев трудиться, а на старте, возможно, придется работать за сильно небольшие суммы - и все же лучше найти работу за небольшую зп, чем не найти вовсе
- путешествия по миру возможны при соответствующей зп, а сайчас присовокупились и другие проблемы
- гарантированное трудоустройство становится не таким уж и гарантированным после прочтения "мелкого шрифта" и пунктов выше
В общем, чтобы стать аналитиком, придется много учиться (примерно постоянно) и работать, но, если все сложится, результаты вполне могут порадовать.
#образование
Сейчас вокруг всего этого царит нездоровый ажиотаж, который приводит на курсы тех, кому они не нужны. В результате аналитиками данных, дата-сайентистами, и т.д. хотят стать, потому что:
- этому нетрудно научиться, Павел Воля так сказал
- через 6 месяцев по часу в день стану специалистом
- на HH 100500 вакансий
- у них зп 300к/сек.
- можно путешествовать по миру
- там гарантированное трудоустройство
Большинству из тех, кто идет в аналитики (и в IT в целом) по этим причинам, не нужно было идти на курсы. И многие бросят в течение первых недель. Возврат оплаты не всегда проходит гладко, можно найти кучу историй.
Конечно, и онлайн-школы тоже добавляют хайпа, ведь они на этом зарабатывают, расширяют воронку продажи, и это тоже нормально (хотя каждый по-своему трактует "норму").
Таким образом у многих из тех, кто собирается врываться, изначально сформированы некорректные ожидания. Ну а что получается в итоге с такими ожиданиями, нам понятно.
Путь и IT должен быть осознанным, когда ты можешь развернуто ответить на вопрос "Почему", не используя ответы выше. Тебе это должно быть нужно, или хотя бы близко и интересно.
И быть готовым, что:
- учиться не очень просто (особенно тем, что давно не учился), есть тяжелые темы, и далеко не всегда это интересно (мало секусального в матанализе, хотя...)
- через 6 месяцев совершенно не факт, что будешь джуном, а скорее стажером (что, кстати, уже неплохо)
- на HH вакансий, может, и много, но для начинающих специалистов их мало, и стажировок тоже (особенно сейчас)
- чтобы получать обещанные на лендинге специальности 120 - 150 к, придется много месяцев трудиться, а на старте, возможно, придется работать за сильно небольшие суммы - и все же лучше найти работу за небольшую зп, чем не найти вовсе
- путешествия по миру возможны при соответствующей зп, а сайчас присовокупились и другие проблемы
- гарантированное трудоустройство становится не таким уж и гарантированным после прочтения "мелкого шрифта" и пунктов выше
В общем, чтобы стать аналитиком, придется много учиться (примерно постоянно) и работать, но, если все сложится, результаты вполне могут порадовать.
#образование
❤1👍1
Немного отвлечемся на метрики. Серия статей от Retail Rocket про прокси-метрики в E-commerce:
- статья 1
- статья 2
- статья 3
- статья 1
- статья 2
- статья 3
Хабр
Прокси-метрики в E-commerce. Часть 1
В данной статье, состоящей из трёх частей, мы поделимся нашим исследованием о метриках, на которые стоит ориентироваться для увеличения долгосрочной выручки онлайн-магазина. В первой части обсудим...
❤2
Продолжаем про проблематику курсов по аналитике
Предыдущие записи: №1, №2.
Итак, мы пришли на курсы, пошла учеба.
Какие трудности бывают в усвоением информации:
- много теории и мало практики или наоборот
- не все понятно (или все не понятно)
- трудная тема
- есть подозрение, что информация дается поверхностно, нет глубины
В результате блок пройдет, а понимания нет. Поэтому необходимо не ограничиваться только тем, что преподают, это же нам нужно, а не кому-то еще.
А нужно читать, смотреть доп. информацию по теме, ее же очень много. Ведь, когда мы точно понимаем что нужно искать, это уже не так трудно. Хорошо, если мы один и тот же вопрос изучим с разных сторон, а не только слово в слово за преподавателем.
То же самое касается практики. Нужно дополнительно решать задания, что-то еще "кодить", чтобы понять, а как на самом деле все устроено.
И конечно, не забываем спрашивать, кураторов, мы же за это и платим, а не только на структуру. А также в тематических чатах в телеграме.
И чаще задавать себе один простой вопрос - А что я сделал для того, чтобы лучше изучить эту тему?
#образование
Предыдущие записи: №1, №2.
Итак, мы пришли на курсы, пошла учеба.
Какие трудности бывают в усвоением информации:
- много теории и мало практики или наоборот
- не все понятно (или все не понятно)
- трудная тема
- есть подозрение, что информация дается поверхностно, нет глубины
В результате блок пройдет, а понимания нет. Поэтому необходимо не ограничиваться только тем, что преподают, это же нам нужно, а не кому-то еще.
А нужно читать, смотреть доп. информацию по теме, ее же очень много. Ведь, когда мы точно понимаем что нужно искать, это уже не так трудно. Хорошо, если мы один и тот же вопрос изучим с разных сторон, а не только слово в слово за преподавателем.
То же самое касается практики. Нужно дополнительно решать задания, что-то еще "кодить", чтобы понять, а как на самом деле все устроено.
И конечно, не забываем спрашивать, кураторов, мы же за это и платим, а не только на структуру. А также в тематических чатах в телеграме.
И чаще задавать себе один простой вопрос - А что я сделал для того, чтобы лучше изучить эту тему?
#образование
Telegram
Аналитика. Это просто
Возвращаемся к проблематике образования аналитике на онлайн-курсах. По многим причинам тема образования мне близка.
Попробую пройти полный путь, чтобы оценить, где кроются проблемы и как их решать, чтобы выпускник курсов нашел себе работу.
Все это - исключительно…
Попробую пройти полный путь, чтобы оценить, где кроются проблемы и как их решать, чтобы выпускник курсов нашел себе работу.
Все это - исключительно…
Forwarded from Technogram Inside | IT
This media is not supported in your browser
VIEW IN TELEGRAM
Энтузиасты выпустили браузерное расширение Merlin, благодаря которому можно запустить нейросеть ChatGPT прямо в браузере
Для активации достаточно выделить какой-то текст на странице и использовать комбинацию клавиш «Ctrl+G» — можно заставить ИИ проанализировать скопированное или задать другой, уникальный вопрос. Плагин доступен для Chrome и Firefox.
Расширение полностью бесплатно и доступно для всех желающих.
Technogram Inside
Для активации достаточно выделить какой-то текст на странице и использовать комбинацию клавиш «Ctrl+G» — можно заставить ИИ проанализировать скопированное или задать другой, уникальный вопрос. Плагин доступен для Chrome и Firefox.
Расширение полностью бесплатно и доступно для всех желающих.
Technogram Inside
Как-то неожиданно Google закрывает Google Optimize, в том числе 360. Пока пишут, что уже с 30 сентября. Допускаю, что несколько позже. Ссылка на новость.
Не перестаем радоваться, что у Метрики будет Вариокуб, аналогичный сервис. И все же как-то грустно - Google Optimize отлично подходит для небольших A/B -тестов.
Не перестаем радоваться, что у Метрики будет Вариокуб, аналогичный сервис. И все же как-то грустно - Google Optimize отлично подходит для небольших A/B -тестов.
Google
Google Optimize Sunset - Optimize Resource Hub
Google Optimize and Optimize 360 will no longer be available after September 30, 2023. Your experiments and personalizations can continue to run until that date. Any experiments and personalizations s
Идем дальше про курсы по аналитике.
Предыдущие записи: №1, №2, №3.
Еще немного про пет-проекты. Иногда в чатах задают вопрос: "Какой пет-проект мне сделать, чтобы написать об этом в резюме?"
Такая постановка вопроса не очень корректна, так как поменялись местами причина и следствие.
Мы занимаемся пет-проектами не затем, чтобы резюме было не пустое при отсутствии опыта. Но затем, чтобы получить этот самый опыт, совершенствовать свои знания. Тут прекрасно, что в пет-проекте никто не ограничивает в тематике, инструментах, нет жесткого тайминга.
И желание заниматься пет-проектами должно быть естественно. А, если себя приходится заставлять или долго искать тематику, шансы состояться в профессии сильно снижаются.
#образование
Предыдущие записи: №1, №2, №3.
Еще немного про пет-проекты. Иногда в чатах задают вопрос: "Какой пет-проект мне сделать, чтобы написать об этом в резюме?"
Такая постановка вопроса не очень корректна, так как поменялись местами причина и следствие.
Мы занимаемся пет-проектами не затем, чтобы резюме было не пустое при отсутствии опыта. Но затем, чтобы получить этот самый опыт, совершенствовать свои знания. Тут прекрасно, что в пет-проекте никто не ограничивает в тематике, инструментах, нет жесткого тайминга.
И желание заниматься пет-проектами должно быть естественно. А, если себя приходится заставлять или долго искать тематику, шансы состояться в профессии сильно снижаются.
#образование
Telegram
Аналитика. Это просто
Возвращаемся к проблематике образования аналитике на онлайн-курсах. По многим причинам тема образования мне близка.
Попробую пройти полный путь, чтобы оценить, где кроются проблемы и как их решать, чтобы выпускник курсов нашел себе работу.
Все это - исключительно…
Попробую пройти полный путь, чтобы оценить, где кроются проблемы и как их решать, чтобы выпускник курсов нашел себе работу.
Все это - исключительно…
Forwarded from Analyst job aggregator
В VK открылся набор на оплачиваемые стажировки. Не тормозим, записываемся!
https://internship.vk.company/internship
https://internship.vk.company/internship
internship.vk.company
Стажировка VK
Оплачиваемая стажировка в VK — это твой шанс попасть в компанию
Периодически в чатах встречаю вопрос типа "А какой Retention хороший для ...".
В статье показаны величины метрики с оценками хорошо-плохо в различных типах продуктов. Да, конечно, это все не точно и продукты у нас у всех разные, но в качестве ориентира приведенные цифры вполне походят.
https://gopractice.ru/product/lenny_rachitsky_what_is_good_retention/
В статье показаны величины метрики с оценками хорошо-плохо в различных типах продуктов. Да, конечно, это все не точно и продукты у нас у всех разные, но в качестве ориентира приведенные цифры вполне походят.
https://gopractice.ru/product/lenny_rachitsky_what_is_good_retention/
GoPractice
ᐈ Что такое хороший Retention. Бенчмарки Retention для разных типов продуктов
Retention — наиболее важная метрика, на которую стоит ориентироваться при создании бизнеса или инвестировании.
И продолжаем про наши курсы по аналитике.
Предыдущие запись здесь: №1, №2, №3, №4
Где еще взять практику. Когда уже появились какие-то знания-умения, нужно максимально их обкатывать. Варианты:
- Пойти на биржи фриланса. Находить задания, которые примерно понимаете, как делать, а там будет видно. Главное - больше уверенности. Не нужно бояться чего-то не сделать, вам просто не заплатят. А получить опыт на реальных задачах - бесценно. При успехе получится, что нам платят на наше же обучение. Так получилось, что начал толком осваивать SQL и DataStudio именно на фрилансе
- Искать подработки в чатах, каналах, соцсетях. Есть много сообществ для поиска работы. Можно в них написать что-то типа я знаю то, умею это, готов выполнять вот такие задачи за опыт/еду. В целом, это можно написать на каждом заборе
Мало времени на все это? Да, конечно, но опыт важнее. Реальный опыт, даже фриланс/парт-тайм, выглядит в резюме намного лучше, чем курсы в опыте работы и 100500 одинаковых откликов на HH.
Удачи!!!
#образование
Предыдущие запись здесь: №1, №2, №3, №4
Где еще взять практику. Когда уже появились какие-то знания-умения, нужно максимально их обкатывать. Варианты:
- Пойти на биржи фриланса. Находить задания, которые примерно понимаете, как делать, а там будет видно. Главное - больше уверенности. Не нужно бояться чего-то не сделать, вам просто не заплатят. А получить опыт на реальных задачах - бесценно. При успехе получится, что нам платят на наше же обучение. Так получилось, что начал толком осваивать SQL и DataStudio именно на фрилансе
- Искать подработки в чатах, каналах, соцсетях. Есть много сообществ для поиска работы. Можно в них написать что-то типа я знаю то, умею это, готов выполнять вот такие задачи за опыт/еду. В целом, это можно написать на каждом заборе
Мало времени на все это? Да, конечно, но опыт важнее. Реальный опыт, даже фриланс/парт-тайм, выглядит в резюме намного лучше, чем курсы в опыте работы и 100500 одинаковых откликов на HH.
Удачи!!!
#образование
Forwarded from Записки Ппилифа (Ppilif Uliankin [GMT+1])
Про собеседования по алгоритмам
Когда ты устраиваешься в ML или в аналитику, много где надо пройти секцию c кодом. Чаще всего на этих секциях встречаются довольно простые алгоритмические задачки.
На таких собесах хороший интервьюер пытается понять, как именно кандидат рассуждает и пишет код. Задача — это просто повод поговорить (плохой интервьюер заставляет вертеть красно-чёрные деревья, чтобы потешить своё чсв).
При подготовке к таким секциям люди задрачивают leetcode, но забывают про разговор. В итоге это приводит к тому, что на собесах возникают ступоры и кандидат уходит в себя. Он сидит и думает молча. Так делать нельзя, надо начинать рассуждать вслух.
Я бы готовился, в первую очередь, к разговору и учился бы на литкодных задачках рассуждать.
1. Читаешь условие. Проговариваешь свой алгоритм голосом. Оцениваешь голосом его сложность по памяти и времени. Если слишком большая, думаешь где ты в алгоритме делаешь лишние действия. Обычно, на секциях для аналитиков, все должно делаться за O(n).
Тут можно сформулировать самую грубую версию, оценить её сложность, а дальше в рассуждених улучшить её.
2. Если со сложностью все ок — проговариваешь голосом какие могут быть краевые случаи и как их надо обработать. Записываешь их.
3. Пишешь код в блокноте. Без автоподсказок и интерпретатора. Не запускаешь его до последнего.
4. Смотришь на получившийся код, выписываешь пару тестов для проверки — краевые и обычные, проговариваешь голосом, как тесты проходят сквозь код. Если нашел баг, правишь.
5. Запускаешь код. Если работает норм — комитишь на литкод. Если падает, смотришь тест, ищешь ошибку, правишь и больше не допускаешь.
Если ты на собесе будешь разговаривать с интервьюером по этой схеме, он будет счастлив. Говорю как интервьюер, которому доводилось проводить секции на код.
Решать задачи с литкода — это, конечно, хорошо. Что делать если не шаришь во всех этих О(n)? Я бы в таком случае прочитал грокаем алгоритмы. Читается за выходные и открывает кучу чакр.
Ну а дальше можно пойти на литкод либо пальнуть яндексовые видосы про алгоритмы с Густокашиным. К ним прилагаются контесты, которые можно порешать. Не забывайте делать это по схеме, которую я вкинул выше. В любом собеседовании — главное разговор, а не задача.
Когда ты устраиваешься в ML или в аналитику, много где надо пройти секцию c кодом. Чаще всего на этих секциях встречаются довольно простые алгоритмические задачки.
На таких собесах хороший интервьюер пытается понять, как именно кандидат рассуждает и пишет код. Задача — это просто повод поговорить (плохой интервьюер заставляет вертеть красно-чёрные деревья, чтобы потешить своё чсв).
При подготовке к таким секциям люди задрачивают leetcode, но забывают про разговор. В итоге это приводит к тому, что на собесах возникают ступоры и кандидат уходит в себя. Он сидит и думает молча. Так делать нельзя, надо начинать рассуждать вслух.
Я бы готовился, в первую очередь, к разговору и учился бы на литкодных задачках рассуждать.
1. Читаешь условие. Проговариваешь свой алгоритм голосом. Оцениваешь голосом его сложность по памяти и времени. Если слишком большая, думаешь где ты в алгоритме делаешь лишние действия. Обычно, на секциях для аналитиков, все должно делаться за O(n).
Тут можно сформулировать самую грубую версию, оценить её сложность, а дальше в рассуждених улучшить её.
2. Если со сложностью все ок — проговариваешь голосом какие могут быть краевые случаи и как их надо обработать. Записываешь их.
3. Пишешь код в блокноте. Без автоподсказок и интерпретатора. Не запускаешь его до последнего.
4. Смотришь на получившийся код, выписываешь пару тестов для проверки — краевые и обычные, проговариваешь голосом, как тесты проходят сквозь код. Если нашел баг, правишь.
5. Запускаешь код. Если работает норм — комитишь на литкод. Если падает, смотришь тест, ищешь ошибку, правишь и больше не допускаешь.
Если ты на собесе будешь разговаривать с интервьюером по этой схеме, он будет счастлив. Говорю как интервьюер, которому доводилось проводить секции на код.
Решать задачи с литкода — это, конечно, хорошо. Что делать если не шаришь во всех этих О(n)? Я бы в таком случае прочитал грокаем алгоритмы. Читается за выходные и открывает кучу чакр.
Ну а дальше можно пойти на литкод либо пальнуть яндексовые видосы про алгоритмы с Густокашиным. К ним прилагаются контесты, которые можно порешать. Не забывайте делать это по схеме, которую я вкинул выше. В любом собеседовании — главное разговор, а не задача.
❤1
Согласен с автором. Как-то завалил алгоритмы именно потому что сразу кинулся кодить, не решив задачу логически. В итоге полчаса хаотично пытался набрасывать непродуманные решения.
Что ж, задачи на алгоритмы тоже скилл, который нужно прокачивать. Как и умение правильно говорить на собеседованиях.
Что ж, задачи на алгоритмы тоже скилл, который нужно прокачивать. Как и умение правильно говорить на собеседованиях.
❤1
А тут у Сбера вышли новые умные колонки. Подробно.
Upd. 404 страница - видимо, поторопились
Upd 2. Все-таки есть
Upd. 404 страница - видимо, поторопились
Upd 2. Все-таки есть
vc.ru
«Сбер» выпустил «умные» колонки SberBoom и SberBoom Mini с голосовыми ассистентами «Салют» — Техника на vc.ru
Дополнительная функция «Детектор шума» позволяет определять подозрительные звуки, когда владельца нет дома.
Возвращаемся к обучению на курсах, и переходим к написанию резюме.
Предыдущие запись здесь: №1, №2, №3, №4, №5.
Закончили мы курсы, теперь нужно сделать резюме. Но вот проблема - профильного опыта работы нет. На курсах нас учат курсы вписать в опыт работы. По моему мнению, это плохая идея, так как
- учеба != работа
- никого в заблуждение ввести не получится, все давно про все знают
- если кроме курсов профильного вписать больше нечего, то и такие манипуляции не помогут
А решение проблемы "пустого резюме" кроется несколько выше - нужно получать реальный практический опыт еще во время обучения - подработки, фриланс, пет-проекты... Тогда и будет, чем наполнить резюме.
Что еще важно - смотреть на себя и свое резюме глазами HR. Представим, что мы каждый день просматриваем десятки одинаковых пустых резюме, где у всех одни и те же умения, проекты на гитхабе, и учеба в разделе Опыт работы. Ну и кого из них выбрать? Правильно, никого.
Чтобы глаз HR зацепился за мое резюме, в нем должно быть что-то, выделяющее мой опыт среди других.
#образование
Предыдущие запись здесь: №1, №2, №3, №4, №5.
Закончили мы курсы, теперь нужно сделать резюме. Но вот проблема - профильного опыта работы нет. На курсах нас учат курсы вписать в опыт работы. По моему мнению, это плохая идея, так как
- учеба != работа
- никого в заблуждение ввести не получится, все давно про все знают
- если кроме курсов профильного вписать больше нечего, то и такие манипуляции не помогут
А решение проблемы "пустого резюме" кроется несколько выше - нужно получать реальный практический опыт еще во время обучения - подработки, фриланс, пет-проекты... Тогда и будет, чем наполнить резюме.
Что еще важно - смотреть на себя и свое резюме глазами HR. Представим, что мы каждый день просматриваем десятки одинаковых пустых резюме, где у всех одни и те же умения, проекты на гитхабе, и учеба в разделе Опыт работы. Ну и кого из них выбрать? Правильно, никого.
Чтобы глаз HR зацепился за мое резюме, в нем должно быть что-то, выделяющее мой опыт среди других.
#образование
Так получилось, что в нескольких чатах рекомендовал для набора опыта пойти работать аналитиком в рекламное агентство. Немного подробнее расскажу, почему это делаю.
В свое время достаточно продолжительное время работал в небольшом, но серьезном рекламном агентстве. Оно занимается всеми видами интернет-рекламы - контекстная, медийная, SEO, в соцсетях и т.д. Все, что написано ниже, это мой опыт а также опыт моих коллег, многие из которых также работали в рекламных агентствах.
Чем занимается аналитик в рекламном агентстве:
- настраивает всевозможные пиксели, теги, события на сайтах
- собирает разные виды отчетов - регулярные, адхоки, в excel, power point, различных bi системах
- ищет ответы на всевозможные проблемные вопросы от клиентов (аккаунтов), типа "почему у нас вчера упала конверсия в заказ", "почему обувь стали редко покупать", "как можно повысить конверсию в корзине". И для отчета на эти вопросы нужно проводить разного рода исследования
- участвует в различных встречах по обсуждению тех же проблем и вариантов улучшения показателей по рекламных кампаниям
- и многое другое
Инструменты, с которыми работает аналитик, все те же самые, с которыми работают продуктовые, дата-, веб-аналитики, подробно об этом не буду.
Почему нужно идти в рекламное агентство, т.е. плюсы🙂 :
- как правило, порог входа ниже, чем в it-компаниях, и это в самих агентствах хорошо понимают
- так как клиенты - компании разных отраслей, можно узнать, как живут и с какими проблемами сталкиваются очень разные компании, это делает кругозор шире
- задачи и проблемы, которые придется решать, очень разнообразны, быстрее учишься новому
- вокруг постоянно что-то происходит, особо на заскучаешь, но это уже на любителя
- аналитики, прошедшие через рекламные агентства, как правило закалены и их не напугаешь срочными важными задачами, их не напугаешь частыми переключениями между задачами
А теперь трудности работы аналитика в рекламном агентстве🤮 :
- иногда бывают ну очень срочные задачи, ради которых придется бросить все, так как - "это нужно ещё вчера"
- многие клиенты очень любят эксель и power point - им не нужен дашборд в power bi, а результаты выполнения задач понадобится собирать в эксель по заранее согласованному формату, а иногда (очень редко) - в презентацию в power point
- некоторые задачи придется делать, доделывать, переделывать несколько раз, так как от клиента поступили новые вводные или кому-то пришли какие-то оригинальные мысли, что нужно "еще добавить к отчету"
- придется часто переключаться между совершенно разнообразными задачами с разными контекстом от разных клиентов, в том числе со сменой приоритетов
- из-за того, что клиенты разнообразные, редко получается глубоко погрузиться в эту область и экспертно разбираться в ней - это обратная сторона разнообразия
- некоторые задачи бывают неконкретно или некорректно поставлены и ты, как идиот, проверяешь какую-то хрень, потому что клиенту так захотелось, а аккаунт не смог отговорить его от этой затеи
- аккаунты иногда дают клиентам некорректные сроки по решению задачи ("будет готово сегодня"), не согласовав эти сроки с нами, в результате сидишь до вечера весь в мыле.
Если подытожить, работа в рекламном агентстве непростая, будешь частенько "стрессовать", но туда проще попасть, можно достаточно быстро профессионально расти, получать отличный разносторонний опыт и стать "неубиваемым". И плюсы, уверен, важнее. Удачи!!!
А тут каталог рекламных агентств
В свое время достаточно продолжительное время работал в небольшом, но серьезном рекламном агентстве. Оно занимается всеми видами интернет-рекламы - контекстная, медийная, SEO, в соцсетях и т.д. Все, что написано ниже, это мой опыт а также опыт моих коллег, многие из которых также работали в рекламных агентствах.
Чем занимается аналитик в рекламном агентстве:
- настраивает всевозможные пиксели, теги, события на сайтах
- собирает разные виды отчетов - регулярные, адхоки, в excel, power point, различных bi системах
- ищет ответы на всевозможные проблемные вопросы от клиентов (аккаунтов), типа "почему у нас вчера упала конверсия в заказ", "почему обувь стали редко покупать", "как можно повысить конверсию в корзине". И для отчета на эти вопросы нужно проводить разного рода исследования
- участвует в различных встречах по обсуждению тех же проблем и вариантов улучшения показателей по рекламных кампаниям
- и многое другое
Инструменты, с которыми работает аналитик, все те же самые, с которыми работают продуктовые, дата-, веб-аналитики, подробно об этом не буду.
Почему нужно идти в рекламное агентство, т.е. плюсы
- как правило, порог входа ниже, чем в it-компаниях, и это в самих агентствах хорошо понимают
- так как клиенты - компании разных отраслей, можно узнать, как живут и с какими проблемами сталкиваются очень разные компании, это делает кругозор шире
- задачи и проблемы, которые придется решать, очень разнообразны, быстрее учишься новому
- вокруг постоянно что-то происходит, особо на заскучаешь, но это уже на любителя
- аналитики, прошедшие через рекламные агентства, как правило закалены и их не напугаешь срочными важными задачами, их не напугаешь частыми переключениями между задачами
А теперь трудности работы аналитика в рекламном агентстве
- иногда бывают ну очень срочные задачи, ради которых придется бросить все, так как - "это нужно ещё вчера"
- многие клиенты очень любят эксель и power point - им не нужен дашборд в power bi, а результаты выполнения задач понадобится собирать в эксель по заранее согласованному формату, а иногда (очень редко) - в презентацию в power point
- некоторые задачи придется делать, доделывать, переделывать несколько раз, так как от клиента поступили новые вводные или кому-то пришли какие-то оригинальные мысли, что нужно "еще добавить к отчету"
- придется часто переключаться между совершенно разнообразными задачами с разными контекстом от разных клиентов, в том числе со сменой приоритетов
- из-за того, что клиенты разнообразные, редко получается глубоко погрузиться в эту область и экспертно разбираться в ней - это обратная сторона разнообразия
- некоторые задачи бывают неконкретно или некорректно поставлены и ты, как идиот, проверяешь какую-то хрень, потому что клиенту так захотелось, а аккаунт не смог отговорить его от этой затеи
- аккаунты иногда дают клиентам некорректные сроки по решению задачи ("будет готово сегодня"), не согласовав эти сроки с нами, в результате сидишь до вечера весь в мыле.
Если подытожить, работа в рекламном агентстве непростая, будешь частенько "стрессовать", но туда проще попасть, можно достаточно быстро профессионально расти, получать отличный разносторонний опыт и стать "неубиваемым". И плюсы, уверен, важнее. Удачи!!!
А тут каталог рекламных агентств
Please open Telegram to view this post
VIEW IN TELEGRAM
AdIndex
Каталог
Бизнес СМИ AdIndex. Новости рекламы, кейсы продвижения, видеоинтервью, экспертиза, рейтинги, аналитика и тренды промо. Диджитал, перформанс, маркетинг, ТВ-реклама, натив и наружная реклама, планирование и закупка рекламы, продвижение СМБ, e-commerce, MarTech…
👍1