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.

А тут у Сбера вышли новые умные колонки. Подробно.

Upd. 404 страница - видимо, поторопились

Upd 2. Все-таки есть

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

Яндекс выкладывает в опенсорс код счётчика — ключевого компонента Метрики. Это JS-бандл, который загружается вместе со страницей сайта и фиксирует различные события.
 
Вот ссылка на репозиторий в Гитхаб. Теперь вы можете подробно изучить код счётчика и пересобрать его в той конфигурации, которая необходима для вашего проекта.  

Разработчик Метрики Евгений Новиков поделился краткой историей счётчика и тем, как с ним работать в небольшой статье на Хабре.

Существует интересный формат найма в IT - ускоренное прохождение всех этапов интервью, от одного до нескольких дней. Это может называться One Day Offer, Weekend Offer, Fast Track. Полтора года назад поучаствовал в Weekend Offer, безуспешно.
Яндекс обещает чаще проводить найм в этих чаще, чем ранее, даже завел для этого отдельную страничку.
Для аналитиков из ближайшего запланирован Weekend Offer, в команду геосервисов, он пройдет с 27 февраля по 3 марта.

У Карпов Курсес на одной из программ теперь можно проходить не целый курс, а отдельные блоки. На курсе Hard ML.
Приветствую такой подход, так как бывает нужна не вся программа, а только какая-то ее часть. И ради этой части покупать целый курс не очень разумно.
Так что это отличная новость. Хотелось бы подобное видеть и по другим курсам и у других участников рынка тоже.
Не реклама.

Вышло новое видео с участием Елены Серегиной на тему выбора метрик продукта. Больше всего времени досталось NSM как типу метрик, в работе с которым продакт-менеджеры очень много работают, в том числе, часто неправильно.

Еще один текст о том, что нужно, чтобы начать заниматься футбольной аналитикой. Технические навыки, открытые данные, самые релевантные статьи и исследования.

https://github.com/devinpleuler/analytics-handbook

Интересная новость подъехала - Риалвеб покупает компанию DataGo, которую считали дочкой Owox. Пока трудно сказать, что изменится для клиентов DataGo, будем надеяться, что они выиграют.
За последние месяцы это не первая подобная новость про Риалвеб. Мне не очень нравятся крупные консолидации, поглощения, так как они в результате могут приводить к снижению конкуренции в некоторых сегментах рынка. Поглядим...

На Медиуме в рекомендованных сегодня увидел шпаргалку по продуктовым метрикам. На первый взгляд кажется, что тут в районе 90% метрик, на которые мы смотрим (и показываем большим боссам) постоянно.
При этом, оставшиеся 10% специфических, синтетических метрик часто говорят более красноречиво о том, как все-таки поживает наш продукт.
Эту шпаргалку также хорошо можно использовать для подготовки к собеседованию, чтобы освежить знания о самых распространенных метриках.

Понимание, что такое A/B тесты и как их правильно проводить, одно из главных требований к продуктовому менеджеру, продуктовому аналитику, аналитику данных.

В свое время для подготовки к собеседованиям собрал список того, что должен знать. Также дополнял этот список. Получившийся список закрывает большинство вопросов, которые могут задать нам на собеседовании. И полноценный ответ на них значительно повысит шансы на успешное трудоустройство. 🫵

Собственно, список.

Продолжаю сериал про обучение на курсах и трудоустройство.

Предыдущие запись здесь: №1, №2, №3, №4, №5, №6.

Допустим, что резюме уже есть и пора искать работу. Очень часто весь поиск сводится к спамным откликам на HH. Как пишут в книге - это необходимо, но недостаточно. Да и спасом заниматься тоже ни к чему.

Адекватным можно считать (а можно и не считать, мы же все свободные люди) следующее:
✅ Откликаться на те вакансии, где более-менее подходишь по требованиям и опыту. Несколько завысить навыки не грех, но все лучше делать в меру. При этом полезно прочитать вакансию полностью.
✅ Адаптировать свое резюме под конкретную вакансию. Ведь вакансия - это как набор вопросов, а наше резюме - ответы на эти вопросы. Так мы помогаем HR найти подходящего кандидата.
✅ В резюме описать не только свой опыт и обязанности, но и еще достижения, результаты.
✅ Совсем нерелеватный опыт лучше не показывать. Но, если другого нет, лучше такой, чем никакого, и не стоит излишне детализировать.
✅ Написать сопроводительное письмо. Оно помогает ответить на вопрос, почему на наше резюме нужно обратить внимание. Формулировки должны быть максимально конкретны и выточены. Как рифма Маяковского.
✅ Сделать резюме открытым и регулярно обновлять.

Также, кроме HH, какие существуют варианты, где искать работу.
Нужно сделать все, чтобы возможностей увидеть наше резюме было максимально много:
➡️ На других сайтах с объявлениями о работе типа job, superjob, а также career.habr.
➡️ У нас есть соцсети. Можно на личной страничке написать, что ищем работу и прикрепить (опционально) резюме.
➡️ В соцсетях также есть много сообществ для поиска работы, и можно там тоже писать о себе и размещать резюме.
➡️ В телеграме есть чаты, каналы, где также обязательно нужно разместить свое резюме.
➡️ И др.

Удачи!!! Продолжение следует.

#образование

Не могу не поделиться. Зашел на сайт одного банка, и оказалось, что могу оформить карту в 0 городов. Вот повезло то!

Участие в секциях собеседований по Python и SQL напомнило и подтвердило предположение о том, что же такое опыт.

Некоторые считают, что знание многих функций SQL, в том числе оконных может говорить и среднем уровне владения. Как раз нет - для того, чтобы был это средний уровень, недостаточно знать функции, а нужно понимать, как и когда их правильно использовать.

Вижу, что кандидат знает и группировки, и джойны, и оконки, и правильно это все пишет. Но это не помогает ему решить несложные задачи, он все равно может стопориться на каждом шагу. 🙁 Сейчас не учитываем волнение, так как если сильно нервничаешь, сильно косячишь с синтаксисе и не можешь вспомнить нужные вещи.

Поэтому опыт - это умение правильным образом использовать знания. А это приходит только со временем и с разнообразными задачами. Поэтому средний уровень того же SQL после курсов и полугода работы - это очень редкий зверь.👽
И еще, бывает такое, что ты не знаешь каких-то навороченных функций, но имеющиеся знания помогают тебе решать любые задачи, пусть и не всегда оптимально. Это тоже опыт, который приходит только со временем.

И это все нормально, просто нужно каждый раз понимать свои сильные стороны, и, что еще важнее, слабые, это сильно помогает быстро расти.

Повторюсь, делаю такой вывод, исходя из собственного опыта, общения с коллегами, чтения чатов и проведения технических секций найма.

Делюсь небольшим наблюдением.

Иногда встречаю статьи, посты про то, как отличить "продукт" от "не продукта". В том смысле, что продукт - это не то, что накодили разработчики, а то, что закрывает некоторую потребность у пользователей.

И вот, некоторое время назад познакомился с некоторым продуктом (это контентное приложение), который закрывает реальную потребность. Но, насколько успешно он ее закрывает, понять трудно. Посмотрел, какие события отправляются.

😯 😯😯

Оказалось, что из событий, которые показывают поведение пользователя, есть только события запуска и остановки приложения, запуск воспроизведения. Все остальные события технические - успешная загрузка, краши и т.д. Нет ничего, что поможет понять активность пользователя, время потребления и проч. И настройка отправки этих событий, конечно, происходила без участия аналитика.

А продакт уверен, что главные метрики - MAU, WAU, DAU, Retention. Мда. Это фиаско, братан. Будем работать, приводить в чувство.😁

Минутка восхищения Retentioneering. Установил бета-версию 3.
Попробовал пока только Sankey диаграмму, и уже в восторге, предвкушаю все остальные новинки. На нужно извращаться, чтобы сделать ее в plotly, все работает "в несколько кликов".
Спасибо!

https://doc.retentioneering.com/release3/doc/user_guides/step_sankey.html

Заканчиваю сериал про обучение и трудоустройство. Посмотрим, выйдет ли второй сезон.
Предыдущие серии здесь: №1, №2, №3, №4, №5, №6, №7.
Итак, допустим нас пригласили на собеседование. Что нужно делать, чтобы повысить шансы.

➡️Подготовиться к собеседованию - почитать про компанию, отдел, возможного будущего руководителя. Неплохо также немного погрузиться в специфику продукта, понять, какие проблемы решают аналитики.
➡️В меру приукрашивать способности и опыт. Если на технических секциях выяснится, что все не так, будет очень грустно.
➡️Задать все интересующие вопросы про компанию, вакансию, команду, зарплатную вилку, формат работы. Во-первых, эта информация очень важна, а, во-вторых, дает понять стороне найма нашу заинтересованность.
➡️Уточнить, как будет приниматься решение о трудоустройстве - если я подхожу, меня точно берут или будут выбирать лучшего из нескольких. Так становится важен подход к найму и наличие (отсутствие) конкурентов. Иногда имел наглость спрашивать, на какой стадии находятся мои конкуренты и сколько их. Если их "немало", внутренне был сильно удивлен (с сомнением), так как на миддловые позиции обычно мало кандидатов в любой данный момент времени.
➡️Как я писал выше, требования и задачи в вакансии - это вопросы, а я должен на эти вопросы ответить наилучшим образом, максимально показывая, что я именно тот, кого ищет компания (все это в разумных пределах).
➡️Нервы совершенно необходимо держать под контролем, иначе лучшие навыки превратятся в прах. Чтобы расслабиться, вполне неплохо пошутить, на минуту отвлечься на что-то постороннее, типа пробок, погоды, медленных лифтов. Это также позволит сделать контакт чуть менее формальным.
➡️На бизнесовых (с кейсами) секциях не требуется идеально отвечать на вопросы. Самое главное, чего ожидает нанимающая сторона - связанные ответы, стройные логичные рассуждения, понимание, как работает бизнес, экономика проектов. Часто вопросы задаются по тематике компании, и, если мы потратили время на подготовку, можно преподнести неплохой сюрприз.
➡️На технических секциях (SQL, Python) не нужно кидаться сразу кодить. Правильным будет уточнить требования к ответу, проговорить решение и потом уже приступать к нему. Опечатки в коде не критичны, намного важнее правильность логики решения задачи.
➡️После каждого этапа обязательно нужно понимать, какой следующий этап и какой он будет. Если HR не возвращается в обозначенный срок с ответом, на следующий день можно напомнить о себе и т.д.

Это основные моменты. Когда появится что-то полезное, что дополнительно можно рассказать, как повысить шансы на трудоустройство, обязательно расскажу.

Удачи!

#образование

Разница в данных между GA4 и BigQuery Export

Получаете разные результаты при анализе данных Google Analytics 4 в BigQuery по сравнению с стандартным интерфейсом отчетности? Понимание различий между двумя методами анализа данных необходимо для точных и надежных выводов. В статье Минхаза Кази из Google описаны наиболее значимые расхождения между BigQuery и пользовательским интерфейсом GA4 и советы по обеспечению точного расчета метрик. Вот мое краткое резюме основных различий и способов как их избежать:

Сэмплирование
Предварительно обработанные таблицы базы данных в GA4 используются в стандартных отчетах и Data API. При исследованиях же используется необработанные данные, но они сэмплируются, если количество событий превышает квоту от 10 млн. Чтобы сопоставить данные с экспортом из BigQuery, проверьте отчеты без сэмплирования в исследованиях.

Различные определения пользователей в GA4 и BigQuery
Метрика "Всего пользователей" в GA4 считает пользователей, которые выполнили по крайней мере одно событие, но при этом "Активные пользователи" - это основная отчетная метрика. При расчете количества пользователей из BigQuery следует фильтровать активных пользователей на основе критериев для каждого типа потока. Реализация запросов может варьироваться, но в скором времени в BigQuery будет добавлено поле is_active_user для упрощения фильтрации.

HyperLogLog++
GA4 использует алгоритм HLL++ для оценки активных пользователей и сеансов. Расчеты в интерфейсе и API являются приблизительными значениями с уровнем точности, который варьируется в зависимости от метрики и доверительных интервалов. В BigQuery можно использовать точные расчеты с потенциально небольшими отклонениями в метриках. Дополнительную информацию можно найти в HLL++ Sketches.

Задержка во времени
BigQuery создает ежедневные таблицы после сбора всех событий из GA4 за день. Эти таблицы могут обновляться до 72 часов после даты. Эта проблема в основном влияет на реализации Firebase SDK или Measurement Protocol с отложенными событиями. Сравнения между BigQuery и GA4 должны проводиться на данных старше 72 часов из-за возможных расхождений между стандартными отчетами и экспортом из BigQuery.

Google Signals
Активация Google Signals в GA4 позволяет избежать проблемы учета нескольких пользователей для одного юзера, просматривающего ваш сайт на нескольких браузерах и устройствах. Однако, при экспорте в BigQuery могут по-прежнему отображаться несколько user_pseudo_id – поскольку BigQuery работает на основе cookie-идентификтаоров.

Режим согласия и Моделированные данные
Если пользователи не дали согласие на использование куки, то в GA4 используется моделирование, чтобы заполнить пробелы в данных. Но в BigQuery при этом user_pseudo_id может меняться в зависимости от сессии и это провоцирует различия между стандартными отчетами и BigQuery. Внедрение User-ID в GA4 снижает этот эффект.

Атрибуция трафика
В BigQuery данные об атрибуции трафика доступны на уровне пользователя и события, но не на уровне сессии, поскольку GA использует собственную модель атрибуции. Чтобы создать пользовательскую модель, вы можете объединить набор данных с first-party-данными. В будущем в BigQuery будет доступно больше данных для атрибуции трафика.

Ошибки вычислений
Для обеспечения точности метрик в BigQuery важно использовать правильные методы расчета, такие как подсчет уникальных комбинаций user_pseudo_id/user_id и ga_session_id. Также следует учитывать способ идентификации, область действия параметров и показателей, разницу в часовых поясах и ограничения на фильтрацию/экспорт данных, которые могут вызывать расхождения между данными экспорта событий BigQuery и стандартными отчетами.

Учитывайте эти моменты при работе с данными GA4 в BigQuery, чтобы получить точные и надежные данные.

Ссылка на статью Минхаза Кази

#bigquery #googleanalytics #аналитика #ga4 #модельатрибуции

@marketing_analysis

Подсмотрел в Linkedin гайд для джунов в it. Многое подходит и для аналитиков -

Вчера утром увидел на главной странице Яндекса новость и том, что в одноименном браузере теперь есть перевод с китайского. На Хабре появилась и статья, где разработчики подробно рассказывают о том, какие были нюансы, трудности работы.
https://habr.com/ru/companies/yandex/articles/711082/