В "знатном" чатике прислали ссылку на карту методов сегментации пользователей. Это не прямо, чтобы готовый фреймворк, но для того, чтобы в начале пути от чего-то оттолкнуться, вполне пригодится.
https://6-sense.pro/checklists/segmentation_map

Зайдя в Linkedin, узнал о существовании в SQL функции QUALIFY для фильтрации результатов оконных функций.
Будет полезно тем, кто не знал о ее существовании, так же, как я. Описание в доке кликхауса.

Тут автор поста рассуждает о курсах для аналитиков. С посылом согласен. Тоже не очень понимаю состав наших традиционных курсов по аналитике данных. Ключевое, чему нужно учить - это рассуждать, принимать решения, используя данные. Большую (с ударением на первый слог) часть должны занимать кейсы, бизнес-задачи, моделирование разных ситуаций и контекстов.
Открываем классический курс от крупной компании и наблюдаем, что на деле по большей части учат просто методам работы с данными.
А потом собеседуешь аналитика на миддла. Он инструменты знает, а когда и как их применять, не понимает.

Если вру, прошу меня поправить. Напоминаю, швыряние камней, тут приветствуется. Интересно было бы подискутировать.

Для тех, кого беспокоит, что делать, если ты уже сеньор-помидор - https://rb.ru/opinion/izsenora-vtimlidy/

Почитал у Ленни хорошее и свежее эссе "Five principles for successfully managing managers" от Saumil Mehta (бывший CPO Square с 9-летним стажем). Оно платное за подпиской, поэтому напишу ключевые, на мой взгляд, тезисы.

Автор выделил кое-что важное: когда кто-то жалуется на своего начальника, первый вопрос должен быть не "что за козел твой босс?", а "кто твой скип?" (скип - skip manager, босс твоего босса).

Почему это важно? Когда я впервые стал менеджить не IC, а менеджеров, я понял, что это совершенно другая работа. Прежние методы не просто не работали — они часто усугубляли ситуацию. Это как пересесть с велосипеда на мотоцикл: при внешней схожести, принципы отличаются.

И вот в эссе приводятся 5 таких принципов правильного менеджмента менеджеров, которые очень хорошо откликаются:

1️⃣ Это другая работа, а не апгрейд старой. Управление менеджерами ≠ управление большим количеством людей. Это не просто больше людей под управлением — это переход от прямой работы с контекстом к работе через "прослойку". Мехта в Square настолько серьезно относился к этому переходу, что лично подписывал каждое назначение скип-лида, считая это критически недооцененным скачком в карьере.

2️⃣ Мысленный эксперимент: представь, что твои менеджеры это API, через которые ты можешь только отправлять и получать информацию — как бы ты построил управление? Этот мысленный эксперимент превращает интуитивное управление в системное, заставляя освоить искусство влияния через четкие коммуникационные протоколы.

3️⃣ Не решай проблемы в обход своих менеджеров. Когда сотрудник приходит жаловаться напрямую - слушай, задавай вопросы, но решение проблемы делегируй его непосредственному руководителю. Иначе ты подрываешь авторитет своего менеджера. По наблюдениям автора, даже случайное замечание скипа может вызвать каскад реакций в команде. Учись слушать, но решение проблемы отправляй через правильный канал — менеджера.

4️⃣ Откажись от роли спасателя. Компенсируя слабые стороны менеджера своей работой, ты создаешь двойную проблему: команда не получает настоящего руководства, а организация не видит реального положения дел. Открытое признание проблемы перед вышестоящим руководством с планом коррекции — единственный честный путь.

5️⃣ Практикуй матчмейкинг по TRM. Task-relevant maturity — это не общая оценка менеджера, а его готовность к конкретному проекту. Используй матрицу "неопределенность/влияние" для тонкой настройки делегирования. Высокая неопределенность + высокое влияние требует максимально компетентных менеджеров и твоего активного контроля; низкая неопределенность + низкое влияние — идеальный полигон для роста новичков.

Банальные мысли, но почему-то часто теряющиеся: эффективность команды зависит от того, насколько умело ты развиваешь менеджеров, потому что это каскадно влияет на развитие всех остальных.

Прекрасная статья про боссов-психопатов, лжецов и прочих эффективных манагеров и их отрицательное влияние на бизнес. Думаю, многие найдут в своей карьере примеры таких. У меня нашлись.

На разных конференциях мы неоднократно слушали, как работает динамическое ценообразование в такси. Было очень интересно и занимательно.

Но, в период, когда появляются проблемы с мобильным интернетом, цены улетают в космос. Так понимаю, компанию (не называю, так как не хочу рекламировать) все устраивает. Как потребитель, был бы не в восторге.

В этот раз конференция АХА у меня, к сожалению, только онлайн часть. Одним глазом посматриваю. Сейчас заканчивается очень интересный доклад про применение LLM в образовании Радослава Нейчева, рекомендую к просмотру.

Вакансия в московском Спартаке, там намечается что-то интересное:

ЦЕЛЬ ДОЛЖНОСТИ:
* Обеспечение интеграции и эффективного применения данных о спортивной производительности в различных департаментах клуба, включая анализ производительности, спортивную науку, медицину и питание, с использованием современных методов анализа данных для оптимизации результатов команды и игроков.
* Выявление устойчивых паттернов и ключевых характеристик из данных о производительности, а также подготовка подробных отчётов и визуализаций, превращающих сложные аналитические выводы в практические рекомендации для разных подразделений.
* Эффективная коммуникация с членами команды и руководителями департаментов, гарантирующая чёткое понимание и практическое применение аналитических выводов для улучшения результатов.
ОСНОВНЫЕ ОБЯЗАННОСТИ:
* Применение анализа данных о производительности в работе тренерского штаба, аналитического отдела, спортивной науки, медицинского и нутрициологического департаментов для улучшения показателей игроков и команды.
* Трансформация данных в понятные и полезные выводы для технического персонала, используя современные методы визуализации данных.
* Поддержка интеграции данных о производительности и скаутинге, сотрудничество с департаментом скаутинга для комплексной оценки игроков и планирования состава команды.
* Участие в разработке и совершенствовании статистических моделей для поддержки процессов оценки производительности.
* Создание интерактивных дашбордов, обеспечивающих доступ к всестороннему и оперативному анализу данных в департаментах анализа производительности и сервисов производительности.
* Участие в оценке новых технологий и инструментов анализа данных с целью поддержания лидирующих позиций клуба в области футбольной аналитики.
* Поддержка и соблюдение лучших практик работы с данными, участие в непрерывном совершенствовании аналитических процессов клуба.
* Помощь сотрудникам без профильных знаний в области данных в развитии навыков аналитики и грамотности работы с данными для улучшения качества принимаемых решений.
ТРЕБОВАНИЯ К КАНДИДАТУ:
* Страстный интерес к футболу, понимание динамики и специфики профессионального спорта высших достижений.
* Креативность и аналитическое мышление, умение эффективно решать сложные задачи, связанные с анализом данных.
* Умение работать в команде, обеспечивая эффективную интеграцию аналитических выводов в практическую деятельность департаментов.
* Стремление к профессиональному и личностному росту, постоянное отслеживание новых аналитических методов и тенденций в футбольной производительности.
* Проактивный подход к выполнению задач, оперативное и своевременное предоставление аналитических данных в течение спортивного сезона.
* Ориентация на достижение результатов и повышение аналитических возможностей клуба для получения конкурентного преимущества.
НЕОБХОДИМЫЕ НАВЫКИ И ОПЫТ:
Обязательные:
* Высшее техническое образование (статистика, Data Science, компьютерные науки или аналогичные направления).
* Обширные знания методов анализа производительности, включая применение данных для детального анализа соперников, игроков и команды.
* Подтверждённый опыт работы с анализом данных, знание статистических методов и визуализации данных.
* Владение статистическими языками программирования (R/Python), опыт работы с SQL для запросов данных.
* Опыт работы с DataLens для создания наглядных и интерактивных дашбордов, которые превращают сложные данные в практические рекомендации.
* Сильные коммуникативные и презентационные навыки, способность доносить сложную аналитику простым языком для неспециалистов.
* Знание сферы футбольной аналитики и основных провайдеров футбольных данных.
Желательные:
* Понимание сервисов производительности, включающих применение аналитических методов в спортивной науке, медицине и питании.
* Опыт работы с данными StatsBomb.
* Опыт работы с данными SkillCorner.
* Опыт работы с трекинговыми данными Yandex/RuStat.
* Опыт работы с GPS-данными Catapult.
* Знакомство с облачными аналитическими платформами и технологиями
По всем вопросам можно писать @maxkronf

Пишут, что Яндекс импортзаместил тег-менеджер. Теперь точно заживем. Посадочная здесь. При случае потестирую, интересно, что и как внутри.

А правду говорят, что, если просуммировать весь профит, который себе в единоличные заслуги приписывают всякие аналитики, продакты, прожекты, то можно мост прямо до Марса построить и отправить на пенсию лузера Маска?

Если серьезно, почитаешь такие резюме, думаешь "надо брать", а на деле даже рядом не стоял. Хм. Сомневаюсь, что рекрутерам и нанимающим менеджерам такое нравится.

Занимательная статья про "списывание" на собеседовании. Тоже неоднократно замечал, как кандидат читает, это не так сложно понять. Поэтому присоединяюсь к автору, что лучше не стоит - вероятность успеха не особо велика.

В linkedin подсмотрел вот такое. Так понимаю, это сейчас прямо существенная проблема при найме

Минутка уточнения определений терминологии.
Иногда в резюме встречаю в достижениях что-то типа "в продукте x кратно увеличил метрику y". В моем представлении это в 2, 3, и т.д. раз.
Начинаешь спрашивать, и оказывается, что в 1,01 раз (на 1%) - это тоже кратно. Разочарован.
А ведь ваши ожидания - это только ваши ожидания.
И картинка для иллюстрации моего разочарования.

Совсем недавно сменил место работы. В процессе поиска общался со многими компаниями, и набрался всяких интересных наблюдений. В ближайшее время буду рассказывать, что меня удивило, обрадовало, огорчило, и т.д.

Итак, начнем. Не по хронологии, не по важности, а как пойдет.

Серия 1. Технические секции.

Задания на них безумно шаблонны. Если тебе предложили задачу с револьвером из Игры в Кальмара или алгоритмическая задача на питоне, это прямо взрыв разнообразия.

А чаще всего 2-3 простых задачи на SQL на подзапросы, оконки, джойны, 2-3 простых задачи по питону на те же джойны, сводные таблички. Ну и несколько вопросов по статистике типа критериев применимости т-теста Стьюдента или определения p-value.

Не забываем отсутствие учета грейда и лет опыта. Ну да ладно.

А потом слышу что-то типа "очень быстро успели, можем поговорить о твоих вопросах". Ну да, кончено, перед вами у меня было еще таких же 3-4.

Это кажется странным вот почему. Ранее писал про то, что некоторые пытаются "списать" (просто нагуглить или с помощью чатгпт). А еще есть 100500 каналов, где разбирают задачи, есть 100500 "менторов", натаскивающих на тех. секции. Упомяну и "волчьи истории". В ситуации, когда массово читерится самый читируемый этап, многие компании продолжают бегать, как лошадки в цирке и давать одни и те же задачи снова и снова. Процессы, говорите, так настроены. Ну-ну.

Когда сам собеседовал соискателей, допытывался у них, как они делают то, как они делают это, какие проблемы, чему научило и т.д. и т.п. Если у человека слабый опыт, с большей вероятностью узнаю это, чем если просто галочки расставлю в списке заданий.

Честно говоря, разочарован. Не буду перечислять компани, удивившие больше всего, скажу только, что они крупные.

Продолжение следует...

Серия 2. HH уже не торт?

У меня есть канал с вакансиями для аналитиков. В него дважды в день прилетают свежие вакансии с HH. И вот открываешь что-то интересное, а тут уже может быть 50-200 откликов, и чем выше грейд и статуснее компания, тем больше.
Думаешь, а стоит ли подаваться, ведь рекрутер, скорее всего, просто не доберется до тебя. Конечно, у него есть автоматические отсеиватели, но они работают криво и с таким же успехом легко отсеют тебя.

Конкурентность для кандидата на HH резко выросла, из-за того, что:
- уменьшилось количество вакансий
- в некоторых крупных компаниях прошли сокращения "реструктуризации" штатов
- расплодились накрутчики опыта, которые отправляют свое резюме на все подряд, не смотря даже описание и требования

А еще интересно, когда твой отклик могут не посмотреть, а потом рекрутер из той же компании придет к тебе в тг.

В результате подходим к вопросу - есть ли смысл проводить время на HH, бесконечно дорабатывая свое резюме под вакансии, если у них уже 100500 откликов с резюме на хуже твоего (про реальный опыт сейчас не говорю, это компании еще предстоит выявить, что не всегда просто).

Мой ответ - для меня HH как инструмент поиска работы в значительной степени утратил свою эффективность, став еще одним каналом, поставляющим собеседования.

Насколько понимаю, HH зарабатывает, в основном, с компаний, размещающих вакансии и получающих доступ к базе кандидатов. Когда данный инструмент и для компаний будет уже не так эффективен, они тоже, думаю, будут потихоньку сворачивать свою работу здесь. Понаблюдаем.

Серия 3. Парадокс Симпсона

На продуктовых секциях часто дают задачу на парадокс Симпсона. У меня подобные вещи спрашивали, еще когда был "условным джуном", хоть джуном никогда и не был. И тогда никакой Симпсон там не фигурировал.
Задачи простые, проблем с ними нет. Перед собеседованием рекомендую освежить в памяти для четкости объяснения.

Мы нанимаем!

В московском футбольном клубе открылась вакансия BI-аналитика.

Основная задача на этой должности — построение дашбордов в DataLens для спортивной и бизнес-частей клуба. Но т.к. команда у нас пока небольшая, то будут задачи и из смежных направлений data science: проведение EDA (разведочный анализ данных), работы с данными (их валидация и создание датасетов), исследовательские задачи с целью улучшения аналитики внутри клуба. Любить и разбираться в футболе (и в спорте в целом) необязательно, но это большой плюс.

Формат работы: удалённый

Что будет нужно делать:
• Работа с источниками данных (валидация качества, трансформация данных для дальнейшего использования)
• Построение дашбордов в BI-системе DataLens
• Написание скриптов для автоматизации работы и работы с данными на Python.
• Сбор информации у заказчиков внутри клуба, помощь в формировании ТЗ.

Необходимые навыки:
• Опыт работы в BI (желательно DataLens, но непринципиально)
• Знание SQL (уровень: умение работать с оконными функциями и сложными джойнами)
• Python, умение работать с классическим стеком DS (pandas, numpy, scikit-learn, jupyter)
• Быть проактивным и уметь общаться с людьми.

Буде плюсом:
• Опыт работы с футбольными данными
• Опыт работы с облачными сервисами
• Портфолио проектов по спортивной тематике

Формат собеседования:
1. Техническое собеседование (его буду вести я): поговорим о Вашем опыте и проектах, если они есть, несколько заданий на знание SQL и Python, аналитическая задача из области спорта.
2. Разговор с Максимом Кронфельдом (руководитель аналитики).

Резюме и вопросы по вакансии присылайте мне в личные сообщения (@brains14482)

@numbers_in_sport

Всем привет! совсем недавно поменял работу, и о своих наблюдениях здесь пописываю потихоньку. На себе прочувствовал, что рыночек аналитиков сильно изменился за последние год-два.

Более полно оценить, что происходит, в очередной раз поможет NEWHR. Прошу помочь в этом важном деле.

NEWHR запустили очередное исследование рынка аналитиков (первое исследование было запущено в 2018 году, последнее — в 2024 (https://newhr.org/data/research-analysts-2024)).

Цель: выяснить, как меняется профессия, чего хочет бизнес от аналитиков, чего хотят сами аналитики, сколько зарабатывают и какими технологиями пользуются.

Рынок каких аналитиков исследуют:
➤ Дата-аналитиков
➤ Продуктовых аналитиков
➤ BI-аналитиков
➤ Маркетинговых аналитиков
➤ Веб-аналитиков
➤ Системных и бизнес аналитиков
➤ Руководителей аналитики

Что именно исследуют?
👉 Сколько зарабатывают аналитики, как эти цифры менялись за последний год и с чем были связаны изменения
👉 Рейтинг работодателей для аналитиков, с нормальной аналитической культурой, например
👉 Где работают аналитики, как работают (удалёнка/офис), какие планы на трудоустройтво
👉 Как меняется зона ответственности аналитиков и чем они хотят заниматься
👉 Как аналитики ищут работу и выбирают работодателя

Как принять участие в исследовании?
⏩ Заполнить опросник (https://survey.alchemer.com/s3/8488868/analytics-NEWHR-2025)(займет около 20 минут)

🚀 На данный момент опрос прошли уже 900+ специалистов. Цель — собрать 1500 респондентов.

Когда будут результаты?
— Итоговый результат исследования будет опубликован в начале 2026 года.
— Со всеми участниками исследования команда NEWHR будет делиться промежуточными результатами, а также пригласят на закрытый стрим, где поделятся всеми инсайтами и ответят на вопросы.

👉🏼 Пройти опрос (https://survey.alchemer.com/s3/8488868/analytics-NEWHR-2025)

P. S. Опрос можно и нужно шерить с коллегами-аналитиками. Чем больше данных, тем точнее и интереснее результаты!