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!

Чекнул тут эссе Эндрю Чена про то, как он 15 лет смотрит на кривые ретеншна. Работал основателем, продактом в Uber и прочем бигтехе, сейчас инвестор в a16z. Смотрит сотни стартапов в год. Видит паттерны. Они достаточно очевидные, но я часто вижу, как их многие не понимают

Главное:
1/ Плохое удержание не починить. Команды думают: "давайте добавим пуши, протестируем варианты страницы, запилим новые фичи". Не работает. Если в первый день возвращается 10% вместо 50%, у вас нет продукта, который нужен людям. Локальные оптимизации не спасут. Нужен не фикс - нужен полный редизайн или пивот.

2/ Удержание падает по геометрической прогрессии. Типичная кривая: первый день падает на 50% к седьмому. Седьмой падает еще на 50% к тридцатому. Обратные примеры это супер редкие исключения. Если раннее удержание плохое - позднее тоже будет плохим.

3/ Revenue retention растёт, retention rate падает. В B2B SaaS это золотое правило. Slack теряет пользователей (кто-то не заходит), но компании платят больше, потому что продукт растёт внутри организации. В консьюмерских продуктах бывает похоже: люди начинали с книг на Amazon, теперь покупают всё. Использование падает, ценность клиента растёт.

4/ Удержание зависит от категории. Не получится сделать ежедневное приложение из продукта для бронирования отелей. Если хочется высокое удержание, нужно выбирать категорию, где люди уже используют продукт каждый день и/или у них потребность позникает каждый день. Приложение должно заменить существующую ежедневную привычку.

5/ Метрики ухудшаются при росте. Лучшие пользователи приходят первыми - через рекомендации, с высокой мотивацией. Потом добавляете андроид, международку, платную рекламу - метрики катятся вниз. Первая когорта всегда лучшая. Вопрос не в том, как вернуть те показатели, а в том, остаются ли новые когорты прибыльными.

6/ Отток асимметричен. 90% пользователей уходят в первые 30 дней. Вернуть их почти невозможно. Автоматические письма с дискаунтами и напоминалками - дорого и бесполезно. Что работает - когда существующий активный пользователь приглашает ушедшего обратно через продукт (коллега добавляет в проект). Доступно только продуктам где ценность растёт с количеством людей.

7/ Вирусный рост + плохое удержание = фейл. Эксперимент проводили много раз. Видео в тиктоке взорвало установки, но удержание на нуле. Первая волна схлынет, останется плохое привлечение + плохое удержание. Единственный способ - делать продукт с отличным удержанием с первого дня.

8/ Великое удержание - это магия. Когда через 30 дней возвращается 50% - бывает раз в пару лет. Нельзя протестировать путь к такому ретеншну. Нужно новое понимание рынка или пользователей. Видеоконференции, исчезающие фото, ИИ которая отвечает на любой вопрос. Понятно в ретроспективе, но никто этого не предвидел.

Что делать? Чен даёт рецепт: выбирай категорию с уже высоким удержанием. Находи продукт, который люди используют каждый день. Делай что-то, что заменит этот продукт. Нужно отличие на 20%, не на 80%. Описание должно быть понятным за 60 секунд использования.

Тайминг решает. Должно произойти что-то, что делает твоё отличие важным прямо сейчас. Языковые модели стали достаточно хороши. Люди устали от ленты соцсетей. Удалённая работа стала нормой. Без такого момента у тебя просто лучший продукт в категории, где никто не хочет переключаться.

Стартапы это понимают. Все эти "Cursor для X" и "Figma для X" - попытка снизить риск. Берут рабочую категорию, ловят момент изменений, добавляют отличие. Рыночный риск минимален, технологический риск остается.

Итоги года подводить не буду - смотрим только вперед.
Всех с праздничком! Здоровья, достижений и удачи всем в новом году!