В тематику разных фреймворков.
Приоритизация

В тематику поста выше (шаблонов и фреймворков). Область где очень любят фреймворки приоритизация.

Вспомнил классное видео про это.
Но хочется отметить, что свой мозг никто не запрещал. И меня в своё время на собеседование за умные слова (RISE), но не понимания как это работает, сделали больно.

Ну и другой край приоритизации, это SkyEng. Где все приоритизируется в деньгах. Более подробно см тут Мишу Карпова

Самое забавное, что основатель SkyEng мерил свою эффективность до встречи с девушкой и во время во время хуже

#приоритизация

Как я искал работу и чтобы я сделал по другому (острожно, лонг рид)

1. Предыстория
На 3 курсе МФТИ, я попал в Тинькофф финтех школу, на направление продукт менеджера. До этого было немного грустно. Казалось что кроме программирования дорог после вуза нет. Мне нравилось программировать, но не 24/7. Скорее мне нравилось разбираться с чем-то новым. К тому моменту я обработал лабораторные работы в питоне (См пост выше). Сделал проект на Go (когда это еще не было попсой). Но я понял, что решать бизнес-задачи давая задачи программистам мне нравится больше.

3 курс, 2 семестр
Начинается ковид, и случайно я начал руководить съемкой дистанционных занятий в МФТИ. Чему я научился?
* Тушить пожары
* Работать с гугловской апи (гугл таблички см пост выше, ютуб автоматическая загрузка видео)
* Люди мудаки
* Шаблонизатор (jinja, генерация ГПХ)
* Думать про то, что нужно людям, а не тебе
* Нет незаменимых людей, но на замену вы можете потерять много времени и денег
* Если вы чувствует, что бьетесь об стенку или нет роста, бросайте (ну или ищите другую работу)

2. Поиск работы
В августе перед 5 курсе меня не очень красиво увольняют, с фразой незаменимых людей нет, (забавно что потом, этих людей тоже уволят). В Ноябре я подаюсь на бизнес аналитика в Тинькофф, с мыслями пффффф ну я физтех, прошел их школу, как меня можно не взять. И... меня не берут.
Какие выводы:
* Узнай у товарищей какой формат собеседований (желательно больше одного) (Про формат собеседований в тинькофф следующий пост)

Дальше грущу и плачу, создаю резюме на HH, подаюсь в Озон (на стажировку). Пробежимся сразу по выводам:
* Если вы не разраб, готовьтесь что найти джуновсую поэзию сложно
* Компаний которые готовы вкладываться в джунов мало (Тинька, Озон, Яндекс может Авито)
* Начинайте искать работу как можно раньше, не обязательно идти на нее, но походить по собеседованиям стоит. Как минимум узнать задачи (а задчи обычно не сильно меняются). Учтите, что в компаниях обычно есть временные ограничения на подачу после реджекта (в яндексе пол года).
* Отказ не всегда значит, что вы тупые. Просто может вы не совсем тут кто нужен на вакансию. Например требуется человек, который будет 24/7 делать sql запросы, а вы сказали, что хотите творческие задачи

После этого я проходил разные курсы (про которые напишу позже), успел поработать в ВТБ 4 недели. И снова отбираюсь в Тинькофф и прохожу))

Сегодня официально представлен продукт моей команды))

6:06:30 — 6:31:45
https://m.youtube.com/watch?v=7VSDCI6wJ0o&t=28665s

Непосредственно я занимаюсь, аналитикой по привлечению новых дилеров.

Время рассказать то что не под NDA)

У общем если вы посмотрели видео), то поняли наш продукт рассчитан на тех кто продаёт тачки) (забавно, что я не вожу).

В целом отрасль достаточно инертная. Раньше в дилерском центре могли сидеть представители стразовых, банков. Все было долго дорого. Потом это стало уходить, но теперь менеджеры дилера, должны ходить по разным сайтам страховых и банков, вводя по несколько раз одни и те же данные.

И в целом все это нормально жило, потомучто рынок был сильно сдвинут в сторону продавца.

Сейчас же усиливается битва за покупателей, и скорость обслуживания является важным фактором увеличения конверсии.

Так что с одной стороны грустно, что уменьшается количество продаж автомобилей, с другой может мы сможем задизраптить такую инертную сферу)

Про отбор на бизнес-аналитика (джуна) в Тинькофф
сливов не будет

Этап первый
Вы нашли вакансию либо подались через друга который работает в тинькофф. Можете мне кинуть резюме))). В этой части из нюансов, на джуновские вакансии вы подаетесь на направление, а не в определённую команду. Но если вас реферит лид команды, то скорей всего вы попадете только к нему команду, в ином случае обычно в финале выбор одной из трех команд.

Этап второй
Вам с вами свяжется HR и даст вам N (не сложных задач, уровня последней задачи ЕГЭ). У вас будет час, всем можно будет пользоваться. Тут вся сложность, что HR проверяет только ответы. Поэтому считайте правильно)

Этап третий
Если вы правильно решили задачи, то обычно сразу же у вас созвон с HR. Спросят про ожидания по зп, расскажут про условия. Ну и прочие стандартные вопросы.

Этап четвертый и пятый
Дальше вам назначат два технических созвона:
* Математика
* Бизнес часть

Математика — тут обычно 3 задачи на час. Одна из которых на теорвер и две что-нибудь еще. Обычно не сложные. Самое сложное из теорвера это формула полной вероятности. Две другие обычно на логику. Олимпиадные задача за 9 класс)) Сложность обычно только в том что вы в стрессовой ситуации.

Бизнес-часть — тут не буду ничего говорить, чтобы не слить. Идет оно тоже примерно час. Обычно есть задача типо сколько шариков поместиться в Автобус. Другие не буду говорить))
Из того, что могу посоветовать, посмотрите видео всяких интервью на продуктов. Например это

Этап шестой
Поздравляю если вы дошли до него, с высокой вероятностью вас дальше могут взять (но это не точно). На этом этапе вы общаетесь с командами. Их количество будет зависеть от вашего резюме и как хорошо вы прошли технический этап.

Тут могу лишь сказать, максимально узнавайте про то, какой проект, чем предстоит заниматься. Ну и выбирайте команду, которая вам по душе, чтобы нравился и проект и люди))

P.S. Если вам пришел отказ, запросите обратную связь у HR, чтобы знать, что улучшить). Уточните, через какое время можно податься снова, и попробуйте снова.

#тинькофф #джун #собеседование

К посту выше про бизнес-часть.
Как уже отмечал выше про Фреймворки тут не стоит использовать условный RICE, если вы с ним не сталкивались. Хотят посмотреть, как вы думаете, а не знание умных слов))

Взял премиум ради Луну…
Пошумиииим

На этой недели поста не будет, праздную день рождение))

Всем кто ищет первую работу хочу пожелать не унывать, а тем кто уже работает новых крутых проектов меняющий мир))

Немного про физтех (сначала плохое)

Не так давно у меня закончился испытательный срок. Я получил обратную связь от начальника. И вот она:
1. Не отвечаю на вопрос, а начинаю рассуждать.
2. Беру много на себя. Быстрее попросить разарбов чтото сделать, чем делать самому.

Начнем с 1. С детства нам говорили, ответ без решения не засчитывается. И в вузе от тебя требует решение, а не ответ.
А на работе наоборт. Всем не так интересно, что ты делал. Главное чтобы ты получил конечную цифру (условно). Честно говоря я не знаю, что делать в вузе, чтобы нивелировать этот эффект. Наверное, чтото типо лабораторных работ может помочь развить данный навык, но все мы знаем, как все делают лабки.
В добавок к 1 хочется добавить, что важно не только выдать число, но и понять кому ты будешь его показывать. Для разных коллег ваш результат должен быть передан по разному. Если для условного ген. дира это прибыльный проект или нет, то для продажника это сколько он должен продать.

2. Брать много на себя. Это типикал физтех. Мы приходим после вуза, И нам кажется, что все что не квантмех (у Геца) ил и функан (у меня не было) должно делаться за 5 минут. В итоге тупим неделю над одной задачей, нам кажется что все вокруг ее сделают за день, начинается стресс, мы делаем ее еще хуже и тд.
Я привык идти за помощью, только если сам побился об стенку сам и желательно долго. Наверное не совсем правильно рекомендовать больше делегировать. Но когда вы попадете на работу, чаще бывает, что спросить что-то быстрее и проще. Связано это во многом, что проблема не в том, что осознать информацию, а в том, чтобы найти ее, спасибо хорошей документации.

Продолжение
То, что мне не сказали я но выделю сам.

3. Работа рывками. Технари любят гордиться, что Ботают за ночь квантмех. И привыкают к этому. Но в реальной жизни наоборот, надо учиться работать в долгую, постоянно, как говорят в умные книжках: мотивация ничего, дисциплина все. И вуз отличное место чтобы такое прокачать. А рывки ведут лишь к выгоранию…

4. Неумение работать с не технорями. Технари (я в том числе) на столько привыкают жить в мире цифр и алгоритмов, что когда стоит задача объяснить (а лучше сделать картинки с большими красными стрелками), чтото не технарю, катастрофически с ней проваливаются. Мой кейс когда я сделал таблицу на мой взгляд абсолютно понятную, люди для которых я ее делал лишь в конце месяца сказали мне, что вообще ее не понимают.

Время и похвалить вуз (МФТИ) и школу (СУНЦ НГУ) и что-то поботать)).
Пока лежу на пуфике в офисе и не хочу делать дела....

1. Друзья — самое важное, что вы услышите из каждого. Много классных ребят, многие из которых работают в Яндексе, Тинькофф и тд. Другие остались в науке: часть в Швейцарии, часть занимается квантовыми компьютерами и прочее. Самое важное, всегда можно найти мотивированных ребят. Это не означает, что люди сами будут хотеть общаться с вами. И нужно самим быть интересным. Но то, что в топов вузе вокруг вас будет много классных целеустремлённых ребят.

2. Знания программирования — да, у меня было много программирования и в школе. Но основное понимание работы клиент серверного приложения пришло ко мне, как раз при учебе в вузе. Так же стоит отметить, что есть дополнительные курсы, часть из которых у меня не было, но я считаю, что лучше пройти их в вузе.

Тут распишу подробнее:
2.1 Компьютерные сети — понимание протоколов, что такое HTTP. Как взаимодействует приложения, фронт бэк. Для высокоуровневого понимания, можете набрать на ютубе, что такое API. Для более полного понимания, что такое DNS и прочее можете посмотреть эти лекции или физтеховские.

2.2 ХОБОД — я его не проходил, это курс по работе с большими данными, Spark Hadoop и это все. То, что пройти самому на ютубе не так просто. Но если вы идете в сторону работу DWH, что-то высоконагруженное и тд то без этого сложно

2.2 Python — во 2 семестре, я себе запретил использовать Excel для обработки лабораторных работ. И сам ботал Pandas, Numpy, чтобы оформлять лабы. Про питон наверное напишу отдельно (байт на лайки)

2.3 Базы данных, Их у меня не было. Есть курсы на фивте и фумпе, но навранное для аналитика достаточно знать основы SQL и нормализацию. Опять же про SQL будет отдельный пост.

2.4 Hightload — курс на фивте, опять же у меня его не было, но лекции я посмотрел. Очень классные лекции. Для меня польза в них, понимание, в границах применимости вашей IT системы.

2.5 Теория вероятности и курс мат.статистики. Статов у меня не было(, и наверное это самое важное для всяких AB тестов и прочего. Если нужно будет покидать ссылок по этому пишите. Но тут очень сложно выбрать тот баланс между практичностью и теоретической строгостью. Наверное идеален тут курс, что читает кафедра дискретной математике на ФБМФ. Если вы не на фивте/фупме/фопф (вроде им сейчас такой же сделали) очень рекомендую.

2.6 Алгоритмы — в целом это больше культура), но вроде в Яндекс их спрашивают (как и статы). Так что если хотите начать карьеру с Яндекса ботайте, у меня их не было)).

2.7 Машинное обучение — у меня был курс Нейчева. Сразу скажу, что он честно прошел мимо меня (я организовал физтеховский лекторий). Но на 5 курсе я решил, что необходимо понимать границы применимости машинного обучения и начал проходить курс от DLS, рекомендую.

Наверное все про программирование, добавлю, курс по Golang. Я его проходил в 4 семестре, потому-что хотел написать проект на мейнстримном языке. Сейчас его нет на курсере, обещали перевести на российскую площадку, но пока тишина.

3. Лабораторное работы — как выше отмечалось, это не только способ начать техать и полюбить питон. Но также в отличие от чистой математики, где все точно тут вы работаете с выбросами, ограниченной точностью. Разной погрешностью. Понимание всего этого, как и работа с моделями, приучает вас, помнить, про границы применимости вашей модели.

4. Задачи оценки —это уже больше про школу. Там любили давать задачи по физике из разряда с какой скоростью должен дуть ветер, чтобы перевернуть кирпич. Как писал выше, в работе бизнес-аналитика это очень важный навык. Оценить сколько пользователей потенциально могут использовать вашу фичу, тот вопрос, который себе постоянно задает аналитик. Если вы еще в школе то рекомендую порешать книжка (104 страница).

5. Абстрактная математика — позволяет держать в голове абстракции более высокого уровня. Почему это важно посмотрите это

6. Разные студенческие активности — первые два года я был в команде организаторов ДФ (День Физика). Мне кажется при продуктовом подходе можно попробовать себя и в маркетинге и в исследовании рынка (в те года была идея сделать мероприятие городского уровня). Ну и самый главный плюс, что команда, которая обычно делает такие мероприятия очень мотивированные и потом многие становиться продуктами.

В общем на физтехе много возможностей, не все они явны. И не факт, что они вам пригодятся. Но если вы решили пострадать 4 года на физтехе, то рекомендую взять побольше)

#random_thoughts
Забавные картинки
Amazon
Microsoft
Google

У амазон и Микрософта можно заметить яркую тенденции на рост выручки от сервисов типа AWS.

Получается из продуктовых компаний они становятся (в далеком будущем) сервисными.
Ждём когда доходы от Яндекс.облако перевесит рекламу (особенно на нашем конкурентном рынке рекламы))

Но интересно почему не взлетел, Google cloud?

Ps если вам интересные всякие data engineer вещи то вот классные ребята

Разбираю интервью на APM в Facebook

В дополнение к одному из последних постов про частые категории вопросов на интервью на продакта разбираю видео с интервью на APM в Facebook. Это видео в одно время было популярным: часто его видела в разных пабликах. Анализирую, что можно взять из него для ответа при собеседовании на продакта в формате case study.

Для начала: APM расшифровывается как associate product manager. Это стартовая позиция в продакт-менеджменте. Кстати, периодически компании FAANG открывают программы APM. Например, вот одна из них от Google.

Что можно позаимствовать:
1. Перед тем, как ответить, собеседующийся озвучил структуру ответа. Это прямо топ. Структура универсальная, можно забирать к себе и использовать не только на соебседовании, но и при презентации новых инициатив.
- Стратегия компании и конкуренты. Далее информация о стратегии и конкурентных преимуществах используется для сужения количества продуктовых гипотез.
- Сегментация клиентов
- Выявление "болей" клиентов
- Разработка гипотез и метрик, которые будем отслеживать
- Описание процесса создания MVP

2. Собеседующийся ведет "двустороннюю" игру и после каждого этапа ответа уточняет у собеседника фидбек. Как сказал ведущий, это показывает лидерские качества. Как мне показалось, в российских компаниях чаще на собеседованиях ведется "односторонняя" игра: интервьюер спрашивает, собеседник отвечает.

3. Обоснование выбора: собеседующийся обосновывает почему он выбрал этот вариант и отказался от альтернатив.

В остальном все более-менее стандартно. Если хочется больше - смотрите видео 🙂

#PG_education

Минутка рекламы, вдруг залетите ко мне в команду)

1 августа начинаются экзамены на аналитиков (остальных не смотрел)

https://fintech.tinkoff.ru/study/start/

Python (pandas) vs SQL
Тут я не буду очень оригинальным и скажу, что без sql быть аналитиком сложно, а вот без знаний pandas вполне можно. Но давайте поймём почему?

1) Большое данные
если у вас не Spark или Modin (или другие апгрейды pandas), то скорей всего ваш код выполняется на одном ядре, и даже не смотря на всякие векторизации и ускорения на больших (1 млн строк и более) данных pandas будет достаточно медленный.
SQL же в компаниях обычно используют MPP системы (Greenplum, click house, vertica). Они специально сделаны для параллельной обработки данных (если не накосячил в запросе), что может дать большой выигрыш в скорости.

2) JOIN
90% работы аналитика это join (merge в pandas). Опять же, обычно в компаниях используют так называемые колончатые базы. Которые как раз запросы типо join выполняют быстро.

2*) JOIN с условием
Отдельная боль для Pandas Если вам нужно сложное условие на ключи:
left join a on (a.1 = b.1 and a.2 != b.2)
Я не очень знаю, как такое сделать в Pandas. В таком случае проще использовать sql, чем pandas.

3) Оконные функции (и группировки). Вообще оконки можно делать в pandas, но честно говоря мне кажется это не так удобно, как в SQL. Аналогично с группировками. Не так давно в pandas появилась функция agg (очень рекомендую), но работа с группами, с тем, что надо делать reset_index, как уж очень наворочено (ну либо я не разобрался).

Поругали Pandas, теперь давайте SQL
3) Функции
Да в sql есть функции, но опять же использовать их не очень приятно. В итоге в SQL приходиться дублировать код.

4) pivot table, сводные таблицы и это все. В питоне делается гораздо проще. В целом за вас это может сделать BI инструменты, но все же. Более подробно про pivot table, cross-table

5) работа с регулярками. Тут без комментариев, если вам нужно написать 10 регулярок, которые чистят данные, то лучше pandas,

Итог. Я сейчас почти для всего использую SQL. Но если нужно чистить данные или сделать pivot table использую pandas.

В следующий серии расскажу, как я ботал pandas, numpy и это все.

#SQL #python #pandas

Для лайков новому названию

На работе надо подготовить большой BI-отчет. Пересматриваю статьи по проектированию дашбордов:
1. Рома Бунин — проектирование Дашборда еще пост
2. Настенька и графики — курс по табло (платный но не очень дорогой)
3. datalaboratory — алгоритм $\delta \nu$ очень крутая штука посмотрите

#BI #гайды

Добавлю еще LEFTJOIN у них много гайдов по инструментам (новым типо Superset тоже)

p.s. вопрос про разницу медианы и среднего любят спрашивать на собеседовании, на аналитиков