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
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
YouTube
Как подготовиться к собеседованию на позицию Product Manager. Спикер — Настя Московиченко
Оставить заявку на курс «Профессия: Продакт-менеджер» 👉 https://bit.ly/2NRrRSh
Наш Telegram-канал c полезными материалами 👉 https://tgclick.com/productstar
Наш Telegram-канал c полезными материалами 👉 https://tgclick.com/productstar
👍1
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))
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))
Telegram
Паша душнит
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…
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…
❤🔥2
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))
Всем кто ищет первую работу хочу пожелать не унывать, а тем кто уже работает новых крутых проектов меняющий мир))
❤5🐳2❤🔥1
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.
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.
🔥5💩1
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.
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).
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).
👍12❤2
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)
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)
👍8
#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?
Забавные картинки
Amazon
Microsoft
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?
Telegram
Венчур в картинках
Как зарабатывает Amazon
Продажи на маркетплейсе приносят уже менее половины от всей прибыли.
@ventureinpics
Продажи на маркетплейсе приносят уже менее половины от всей прибыли.
@ventureinpics
Ps если вам интересные всякие data engineer вещи то вот классные ребята
GitHub
DataTalksClub
The place to talk about data. DataTalksClub has 27 repositories available. Follow their code on GitHub.
Forwarded from Product games с Кристиной Гусевой
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
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
YouTube
Meta/Facebook Product Manager Mock Interview: Meta/Facebook Movies
Don't leave your product management career to chance. Sign up for Exponent's Facebook PM interview course today: https://bit.ly/3wQFrNs
Watch our mock Facebook PM (product manager) interview. Stephen asks Celena (Facebook PM) to design an experience for…
Watch our mock Facebook PM (product manager) interview. Stephen asks Celena (Facebook PM) to design an experience for…
👍2
Минутка рекламы, вдруг залетите ко мне в команду)
1 августа начинаются экзамены на аналитиков (остальных не смотрел)
https://fintech.tinkoff.ru/study/start/
1 августа начинаются экзамены на аналитиков (остальных не смотрел)
https://fintech.tinkoff.ru/study/start/
Т‑Образование
Оплачиваемая стажировка в сфере ИТ — Т-Старт
Стажировка от Т-Образования — это поддержка менторов, возможность совмещать работу с учебой и ваш шанс остаться в Т-Команде
👍5
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
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
Medium
Window Functions In Pandas
Running Totals, Period To Date Returns, And Other Fun Stuff
❤5👍1
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
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
❤4👍2
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
p.s. вопрос про разницу медианы и среднего любят спрашивать на собеседовании, на аналитиков
Telegram
LEFT JOIN
🤿 Глубокое погружение в визуализацию данных 🌊
Недавно прочитал объемную книжку Hands-On Data Visualization про визуализацию данных. Чтобы сэкономить вам время, структурировал самые полезные главы из книги в этом посте.
▪Суперский список ресурсов по поиску…
Недавно прочитал объемную книжку Hands-On Data Visualization про визуализацию данных. Чтобы сэкономить вам время, структурировал самые полезные главы из книги в этом посте.
▪Суперский список ресурсов по поиску…
Мало стало постов про продукт. Расскажу, что делаю сейчас.
Сейчас по старому проекту я в основном занимаюсь аналитикой. И постепенно ее у меня забирают у меня), для того, чтобы я больше занимался новым проектом.
Теперь про новый проект. Это по сути стартап внутри компании. Мы также ходим по командам ищем ресурсы (финансирование по аналогии со стартапами вне компаний).
Задач очень много:
1) разработать процессы операционные
2) обсудить, как выставлять счета
3) большой блок с сайтом
4) большой блок со сторями
И на самом деле, все это очень сложно потомучто ты ходишь по всей группе и ищешь нужных людей, которые за это отвечают.
В MVP важно соблюсти тонкую грань между делаем быстро и хорошо (долго и дорого).
Сложно понять, какие качества помогают на данном этапе, но попробую выделить:
1) знание людей. Как развить: с первого дня записывать, кто в копании, что делает и за что отвечает.
2) умение четко формулировать вопрос. Тут очень важна структура вопроса, я пишу так:
О себе
Привет, я технолог страхования (можно указать начальника если страшно/слишком высокий чувак). Мы запускаем новый проект по продаже воздушных шариков с партером Олега (ссылка на Вики если есть)
Что хотим сделать (в продукте)
Мы хотим менять фото на шариках из личного кабинета
Вопрос (что хотим от человека)
Можешь подсказать есть ли такой Функционал из коробки в личном кабинете, или подсказать того, кто это может знать?
Все выше одно сообщение. Не надо писать привет, а через час вопрос.
Следующий вопрос пишем в следующем сообщении, чтобы можно было сделать новый тред.
В общем наверное это очевидные вещи, но до меня дошло не сразу)
P.s если у вас другая форма вопросов напишите в коментах)
Сейчас по старому проекту я в основном занимаюсь аналитикой. И постепенно ее у меня забирают у меня), для того, чтобы я больше занимался новым проектом.
Теперь про новый проект. Это по сути стартап внутри компании. Мы также ходим по командам ищем ресурсы (финансирование по аналогии со стартапами вне компаний).
Задач очень много:
1) разработать процессы операционные
2) обсудить, как выставлять счета
3) большой блок с сайтом
4) большой блок со сторями
И на самом деле, все это очень сложно потомучто ты ходишь по всей группе и ищешь нужных людей, которые за это отвечают.
В MVP важно соблюсти тонкую грань между делаем быстро и хорошо (долго и дорого).
Сложно понять, какие качества помогают на данном этапе, но попробую выделить:
1) знание людей. Как развить: с первого дня записывать, кто в копании, что делает и за что отвечает.
2) умение четко формулировать вопрос. Тут очень важна структура вопроса, я пишу так:
О себе
Привет, я технолог страхования (можно указать начальника если страшно/слишком высокий чувак). Мы запускаем новый проект по продаже воздушных шариков с партером Олега (ссылка на Вики если есть)
Что хотим сделать (в продукте)
Мы хотим менять фото на шариках из личного кабинета
Вопрос (что хотим от человека)
Можешь подсказать есть ли такой Функционал из коробки в личном кабинете, или подсказать того, кто это может знать?
Все выше одно сообщение. Не надо писать привет, а через час вопрос.
Следующий вопрос пишем в следующем сообщении, чтобы можно было сделать новый тред.
В общем наверное это очевидные вещи, но до меня дошло не сразу)
P.s если у вас другая форма вопросов напишите в коментах)
Днём накидаю пост про питон, пока держите аперитив
https://youtu.be/c-6ShcaSPis?list=PLk4h7dmY2eYHNaosfH6KE-P7Lq4Cz1b5Q
https://github.com/MelLain/mipt-python
https://youtu.be/c-6ShcaSPis?list=PLk4h7dmY2eYHNaosfH6KE-P7Lq4Cz1b5Q
https://github.com/MelLain/mipt-python
YouTube
Практикум по программированию на языке Питон, лекция 1
https://github.com/MelLain/mipt-python
Про python
Сразу скажу, что я говорю про питон для аналитиков, а не разработки.
Первый поинт.
Есть два варианта его ботать:
1) проектный — у вас есть конкретная задача, под неё вы ищите готовые решение. И так становитесь умнее.
2) фундаментальный — вы смотрите какой-то курс, где вам дают много знаний, и что-то однажды вам пригодится.
Немного про плюсы и минусы. Фундаментальный дольше, но и качество знаний (если вы потом их используете) выше. Проектный подход может не дать вам хорошего решения. И вы не будете знать, что можно сделать по другому.
Я сам изучал питон проектным способом. В 11 классе надо было нарисовать графики в Паскале. Я решил что Паскаль мне надоел. И потратил выходные, чтобы сделать это в питоне. Потом делал аналогично на лабораторных работах.
Поинт 2
Есть три уровня познания;
1) вы копируете чужой код не очень понимая, как он работает
2) мы можете скопировать два разных чужих кода и адаптировать их под себя
3) вы понимаете, как что работает и можете написать сами
При проектором подходе, обычно вы остаётесь на 1-2 уровне. Но вам решать какой уровень достаточный. Если вам быстро нужно решить разово задачу, то проще скопировать чужой код.
Поинт 3
Питон для аналитика — клей для библиотек. Распишу, что считаю нужно знать, а что знать желательно.
1) точно нужно знать:
Циклы, условия, функции, работа со строками, датами, случайные числа. Листы (массивы), словарь (хэш таблица). Генераторы массивов и словарей.
2) знать полезно:
Работа с классами. Исключения. Регулярные выражения (не совсем питон, но очень полезно).
Работа с файлами (CSV, json)
Подключение к базе данных
Пойдём теперь по библиотекам
Pandas — святая святых для аналитика.
1) знать важно:
Series(создание, работа с ними)
DataFrame(создание разными способами)
Работа с датами
Работа со строками
Apply
itterrows
pivot-table
Фильтры
Сортировки
Group by (agg)
2) знать полезно:
Работа с группами
Векторизация
3) когда-нибудь заботать
Spark, Modin
Numpy (scipy) — последнее время, я не использую. Но если вам, что-то нужно из Математики, то в них это уже реализовано. Статистика, разные тесты и прочее все есть. Ну и заботайте векторизацию
Визуализация: я с 1 курса полюбил plotly. Напишу про него. Четких пацанов, юзающих Matplot просьба не Хейтить
1) знать нужно
Plotly.express (color, size, trend line)
2) знать полезно
Работа с полной версией, бывает нужно, когда нужно несколько графиков на одном.
Экспорт графиков (в png и html)
3) круто знать
Dash
Парсинг — тут я сам не очень знаю.
Точно надо: beautiful soup
Полезно: Selenium, postman (не питон, но в нем есть классный экспорт запроса в разные языки)
В коментах буду добавлять материалы для бота, так что заглядывайте
#python
Сразу скажу, что я говорю про питон для аналитиков, а не разработки.
Первый поинт.
Есть два варианта его ботать:
1) проектный — у вас есть конкретная задача, под неё вы ищите готовые решение. И так становитесь умнее.
2) фундаментальный — вы смотрите какой-то курс, где вам дают много знаний, и что-то однажды вам пригодится.
Немного про плюсы и минусы. Фундаментальный дольше, но и качество знаний (если вы потом их используете) выше. Проектный подход может не дать вам хорошего решения. И вы не будете знать, что можно сделать по другому.
Я сам изучал питон проектным способом. В 11 классе надо было нарисовать графики в Паскале. Я решил что Паскаль мне надоел. И потратил выходные, чтобы сделать это в питоне. Потом делал аналогично на лабораторных работах.
Поинт 2
Есть три уровня познания;
1) вы копируете чужой код не очень понимая, как он работает
2) мы можете скопировать два разных чужих кода и адаптировать их под себя
3) вы понимаете, как что работает и можете написать сами
При проектором подходе, обычно вы остаётесь на 1-2 уровне. Но вам решать какой уровень достаточный. Если вам быстро нужно решить разово задачу, то проще скопировать чужой код.
Поинт 3
Питон для аналитика — клей для библиотек. Распишу, что считаю нужно знать, а что знать желательно.
1) точно нужно знать:
Циклы, условия, функции, работа со строками, датами, случайные числа. Листы (массивы), словарь (хэш таблица). Генераторы массивов и словарей.
2) знать полезно:
Работа с классами. Исключения. Регулярные выражения (не совсем питон, но очень полезно).
Работа с файлами (CSV, json)
Подключение к базе данных
Пойдём теперь по библиотекам
Pandas — святая святых для аналитика.
1) знать важно:
Series(создание, работа с ними)
DataFrame(создание разными способами)
Работа с датами
Работа со строками
Apply
itterrows
pivot-table
Фильтры
Сортировки
Group by (agg)
2) знать полезно:
Работа с группами
Векторизация
3) когда-нибудь заботать
Spark, Modin
Numpy (scipy) — последнее время, я не использую. Но если вам, что-то нужно из Математики, то в них это уже реализовано. Статистика, разные тесты и прочее все есть. Ну и заботайте векторизацию
Визуализация: я с 1 курса полюбил plotly. Напишу про него. Четких пацанов, юзающих Matplot просьба не Хейтить
1) знать нужно
Plotly.express (color, size, trend line)
2) знать полезно
Работа с полной версией, бывает нужно, когда нужно несколько графиков на одном.
Экспорт графиков (в png и html)
3) круто знать
Dash
Парсинг — тут я сам не очень знаю.
Точно надо: beautiful soup
Полезно: Selenium, postman (не питон, но в нем есть классный экспорт запроса в разные языки)
В коментах буду добавлять материалы для бота, так что заглядывайте
#python
👍12❤4