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

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)

Днём накидаю пост про питон, пока держите аперитив

https://youtu.be/c-6ShcaSPis?list=PLk4h7dmY2eYHNaosfH6KE-P7Lq4Cz1b5Q

https://github.com/MelLain/mipt-python

Постик откладывается на следующую неделю(, сегодня надо поболеть

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

Для любителей питона, sql кстати тоже)), в закрепление прошлого поста

https://www.youtube.com/watch?v=PMoUFANP9bU

#python #sql

Тоже полезная статья на хабре

https://habr.com/ru/post/342108/

#python #sql

Вдруг будет полезно физтехам, (и не физтехам если напишите почему вы классные)

https://phystech-union.org/category/mentory/

Ps не чсв)))

Ps ps через годик надо будет тоже залететь

Пост поныть))

Через 2 недели (+- 5 дней) запуск моего нового проекта.

За последние 2 недели наша команда сильно выросла. И моя задача последние дни ходить и пинать людей. Но мне не очень нравится это, так как я не очень понимаю какую дополнительно стоимость приношу. Пинать приходится и очень больших и опытных чуваков. И это конечно забавно.

Очень много встреч. В понедельник будет часов 5 встреч. С одной стороны это весело, с другой опять же кажется, что ничего не делаешь.

Ещё из интересного, мне надо было найти синонимы по ключевым словам. И есть сервис от Яндекс wordstas, но его минус в том, что там нельзя загрузить сразу список слов, но есть такая крутая штука

Статью по sql постараюсь записать в ближайшее время.

Так же через неделю 6 моих месяцев в Тиньке, так что ждите статью, что я понял за 6 месяцев. Если будет интересно можно будет снять видос.

#fun Junior Product Manager пытается быть полезным и эффективным в новом продукте

Минутка рекламы:
Ищем продутого-аналитика

Компания: Тинькофф

С вас:
* топовый вуз, либо обоснования, почему вы крутой без нормального вуза
* желание много работать (я работаю с 9:30 до 21:30, но столько не обязательно), минимум 32 часа, но лучше 40
* желательно старшие курсы, либо желание забить на учебу
* возможность быть в Московском офисе (особенно вначале)
* пройти все отборы на аналитика

С меня:
* душный я (кажется этого уже достаточно)
* мастер класс от меня по извратам на питоне, sql и табло
* новый крутой продукт
* много разных задач, взаимодействие с разными командами

Резюме (или сообщения вида я самый классный и/или крутой) кидайте в лс @pavel_ld

Ps Если мы найдём кого-то раньше/лучше/другого вы можете пойти в другие команды

Минута рекламы два)

Поможем Андрею найти крутого аналитика))

@andreyprivetandrey тоже ищет продутого-аналитика) (и вроде бизнесого)

У Андрей крутой проект в эквайринге (кассы куда прикладывают карточки и все такое)

Из плюсов:
Нет токсичного меня, есть крутой Андрей

А по требованиям он сам напишет))