К 1 мая пост.

Во первых:

Поздравляю всех трудящихся с днем солидарности. Хоть мы и не знаем друг друга и вообще мало что понимаем, хочу напомнить, что в история этого праздника про силу людей, про их сплоченность, про чувство локтя. 99.9% населения планеты это простые работящие люди, которые хотят жить хорошо и спокойно. Так что не злитесь если кто то делая свою работу, вас разозлил, скорей всего он не со зла.

Во вторых:

Я последнее время много думаю о моих карьерных перспективах, рынке труда и куда придет логика экономической целесообразности. Пока вердикт неутешительный по всем пунктам. Волатильность будет лишь усиливаться, чистая информация будет закрыта за денежной стеной, труд человека будет дешеветь.

Итого:
Я понял что человек решает задачи всю жизнь, за некоторые задачи вознаграждение больше. Знать какие задачи будут решаться и стоить дорого в будущем принципиально невозможно, невозможно было уже в 19 веке(я про запад)
Единственная стратегия поддерживать/ улучшать уровень жизни. Это обосновано предполагать какие «дорогие» задачи можно будет решать в ближайшем будущем, имея текущий уровень компетенций.

P.S:
СССР был страной противоречивой, но глобальные идеи мне очень близки. Самая главная:
«Пролетарии всех стан объединяйтесь»

Я считаю что самые громкие лозунги советов, забывать не стоит.

С первым мая, товарищи!

Ты работаешь в тишине?

В мае провожу эксперимент. Работаю без фоновых звуков вообще. Раньше в наушниках играло то, что обратно пропорционально соответствовало сложности задачи.

Те если очень простое занятие мог послушать подкаст, на пример проставление часов в Jira.
А если я не понимал/не мог выполнить задачу, то вообще ничего не играло.

Затем я просто слушал свою волну в яндекс музыке как радио, иногда вы цепляя крутые треки. Сейчас я просто работаю в тишине, благо работаю дома и это возможно.

Что я заметил, я как будто меньше стал уставать. Усталость под вечер все равно есть, тут все стабильно, но степень усталости немного отличается.

Так что пока не набралось достаточно инфы, чтобы точно сказать об успехе эксперимента, но я уже вам советую попробовать МЕНЬШЕ ПОТРЕБЛЯТЬ ИНФЫ через все системы.

Меньше читать,слушать,смотреть видео. Я уже лет 8 все борюсь с соц сетями и лентами контента, и только сейчас я смог целиком осознавать свою беспомощность.

В общем откатываем свои сценарии использования телефона и компа.

P.S Я НЕ ЛУДИТ.

Data Brew

Теперь по средам будем разбирать продуктовые метрики. Может кому кроме меня будет полезно)
Начнем с ARPU/ARPPU

Определение:
ARPU- средний доход на юзера. Берем сумму продаж допустим за месяц, делим на активных юзеров этого месяца.
ARPPU- тоже самое что и ARPU, но делим на платящих юзеров.

Применение:
Очень часто используется в аб как контрольная метрика. И как любая денежная метрика говорит о "здоровье" продукта, и позволяет прикидывать сколько денег получаем/теряем в динамике. Ее оценивают как в прогнозах так и в презах для инвесторов.

пример расчета в SQL:

WITH revenue_per_user AS (
    SELECT
        user_id,
        SUM(amount) AS revenue
    FROM payments
    WHERE pay_date BETWEEN '2025-04-01' AND '2025-04-30'
    GROUP BY user_id
)
SELECT
    ROUND(SUM(revenue)::NUMERIC / (SELECT COUNT(*) FROM users), 2) AS arpu,
    ROUND(SUM(revenue)::NUMERIC / COUNT(user_id), 2)              AS arppu
FROM revenue_per_user;

Подсветить:
ARPPU это не средний чек!
ARPPU = доход/платников
Сред. чек = доход/ кол-в чеков
ну мало ли кто не понял)

Разберем все продуктовые метрики, перейдем к АБ тестам)

Upd:
Еще бы добавил одну штуку, что «удобность» этих метрик в том, что они составные и позволяют оценить совокупный эффект изменения конверсии и среднего чека (особенно арпу, например базово давая скидку насколько в конверсии в оплату перекрываем)
Спасибо за комент https://news.1rj.ru/str/bavizhev

Data Brew

Этот проект был секретом КГБ, пока один журналист..

Кто не знает, у меня есть бот который получая pdf файл, дает советы как улучшить резюме и какое сопроводительное письмо написать.

Там уже 109 пользователей, мне для баловства достаточно было того что уже сделано.
Но мне не дает покоя, что сейчас люди делают проекты в одну каску, используя llm.
У меня появилась идея отличного проекта для b2b, так как там вроде есть бюджеты которые можно освоить)
Сам проект описывать не буду, но буду делиться этапами его развития, на данный. момент только pre-alpa версия)
На нем буду пытаться заработать, но он скорее для оттачивания навыков продуктового мышления и хардовой части, благо куча инструментов сейчас опенсорсные надо только сервак оплатить
Для начала надо будет продумать техническую составляющую для MVP и придумать дерево метрик для продукта на старте.

Продавать этот продукт пока тоже без понятия как, сейчас выложил объявление на авито

P.S. сейчас реализован только кор функционал. Так сказать есть пруф оф концепт. Дальше итеративное движение к полноценному функционалу.


P.S Астрологи объявили месяц кликбейта
Data Brew

Любой продакт мечтает поднять эту метрику….

можно подробнее тут

Определение:
LTV - доход с юзера за время пользования продуктом. Формул просто куча, можно взять эту:
LTV = ARPU х Retention

Применение:
Нужен чтобы понять, а экономика вообще сходится? LTV должен быть большем чем CAC, иначе деньги закончатся) Раз деньги значит фин. модели и отчеты для биг босов. Если LTV>CAC, то можем больше покупать трафика пока не измениться пропорция)

В идеале всегда растет LTV
И всегда падает CAC

пример расчета в SQL:

WITH cohort AS (
    SELECT
        u.user_id,
        date_trunc('month', u.signup_date)::date AS cohort_month
    FROM users u
),

month AS (
    SELECT
        c.cohort_month,
        date_trunc('month', a.event_date)::date                  AS period_month,
        COUNT(DISTINCT a.user_id)                                AS au,
        COALESCE(SUM(p.amount),0)                                AS revenue
    FROM cohort c
    JOIN activity a      ON a.user_id = c.user_id
    LEFT JOIN payments p ON p.user_id = a.user_id
                         AND p.pay_date = a.event_date
    GROUP BY 1,2
),

metrics AS (
    SELECT
        cohort_month,
        period_month,
        revenue / NULLIF(au,0)                                   AS arpu,
        au::numeric
         / FIRST_VALUE(au) OVER (PARTITION BY cohort_month
                                 ORDER BY period_month)          AS retention
    FROM month
)
    SELECT
        cohort_month,
        ROUND(SUM(arpu * retention), 2) AS ltv_usd
    FROM metrics
    GROUP BY cohort_month

Подсветить:
Считается когортой,для разных продуктов разные формулы.

CAC - стоимость привлечения юзера

Upd снова спасибо @bavizhev :
Есть нюанс
LTV глобально рекомендуется считать от валовой прибыли, а не от выручки и тогда мы как раз вычитаем переменные расходы

Детально можно прочитать вот здесь https://gopractice.ru/product/how-to-calculate-ltv/

Data Brew

Гайд для подготовки к ответственному собеседованию 🧳✅
Если вы дошли до заключительного этапа с будущим начальником, тщательная подготовка становится критически важной. Вот пошаговый алгоритм, чтобы ничего не упустить.

1. За 72 часа до встречи:
Исследуйте компанию:
Последние пара новостей о ней.
Ключевые продукты, инициативы и конкуренты.
Применяемые технологии и инструменты.
Финансовые результаты.
Составьте самопрезентацию:
Краткий рассказ о профессиональном пути за 3 минуты (без лишних деталей).
3 ключевых успеха за год с конкретными цифрами.
2 сложных проекта с описанием трудностей и их преодоления.
1 неудачный опыт и извлеченные уроки.
Перечень умений, соответствующих вакансии.

2. За 24 часа до собеседования:
Соберите информацию о зарплате:
Текущий доход и бонусы.
Желаемый уровень оплаты (текущий +30%).
Минимально допустимый (текущий +15%).
Данные по рынку для аналогичных ролей.
Оценка ценности ваших навыков в цифрах.
Подготовьте вопросы для интервьюера:
Если нет времени на размышления, воспользуйтесь готовым списком вопросов, чтобы произвести впечатление уверенного кандидата.
3. За час до встречи:
Проверьте техническую готовность:
Убедитесь, что камера, микрофон и интернет функционируют.
Найдите тихое место для звонка.
Установите и проверьте необходимое программное обеспечение.
Зарядите устройства.
Обратите внимание на мелочи:
Держите резюме и портфолио под рукой.
Поставьте рядом воду.
Переведите телефон в беззвучный режим.
Убедитесь, что фон за спиной нейтральный и аккуратный.
Частые ошибки кандидатов:
Неспособность кратко описать свой опыт.
Отсутствие примеров успехов с конкретными результатами.
Технические сбои: нестабильная связь, посторонние шумы.
Неподготовленные вопросы интервьюеру.

Сохраняйте, делитесь и ставьте ❤️!
Делитесь в комментариях мнением и опытом! 👇
#гайд

Data Brew

Сегодня Retention

Определение:
Ну это вообще ультра база.
Retention - доля юзеров кто еще пользуется продуктом на какой то день/месяц,считается когортно. Пример: какая доля из тех кто зарегался в январе еще активный юзер черз 6 месяцев?

Применение:
Снова метрика "Здоровья" продукта, показывает сколько длится интерес к использованию продукта. А значит можно прикинуть сколько сможем на этой активной базе заработать, и сколько будет стоить обслуживание этой массы юзеров. Важно следить за динамикой, чтобы не было провала, если он есть возможно тех проблема или еще что то пошло не так.

пример расчета в SQL:

WITH r AS
  (SELECT u.id,
          date_joined::date,
          AGE(ue.entry_at, u.date_joined),
          EXTRACT(DAY
                  FROM AGE(ue.entry_at, u.date_joined)) AS days_since_start,
          ue.entry_at::date
   FROM public.users u
   LEFT JOIN UserEntry ue ON u.id =ue.user_id
   AND ue.entry_at > u.date_joined)
SELECT date_joined,
       (count(DISTINCT CASE
                           WHEN days_since_start = 7 THEN id
                           ELSE NULL
                       END) *1.0) / count(DISTINCT CASE
                                                       WHEN days_since_start = 0 THEN id
                                                       ELSE NULL
                                                   END) r_7
FROM r
WHERE days_since_start IN (0,
                           7)
GROUP BY date_joined
HAVING count(DISTINCT CASE
                          WHEN days_since_start = 0 THEN id
                          ELSE NULL
                      END)>0

Подсветить:
Важно не только учитывать дату регистрации, но и источник. Чтобы не смешивать платный и органический трафик.

Data Brew

В этот раз про сериал

Коротко: мне очень зашел. Понравились локации, персонажи,сюжет.

Посмотрел сериал про жителей бункера в котором живет около 10к человек. Качество жизни определяется на каком уровне ты живешь. Хуже всего на нижних(ниже 120 этажа), качество отличается продуктами и условиями комнат.

В бункере давно было восстание, которое чуть его не уничтожило, восставшие хотели выйти наружу. А вне бункера, как вы понимаете, по версии других людей небезопасно.

Поэтому запрещены все артефакты из старого мира, книги и фото.

Те люди даже не знают из-за чего они живут и умрут в бункере, но «Кодекс» который написали Основатели четко все регламентирует, в том числе запрещает выходить во вне.

Спойлерить не стал, очень бодрый сюжет и постоянно сомневаешься кто же здесь Д’Артаньян.

Итого:
Персонажи : 9/10
Логичность мира: 10/10
Сюжет: 9/10
Динамика: 8/10

P.S. сериал не закончен

Data Brew

Я забыл в мае исправлюсь в июне

СОБИРАЮ РЕЗЮМЕ

Если вы в поиске работы на данный момент, то в комментарии к этому посту или мне в лс @echemenev пишите:
1. Резюме в пдф
2. Короткий блок о себе(до 300 символов)
3. Контакты для связи.

ЕСЛИ К ВАМ ПРИШЛИ ОТ МЕНЯ СКАЖИТЕ МНЕ ПОЖАЛУЙСТА

С периодичностью непредсказуемой буду выкладывать подобные посты.
Если скинули один раз, то больше не нужно.

ГЛАВНОЕ ПРИЧЕШИТЕ СВОЕ РЕЗЮМЕ

P.S одним сообщением

здесь сайт откуда взял презу

В цепкие лапы на этот раз попала преза с трендами до 2030 от забугорной консалтинговой фирмы. Преза на английском, но думаю у вас проблем не вызовет. Как понял это промо их услуг, но чтиво занимательное.

Кратко:ИИ и квантовые компы все изменят, безопасности станет меньше а кибер панка больше.

Преза состоит из 10 пунктов:
1.ИИ агенты
2. Гос ИИ
3.Защита от дезинформации
4. Пост квантовая криптография
5.Вездесущие датчики
6. Энергоэффективные вычисления
7.Гибридные компьютеры
8. Пространственные вычисления
9. Многофункциональные роботы
10.Нейроинерфейс

Что имею сказать, тренды интересные особенно понравилось про гибридные компьютеры, датчики и нейроинтерфейс. Про ИИ и квантовые компьютеры уже написанные тонны всего, по этой теме ждем ИИ работающего на квантовом компе, а пока можем отложить эту тему на пару месяцев😅

Но вот нейроинтерфейсы которые можно просто надеть на голову, очень захватывает. Смесь 1984 и матрицы, вас научат кунг фу за 10 минут, чтобы вы быстрее принесли прибыль. И "принесете прибыль" идет красной нитью через всю презу.

В общем вот мой прогноз после прочтения это презы:
Гонка за дешевый компьют приведет к поиску и внедрению дешевого электричества, на этом электричестве будут работать дата центры нового поколения, где в одну вундер вафлю сольется ИИ и Гибридный компьютер, который будет собирать данные с вездесущих датчиков.
>>>
Это приведет к полной потере приватности, не виданной эксплуатации людей за счет манипулирования с помощью дата центров из п.1 и необходимости использовать нейроимланты, чтобы конкурировать.
>>>
Вывод: ИИ, квантовые компьютеры, гибридные компьютеры, нейроинтерфейсы, многофункциональные роботы поменяют все цепочки добавленной стоимости и мир снова не станет прежним. Так что ждем стаю черных лебедей.

Data Brew