📦 Мои любимые книги
Курсы это конечно хорошо, но они, как правило, только задают вектор развития, не вдаваясь глубоко в темы.
А вот покопаться детальнее отлично помогают книги.
Хочу поделиться с тобой моим любимым списком книг, некоторые из которых вообще настольные, к которым можно возвращаться постоянно:
📎 По АБ-тестам не так давно вышла книга “Доверительное А/В-тестирование” от Рона Кохави, Дианы Тан и Я Сюй. Думаю многие уже читали её, но если ещё не, рекомендую. Не то чтобы закроет прям все вопросы, но очень многое точно прояснит.
📎 “Работа с данными в любой сфере” от Кирилла Еременко — отличная книга после курсов, когда ты впитал тонну информации, эта небольшая книжка помогает уложить всё по полочкам. Особенно хорошо раскрывается тема исследований. Полезна как новичкам, так и при первых симптомах выгорания 🙂
📎 Ещё одна суперпопулярная книга “Графики, которые убеждают всех” от Александра Богачева, про тонкости визуализаций. Если ты много работаешь с BI и не читал эту книгу, то ты где-то свернул не туда.
📎 “Big Data” от Анналина Ына — очень маленький обзорный справочник по алгоритмам ML, они не разбираются детально с точки зрения реализации, но там очень доходчиво описано зачем какой алгоритм нужен, какие задачи он решает и как ты можешь применять их своей практике. Алгоритмы там не супер сложные, все хорошо ложатся в практику продуктовой аналитики.
📎 “Практическая статистика для специалистов Data Science” от Питера и Эндрю Брюсов. Шикарная книга по статистике на практике, в которой разбираются 50 важнейших понятий на R и Python, от EDA до ML. Но она чуть сложнее в понимании, требует небольшой базы.
📎 “Аналитическая культура” Карла Андерсона — наверное, одна из моих любимых. Почти пошаговая инструкция как сделать из компании, которая знать не знала про аналитику — показательную data-driven компанию. От нюансов организации сбора данных до найма и бизнес-результатов.
Здесь я не стал писать про книги по языкам, но они тоже крайне полезны. Это скорее для общего развития.
Закидывайте своих фаворитов 🙂
Курсы это конечно хорошо, но они, как правило, только задают вектор развития, не вдаваясь глубоко в темы.
А вот покопаться детальнее отлично помогают книги.
Хочу поделиться с тобой моим любимым списком книг, некоторые из которых вообще настольные, к которым можно возвращаться постоянно:
Здесь я не стал писать про книги по языкам, но они тоже крайне полезны. Это скорее для общего развития.
Закидывайте своих фаворитов 🙂
Please open Telegram to view this post
VIEW IN TELEGRAM
👍22❤11🔥7
📦 Книги не про аналитику (но это не точно)
Продолжу тему книг, но на этот раз не про аналитику (на первый взгляд).
Продуктовая аналитика, в отличие от какой-нибудь чистой дата-, лежит на стыке классического анализа, продуктового менеджмента и дизайна. На первый взгляд там задействовано меньше хардов (на самом деле нет), а на практике хороший продуктовый подход требует намного большего понимания смежных сфер.
На курсах эти темы редко затрагиваются, но их более глубокое понимание часто очень сильно помогает в работе.
С чего можно начать?
📎 “Интерфейсы” от Алана Купера — пожалуй лучшая книга по проектированию интерфейсов, Купер вообще один из отцов-основателей подхода к проектированию через UX. Книга огромная, но без воды. Крайне рекомендую, если у тебя проблемы с генерацией гипотез на тему “почему эта фича не взлетела”.
📎 “Психбольница в руках пациентов” Алана Купера — ещё одна книга Купера про UX в интерфейсах. Отлично дополняет его же “Интерфейсы”.
📎 “Дизайн. Книга для недизайнеров” от Робина Уильямса — небольшая книга про восприятие дизайна мозгом. Автор называет себя “нейродизайнером”, и в процессе чтения ты начинаешь понимать почему. Очень много полезных фишечек, да и сама по себе книга очень интересная. Мы же поведение юзеров в продукте исследуем, а оно очень сильно зависит и от дизайна.
📎 “Разработка требований к програмному обеспечению” Карла Виггерса. Как-то я состоял (да и сейчас вроде не выписан) в тайном обществе небезызвестного Лёхи Бородкина, и вот эта книга там была чуть ли не местной библией. И не зря. Для системных аналитиков и проектировщиков вообще обязательна, а для продуктовых там тоже много полезной информации на тему как эта ваша разработка вообще устроена и почему именно так.
Продолжу тему книг, но на этот раз не про аналитику (на первый взгляд).
Продуктовая аналитика, в отличие от какой-нибудь чистой дата-, лежит на стыке классического анализа, продуктового менеджмента и дизайна. На первый взгляд там задействовано меньше хардов (на самом деле нет), а на практике хороший продуктовый подход требует намного большего понимания смежных сфер.
На курсах эти темы редко затрагиваются, но их более глубокое понимание часто очень сильно помогает в работе.
С чего можно начать?
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥10👍7❤1
🔗 Шаблон резюме
Когда я уходил с прошлого места работа, там бонусом была такая штука как оценка резюме штатными HR-ами. Я закинул им своё, и они там не поправили ничего, сказали вообще не трогать 🙂
Я его подпилил, чтобы получился базовый шаблон и добавил комментарии. Можете брать на вооружение.
Примерно в таком же стиле (но в местном формате) у меня HH и линк.
Ссылка здесь
Когда я уходил с прошлого места работа, там бонусом была такая штука как оценка резюме штатными HR-ами. Я закинул им своё, и они там не поправили ничего, сказали вообще не трогать 🙂
Я его подпилил, чтобы получился базовый шаблон и добавил комментарии. Можете брать на вооружение.
Примерно в таком же стиле (но в местном формате) у меня HH и линк.
Ссылка здесь
❤20👍6🔥5
📌 Популярные инструменты, БД
Я довольно много с кем общаюсь в сфере на тему стека, и собрал некоторую статистику по популярности инструментов в разных компаниях (за исключением всяких там бигтехов). Ну как статистику, скорее сформировал мнение 🙂
Давай разберём, опыт работы с чем именно наиболее вероятно пойдёт в плюс на собесах, по моим субъективным ощущениям, конечно:
Базы данных.
Понятно, что классический SQL везде плюс-минус одинаковый, а если ты не работал с базой, то пару вечеров почитай документацию и нет проблем, но в целом по пулярности я бы поставил так.
1️⃣ Clickhouse — в РФ, наверное, самая популярная БД для продуктовой аналитики. Она колоночная, за счёт чего быстро работает с большим объёмом данных. Моё любимое это возможность дописать -if в любую агрегацию, вместо расписывания кейсов. Но там вообще полно удобных функций, тот же маппинг или ретеншн.
2️⃣ BigQuery — в последние пару лет прям частое явление, раньше встречал очень редко. Гибкая, легко ставится, приятный набор функций. Но геморная в масштабировании. Ещё и платная по запросам, поэтому с BQ не очень удобно работать через внешние окружения.
3️⃣ Vertica — к минусам я бы отнёс довольно скудный набор функций и цену, а к плюсам скорость на больших объёмах.
4️⃣ MS SQL — я лично ни разу не работал с ним, так что особо ничего не прокомментирую, но в последнее время часто натыкаюсь на ребят с этой базой в качестве основной для ПА.
Как ни странно, но за последние года 2 ни разу не слышал чтобы кто-то использовал (именно как основную в ПА) Postgress или MySQL (хотя они во всех рейтингах в топе по поулярности) и всего по разу Spark, Maria и Mongo 🙂
Я довольно много с кем общаюсь в сфере на тему стека, и собрал некоторую статистику по популярности инструментов в разных компаниях (за исключением всяких там бигтехов). Ну как статистику, скорее сформировал мнение 🙂
Сначала думал всё в один пост засунуть, но чёт начал комментировать и обломался по символам. Так что тут пока только про БД.
Давай разберём, опыт работы с чем именно наиболее вероятно пойдёт в плюс на собесах, по моим субъективным ощущениям, конечно:
Базы данных.
Понятно, что классический SQL везде плюс-минус одинаковый, а если ты не работал с базой, то пару вечеров почитай документацию и нет проблем, но в целом по пулярности я бы поставил так.
Как ни странно, но за последние года 2 ни разу не слышал чтобы кто-то использовал (именно как основную в ПА) Postgress или MySQL (хотя они во всех рейтингах в топе по поулярности) и всего по разу Spark, Maria и Mongo 🙂
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5🤔5🔥3❤1
Последние пару дней часто натыкаюсь на вопросы про выбор курсов, и споры что лучше: заплатить и получить всё сразу, или не платить и гуглить всю инфу (которой в интернете вообще-то дофига).
Вроде как все сходятся в преимуществах платных курсов в виде возможности задавать вопросы кураторам и цельной системе, которая тебя за ручку ведёт.
С кураторами я вам не помогу, а вот с системой можно что-нибудь придумать.
Как-то давно одна моя подруга хотела попробовать что это за профессия такая, я ей тогда составил что-то типа роадмапа, что почитать сначала, где попрактиковаться потом и т.д. Главное — чтобы всё было бесплатно, или, хотя бы, не за 100к+. Потому что это был не вопрос прям смены сферы, а скорее пощупать.
В общем у меня возникла идея, поправить тот роадмап с учётом новых появившихся ресурсов. Такой пошаговый план, как бы я сам сейчас учил базу с нуля. Система, последовательность, рекомендации, вот это всё.
Было бы интересно?
Вроде как все сходятся в преимуществах платных курсов в виде возможности задавать вопросы кураторам и цельной системе, которая тебя за ручку ведёт.
С кураторами я вам не помогу, а вот с системой можно что-нибудь придумать.
Как-то давно одна моя подруга хотела попробовать что это за профессия такая, я ей тогда составил что-то типа роадмапа, что почитать сначала, где попрактиковаться потом и т.д. Главное — чтобы всё было бесплатно, или, хотя бы, не за 100к+. Потому что это был не вопрос прям смены сферы, а скорее пощупать.
В общем у меня возникла идея, поправить тот роадмап с учётом новых появившихся ресурсов. Такой пошаговый план, как бы я сам сейчас учил базу с нуля. Система, последовательность, рекомендации, вот это всё.
Было бы интересно?
👍68🔥21
📌 BI в аналитике
Внимание, пост, ради которого я вообще группу создавал, из категории ныть или рассуждать 🧐
Мне очень нравится тенденция последних лет — выносить BI в отдельное направление аналитики. Когда я только начинал, такого не было и все задачи по BI лежали на штатном аналитике.
Справедливости ради, тогда не было особой разницы даже между ДА и ПА, все делали одно и то же, в попытках понять что вообще происходит в продукте.
Когда я искал работу, общался с одной геймдев-студией, и вот они мне задали стандартный вопрос про любимые и не любимые типы задач. К любимым я причислил рисерчи, а BI отнёс ко вторым. Они спросили почему так с BI, на что я ответил типа хороший BI очень сложный, чтобы всё стабильно работало, нужно много времени уделять поддержке зоопарка дашбордов. Плюс монструозные проекты крашатся стабильно раз в день. То данные не долетели, то расчёты подозрительно себя ведут, то ещё что. Не говоря уже о том, что собрать такую махину это задачка не 5 минут, а иногда и не 5 недель.
Просто не будет времени делать что-то другое.
И тут у тимлида аж глаза загорелись, оказывается, он уже давно пушит идею взять отдельного BI-аналитика как раз по этим причинам. И мне даже как-то полегчало от осознания того, что уже почти все к этой мысли пришли, и мне не придётся учить DAX 😀
Я уже года 3 наверное не работал с BI, не считая SQL-based систем типа Redash или Superset (я называл SS лайтовым😄 ), которые ты используешь больше как блокнот, чем как BI.
Внимание, пост, ради которого я вообще группу создавал, из категории ныть или рассуждать 🧐
Мне очень нравится тенденция последних лет — выносить BI в отдельное направление аналитики. Когда я только начинал, такого не было и все задачи по BI лежали на штатном аналитике.
Справедливости ради, тогда не было особой разницы даже между ДА и ПА, все делали одно и то же, в попытках понять что вообще происходит в продукте.
Когда я искал работу, общался с одной геймдев-студией, и вот они мне задали стандартный вопрос про любимые и не любимые типы задач. К любимым я причислил рисерчи, а BI отнёс ко вторым. Они спросили почему так с BI, на что я ответил типа хороший BI очень сложный, чтобы всё стабильно работало, нужно много времени уделять поддержке зоопарка дашбордов. Плюс монструозные проекты крашатся стабильно раз в день. То данные не долетели, то расчёты подозрительно себя ведут, то ещё что. Не говоря уже о том, что собрать такую махину это задачка не 5 минут, а иногда и не 5 недель.
Просто не будет времени делать что-то другое.
И тут у тимлида аж глаза загорелись, оказывается, он уже давно пушит идею взять отдельного BI-аналитика как раз по этим причинам. И мне даже как-то полегчало от осознания того, что уже почти все к этой мысли пришли, и мне не придётся учить DAX 😀
Я уже года 3 наверное не работал с BI, не считая SQL-based систем типа Redash или Superset (я называл SS лайтовым
Please open Telegram to view this post
VIEW IN TELEGRAM
👍14🤔1😎1
This media is not supported in your browser
VIEW IN TELEGRAM
В SQL с регулярками тоже очень типичная история 😀
(сорс: https://twitter.com/rita_codes)
(сорс: https://twitter.com/rita_codes)
😁24👍1
Привет, слушайте, вопрос такой к активно изучающим Python. Я тут расписываю схемку для вот этого, и было бы классно туда блок про Python засунуть.
Но т.к. я не питонист и в своё время его как-то не системно учил, порекомендуйте плз куда сейчас за ним ходят? Только чтобы бесплатно или около того, и желательно разных уровней, спасибо 🙂
Но т.к. я не питонист и в своё время его как-то не системно учил, порекомендуйте плз куда сейчас за ним ходят? Только чтобы бесплатно или около того, и желательно разных уровней, спасибо 🙂
🔗 План самообразования в ПА
Приветики, допилил план по самообразованию в продуктовой аналитике, как бы я сам учился. На самом деле, я почти так и учился, но порядок был другой, за счёт чего я много страдал 🙂 Тут постарался расположить всё по логическому, на мой взгляд, плану.
Запасайтесь попкорном и приятного чтения 🍿
https://telegra.ph/Plan-samoobrazovaniya-po-professii-produktovogo-analitika-02-04
Приветики, допилил план по самообразованию в продуктовой аналитике, как бы я сам учился. На самом деле, я почти так и учился, но порядок был другой, за счёт чего я много страдал 🙂 Тут постарался расположить всё по логическому, на мой взгляд, плану.
Запасайтесь попкорном и приятного чтения 🍿
https://telegra.ph/Plan-samoobrazovaniya-po-professii-produktovogo-analitika-02-04
Telegraph
План самообразования по профессии продуктового аналитика
Привет, я работаю в сфере уже около 10 лет, преимущественно по специальности чистой продуктовой аналитики. Иногда я оглядываюсь назад и думаю — с текущим пониманием что и как устроено в работе, как бы я выстраивал свой процесс обучения с нуля? Эта статья…
🔥65👍13❤8🤔1
Обновил пост в закрепе, вынес туда навигацию. Чтобы новоприбывшим было проще сориентироваться что тут вообще у нас происходит 🙂
👍15❤3
📌 Перспективы развития из ПА
В последнее время часто вижу вопросы из серии “куда дальше расти аналитику?” Аналитики бывают разные и с разным бэкграундом, поэтому давай расскажу куда можно развиться именно из продуктового.
Глобально тут две ветки, на выбор — назовём их горизонтальная и вертикальная.
🔖 Вертикальная подразумевает усиление своих хард-скиллов. У позиции ПА, как и у почти у любой в IT, есть три основных грейда (джун-миддл-синьор). Развитие внутри одной позиции внутри грейдов — уже вариант. Если тебе нравится работать “руками”, всегда можно комфортно расти по ЗП просто за счёт усиления скиллов.
Если нравится менеджерить, и нет проблем с софт-скиллами — хорошим шагом будет целиться в тимлиды. Там будет меньше времени на чисто продуктовые задачи, но больше взаимодействия с командой и вовлечённости в процессы и архитектуру всей аналитической системы компании.
Есть ещё путь в руководители направлений, в ПА это чаще отдел АБ.
✨ Дальше идёт уже C-level. В вертикали это CDO (Chief Data Officer). Обычно в CDO охотнее берут с бэкграундом дата-инженера, но чётких правил нет. Я видел CDO из ПА, из ДА и даже из маркетинговой аналитики. И все прекрасно справлялись. CDO занимается выстраиванием архитектуры и культуры аналитики в компании. C-level часто получает прибавку в виде дивидендов от прибыли компании.
🔖 Вторая ветка развития — горизонтальная. В отличии от остальных типов аналитиков, ПА наиболее приближены к будням продукта, поэтому путь в продакт-менеджеры тут особенно популярный. За счёт глубокой вовлеченности в продукт, такие переходы обычно происходят без даунгрейдов по деньгам, а часто ещё и с апгрейдом.
✨ Из продакта тоже можно дойти до C-level’а — CPO (Chief Product Officer), иногда их называют Product Owner’ами. У кого как. Они занимаются развитием продукта в целом — стратегией, конкурентоспособностью, выходом на рынок и т.д.
В целом, если надоест аналитика, есть куда пойти 🙂
В последнее время часто вижу вопросы из серии “куда дальше расти аналитику?” Аналитики бывают разные и с разным бэкграундом, поэтому давай расскажу куда можно развиться именно из продуктового.
Глобально тут две ветки, на выбор — назовём их горизонтальная и вертикальная.
Если нравится менеджерить, и нет проблем с софт-скиллами — хорошим шагом будет целиться в тимлиды. Там будет меньше времени на чисто продуктовые задачи, но больше взаимодействия с командой и вовлечённости в процессы и архитектуру всей аналитической системы компании.
Есть ещё путь в руководители направлений, в ПА это чаще отдел АБ.
В целом, если надоест аналитика, есть куда пойти 🙂
Please open Telegram to view this post
VIEW IN TELEGRAM
👍20
У агентства NewHR от Киры Кузьменко выкатился список 500 популярных ресурсов, которые читают аналитики. ТГ каналов там 253 из которых 83 про аналитику.
Я думаю, там учитывались вообще все упоминания (методологию они не раскрывали), но всё равно приятно быть в списке с @borzilo_y. Тем более что данные за 23-й год, когда каналу был месяц всего. Это ж кто-то из вас был, спасибо 🙂
Я думаю, там учитывались вообще все упоминания (методологию они не раскрывали), но всё равно приятно быть в списке с @borzilo_y. Тем более что данные за 23-й год, когда каналу был месяц всего. Это ж кто-то из вас был, спасибо 🙂
🎉19🔥6😁1🤯1
📌 Про Макса
Хочу рассказать вам историю про самого значимого, в моей карьере, менеджера.
Работал я тогда ещё не очень много, но кое-что уже умел и был на позиции миддла классической ПА (метрики, рисерчи, тесты). Был я, значит, в одном из продуктов компании единственным аналитиком. Сам по себе дата-отдел был не большой, человек может 5.
Мой проект был тестовый, никто особо на него не ставил. В дальнейшем он и не взлетел — какие-то деньги, конечно, приносил, но с точки зрения бизнеса был не очень интересен. Но у нас была классная команда продукта, поэтому после решения о сворачивании, нас перекинули в другие проекты компании.
Всех, кроме меня. У меня были хорошие отзывы, всем всё нравилось, поэтому просто отпускать меня никто не хотел, но и закрепить в новый проект не могли — тупо не было куда. Я стал таким “подвешенным” продуктовым аналитиком без продукта (но с зарплатой).
А потом пришёл Макс, менеджер из какого-то мутного отдела (я даже сейчас не уверен чем они занимались), и говорит, а гоу наши задачки делать. “Ну, мне-то всё равно, гоу” — тогда подумал я, не подозревая как это перевенёт мой будущий подход в работе.
Первым же проектом, после пары вводных задач, была разработка, внимание, “искусственного байера”. Деталей не помню, но в плане Макса было классифицировать качество траффика катбустом, а потом эта модель ложилась в алгоритм бандитов. На входе мы давали этому боту денег и список сорсов, а он в риалтайме должен был перераспределять деньги на лучший, по его предиктам, траф.
Напомню, я тогда был прям олдскульный ПА, и про эти ваши алгоритмы разве что слышал краем уха. Говорю ему: “я чёт не уверен что вообще понимаю хотя бы половину из того что ты сейчас сказал”. И тут, к моему удивлению, он просто начал мне всё объяснять. Показал как вообще этот ваш DS устроен, познакомил с SHAP (в сердечке) и ещё всякой магией.
Оказалось, Макс не просто менеджер, а чел, глубоко увлекающийся анализом в целом и DS в частности. И в менеджмент он пришёл как раз из этой сферы.
Проект мы в итоге реализовали где-то за пол года. Не скажу что он получился прорывной, но по всем показателям не уступал реальным людям. Не лучше, но и не хуже. И зарплату не просил.
Зато после этой истории я всерьёз заинтересовался ML, много читал и смотрел, и в итоге стал использовать алгоритмы довольно часто в своей работе.
#кулстори
Хочу рассказать вам историю про самого значимого, в моей карьере, менеджера.
Работал я тогда ещё не очень много, но кое-что уже умел и был на позиции миддла классической ПА (метрики, рисерчи, тесты). Был я, значит, в одном из продуктов компании единственным аналитиком. Сам по себе дата-отдел был не большой, человек может 5.
Мой проект был тестовый, никто особо на него не ставил. В дальнейшем он и не взлетел — какие-то деньги, конечно, приносил, но с точки зрения бизнеса был не очень интересен. Но у нас была классная команда продукта, поэтому после решения о сворачивании, нас перекинули в другие проекты компании.
Всех, кроме меня. У меня были хорошие отзывы, всем всё нравилось, поэтому просто отпускать меня никто не хотел, но и закрепить в новый проект не могли — тупо не было куда. Я стал таким “подвешенным” продуктовым аналитиком без продукта (но с зарплатой).
А потом пришёл Макс, менеджер из какого-то мутного отдела (я даже сейчас не уверен чем они занимались), и говорит, а гоу наши задачки делать. “Ну, мне-то всё равно, гоу” — тогда подумал я, не подозревая как это перевенёт мой будущий подход в работе.
Первым же проектом, после пары вводных задач, была разработка, внимание, “искусственного байера”. Деталей не помню, но в плане Макса было классифицировать качество траффика катбустом, а потом эта модель ложилась в алгоритм бандитов. На входе мы давали этому боту денег и список сорсов, а он в риалтайме должен был перераспределять деньги на лучший, по его предиктам, траф.
Напомню, я тогда был прям олдскульный ПА, и про эти ваши алгоритмы разве что слышал краем уха. Говорю ему: “я чёт не уверен что вообще понимаю хотя бы половину из того что ты сейчас сказал”. И тут, к моему удивлению, он просто начал мне всё объяснять. Показал как вообще этот ваш DS устроен, познакомил с SHAP (в сердечке) и ещё всякой магией.
Оказалось, Макс не просто менеджер, а чел, глубоко увлекающийся анализом в целом и DS в частности. И в менеджмент он пришёл как раз из этой сферы.
Проект мы в итоге реализовали где-то за пол года. Не скажу что он получился прорывной, но по всем показателям не уступал реальным людям. Не лучше, но и не хуже. И зарплату не просил.
Зато после этой истории я всерьёз заинтересовался ML, много читал и смотрел, и в итоге стал использовать алгоритмы довольно часто в своей работе.
#кулстори
🔥24👍8
📌 Беттинг, гэмблин, порно, ч.1
Мы здесь уже обсуждали этичность сфер, но сегодня в одном чате была похожая дискуссия.
Давайте, я, как человек, поработавший в этих сферах, побуду “адвокатом дьявола” 😈
Так получилось, что компании этих сфер пишут мне чаще остальных. Может их просто много, а может мой ценник в резюме не смущает только их 🙂
1️⃣ И это первая особенность таких компаний — у них всегда большие бюджеты. Как посмотришь на синьорские вилки “экологичных” команд с HH, так грустно становится. Да, это, конечно, во многом связано и с тем, что они рублёвые, а нормальная гэмбла в РФ не приживается, но какая мне разница, если я удалёнщик и не в РФ?
Моя первая компания этой категории разрабатывала адалтный дейтинг. Я тогда работал в “обычном” продукте и ещё у меня была параллельная компания а-ля фриланс, где мне платили по часам (кстати, это тоже был какой-то австралийский адалтный видео хостинг, но его не считаем ). Так вот этот дейтинг послушал мою историю и просто предложил перекрыть все мои доходы и ещё сверху накинуть, чтобы обидно не было. Уважаемо.
2️⃣ Второй момент — это почти полная свобода действий. Во всех, назовём их “сомнительными”, сферах, где я работал, у аналитиков полно свободы. Даже тот проект из вчерашнего поста, который мы пилили пол года, был исключительно нашей инициативой, а не задачей продукта, за которой стояла вертикаль менеджеров. Мы просто презентовали его, когда он был готов. И мы не делали его в “свободное от работы” время. Да, у тебя конечно есть задачи от команды, но там в основном отчётность, которая легко автоматизируется. Вся магия происходит вокруг новых идей.
Мы здесь уже обсуждали этичность сфер, но сегодня в одном чате была похожая дискуссия.
Давайте, я, как человек, поработавший в этих сферах, побуду “адвокатом дьявола” 😈
Так получилось, что компании этих сфер пишут мне чаще остальных. Может их просто много, а может мой ценник в резюме не смущает только их 🙂
Моя первая компания этой категории разрабатывала адалтный дейтинг. Я тогда работал в “обычном” продукте и ещё у меня была параллельная компания а-ля фриланс, где мне платили по часам (
Please open Telegram to view this post
VIEW IN TELEGRAM
👍16
📌 Беттинг, гэмблин, порно, ч.2
3️⃣ Технологии. Третий крутой момент. Начиная от гибкости в выборе комфортного софта (любая цена компенсируется по умолчанию, без обсуждений), до поощрения любых экспериментов с методами и технологиями работы. Ты всегда можешь попробовать какую-то новую штуку просто по приколу, если понравится — пожалуйста, внедряй. Не понравится — ну и хрен с ней, не попробовал бы — не узнал. Никто слова не скажет про потраченное время и деньги. И это, опять же, в рабочее время.
И напоследок, когда я искал работу, общался с ребятами из крупного сербского беттинга. Просто оцените их условия:
👌 ЗП по договоренности, вилка от 5к$, верхнего порога нет;
👌 ЗП на карту, наличкой или криптой. Как тебе удобно;
👌 Своё 5-этажное фисное здание в центре Белграда, с парковкой и террасами с барбекю зоной на каждом этаже. В офис можно приезжать по желанию, можно только на шалыки;
👌 Релок пакет и предоставление ВНЖ на 3 года;
👌 Рабочий день 6 часов, с возможностью эти часы раскидать как удобно, лишь бы быть доступным для команды, когда это необходимо;
👌 Пятница — сокращённый “тусовый” день с барбекю и пивом, по желанию.
Лично для меня, работать в таких командах более этично и интересно, чем в том же ВК.
И напоследок, когда я искал работу, общался с ребятами из крупного сербского беттинга. Просто оцените их условия:
Лично для меня, работать в таких командах более этично и интересно, чем в том же ВК.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍32
📌 Про необычную организацию рабочих инструментов
Я много где успел поработать и посмотреть как у кого устроена система инструментов. В основном это, конечно, гибкие истории. Обычно это Jira + Confluence, парочка баз данных, гугл диск, BI, ну и какой-то легаси кусок который и нести тяжело, и бросить жалко.
Но была у меня одна команда, для которой инструменты были не просто инструментами, а чуть ли не культом. У них это называлось как-то пафосно, типа “Принцип трёх”, “Правило трёх”,“Триединая святая Русь”. Не помню. Это была первая страница онбординга, обязательная к ознакомлению.
А смысл был в использовании командой только 3-х инструментов:
1️⃣ Notion — Основной инструмент для документации всего. Тут и описание данных, и инфа по всяким ивентам компании, и реквизиты и онбординг. Вообще всё, что может понадобиться. Я большой фанат Notion Labs, даже перевёл календарь на их новый продукт, поэтому был в восторге. По мне, так он сильно удобнее базового Confluence.
2️⃣ Miro — Сервис для досок. Тут хранились все идеи, схемы и наброски. Утверждённые идеи из Miro перетекали в Notion.
3️⃣ Chartio — BI-система. Основной инструмент работы аналитиков. Все мало-мальски значимые разработки заводились мини-проектами. Даже рисёрчи хранились тут в формате блоков с текстом, совмещёнными с графиками по ходу. Не так удобно как блокноты R или Python, но там глубина задач не предполагала уходить дальше SQL.
Было ещё 2, которые в эту систему не вписывались, но они и не столько про саму “работу”:
💭 Slack — тут понятно, без него просто никуда.
💭 OraPM — Таск-трекер, он же тайм-трекер. Не вписан в эту систему 3-х инструментов, идёт сбоку. Взял таску, врубил таймер, поехал. Отвратительно, конечно, но уж такой формат был. Сама по себе Ora, кстати, классная. Не Jira по функционалу, конечно, но для аналитиков хватало.
Вообще, это редкая история, когда инструментарий настолько жёстко закреплён, но в этом что-то есть. Из очевидных плюсов — ты не теряешься в файлах и документах, всё чётко на своих местах.
Как вам такой подход?
Я много где успел поработать и посмотреть как у кого устроена система инструментов. В основном это, конечно, гибкие истории. Обычно это Jira + Confluence, парочка баз данных, гугл диск, BI, ну и какой-то легаси кусок который и нести тяжело, и бросить жалко.
Но была у меня одна команда, для которой инструменты были не просто инструментами, а чуть ли не культом. У них это называлось как-то пафосно, типа “Принцип трёх”, “Правило трёх”,
А смысл был в использовании командой только 3-х инструментов:
Было ещё 2, которые в эту систему не вписывались, но они и не столько про саму “работу”:
Вообще, это редкая история, когда инструментарий настолько жёстко закреплён, но в этом что-то есть. Из очевидных плюсов — ты не теряешься в файлах и документах, всё чётко на своих местах.
Как вам такой подход?
Please open Telegram to view this post
VIEW IN TELEGRAM
👍11
Приветики, хотите вам задачку сгенерю на продуктовое мышление? Там надо будет датасет покрутить ответить на простой вопрос «и чё теперь?» 🙂
Мини-тренажёр по оценке ситуации и умению мыслить от продукта без регистрации и смс!
Мини-тренажёр по оценке ситуации и умению мыслить от продукта без регистрации и смс!
👍35🔥15
📌 Задачка на продуктовое мышление
Вводная: Вы — продуктовый аналитик в букинг-сервисе (бронирование отелей и хостелов на короткие сроки).
Когда-то давно команда выкатила такую фичу: на странице выбора отеля есть кнопка “Сравнить”, при нажатии кнопки, система ищет доступные варианты в таком же стиле, в этом же районе на эти же даты. Фичу сделали, но никто её не анализировал, она живёт там сама по себе. Задача — понять всё ли там ок, или надо что-то менять.
Есть обзорная выгрузка логов юзеров, где:
🔵 time — время события, без даты. Для синтетического датасета даты тут не важны, а время просто для сортировки порядка ивентов;
🔵 event — событие: open_hotel (открыл страницу отеля), open_compare (открыл фичу сравнения), book (успешное бронирование);
🔵 sum_usd — списание за бронирование;
🔵 n_days — период бронирования;
Остальные поля, надеюсь, понятны 🙂
Задача: Проанализировать логи и принять решение что делаем дальше.
Правильного ответа нет, свои варианты или логику можно кидать в комменты⬇️
Вводная: Вы — продуктовый аналитик в букинг-сервисе (бронирование отелей и хостелов на короткие сроки).
Когда-то давно команда выкатила такую фичу: на странице выбора отеля есть кнопка “Сравнить”, при нажатии кнопки, система ищет доступные варианты в таком же стиле, в этом же районе на эти же даты. Фичу сделали, но никто её не анализировал, она живёт там сама по себе. Задача — понять всё ли там ок, или надо что-то менять.
Есть обзорная выгрузка логов юзеров, где:
Остальные поля, надеюсь, понятны 🙂
Задача: Проанализировать логи и принять решение что делаем дальше.
Правильного ответа нет, свои варианты или логику можно кидать в комменты
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥14👍3❤2
booking_logs.csv
6.6 MB
Выгрузка к задаче. Она синтетическая, поэтому там могут встречаться артефакты в виде странной логики поведения, но в жизни тоже система аналитики легко может не довезти какую-то часть, так что реализм +100