OLAP - online analytical processing
Если вы работаете с BI или занимаетесь анализом данных, то могли использовать или слышать про OLAP, иногда можно встретить определение как «кубы данных».
При использовании OLAP в BI данные содержатся в таких кубах в памяти компьютеров (локального или сервера) за счет чего увеличивается скорость обработки запросов и дашборд перестраивается в режиме реального времени по клику на его различных интерактивных элементах.
Чтобы понять принципы работы таких кубов необходимо изменить подход к хранению данных от привычного реляционного к многомерному. Не всегда это сделать просто, т. к. понятие «куб» условно, на самом деле такая модель может и не быть классическим кубом, какой он представляется в нашем воображении.
Когда у меня возникла необходимость изучения этого вопроса я пытался найти ответы в различных источниках. Больше всего мне понравились следующие лекции, в которых даются фундаментальные знания и максимально подробно освещается эта тема:
https://www.youtube.com/watch?v=xD5sbSjAY-Q
ММД-1. OLAP-куб: концепция многомерной модели
https://www.youtube.com/watch?v=1rL1XlS7oK4
ММД-2. OLAP-куб: измерения
Надеюсь они будут полезны и вам
Если вы работаете с BI или занимаетесь анализом данных, то могли использовать или слышать про OLAP, иногда можно встретить определение как «кубы данных».
OLAP - технология обработки данных, заключающаяся в подготовке суммарной (агрегированной) информации на основе больших массивов данных, структурированных по многомерному принципу. Реализации технологии OLAP являются компонентами программных решений класса Business Intelligence.
При использовании OLAP в BI данные содержатся в таких кубах в памяти компьютеров (локального или сервера) за счет чего увеличивается скорость обработки запросов и дашборд перестраивается в режиме реального времени по клику на его различных интерактивных элементах.
Чтобы понять принципы работы таких кубов необходимо изменить подход к хранению данных от привычного реляционного к многомерному. Не всегда это сделать просто, т. к. понятие «куб» условно, на самом деле такая модель может и не быть классическим кубом, какой он представляется в нашем воображении.
Когда у меня возникла необходимость изучения этого вопроса я пытался найти ответы в различных источниках. Больше всего мне понравились следующие лекции, в которых даются фундаментальные знания и максимально подробно освещается эта тема:
https://www.youtube.com/watch?v=xD5sbSjAY-Q
ММД-1. OLAP-куб: концепция многомерной модели
https://www.youtube.com/watch?v=1rL1XlS7oK4
ММД-2. OLAP-куб: измерения
Надеюсь они будут полезны и вам
👍11
После некоторого перерыва на следующей неделе планирую публикацию материалов:
- про создание скрипта на Python для ETL процессов
- про библиотеки визуализации данных
- про процесс документирования мер, созданных в Power BI
- про создание скрипта на Python для ETL процессов
- про библиотеки визуализации данных
- про процесс документирования мер, созданных в Power BI
🔥20👍9❤3
Руководство_пользователя_Суперсет_ТА.pdf
6.1 MB
Где бесплатно изучить Apache Superset?
Хочу поделиться с вами своей подборкой материалов, которые можно использовать для изучения такого BI инструмента как Apache Superset. Советую посмотреть, даже если не планируете пока его использовать, в целом достаточно интересно. Используется на различных проектах как альтернатива тройке мировых лидеров BI инструментов.
1️⃣ Как всегда на первом месте официальная справка
2️⃣ Для тех кто любит видео ролики, открытый курс от Ростелекома
3️⃣ Почитать на русском языке можно в документации у Сбера
4️⃣ А для тех, кто любит локальные pdf файлы, есть руководство (см. вложение)
Если вы еще не знаете, что представляет из себя Apache Superset, то на официальном сайте можно познакомиться с ним
Хочу поделиться с вами своей подборкой материалов, которые можно использовать для изучения такого BI инструмента как Apache Superset. Советую посмотреть, даже если не планируете пока его использовать, в целом достаточно интересно. Используется на различных проектах как альтернатива тройке мировых лидеров BI инструментов.
1️⃣ Как всегда на первом месте официальная справка
2️⃣ Для тех кто любит видео ролики, открытый курс от Ростелекома
3️⃣ Почитать на русском языке можно в документации у Сбера
4️⃣ А для тех, кто любит локальные pdf файлы, есть руководство (см. вложение)
Если вы еще не знаете, что представляет из себя Apache Superset, то на официальном сайте можно познакомиться с ним
Superset is fast, lightweight, intuitive, and loaded with options that make it easy for users of all skill sets to explore and visualize their data, from simple line charts to highly detailed geospatial charts
🔥12💩1
Сегодня рассуждал о вопросе «Что такое BI?». Как бы я ответил на него, если меня спросили и надо было ответить максимально быстро, но при этом емко.
Интересно узнать ваши варианты ответа на этот вопрос, а после я поделюсь своим и постараюсь раскрыть его.
Напишите свои ответы в комментариях
Интересно узнать ваши варианты ответа на этот вопрос, а после я поделюсь своим и постараюсь раскрыть его.
Напишите свои ответы в комментариях
👍3👎1
BI это данные представленные в графическом в виде
Таков мой ответ на вопрос выше. Любой виджет на дашборде это данные, виджет это вариант их графического представления, коллекция виджетов это дашборд.
Я думаю, что имея такое представление о BI можно понять, что действительно нужно знать и уметь BI специалисту. Ответ содержит два ключевых понятия «данные» и «представление»
1️⃣ Данные. Если говорим о них, то сразу возникает цепочка:
- проанализировать источник и понять, что в нем и в каком виде находится
- получить данные из источника
- выполнить трансформацию данных (привести к нужным типам, сгенерировать составные ключи и пр.)
- организовать хранение (хранение «сырых» данных, построение моделей и витрин)
2️⃣ Представление. Правила и способы визуализации данных. Если погружаться в эту тему, то появляются следующие требования:
- подбор нужного типа диаграммы для ответа на поставленный вопрос
- компоновка элементов на дашборде (управление внимание пользователя, выравнивание и т.п.)
- выбор цветов, шрифтов
Конечно это далеко не все, что требуется сегодня от BI специалиста, но не много углубившись в достаточно простой вопрос можно сделать для себя много интересных выводов, а также более широко посмотреть на некоторый предмет или направление
Таков мой ответ на вопрос выше. Любой виджет на дашборде это данные, виджет это вариант их графического представления, коллекция виджетов это дашборд.
Я думаю, что имея такое представление о BI можно понять, что действительно нужно знать и уметь BI специалисту. Ответ содержит два ключевых понятия «данные» и «представление»
1️⃣ Данные. Если говорим о них, то сразу возникает цепочка:
источник -> обработка -> хранение. Теперь зная это можно набросать для себя вопросы, что нужно уметь:- проанализировать источник и понять, что в нем и в каком виде находится
- получить данные из источника
- выполнить трансформацию данных (привести к нужным типам, сгенерировать составные ключи и пр.)
- организовать хранение (хранение «сырых» данных, построение моделей и витрин)
2️⃣ Представление. Правила и способы визуализации данных. Если погружаться в эту тему, то появляются следующие требования:
- подбор нужного типа диаграммы для ответа на поставленный вопрос
- компоновка элементов на дашборде (управление внимание пользователя, выравнивание и т.п.)
- выбор цветов, шрифтов
Конечно это далеко не все, что требуется сегодня от BI специалиста, но не много углубившись в достаточно простой вопрос можно сделать для себя много интересных выводов, а также более широко посмотреть на некоторый предмет или направление
🔥5👍3
Этапы разработки дашборда
1️⃣ Сбор команды или заинтересованной группы лиц
2️⃣ Проведение интервью с заказчиком и формулирование задачи
3️⃣ Формирование портрета пользователя
4️⃣ Формулирование вопросов, на которые должен отвечать дашборд и какие бизнес-решения могут быть приняты на его основе
5️⃣ Уточнение где и как будет использоваться дашборд
6️⃣ Анализ источников данных
7️⃣ Определение основных смысловых блоков, типов виджетов
8️⃣ Разработка MVP, тестирование
9️⃣ Запуск в эксплуатацию
Если вам интересно разобрать каждый из этапов накидайте 🔥
1️⃣ Сбор команды или заинтересованной группы лиц
2️⃣ Проведение интервью с заказчиком и формулирование задачи
3️⃣ Формирование портрета пользователя
4️⃣ Формулирование вопросов, на которые должен отвечать дашборд и какие бизнес-решения могут быть приняты на его основе
5️⃣ Уточнение где и как будет использоваться дашборд
6️⃣ Анализ источников данных
7️⃣ Определение основных смысловых блоков, типов виджетов
8️⃣ Разработка MVP, тестирование
9️⃣ Запуск в эксплуатацию
Если вам интересно разобрать каждый из этапов накидайте 🔥
🔥50
Этапы разработки дашборда - Сбор команды или заинтересованной группы лиц
Прежде чем приступать к разработке дашборда стоит определиться с командой, которой предстоит принять участие в этом процессе.
Минимальный набор ролей следующий:
- заказчик разработки дашборда
- разработчик дашборда (BI специалист)
- дата инженер
Заказчик разработки дашборда – ответит на вопросы для чего и для кого создается дашборд. На какие вопросы должны получить ответы пользователи при работе с ним. Сможет описать сценарий использования дашборда и портрет пользователя. С его помощью можно получить информацию об источниках данных для дашборда.
Разработчик дашборда (BI специалист) – соберет все требования к дашборду, информацию по источникам данных. Поставит задачу дата инженеру для организации сбора и хранения необходимых для дашборда данных. Подготовит эскизы и/или MVP, презентует его заказчику. Соберет обратную связь и выполнит доработку дашборда до требований, которые устроят заказчика.
Дата инженер – обеспечит извлечение данных из источников, перенос их в хранилище. При необходимости выполнит трансформацию и предобработку исходных данных.
Как видите – задача разработчика дашборда (BI специалиста) это не только работа по созданию самого дашборда в BI инструменте, но и большой объем задач по работе с заказчиком и дата инженером. При этом в общении с заказчиком приходится больше выполнять роль менеджера, а при коммуникации с дата инженером технического специалиста.
Также хочу обратить внимание, что это «стандартный» минимальный набор ролей. На практике BI специалист может совмещать роль с дата инженером. Определить такие совмещения можно при анализе вакансий, но это отдельная тема для обсуждения. Также работая на большом проекте можете встретить отдельную роль специалиста по хранилищам данных или базам данных. Его задача создать хранилище для задач BI, в этом случае эти работы снимаются с дата инженера.
Если у вас есть вопросы по данному этапу – оставляйте комментарии, подискутируем
Прежде чем приступать к разработке дашборда стоит определиться с командой, которой предстоит принять участие в этом процессе.
Минимальный набор ролей следующий:
- заказчик разработки дашборда
- разработчик дашборда (BI специалист)
- дата инженер
Заказчик разработки дашборда – ответит на вопросы для чего и для кого создается дашборд. На какие вопросы должны получить ответы пользователи при работе с ним. Сможет описать сценарий использования дашборда и портрет пользователя. С его помощью можно получить информацию об источниках данных для дашборда.
Разработчик дашборда (BI специалист) – соберет все требования к дашборду, информацию по источникам данных. Поставит задачу дата инженеру для организации сбора и хранения необходимых для дашборда данных. Подготовит эскизы и/или MVP, презентует его заказчику. Соберет обратную связь и выполнит доработку дашборда до требований, которые устроят заказчика.
Дата инженер – обеспечит извлечение данных из источников, перенос их в хранилище. При необходимости выполнит трансформацию и предобработку исходных данных.
Как видите – задача разработчика дашборда (BI специалиста) это не только работа по созданию самого дашборда в BI инструменте, но и большой объем задач по работе с заказчиком и дата инженером. При этом в общении с заказчиком приходится больше выполнять роль менеджера, а при коммуникации с дата инженером технического специалиста.
Также хочу обратить внимание, что это «стандартный» минимальный набор ролей. На практике BI специалист может совмещать роль с дата инженером. Определить такие совмещения можно при анализе вакансий, но это отдельная тема для обсуждения. Также работая на большом проекте можете встретить отдельную роль специалиста по хранилищам данных или базам данных. Его задача создать хранилище для задач BI, в этом случае эти работы снимаются с дата инженера.
Если у вас есть вопросы по данному этапу – оставляйте комментарии, подискутируем
❤10👍1
Исследование рынка BI 2024 года
Интересное исследование от Visiology рынка BI. В нем утверждается, что тройка мировых лидеров по-прежнему сильно лидирует на отечественном рынке и спрос на спецов по ним высокий. Чтобы я хотел дополнительно посмотреть, так это на сегменты бизнеса.
Крупный бизнес и гос. компании вряд ли будут активно развивать направление BI на ушедших инструментах, а это основной рынок для вендоров и внедрения их партнерами. Также растить свою экспертизу внутри на инструментах, которые официально не поддерживаются для них большой риск.
Возможно часть среднего и мелкий бизнес с целью экономии и используют решения мировых лидеров, т.к. для них риски не так высоки, как для более крупных компаний.
Ради интереса посмотрел динамику запросов по тройке лидеров в Wordstat от Яндекса. По Power BI и Qlick в целом изменений не заметно, а вот по Tableau явный тренд на снижение.
Интересно узнать ваше мнение по рынку и по обзору
Интересное исследование от Visiology рынка BI. В нем утверждается, что тройка мировых лидеров по-прежнему сильно лидирует на отечественном рынке и спрос на спецов по ним высокий. Чтобы я хотел дополнительно посмотреть, так это на сегменты бизнеса.
Крупный бизнес и гос. компании вряд ли будут активно развивать направление BI на ушедших инструментах, а это основной рынок для вендоров и внедрения их партнерами. Также растить свою экспертизу внутри на инструментах, которые официально не поддерживаются для них большой риск.
Возможно часть среднего и мелкий бизнес с целью экономии и используют решения мировых лидеров, т.к. для них риски не так высоки, как для более крупных компаний.
Ради интереса посмотрел динамику запросов по тройке лидеров в Wordstat от Яндекса. По Power BI и Qlick в целом изменений не заметно, а вот по Tableau явный тренд на снижение.
Интересно узнать ваше мнение по рынку и по обзору
👍1
Этапы разработки дашборда - Проведение интервью с заказчиком и формулирование задачи
Один из важных этапов в разработке дашборда. От полноты сбора требований может зависеть как скорость разработки, так и ее качество. На этом этапе стоит выяснить несколько ключевых блоков (часть из них рассмотрим позже, как отдельные шаги). Далее будем работать с внешним заказчиком, который обратился к нам за разработкой из сторонней компании.
Необходимо начать с понимания – используется ли сейчас BI у заказчика. Если нет, то стоит обратить внимание на работы по подготовке к внедрению. Это сбор данных и организация их централизованного хранения. Вероятно, что сами задачи по BI будут актуальны после решения этих вопросов. Если BI уже используется – какой инструмент внедрен, устраивает ли он заказчика, не планируется переход на другой и т.п.
Может оказаться, что у заказчика есть запрос на дашборд, который он видел у кого-то и нужен такой же. Тогда стоит выяснить, что за дашборд необходим, какие данные он отображает. Может быть речь идет о некотором сервисе, который использует конкурент заказчика. В этом случае может быть достаточно разобраться с запросом и понять, что полноценная разработка будет избыточной и дорогой для заказчика.
В целом интервью с заказчиком должно ответить на вопросы, которые помогут далее выстроить схему от источника данных, до их визуализации и развития дашборда.
Также необходимо сформулировать и согласовать общую задачу разработки. Какой тип дашборда необходим заказчику, как будет использоваться, что должен отображает и на какие вопросы давать ответ.
Встреч с заказчиком может быть несколько и это нормально. Вам необходимо получить полную информацию, предложить варианты решения, уточнить детали и т.п.
В контексте сообщения "заказчик" это не конкретный человек. Им также может быть группа заинтересованных лиц.
Один из важных этапов в разработке дашборда. От полноты сбора требований может зависеть как скорость разработки, так и ее качество. На этом этапе стоит выяснить несколько ключевых блоков (часть из них рассмотрим позже, как отдельные шаги). Далее будем работать с внешним заказчиком, который обратился к нам за разработкой из сторонней компании.
Необходимо начать с понимания – используется ли сейчас BI у заказчика. Если нет, то стоит обратить внимание на работы по подготовке к внедрению. Это сбор данных и организация их централизованного хранения. Вероятно, что сами задачи по BI будут актуальны после решения этих вопросов. Если BI уже используется – какой инструмент внедрен, устраивает ли он заказчика, не планируется переход на другой и т.п.
Может оказаться, что у заказчика есть запрос на дашборд, который он видел у кого-то и нужен такой же. Тогда стоит выяснить, что за дашборд необходим, какие данные он отображает. Может быть речь идет о некотором сервисе, который использует конкурент заказчика. В этом случае может быть достаточно разобраться с запросом и понять, что полноценная разработка будет избыточной и дорогой для заказчика.
В целом интервью с заказчиком должно ответить на вопросы, которые помогут далее выстроить схему от источника данных, до их визуализации и развития дашборда.
Также необходимо сформулировать и согласовать общую задачу разработки. Какой тип дашборда необходим заказчику, как будет использоваться, что должен отображает и на какие вопросы давать ответ.
Встреч с заказчиком может быть несколько и это нормально. Вам необходимо получить полную информацию, предложить варианты решения, уточнить детали и т.п.
👍11
Несколько слов про BI специализацию
В одном из каналов ответил на публикацию автора, хочу поделиться с вами.
❓ Ожидание от BI
BI это не только рисование графиков, это сильно больше!
❓ Низкий порог входа
Действительно не высокий. НО! Собрать требования, организовать хранилище, понять как дата инженеру поставить задачу (или сделать самому!) тоже нужно знать и уметь. Читайте внимательно вакансии
❓ Куда переходить из BI направления
Перейти можно в инженерию данных и хранилища, это наиболее близкие специализации
❓ Уровень з/п у BI специалистов не высокий
Зависит от компании и обязанностей. Чем больше совмещения с DE И DWH, тем выше з/п. Можно работать у вендора (либо консалтинге) на внешних внедрениях, либо в компании на внутренних задачах. В целом согласен, не самые высоки з/п среди IT специальностей
❓ BI не только "рисует графики"
Можно потратить день на причину "почему не работает дашборд", в итоге окажется, что не отработала выгрузка данных или в ней ошибка. "Рисование" это финальный этап в работе BI специалиста
❓ Тенденции рынка по технологиям
С учетом ипортозамещения меняется набор инструментов. Я бы не смотрел в сторону Tableau если в планах нет работы на внешнем рынке. Qlick встречается на внутреннем рынке. Power BI - живет. Отечественные вендоры - зависит от компании, в которой работать, везде свой стек. Из минусов - не так все хорошо как у лидеров, нужно учить JS, CSS, HTML на базовом уровне для разработки чего-то похожего на тройку лидеров
❓ Нужны ли А/Б тесты BI специалисту
Если это есть в позиции, значит это не BI, а уже анализ данных или продуктовые вопросы, а это другие компетенции и стек
Кто согласен ставьте 🔥, кому есть что добавить - делитесь в комментариях
В одном из каналов ответил на публикацию автора, хочу поделиться с вами.
❓ Ожидание от BI
BI это не только рисование графиков, это сильно больше!
❓ Низкий порог входа
Действительно не высокий. НО! Собрать требования, организовать хранилище, понять как дата инженеру поставить задачу (или сделать самому!) тоже нужно знать и уметь. Читайте внимательно вакансии
❓ Куда переходить из BI направления
Перейти можно в инженерию данных и хранилища, это наиболее близкие специализации
❓ Уровень з/п у BI специалистов не высокий
Зависит от компании и обязанностей. Чем больше совмещения с DE И DWH, тем выше з/п. Можно работать у вендора (либо консалтинге) на внешних внедрениях, либо в компании на внутренних задачах. В целом согласен, не самые высоки з/п среди IT специальностей
❓ BI не только "рисует графики"
Можно потратить день на причину "почему не работает дашборд", в итоге окажется, что не отработала выгрузка данных или в ней ошибка. "Рисование" это финальный этап в работе BI специалиста
❓ Тенденции рынка по технологиям
С учетом ипортозамещения меняется набор инструментов. Я бы не смотрел в сторону Tableau если в планах нет работы на внешнем рынке. Qlick встречается на внутреннем рынке. Power BI - живет. Отечественные вендоры - зависит от компании, в которой работать, везде свой стек. Из минусов - не так все хорошо как у лидеров, нужно учить JS, CSS, HTML на базовом уровне для разработки чего-то похожего на тройку лидеров
❓ Нужны ли А/Б тесты BI специалисту
Если это есть в позиции, значит это не BI, а уже анализ данных или продуктовые вопросы, а это другие компетенции и стек
Кто согласен ставьте 🔥, кому есть что добавить - делитесь в комментариях
🔥28❤6
Коллеги, сегодня хочу обратиться к вам, а именно - узнать, что вы ждете от публикаций в канале и будет ли вам интересно выйти за рамки BI? Можно разбирать темы по инженерии данных и хранилищам
👍12
Почему важен дизайн дашборда?
Дашборд - это визуальное представление информации. Его цель - представить сложную информацию в удобном для восприятия формате.
Удобный дашборд должен быть:
1️⃣ Понятным: хороший дашборд четко отображает необходимую информацию. Когда пользователь смотрит на него, он должен иметь возможность понять ее назначение в течение первых 5 секунд. Ему не нужно тратить несколько минут на это
2️⃣ Значимым: дашборд содержит значимую информацию. Значимая информация описывает то, что разработчик дашборда хочет передать с помощью него
3️⃣ Последовательным: информативные дашборды отображают информацию в последовательном формате. Необходимо позаботиться о согласованности его макета, организации и содержания
4️⃣ Простым: сложный дашборд не выполняет свою цель, которая заключается в представлении сложной информации в простой форме. Если визуальное представление информации не делает ее простой, то есть проблемы с дизайном дашборда
Подготовлено на основе 10 Rules of Dashboard Design
Дашборд - это визуальное представление информации. Его цель - представить сложную информацию в удобном для восприятия формате.
Удобный дашборд должен быть:
1️⃣ Понятным: хороший дашборд четко отображает необходимую информацию. Когда пользователь смотрит на него, он должен иметь возможность понять ее назначение в течение первых 5 секунд. Ему не нужно тратить несколько минут на это
2️⃣ Значимым: дашборд содержит значимую информацию. Значимая информация описывает то, что разработчик дашборда хочет передать с помощью него
3️⃣ Последовательным: информативные дашборды отображают информацию в последовательном формате. Необходимо позаботиться о согласованности его макета, организации и содержания
4️⃣ Простым: сложный дашборд не выполняет свою цель, которая заключается в представлении сложной информации в простой форме. Если визуальное представление информации не делает ее простой, то есть проблемы с дизайном дашборда
Подготовлено на основе 10 Rules of Dashboard Design
👍10
Актуальные BI системы на январь 2025 года
Год назад я проводил опрос, который показал, что основной инструмент, используемый для разработки дашбордов это Power BI, второе место занял DataLens, на третьем Superset.
Интересно узнать как изменилась структура за прошедший год. Есть ли влияние импортозамещения и внедрения Open Source решений.
Если не найдете свой инструмент в перечне - напишите в комментариях, учту его в следующий раз.
Год назад я проводил опрос, который показал, что основной инструмент, используемый для разработки дашбордов это Power BI, второе место занял DataLens, на третьем Superset.
Интересно узнать как изменилась структура за прошедший год. Есть ли влияние импортозамещения и внедрения Open Source решений.
Если не найдете свой инструмент в перечне - напишите в комментариях, учту его в следующий раз.
Если у вас есть возможность - поделитесь опросом в своих каналах, чтобы охватить большее число специалистов
Какой основной BI инструмент вы сейчас используете в работе и какой интересен кроме него?
Anonymous Poll
33%
Power BI
8%
Tableau
4%
Qlik
12%
Superset
6%
другие зарубежные BI
4%
Visiology 2
16%
Visiology 3
15%
Analytic Workspace
27%
DataLens
10%
другие российские BI
❤2
Разбор возможного описания вакансии BI специалиста
Смотрим на задачи, среди прочего описания обращайте внимание на следующие формулировки:
Вероятно, речь идет про задачи для продуктового аналитика или аналитика данных, которые работают с данными. Это сильно отличается от того, что делают BI специалисты (аналитики и разработчики)
Стоит уточнить, что имеется ввиду под презентацией. Если задача рассказать как работает дашборд и что он отображает, то это задача BI специалиста. Если обсуждение показателей в плане их экспертной оценки и т.п., то опять же, скорее задача из области работы с данными
Уточняйте какие инструменты используются и какие потоки данных. Если вам не знаком стек или потоки с трансформациями и вы не сможете их поддерживать, то стоит это указать на встречах с HR или собеседовании
Это флаг, указывающий на решение задач дата инженера. Если нет компетенции - обсуждайте, если умеете все делать - повод увеличивать сумму ожидания по з/п.
Советую уточнять, какой инструмент основной, будет ли переход внутри компании и почему такой выбор. Наличие разных инструментов может указывать на необходимость решения задач на стороне клиентов компании
Если интересно проводить такие разборы описаний накидайте 🔥, если нет 💩
Смотрим на задачи, среди прочего описания обращайте внимание на следующие формулировки:
Взаимодействие с заказчиками для совместной выработки гипотез, постановки задач и анализа результатов
Вероятно, речь идет про задачи для продуктового аналитика или аналитика данных, которые работают с данными. Это сильно отличается от того, что делают BI специалисты (аналитики и разработчики)
Презентация аналитических выводов и рекомендаций для заказчиков с целью их успешного внедрения и повышения понимания
Стоит уточнить, что имеется ввиду под презентацией. Если задача рассказать как работает дашборд и что он отображает, то это задача BI специалиста. Если обсуждение показателей в плане их экспертной оценки и т.п., то опять же, скорее задача из области работы с данными
Настройка и оптимизация ETL-пайплайнов для решения аналитических задач
Уточняйте какие инструменты используются и какие потоки данных. Если вам не знаком стек или потоки с трансформациями и вы не сможете их поддерживать, то стоит это указать на встречах с HR или собеседовании
Владение технологическим стеком: Python (pandas, numpy), SQL, Git, Docker, Airflow. Опыт разработки и оптимизации ETL-пайплайнов
Это флаг, указывающий на решение задач дата инженера. Если нет компетенции - обсуждайте, если умеете все делать - повод увеличивать сумму ожидания по з/п.
Опыт работы с инструментами визуализации данных (Tableau, Power BI, DataLens, Superset)
Советую уточнять, какой инструмент основной, будет ли переход внутри компании и почему такой выбор. Наличие разных инструментов может указывать на необходимость решения задач на стороне клиентов компании
Если интересно проводить такие разборы описаний накидайте 🔥, если нет 💩
🔥60👍1
Справочные руководства по визуализации данных
Хочу поделиться с вами интересной подборкой материалов, которые призваны помочь в выборе типа диаграммы для конкретной задачи.
Как написано на странице: коллекция инструментов для выбора диаграмм визуализации данных, справочных руководств, шпаргалок, веб-сайтов и инфографики о передовых методах проектирования визуализации данных
Не забывайте поделиться с коллегами!
Хочу поделиться с вами интересной подборкой материалов, которые призваны помочь в выборе типа диаграммы для конкретной задачи.
Как написано на странице: коллекция инструментов для выбора диаграмм визуализации данных, справочных руководств, шпаргалок, веб-сайтов и инфографики о передовых методах проектирования визуализации данных
Не забывайте поделиться с коллегами!
👍 коллегам отправлено
🔥 никому не покажу
Cool Infographics
Data Visualization Reference Guides — Cool Infographics
Collection of data visualization chart choosers, reference guides, cheat sheets, websites and infographics about dataviz design best practices.
🔥11🤩7
Судя по реакциям на прошлый разбор вакансий BI специалистов эта тема вам интересна. На следующей неделе планирую опубликовать новый разбор с формулировками из резюме
👍13❤1🔥1
Сегодня HR коллеги обратились просьбой помочь подготовить для них опросник на позицию аналитика DWH. В процессе подготовки вопросов решил добавить блок про моделирование баз данных.
Если готовитесь к собеседованию освежите знания про следующие модели:
▫️концептуальную
▫️логическую
▫️физическую
Чтобы коллегам было удобно проводить общение с соискателями помимо возможного варианта ответа на вопрос я прилагаю материал, где можно немного погрузиться в тему. Хочу поделиться с вами одной из таких ссылок.
Если готовитесь к собеседованию освежите знания про следующие модели:
▫️концептуальную
▫️логическую
▫️физическую
Чтобы коллегам было удобно проводить общение с соискателями помимо возможного варианта ответа на вопрос я прилагаю материал, где можно немного погрузиться в тему. Хочу поделиться с вами одной из таких ссылок.
Если интересно что-то узнать про хранилища – накидайте вопросов в комментариях. Там очень много тем для обсуждения.
🔥12👍2
Советы для собеседования
Участвую в собеседованиях на позицию аналитика DWH. Что хочется отметить по промежуточному итогу общения с несколькими десятками человек:
1️⃣ Повторите теорию
2️⃣ Уважайте тех с кем общаетесь
3️⃣ Напитки во время общения
4️⃣ Если не знаете ответа на вопрос
5️⃣ Не волнуйтесь
6️⃣ Решение SQL задач
7️⃣ Рассуждайте
8️⃣ Не отвлекайтесь на переписку и звонки
9️⃣ Используйте ПК или ноутбук для встречи
Как всегда - если было полезно 🔥
Участвую в собеседованиях на позицию аналитика DWH. Что хочется отметить по промежуточному итогу общения с несколькими десятками человек:
1️⃣ Повторите теорию
Не стоит этим пренебрегать. С большой вероятностью вам будут заданы вопросы, которые относятся к теоретической подготовке.
2️⃣ Уважайте тех с кем общаетесь
Выберите место, чтобы освещение не было фронтальным и вас было хорошо видно в кадре. Если за вами находится окно и светит солнце, вместо вас в кадре будет белое пятно
3️⃣ Напитки во время общения
Если хочется попить воды - приготовьте стакан или иную емкость, не используйте пластиковые бутылки
4️⃣ Если не знаете ответа на вопрос
Лучше честно сказать об этом. Не стоит тратить время собеседования, вы можете не показать своих реальных знаний пытаясь подобрать правильный ответ на вопрос, в котором не ориентируетесь
5️⃣ Не волнуйтесь
Задача вопросов понять ваш уровень знаний, а не показать все на встрече, что вы не знаете чего-то
6️⃣ Решение SQL задач
При решении задачи по SQL проговорите шаги, которые планируете предпринять перед тем, как начнете писать код. Так вы покажите какова ваша логика в решении предложенной задачи. Уточните какая база данных используется, т.к. могут быть свои особенности синтаксиса у конкретных СУБД
7️⃣ Рассуждайте
Не стесняйтесь рассуждать в процессе ответов на ваши вопросы. На собеседовании, как правило, от вас не требуется однозначный ответ как на экзамене. Даже не зная изначально ответа в процессе рассуждений вы можете прийти к нему, либо ваши рассуждения покажут, что вы можете найти решение, но вам нужно дополнительное время и возможно поиск информации
8️⃣ Не отвлекайтесь на переписку и звонки
Отключите на время собеседования рабочие и иные чаты, чтобы они не отвлекали вас от собеседования
9️⃣ Используйте ПК или ноутбук для встречи
Старайтесь подключаться к техническим собеседованиям с ноутбука или компьютера. Скорее всего придется решать задачу, возможно нарисовать схему и т.п. На телефоне это будет не так удобно и не всегда возможно
Как всегда - если было полезно 🔥
🔥25👎1