Я тут с крутыми людьми рассказываю про любовь к R и данным 🦄
https://www.comagic.ru/blog/posts/apr/r_python_javanoscript_ili_excel_chto_uchit_internet_marketologu_dlya_professionalnogo_rosta/
https://www.comagic.ru/blog/posts/apr/r_python_javanoscript_ili_excel_chto_uchit_internet_marketologu_dlya_professionalnogo_rosta/
Визуально от Nathan Yau, зачем смотреть на распределения и рисовать графички, а не просто делать саммари статистикс
https://flowingdata.com/2017/07/07/small-summary-stats/
https://flowingdata.com/2017/07/07/small-summary-stats/
Прикольная штука от Елены Межовой о том, что есть фудпорн в мире. Без шоколада ну никак! ❤️
Forwarded from Яндекс
Так выглядит расстановка сил среди русских рэп-исполнителей на карте России. Кажется, борода является важным, но не решающим критерием успеха. По ссылке — подходящий плейлист на Яндекс.Музыке: ya.cc/5rVS4
датасатанисты опять говорят на своем непонятном 🎈
Мне тут скинули очень интересный пост про то, что в компаниях должны быть переводчики с датасаинтистского и аналитического на менеджментский. Ну как-то так получается, что люди вроде в одной компании работают, но не всегда понимают друг друга. Что больше всего меня радует, что перевод должен быть не на человеческий, а именно на язык менеджеров.
И на самом деле, в больших компаниях особенно сильно грешат этими официальностями и можно было бы уже даже словарики заводить. Аналитики любят употреблять сложные слова, суть которых понимают только люди, работающие с данными, а менеджеры любят все сводит к отчетности и официальности. Понять можно обе стороны - это явно сразу придет +10 очков гриффиндору и они выглядят куда более умными и знающими. И еще что делают что-то такое очень сложное, понятное только им. Но проблема в том, что когда понимают только они, то и вся работа становится бессмысленной. Аналитики могут сколько угодно делать по-настоящему важные вещи и строить дикие модели, но если их не понимают все остальные, то зачем оно вообще все?
📈Вот например, эффективность рекламных кампаний и каналов следует анализировать по весам модельной атрибуции, то есть по относительному вкладу кампании или канала в конверсию пользователя. Не просто купил/не купил, а через какие каналы он зашел до покупки и какие каналы подвигли к конверсии. Но проблема в том, что бОльшая часть менеджеров знать не знают, что это за веса и они любят обычные абсолютные числа. Или же аналитики часто создают новые показатели (несомненно важные и замечательные), но только они и могут потом ими оперировать. Неслабая такая проблема, да? Я не утверждаю, что такое есть во всех компаниях, я уверена, что есть много примеров эффективной и слаженной работы всех отделов организации, но лучше ведь, когда везде все понимают, что творится.
🗣Собственно, автор поста @asebrant на своем канале https://news.1rj.ru/str/techsparks говорит о том, что таким переводчиком должен быть руководитель отдела аналитики. И на самом деле, да, он действительно должен понимать, как и что происходит. Но лучше бы, когда аналитика сидит во всей компании и распространяется на всех! Прямо на всех-всех. Это вообще моя идеальная модель, когда все понимают, что без данных никуда. Когда контентщики думают о правильном расставлении ссылок с метками, понимая, что именно это поможет им отследить их работу. Когда отделы продаж имеют некоторое представление о предиктивной аналитике и понимают важность правильного и четкого заполнения баз данных. Короче, когда люди думают о данных и возможностях, которые они дают.
И еще из моего личного видения, что к такой идеальной модели должны приближать дэшборды. Но не просто с набором цифр и графиков, а зачастую прямо с кусочками текста и пометками, что из этих данных и графиков можно получить. Чтобы дэшборд был не только способом анализа информации, а гайдом к действию - что и где изменить.
Мне тут скинули очень интересный пост про то, что в компаниях должны быть переводчики с датасаинтистского и аналитического на менеджментский. Ну как-то так получается, что люди вроде в одной компании работают, но не всегда понимают друг друга. Что больше всего меня радует, что перевод должен быть не на человеческий, а именно на язык менеджеров.
И на самом деле, в больших компаниях особенно сильно грешат этими официальностями и можно было бы уже даже словарики заводить. Аналитики любят употреблять сложные слова, суть которых понимают только люди, работающие с данными, а менеджеры любят все сводит к отчетности и официальности. Понять можно обе стороны - это явно сразу придет +10 очков гриффиндору и они выглядят куда более умными и знающими. И еще что делают что-то такое очень сложное, понятное только им. Но проблема в том, что когда понимают только они, то и вся работа становится бессмысленной. Аналитики могут сколько угодно делать по-настоящему важные вещи и строить дикие модели, но если их не понимают все остальные, то зачем оно вообще все?
📈Вот например, эффективность рекламных кампаний и каналов следует анализировать по весам модельной атрибуции, то есть по относительному вкладу кампании или канала в конверсию пользователя. Не просто купил/не купил, а через какие каналы он зашел до покупки и какие каналы подвигли к конверсии. Но проблема в том, что бОльшая часть менеджеров знать не знают, что это за веса и они любят обычные абсолютные числа. Или же аналитики часто создают новые показатели (несомненно важные и замечательные), но только они и могут потом ими оперировать. Неслабая такая проблема, да? Я не утверждаю, что такое есть во всех компаниях, я уверена, что есть много примеров эффективной и слаженной работы всех отделов организации, но лучше ведь, когда везде все понимают, что творится.
🗣Собственно, автор поста @asebrant на своем канале https://news.1rj.ru/str/techsparks говорит о том, что таким переводчиком должен быть руководитель отдела аналитики. И на самом деле, да, он действительно должен понимать, как и что происходит. Но лучше бы, когда аналитика сидит во всей компании и распространяется на всех! Прямо на всех-всех. Это вообще моя идеальная модель, когда все понимают, что без данных никуда. Когда контентщики думают о правильном расставлении ссылок с метками, понимая, что именно это поможет им отследить их работу. Когда отделы продаж имеют некоторое представление о предиктивной аналитике и понимают важность правильного и четкого заполнения баз данных. Короче, когда люди думают о данных и возможностях, которые они дают.
И еще из моего личного видения, что к такой идеальной модели должны приближать дэшборды. Но не просто с набором цифр и графиков, а зачастую прямо с кусочками текста и пометками, что из этих данных и графиков можно получить. Чтобы дэшборд был не только способом анализа информации, а гайдом к действию - что и где изменить.
Telegram
TechSparks
Аннотированные ссылки на интересные, полезные и удивительные новости хайтека.
Кто больше любит слушать длинное чем читать короткое http://sebrant.chat
https://knd.gov.ru/license?id=6777b11d506f967728ac580d®istryType=bloggersPermission
Автор: @asebrant
Кто больше любит слушать длинное чем читать короткое http://sebrant.chat
https://knd.gov.ru/license?id=6777b11d506f967728ac580d®istryType=bloggersPermission
Автор: @asebrant
Forwarded from vc.ru
This media is not supported in your browser
VIEW IN TELEGRAM
Американская компания Salesforce купила разработчика платформы для визуализации и аналитики данных Tableau, которой пользуются PepsiCo, Pfizer и другие крупные организации.
Сумма сделки составила $15,7 млрд. Это крупнейшее приобретение в истории Salesforce
vc.ru/finance/71039
Сумма сделки составила $15,7 млрд. Это крупнейшее приобретение в истории Salesforce
vc.ru/finance/71039
У меня сегодня День Рождения 🎈
И не у меня одной))) Вот отличный пост на пуддинге о неуникальности «нашего» дня. Тут можно стать частичкой данных ❤️
https://pudding.cool/2018/04/birthday-paradox/
И не у меня одной))) Вот отличный пост на пуддинге о неуникальности «нашего» дня. Тут можно стать частичкой данных ❤️
https://pudding.cool/2018/04/birthday-paradox/