5 легких (и нестандартных) способов стартануть карьеру в аналитике 🔥
Многие считают (ошибочно), что стартануть карьеру в аналитике - сложно: рынок перегрет джунами, жесткие собеседования и все такое. На самом деле нет - мы активно «варимся» в этом рынке, трудоустраиваем студентов, сотрудничаем с компаниями и видим, с какой скоростью «разбирают» толковых ребят.
Но сегодня мы хотим поговорить не о классическом трудоустройстве, а о нестандартных способах быстро (еще во время обучения) стартануть карьеру в аналитике.
1. Устроиться аналитиком в небольшую компанию
Почему-то во время учебы все грезят о Яндексе, Озоне и Авито. Но будьте хитрей - займите свободную нишу: на HH огромное число небольших компаний и ИП ищут аналитиков.
Не бойтесь этого - порой это может дать вам намного больше. Пока в Яндексе вы будете полгода выгружать одну и ту же таблицу (большее вам не доверят), за это же время у ИП Пупкина вы построите аналитику в компании с нуля - это позволит вам открывать потом двери в любые компании буквально с ноги (в том числе в Яндекс).
Мы, например, небольшая компания - но уверен, с точки зрения аналитики проекты у нас поинтересней большинства крупных бизнесов.
2. Аналитика на фрилансе
Фриланс - отличный способ стартануть карьеру и набраться опыта. Плюс в аналитике конкуренция там не очень большая. Недавно мы уже делали пост с конкретными примерами проектов на фрилансе - это вполне себе достойные задачи за достойные деньги.
Вы сможете еще во время учебы набить руку на таких проектах, зарабатывая фултайм зарплату и работая без напряга. А потом (если захотите) - уйдете в Яндекс.
3. Пивот в текущей компании
К нам часто приходят студенты, которые планируют сменить род деятельности в текущей компании. Например, парень работал в отделе закупок и ему надоела рутина/маленькая зарплата - он сделал шефу предложение построить отдел аналитики, мотивировав это цифрами (кстати, Андрон написал классный пост с примером, как убедить кого угодно на цифрах - обязательно почитайте). Начальник согласился и вот он пришел к нам учиться.
Итого: хоть компания и небольшая, человек обучается за счет компании и у него классные перспективы роста. Он либо станет начальном аналитики в этой компании, либо получит опыт построения аналитики с нуля и уйдет в Яндекс.
4. Преподавание и авторство
Очень крутой способ прокачать свои скиллы - стать куратором на каком-нибудь курсе, начать писать статьи, проверять домашки и так далее. Если вы прошли курс, вы уже знаете больше, чем 80% начинающих аналитиков - вам есть, чему их научить. А учитывая большое число онлайн-образовалок сегодня, вам просто нужно найти ту, которая будет по душе, и писать им за деньги статьи / заниматься преподаванием.
Да, этот способ напрямую не поможет зайти в аналитику, т.к. у вас не будет коммерческого опыта. Но вы очень круто прокачаете свои скиллы (лучший способ понять что-то - объяснить кому-то) и познакомитесь с огромным количеством людей, которые могут стать драйвером вашей карьеры.
Кстати, хоть это и самый неочевидный путь, наш CEO Андрон как раз по нему и пошел в свое время. Как видите, все получилось 🙂
5. Консалтинг
Этот способ подходит, если вы профессионал в смежной области - например, финансист, бухгалтер или программист. Вы можете предлагать своим клиентам (как правило, небольшим компаниям) дополнительные услуги - для них это выгодно + они вам доверяют.
У нас есть целая когорта студентов, которые на аутсорсе оказывают услуги финансового сопровождения + комбинируют это с внедрением дашбордов и прочей аналитической работой.
А если потом захочется - пойдете в Яндекс, как вы уже поняли 😀
Заключение
Мы искренне верим в каждый из этих 5 способов и каждому советуем. Более того, мы знаем десятки примеров (в том числе и на личном опыте) по каждому из этих пунктов. Поэтому к опасению новых студентов «после обучения не смогу найти работу» относимся с пониманием, но всячески искренне пытаемся переубедить.
Как вам, зашла подборка? Давайте наберем на этом посте 40 реакций огонечков 🔥 и мы будем делать такие подборки с советами почаще!
Многие считают (ошибочно), что стартануть карьеру в аналитике - сложно: рынок перегрет джунами, жесткие собеседования и все такое. На самом деле нет - мы активно «варимся» в этом рынке, трудоустраиваем студентов, сотрудничаем с компаниями и видим, с какой скоростью «разбирают» толковых ребят.
Но сегодня мы хотим поговорить не о классическом трудоустройстве, а о нестандартных способах быстро (еще во время обучения) стартануть карьеру в аналитике.
1. Устроиться аналитиком в небольшую компанию
Почему-то во время учебы все грезят о Яндексе, Озоне и Авито. Но будьте хитрей - займите свободную нишу: на HH огромное число небольших компаний и ИП ищут аналитиков.
Не бойтесь этого - порой это может дать вам намного больше. Пока в Яндексе вы будете полгода выгружать одну и ту же таблицу (большее вам не доверят), за это же время у ИП Пупкина вы построите аналитику в компании с нуля - это позволит вам открывать потом двери в любые компании буквально с ноги (в том числе в Яндекс).
Мы, например, небольшая компания - но уверен, с точки зрения аналитики проекты у нас поинтересней большинства крупных бизнесов.
2. Аналитика на фрилансе
Фриланс - отличный способ стартануть карьеру и набраться опыта. Плюс в аналитике конкуренция там не очень большая. Недавно мы уже делали пост с конкретными примерами проектов на фрилансе - это вполне себе достойные задачи за достойные деньги.
Вы сможете еще во время учебы набить руку на таких проектах, зарабатывая фултайм зарплату и работая без напряга. А потом (если захотите) - уйдете в Яндекс.
3. Пивот в текущей компании
К нам часто приходят студенты, которые планируют сменить род деятельности в текущей компании. Например, парень работал в отделе закупок и ему надоела рутина/маленькая зарплата - он сделал шефу предложение построить отдел аналитики, мотивировав это цифрами (кстати, Андрон написал классный пост с примером, как убедить кого угодно на цифрах - обязательно почитайте). Начальник согласился и вот он пришел к нам учиться.
Итого: хоть компания и небольшая, человек обучается за счет компании и у него классные перспективы роста. Он либо станет начальном аналитики в этой компании, либо получит опыт построения аналитики с нуля и уйдет в Яндекс.
4. Преподавание и авторство
Очень крутой способ прокачать свои скиллы - стать куратором на каком-нибудь курсе, начать писать статьи, проверять домашки и так далее. Если вы прошли курс, вы уже знаете больше, чем 80% начинающих аналитиков - вам есть, чему их научить. А учитывая большое число онлайн-образовалок сегодня, вам просто нужно найти ту, которая будет по душе, и писать им за деньги статьи / заниматься преподаванием.
Да, этот способ напрямую не поможет зайти в аналитику, т.к. у вас не будет коммерческого опыта. Но вы очень круто прокачаете свои скиллы (лучший способ понять что-то - объяснить кому-то) и познакомитесь с огромным количеством людей, которые могут стать драйвером вашей карьеры.
Кстати, хоть это и самый неочевидный путь, наш CEO Андрон как раз по нему и пошел в свое время. Как видите, все получилось 🙂
5. Консалтинг
Этот способ подходит, если вы профессионал в смежной области - например, финансист, бухгалтер или программист. Вы можете предлагать своим клиентам (как правило, небольшим компаниям) дополнительные услуги - для них это выгодно + они вам доверяют.
У нас есть целая когорта студентов, которые на аутсорсе оказывают услуги финансового сопровождения + комбинируют это с внедрением дашбордов и прочей аналитической работой.
А если потом захочется - пойдете в Яндекс, как вы уже поняли 😀
Заключение
Мы искренне верим в каждый из этих 5 способов и каждому советуем. Более того, мы знаем десятки примеров (в том числе и на личном опыте) по каждому из этих пунктов. Поэтому к опасению новых студентов «после обучения не смогу найти работу» относимся с пониманием, но всячески искренне пытаемся переубедить.
Как вам, зашла подборка? Давайте наберем на этом посте 40 реакций огонечков 🔥 и мы будем делать такие подборки с советами почаще!
🔥52❤4👍3
Приглашаем на персональную экскурсию в Симулятор! 🔥
Вместо часа чтения статей и просмотра видео проведите этот час с нами в Симуляторе «Аналитик данных»!
Мы сапожники с сапогами: наша команда несколько раз с нуля отстраивала аналитику в крупных компаниях, а сейчас мы строим сразу несколько data-driven компаний - нам есть, чем вас удивить!
За час в формате персонального созвона в Google Meet мы вам покажем и расскажем:
🔹 Как выстроить обучение, чтобы максимально быстро устроиться аналитиком (даже с нуля)
🔹 Почему 95% новичков не могут найти работу и как не попасть в их число
🔹 Как выглядит идеальное портфолио (на примере реальных людей)
🔹 Почему SQL и Python - не основной навык аналитика
Чтобы записаться на персональную экскурсию прямо сейчас, перейдите по ссылке 👉🏻 ссылка
Вместо часа чтения статей и просмотра видео проведите этот час с нами в Симуляторе «Аналитик данных»!
Мы сапожники с сапогами: наша команда несколько раз с нуля отстраивала аналитику в крупных компаниях, а сейчас мы строим сразу несколько data-driven компаний - нам есть, чем вас удивить!
За час в формате персонального созвона в Google Meet мы вам покажем и расскажем:
🔹 Как выстроить обучение, чтобы максимально быстро устроиться аналитиком (даже с нуля)
🔹 Почему 95% новичков не могут найти работу и как не попасть в их число
🔹 Как выглядит идеальное портфолио (на примере реальных людей)
🔹 Почему SQL и Python - не основной навык аналитика
Чтобы записаться на персональную экскурсию прямо сейчас, перейдите по ссылке 👉🏻 ссылка
🔥4❤2👍1
А может вообще не будем учить этот Python? 🤪
Ребят, мы тут подумали - здесь много людей, которые еще только обучаются, проходят платные/бесплатные курсы и планируют стать аналитиками. А зачем вы вообще учите Python? У вас есть это понимание, когда вы изучаете его на очередном курсе или просто «чтобы было»?
Если что, правильный ответ -Python крайне необходим аналитику. Просто супер редко рассказывают, в каких задачах вы реально его будете использовать.
А мы хотим рассказать вам прям на реальных примерах - мы опросили наших студентов Симулятора «Аналитик данных» - пригодился ли им Python после трудоустройства и как они его используют.
1️⃣
- Федор
- До обучения: методист в университете
- После обучения: аналитик в федеральной сети товаров у дома
- Как использует Python: В сети 500+ магазинов по России и СНГ, сбор данных довольно затруднительный. С помощью Python я пишу скрипты, которые выгружают данные из товароучетной программы и заполняют единую базу данных, которая крутится у нас на сервере. Дальше уже к этой базе подключен Power BI и развернуты дашборды. Т.к. постоянно открываются новые магазины и меняется ассортиментная матрица, периодически приходится править скрипты. Сами скрипты я автоматизировал с помощью cron, в будущем планируем переходить на Airflow.
2️⃣
- Лилия
- До обучения: BI-аналитик
- После обучения: Продуктовый аналитик, СБЕР
- Как использует Python: Мой отдел занимается RnD в части скоринговых моделей, поэтому я очень много работаю с Pandas, провожу EDA, исследую разные признаки, пытаясь постоянно улучшить нашу модель выдачи кредита и снижения дефолтности. Плюс мы учитываем очень много информации из разных баз, поэтому отдельно выделила бы подключение в базам через Python - это супер удобно, у меня уже есть заранее написанные коннекторы почти ко всем основным СУБД.
3️⃣
- Михаил
- До обучения: сотрудник МВД
- После обучения: CRM-аналитик, онлайн-образование
- Как использует Python: Онлайн-образование - бешеная область с точки зрения источников данных. Их тут миллион и они все друг с другом не связаны. Поэтому я почти каждый день пишу какие-то новые скрипты, чтобы выгружать данные по API из разных сервисов, собирать их в одну базу и как-то объединять между собой. Я даже не представляю, как они это раньше делали в Excel…
✅ Заключение
Кстати, все эти отраслевые задачи мы с нуля вас научим решать в нашем Симуляторе, чтобы уже через несколько месяцев вы устроились аналитиком в крутую компанию. Записывайтесь на персональную экскурсию в Симулятор - расскажем, как это сделать 👉🏻 ссылка
Ребят, мы тут подумали - здесь много людей, которые еще только обучаются, проходят платные/бесплатные курсы и планируют стать аналитиками. А зачем вы вообще учите Python? У вас есть это понимание, когда вы изучаете его на очередном курсе или просто «чтобы было»?
Если что, правильный ответ -
А мы хотим рассказать вам прям на реальных примерах - мы опросили наших студентов Симулятора «Аналитик данных» - пригодился ли им Python после трудоустройства и как они его используют.
1️⃣
- Федор
- До обучения: методист в университете
- После обучения: аналитик в федеральной сети товаров у дома
- Как использует Python: В сети 500+ магазинов по России и СНГ, сбор данных довольно затруднительный. С помощью Python я пишу скрипты, которые выгружают данные из товароучетной программы и заполняют единую базу данных, которая крутится у нас на сервере. Дальше уже к этой базе подключен Power BI и развернуты дашборды. Т.к. постоянно открываются новые магазины и меняется ассортиментная матрица, периодически приходится править скрипты. Сами скрипты я автоматизировал с помощью cron, в будущем планируем переходить на Airflow.
2️⃣
- Лилия
- До обучения: BI-аналитик
- После обучения: Продуктовый аналитик, СБЕР
- Как использует Python: Мой отдел занимается RnD в части скоринговых моделей, поэтому я очень много работаю с Pandas, провожу EDA, исследую разные признаки, пытаясь постоянно улучшить нашу модель выдачи кредита и снижения дефолтности. Плюс мы учитываем очень много информации из разных баз, поэтому отдельно выделила бы подключение в базам через Python - это супер удобно, у меня уже есть заранее написанные коннекторы почти ко всем основным СУБД.
3️⃣
- Михаил
- До обучения: сотрудник МВД
- После обучения: CRM-аналитик, онлайн-образование
- Как использует Python: Онлайн-образование - бешеная область с точки зрения источников данных. Их тут миллион и они все друг с другом не связаны. Поэтому я почти каждый день пишу какие-то новые скрипты, чтобы выгружать данные по API из разных сервисов, собирать их в одну базу и как-то объединять между собой. Я даже не представляю, как они это раньше делали в Excel…
✅ Заключение
Кстати, все эти отраслевые задачи мы с нуля вас научим решать в нашем Симуляторе, чтобы уже через несколько месяцев вы устроились аналитиком в крутую компанию. Записывайтесь на персональную экскурсию в Симулятор - расскажем, как это сделать 👉🏻 ссылка
🔥8👍2❤1
Разбор задач по SQL повышенной сложности 🔥
Когда-то давно мы проводили стрим и решали задачи повышенной сложности, которые вызывали затруднение более чем у 700 человек!
Сегодня мы рады поделиться с вами записью этого кейса - там вас ждет только концентрация полезностей, лайфхаков SQL и профессиональных приемов.
Например, вам предстоит решить задачи:
- Формирование последовательных интервалов
- Поиск топовых транзакций
Скорее смотрите, чтобы не пропустить 👇🏻
🔗 https://simulative.ru/hard-sql
Когда-то давно мы проводили стрим и решали задачи повышенной сложности, которые вызывали затруднение более чем у 700 человек!
Сегодня мы рады поделиться с вами записью этого кейса - там вас ждет только концентрация полезностей, лайфхаков SQL и профессиональных приемов.
Например, вам предстоит решить задачи:
- Формирование последовательных интервалов
- Поиск топовых транзакций
Скорее смотрите, чтобы не пропустить 👇🏻
🔗 https://simulative.ru/hard-sql
🔥12❤5👍2
Пост-база для начинающих аналитиков: продуктовые метрики в маркетинге 🔥
Недавно мы обновили тарифы в Симуляторе «Аналитик данных» и внедрили классную опцию - ежемесячные закрытые мастер-классы для наших студентов. Сейчас я (Андрон, CEO Simulative) готовлю материал для мастер-класса, который будет проходить на выходных - он как раз будет про продуктовые метрики, аналитику в маркетинге и прочие штуки. Так и родился этот пост - хочу поделиться и с вами полезностями по этой теме 🙂
Какие метрики для маркетинга обязательно нужно знать и отслеживать
- Spent - сколько денег потрачено
- CPC (cost per click) - стоимость клика
- CTR (click through rate) - % конверсии из показа в клик
- Leads - количество заявок (лидов)
- CPL (cost per lead) - стоимость лида
- CR1 (conversion rate 1) - % конверсии из клика в лида
- vLeads (valid leads) - валидные (квалифицированные лиды)
- vCR (valid conversion rate) - конверсия в квалифицированного лида
- Purchases - покупки
- CR2 (conversion rate 2) - % конверсии из лида в покупателя
- CAC (customer acquisition cost) - стоимость привлечения клиента
- AOV (average order value) - средний чек
- ROMI (return on marketing investments) - окупаемость маркетинговых инвестиций
Что нужно знать, чтобы собирать эти данные
- Первичные рекламные метрики (Spent - CTR) можно взять в рекламных кабинетах
- Информацию о лидах можно взять с вашего сайта (достать из базы с помощью SQL или Python) или аналитической системы (например, Яндекс Метрики)
- Информацию о покупках можно взять из вашей внутренней CRM-системы (например, с помощью скрипта на Python)
Какие знания помогают тестировать и оптимизировать рекламу (на нашем опыте)
- A/B-тесты - мы на ежедневной основе проводим A/B-тесты новых рекламных креативов, текстов и аудиторий
- Ежедневный мониторинг - очень помогают принимать решения настроенные операционные дашборды в Power BI или Metabase, где видна динамика каждой метрики и можно посмотреть срезы за каждый период
- Глубокое понимание связи между метриками - не всегда сходу очевидно, что нужно поменять в рекламе: иногда нужно закапаться в цифры чуть глубже и этот скилл можно прокачать
А чтобы глубоко прокачаться в аналитике (даже с нуля) всего за несколько месяцев - приходите к нам в Симулятор «Аналитик данных». Как раз успеете на наш мастер-класс по продуктовым метрикам 😉
🔗 https://simulative.ru/data-analyst
Недавно мы обновили тарифы в Симуляторе «Аналитик данных» и внедрили классную опцию - ежемесячные закрытые мастер-классы для наших студентов. Сейчас я (Андрон, CEO Simulative) готовлю материал для мастер-класса, который будет проходить на выходных - он как раз будет про продуктовые метрики, аналитику в маркетинге и прочие штуки. Так и родился этот пост - хочу поделиться и с вами полезностями по этой теме 🙂
Какие метрики для маркетинга обязательно нужно знать и отслеживать
- Spent - сколько денег потрачено
- CPC (cost per click) - стоимость клика
- CTR (click through rate) - % конверсии из показа в клик
- Leads - количество заявок (лидов)
- CPL (cost per lead) - стоимость лида
- CR1 (conversion rate 1) - % конверсии из клика в лида
- vLeads (valid leads) - валидные (квалифицированные лиды)
- vCR (valid conversion rate) - конверсия в квалифицированного лида
- Purchases - покупки
- CR2 (conversion rate 2) - % конверсии из лида в покупателя
- CAC (customer acquisition cost) - стоимость привлечения клиента
- AOV (average order value) - средний чек
- ROMI (return on marketing investments) - окупаемость маркетинговых инвестиций
Что нужно знать, чтобы собирать эти данные
- Первичные рекламные метрики (Spent - CTR) можно взять в рекламных кабинетах
- Информацию о лидах можно взять с вашего сайта (достать из базы с помощью SQL или Python) или аналитической системы (например, Яндекс Метрики)
- Информацию о покупках можно взять из вашей внутренней CRM-системы (например, с помощью скрипта на Python)
Какие знания помогают тестировать и оптимизировать рекламу (на нашем опыте)
- A/B-тесты - мы на ежедневной основе проводим A/B-тесты новых рекламных креативов, текстов и аудиторий
- Ежедневный мониторинг - очень помогают принимать решения настроенные операционные дашборды в Power BI или Metabase, где видна динамика каждой метрики и можно посмотреть срезы за каждый период
- Глубокое понимание связи между метриками - не всегда сходу очевидно, что нужно поменять в рекламе: иногда нужно закапаться в цифры чуть глубже и этот скилл можно прокачать
А чтобы глубоко прокачаться в аналитике (даже с нуля) всего за несколько месяцев - приходите к нам в Симулятор «Аналитик данных». Как раз успеете на наш мастер-класс по продуктовым метрикам 😉
🔗 https://simulative.ru/data-analyst
👍8🔥8❤3
Туториал: Как и зачем использовать функцию COALESCE в SQL (с примерами) 🔥
В модуле по SQL нашего Симулятора «Аналитик данных» мы много рассказываем про разные «отраслевые фишечки», которые делают код чище и помогают избегать ошибок на работе. И одна из таких фишечек - использование
Если вы давно нас читаете, то наверняка вы уже видели посты про нее. Например, почему расчет среднего приводит к ошибке или одна мелочь убивает целый запрос. Однако все равно почти каждую неделю мы встречаемся с вопросами - то студенты в чате спрашивают, то в комментариях под нашими постами, то на вебинарах.
Поэтому мы подготовили для вас туториал с подробным объяснением:
- что такое функция COALESCE и зачем она нужна
- как она устроена «под капотом»
- конкретным бизнесовый пример ее использования
Прочитать туториал можно в нашем блоге Simulative 👇🏻
🔗 https://simulative.ru/blog/sql-coalesce
В модуле по SQL нашего Симулятора «Аналитик данных» мы много рассказываем про разные «отраслевые фишечки», которые делают код чище и помогают избегать ошибок на работе. И одна из таких фишечек - использование
COALESCE. Если вы давно нас читаете, то наверняка вы уже видели посты про нее. Например, почему расчет среднего приводит к ошибке или одна мелочь убивает целый запрос. Однако все равно почти каждую неделю мы встречаемся с вопросами - то студенты в чате спрашивают, то в комментариях под нашими постами, то на вебинарах.
Поэтому мы подготовили для вас туториал с подробным объяснением:
- что такое функция COALESCE и зачем она нужна
- как она устроена «под капотом»
- конкретным бизнесовый пример ее использования
Прочитать туториал можно в нашем блоге Simulative 👇🏻
🔗 https://simulative.ru/blog/sql-coalesce
🔥11❤2🤩2👍1
Приглашаем на персональную экскурсию в Симулятор! 🔥
Вместо часа чтения статей и просмотра видео проведите этот час с нами в Симуляторе «Аналитик данных»!
Мы сапожники с сапогами: наша команда несколько раз с нуля отстраивала аналитику в крупных компаниях, а сейчас мы строим сразу несколько data-driven компаний - нам есть, чем вас удивить!
За час в формате персонального созвона в Google Meet мы вам покажем и расскажем:
- Как выстроить обучение, чтобы максимально быстро устроиться аналитиком (даже с нуля)
- Почему 95% новичков не могут найти работу и как не попасть в их число
- Как выглядит идеальное портфолио (на примере реальных людей)
- Почему SQL и Python - не основной навык аналитика
Чтобы записаться на персональную экскурсию прямо сейчас, перейдите по ссылке 👉🏻 ссылка
Вместо часа чтения статей и просмотра видео проведите этот час с нами в Симуляторе «Аналитик данных»!
Мы сапожники с сапогами: наша команда несколько раз с нуля отстраивала аналитику в крупных компаниях, а сейчас мы строим сразу несколько data-driven компаний - нам есть, чем вас удивить!
За час в формате персонального созвона в Google Meet мы вам покажем и расскажем:
- Как выстроить обучение, чтобы максимально быстро устроиться аналитиком (даже с нуля)
- Почему 95% новичков не могут найти работу и как не попасть в их число
- Как выглядит идеальное портфолио (на примере реальных людей)
- Почему SQL и Python - не основной навык аналитика
Чтобы записаться на персональную экскурсию прямо сейчас, перейдите по ссылке 👉🏻 ссылка
❤3🔥3👍2
РАЗБОР ХИТРОГО ВОПРОСА С СОБЕСЕДОВАНИЯ НА ПРОДУКТОВОГО АНАЛИТИКА 🔥
Недавно один из студентов нашего Симулятора «Аналитик данных», которого мы ведем по карьерному треккингу после завершения курса, проходил собеседование в крупный маркетплейс курсов. На собеседовании спрашивали много продуктовых кейсов и одним из них мы хотим поделиться.
Описание задачи ✅
Компания продает подписку по freemium модели - у них на сайте 1000+ курсов, бесплатно ты можешь выбрать около 100, остальное доступно по месячной подписке. А задача в следующем:
Предложите алгоритм ранжирования курсов в каталоге, который положительно повлияет на продажу подписки. Также опишите метрику, динамику которой вы будете отслеживать для оценки эффективности.
Что в ней интересного? ✅
Сейчас мы вам расскажем подробности решения этой задачи, но для начала - пару слов о том, почему вообще она нас зацепила. Во-первых, она реально нетривиальная и большинство аналитиков решают ее неправильно. А, во-вторых, у нас есть точно такая же задача в Симуляторе (в качестве доказательства прикрепим скрин в комментарии - там есть и задание, и ответ студента, и наш первый комментарий по его работе) - с таким 100% мэтчем мы просто не могли пройти мимо.
Неправильный ход решения ✅
На нашем опыте, большинство людей при упоминании «ранжирования» сразу начинают предлагать очевидные решения. Например, ориентироваться на рейтинг курса, частоту кликов на курс в текущем рейтинге, % доходимости до конца курса и так далее. Вот несколько примеров, почему эти рассуждения не верны:
- Высокий рейтинг курса вообще не гарантирует, что после этого человек купит подписку. Он может пройти курс, кайфануть и больше никогда не вернуться.
- Частота кликов на курс в текущем рейтинге - это вообще ложное предположение. Почти на 100% очевидно, что чаще будут кликать на курсы, которые в текущем рейтинге стоят выше. Соответственно, рейтинг никогда не поменяется.
- % доходимости до конца курса - как и в первом случае, показатель доходимости вообще никак не влияет на покупки подписки.
Общая ошибка такая: Кандидаты предлагают решения, которые никак не отвечают условию задачи - их методы ранжирования не ведут к увеличению продаж.
Как нужно решить эту задачу ✅
Здесь возможно 2 варианта - либо предложить алгоритм, который напрямую увеличивает продажи, либо предложить что-то менее очевидное, но объяснить, как это повлияет на продажи. Ниже примеры двух подходов:
1. Рассчитываем для каждого курса, сколько людей, записавшихся на него, впоследствии купили подписку. Ранжируем выше те курсы, у которых этот показатель выше. Возможно стоит перейти к относительным величинам, чтобы убрать искажения из-за того, что некоторые курсы проходит сильно больше людей. Показатель для замера эффективности - доля платящих пользователей среди всех пользователей.
2. Ранжируем выше курсы с высоким рейтингом. Предполагаем, что высокий NPS имеет прямую корреляцию с покупкой: пользователь остается доволен, покупает подписку и проходит другие курсы. Это гипотезу нужно проверить дополнительно. Показатель для замера эффективности - как и в первом варианте.
В первом случае мы предлагаем решение, которое напрямую влияет на ту метрику, которую мы увеличиваем. Во втором случае мы предлагаем косвенное решение, но мотивируем его своей гипотезой и указываем на необходимость ее проверки.
Заключение ✅
Решать продуктовые кейсы (да и вообще «думать» и делать правильные выводы) - один из основных навыков аналитика.
💯💯💯
А если тоже хотите стать крутым аналитиком всего за несколько месяцев, записывайтесь на персональную экскурсию в Симулятор - расскажем как 👉🏻 ссылка
Недавно один из студентов нашего Симулятора «Аналитик данных», которого мы ведем по карьерному треккингу после завершения курса, проходил собеседование в крупный маркетплейс курсов. На собеседовании спрашивали много продуктовых кейсов и одним из них мы хотим поделиться.
Описание задачи ✅
Компания продает подписку по freemium модели - у них на сайте 1000+ курсов, бесплатно ты можешь выбрать около 100, остальное доступно по месячной подписке. А задача в следующем:
Предложите алгоритм ранжирования курсов в каталоге, который положительно повлияет на продажу подписки. Также опишите метрику, динамику которой вы будете отслеживать для оценки эффективности.
Что в ней интересного? ✅
Сейчас мы вам расскажем подробности решения этой задачи, но для начала - пару слов о том, почему вообще она нас зацепила. Во-первых, она реально нетривиальная и большинство аналитиков решают ее неправильно. А, во-вторых, у нас есть точно такая же задача в Симуляторе (в качестве доказательства прикрепим скрин в комментарии - там есть и задание, и ответ студента, и наш первый комментарий по его работе) - с таким 100% мэтчем мы просто не могли пройти мимо.
Неправильный ход решения ✅
На нашем опыте, большинство людей при упоминании «ранжирования» сразу начинают предлагать очевидные решения. Например, ориентироваться на рейтинг курса, частоту кликов на курс в текущем рейтинге, % доходимости до конца курса и так далее. Вот несколько примеров, почему эти рассуждения не верны:
- Высокий рейтинг курса вообще не гарантирует, что после этого человек купит подписку. Он может пройти курс, кайфануть и больше никогда не вернуться.
- Частота кликов на курс в текущем рейтинге - это вообще ложное предположение. Почти на 100% очевидно, что чаще будут кликать на курсы, которые в текущем рейтинге стоят выше. Соответственно, рейтинг никогда не поменяется.
- % доходимости до конца курса - как и в первом случае, показатель доходимости вообще никак не влияет на покупки подписки.
Общая ошибка такая: Кандидаты предлагают решения, которые никак не отвечают условию задачи - их методы ранжирования не ведут к увеличению продаж.
Как нужно решить эту задачу ✅
Здесь возможно 2 варианта - либо предложить алгоритм, который напрямую увеличивает продажи, либо предложить что-то менее очевидное, но объяснить, как это повлияет на продажи. Ниже примеры двух подходов:
1. Рассчитываем для каждого курса, сколько людей, записавшихся на него, впоследствии купили подписку. Ранжируем выше те курсы, у которых этот показатель выше. Возможно стоит перейти к относительным величинам, чтобы убрать искажения из-за того, что некоторые курсы проходит сильно больше людей. Показатель для замера эффективности - доля платящих пользователей среди всех пользователей.
2. Ранжируем выше курсы с высоким рейтингом. Предполагаем, что высокий NPS имеет прямую корреляцию с покупкой: пользователь остается доволен, покупает подписку и проходит другие курсы. Это гипотезу нужно проверить дополнительно. Показатель для замера эффективности - как и в первом варианте.
В первом случае мы предлагаем решение, которое напрямую влияет на ту метрику, которую мы увеличиваем. Во втором случае мы предлагаем косвенное решение, но мотивируем его своей гипотезой и указываем на необходимость ее проверки.
Заключение ✅
Решать продуктовые кейсы (да и вообще «думать» и делать правильные выводы) - один из основных навыков аналитика.
💯💯💯
А если тоже хотите стать крутым аналитиком всего за несколько месяцев, записывайтесь на персональную экскурсию в Симулятор - расскажем как 👉🏻 ссылка
🔥16👍7❤4
ЧЕМ ЗАНИМАЮТСЯ АНАЛИТИКИ НА РАБОТЕ - 3 РЕАЛЬНЫЕ ИСТОРИИ 🔥
Аналитика - очень многогранная (и этим интересная) сфера. В каждой компании свои маркетинговые воронки, свой продукт, свои слабые места - поэтому аналитика выстроена абсолютно по-разному. Вы можете прийти в компанию Х и 3 года делать одно, а потом перейти в компанию Y и столкнуться совершенно с другими инструментами, подходами и задачами.
И зачастую люди, даже уже работая в аналитике, не до конца понимают, а чем вообще занимаются их коллеги по цеху. Чего уж говорить про ребят, которые только учатся - некоторые имеют только примерное представление, чем же им предстоит заниматься.
Поэтому мы придумали классную штуку - мы опросили несколько наших студентов Симулятора, которые трудоустроились в разные компании, и попросили их рассказать - что входит в их обязанности. Что и требовалось доказать - все 3 истории получились абсолютно разными!
🔗 https://simulative.ru/blog
Кстати, а какие задачи вам ближе всего? Какому из героев, на ваш взгляд, повезло больше всего? Напишите в комментариях!
Аналитика - очень многогранная (и этим интересная) сфера. В каждой компании свои маркетинговые воронки, свой продукт, свои слабые места - поэтому аналитика выстроена абсолютно по-разному. Вы можете прийти в компанию Х и 3 года делать одно, а потом перейти в компанию Y и столкнуться совершенно с другими инструментами, подходами и задачами.
И зачастую люди, даже уже работая в аналитике, не до конца понимают, а чем вообще занимаются их коллеги по цеху. Чего уж говорить про ребят, которые только учатся - некоторые имеют только примерное представление, чем же им предстоит заниматься.
Поэтому мы придумали классную штуку - мы опросили несколько наших студентов Симулятора, которые трудоустроились в разные компании, и попросили их рассказать - что входит в их обязанности. Что и требовалось доказать - все 3 истории получились абсолютно разными!
🔗 https://simulative.ru/blog
Кстати, а какие задачи вам ближе всего? Какому из героев, на ваш взгляд, повезло больше всего? Напишите в комментариях!
🔥12❤7👍4
ПОЛНЫЙ РОАДМАП АНАЛИТИКА ДАННЫХ 🔥
Аналитика данных - одна из самых классных IT-профессий (у нас половина команды - аналитики, так что знаем не понаслышке): интересные проекты, разнообразный стек технологий, приятный и заряженный коллектив, а также многое другое.
Еще одно большое преимущество - относительно низкий порог входа. Стать аналитиком сильно проще, чем фуллстак-разработчиком или ML-инженером.
Но есть момент: современный аналитик - это «многорукий многоног». Он должен знать несколько языков программирования, несколько BI-систем, математику, A/B-тесты и кучу всего еще. И когда начинающий аналитик составляет для себя план изучения, глаза просто разбегаются и в голове образовывается каша - куда бежать и что учить? MySQL, PostgreSQL, MS SQL Server, SQL, Clickhouse, MariaDB - только по теме SQL набирается штук 20 разных тем. И неужели все нужно учить?!
Хорошая новость - нет 🙂 Мы подготовили для вас полный роадмап для аналитика данных - что нужно учить, в каком порядке, что обязательно/что факультативно и так далее.
Скорее скачивайте и сохраняйте себе роадмап, чтобы избавиться от путаницы и построить четкий план действий 👇🏻
https://simulative.ru/roadmap
Аналитика данных - одна из самых классных IT-профессий (у нас половина команды - аналитики, так что знаем не понаслышке): интересные проекты, разнообразный стек технологий, приятный и заряженный коллектив, а также многое другое.
Еще одно большое преимущество - относительно низкий порог входа. Стать аналитиком сильно проще, чем фуллстак-разработчиком или ML-инженером.
Но есть момент: современный аналитик - это «многорукий многоног». Он должен знать несколько языков программирования, несколько BI-систем, математику, A/B-тесты и кучу всего еще. И когда начинающий аналитик составляет для себя план изучения, глаза просто разбегаются и в голове образовывается каша - куда бежать и что учить? MySQL, PostgreSQL, MS SQL Server, SQL, Clickhouse, MariaDB - только по теме SQL набирается штук 20 разных тем. И неужели все нужно учить?!
Хорошая новость - нет 🙂 Мы подготовили для вас полный роадмап для аналитика данных - что нужно учить, в каком порядке, что обязательно/что факультативно и так далее.
Скорее скачивайте и сохраняйте себе роадмап, чтобы избавиться от путаницы и построить четкий план действий 👇🏻
https://simulative.ru/roadmap
👍11🔥6🤩2❤1
5 ПРИЧИН, ПОЧЕМУ НЕ ПОЛУЧАЕТСЯ «ВОЙТИ В IT» 🔥
Мы давно занимаемся образованием и помогаем взрослым людям сменить профессию и стать аналитиками данных (таких студентов у нас около 70%). Однако из-за большого количества «шлако-курсов», рынок онлайн-образования оброс стериотипами - даже если ты делаешь реально крутой и достойный продукт, к тебе все равно относятся скептически. А посыл «войти в IT» вообще стал мемом.
Но по другую сторону баррикад - сотни людей, которые рискнули, сделали правильный выбор курса, приложили усилия, выучились и осуществили свою цель: кто-то устроился аналитиком и повысил доход в несколько раз, кто-то наконец отвязался от офиса, кто-то занимается интересными проектами, а не «тухлит» на старом месте работы.
Но почему у кого-то получается, а кто-то так и не доходит до цели? Проблема только в курсах или есть вещи, на которые зависят только от вас?
Мы пообщались с нашими студентами Симулятора «Аналитик данных» (некоторые до цели дошли, а некоторые пока нет) и составили список ТОП-5 причин, в чем их отличие. Делимся с вами в наглядных карточках!
Кстати, на последней карточке разместили еще несколько реальных историй наших студентов. Если смогли они - сможете и вы!
Мы давно занимаемся образованием и помогаем взрослым людям сменить профессию и стать аналитиками данных (таких студентов у нас около 70%). Однако из-за большого количества «шлако-курсов», рынок онлайн-образования оброс стериотипами - даже если ты делаешь реально крутой и достойный продукт, к тебе все равно относятся скептически. А посыл «войти в IT» вообще стал мемом.
Но по другую сторону баррикад - сотни людей, которые рискнули, сделали правильный выбор курса, приложили усилия, выучились и осуществили свою цель: кто-то устроился аналитиком и повысил доход в несколько раз, кто-то наконец отвязался от офиса, кто-то занимается интересными проектами, а не «тухлит» на старом месте работы.
Но почему у кого-то получается, а кто-то так и не доходит до цели? Проблема только в курсах или есть вещи, на которые зависят только от вас?
Мы пообщались с нашими студентами Симулятора «Аналитик данных» (некоторые до цели дошли, а некоторые пока нет) и составили список ТОП-5 причин, в чем их отличие. Делимся с вами в наглядных карточках!
Кстати, на последней карточке разместили еще несколько реальных историй наших студентов. Если смогли они - сможете и вы!
👍3🔥3❤1
Приглашаем на персональную экскурсию в Симулятор! 🔥
Вместо часа чтения статей и просмотра видео проведите этот час с нами в Симуляторе «Аналитик данных»!
Мы сапожники с сапогами: наша команда несколько раз с нуля отстраивала аналитику в крупных компаниях, а сейчас мы строим сразу несколько data-driven компаний - нам есть, чем вас удивить!
За час в формате персонального созвона в Google Meet мы вам покажем и расскажем:
- Как выстроить обучение, чтобы максимально быстро устроиться аналитиком (даже с нуля)
- Почему 95% новичков не могут найти работу и как не попасть в их число
- Как выглядит идеальное портфолио (на примере реальных людей)
- Почему SQL и Python - не основной навык аналитика
Чтобы записаться на персональную экскурсию прямо сейчас, нажмите на кнопку ниже 👇🏻
Записаться на экскурсию
Вместо часа чтения статей и просмотра видео проведите этот час с нами в Симуляторе «Аналитик данных»!
Мы сапожники с сапогами: наша команда несколько раз с нуля отстраивала аналитику в крупных компаниях, а сейчас мы строим сразу несколько data-driven компаний - нам есть, чем вас удивить!
За час в формате персонального созвона в Google Meet мы вам покажем и расскажем:
- Как выстроить обучение, чтобы максимально быстро устроиться аналитиком (даже с нуля)
- Почему 95% новичков не могут найти работу и как не попасть в их число
- Как выглядит идеальное портфолио (на примере реальных людей)
- Почему SQL и Python - не основной навык аналитика
Чтобы записаться на персональную экскурсию прямо сейчас, нажмите на кнопку ниже 👇🏻
Записаться на экскурсию
❤4👍3🔥2
Самый быстрый способ стать аналитиком данных и найти работу 🔥
Сегодня мы поговорим про насущную проблему всех начинающих аналитиков - как найти работу 🔥 Наверняка эти вопросы вам знакомы (или еще только предстоит их себе задать):
- Как найти работу быстро?
- Как не тратить много времени и денег на бесполезное обучение?
- Как поменять профессию, если ты уже где-то работаешь?
Мы записали для вас целое видео, где поделимся 3 топовыми советами, которые помогут быстро стать аналитиком. Никакой воды, только конкретика и «мясо» 👇🏻
🔗 https://youtu.be/A7WMgncgyPY
Сегодня мы поговорим про насущную проблему всех начинающих аналитиков - как найти работу 🔥 Наверняка эти вопросы вам знакомы (или еще только предстоит их себе задать):
- Как найти работу быстро?
- Как не тратить много времени и денег на бесполезное обучение?
- Как поменять профессию, если ты уже где-то работаешь?
Мы записали для вас целое видео, где поделимся 3 топовыми советами, которые помогут быстро стать аналитиком. Никакой воды, только конкретика и «мясо» 👇🏻
🔗 https://youtu.be/A7WMgncgyPY
👍9❤5🔥3
Праздничная лотерея: подарки достанутся каждому! ❤️
Не знаете как порадовать себя и близкого человека на 8 Марта? Мы всё придумали за вас!
Участвуйте в беспроигрышной лотерее от Simulative! Подарки точно будут вам полезны, и их будет целых 5!
Почему Вам обязательно нужно принять участие в лотерее? 🎁
- В ней все выигрывают - каждый участник заберет с собой 5 подарков.
- Все подарки – бесплатные!
- Каждый подарок поможет прокачать знания и навыки в анализе данных, а кто-то найдет в них новые инсайты – собрали для вас только “мясной” контент.
Как принять участие в лотерее?
Перейдите на сайт по ссылке ниже, крутите барабан и забирайте все 5 подарков с собой.
🔗 Участвовать в лотерее — ссылка
Лотерея действует с 8 по 10 марта. Не упустите шанс получить ценные подарки!
Не знаете как порадовать себя и близкого человека на 8 Марта? Мы всё придумали за вас!
Участвуйте в беспроигрышной лотерее от Simulative! Подарки точно будут вам полезны, и их будет целых 5!
Почему Вам обязательно нужно принять участие в лотерее? 🎁
- В ней все выигрывают - каждый участник заберет с собой 5 подарков.
- Все подарки – бесплатные!
- Каждый подарок поможет прокачать знания и навыки в анализе данных, а кто-то найдет в них новые инсайты – собрали для вас только “мясной” контент.
Как принять участие в лотерее?
Перейдите на сайт по ссылке ниже, крутите барабан и забирайте все 5 подарков с собой.
🔗 Участвовать в лотерее — ссылка
Лотерея действует с 8 по 10 марта. Не упустите шанс получить ценные подарки!
🎉13❤4🤩3