Бесплатный тест для проверки ваших навыков в аналитике данных 🔥
Всего неделю назад мы сделали большой бесплатный тест для проверки навыков в аналитике данных, а его уже прошли более 500 человек!
Мы уже получили тонну фидбека - очень много хорошего, но была и конструктивная критика. Например, мы уже исправили несколько вопросов в секции по математике и A/B-тестированию и уточнили формулировки в некоторых задачах по SQL.
Короче, если вы еще не прошли тест - обязательно пройдите его. Тест полностью бесплатный и состоит из 3 секций - Продуктовое мышление, SQL и Математика & A/B-тестирование.
🔗 simulative.ru/test/assessment-of-skills-in-data-analytics
Никаких вопросов про котяток и задач про ферзей - вас ждут только реальные вопросы из коммерческих кейсов. Все, как мы любим 🙂
🔗 simulative.ru/test/assessment-of-skills-in-data-analytics
Enjoy ❤️
Всего неделю назад мы сделали большой бесплатный тест для проверки навыков в аналитике данных, а его уже прошли более 500 человек!
Мы уже получили тонну фидбека - очень много хорошего, но была и конструктивная критика. Например, мы уже исправили несколько вопросов в секции по математике и A/B-тестированию и уточнили формулировки в некоторых задачах по SQL.
Короче, если вы еще не прошли тест - обязательно пройдите его. Тест полностью бесплатный и состоит из 3 секций - Продуктовое мышление, SQL и Математика & A/B-тестирование.
🔗 simulative.ru/test/assessment-of-skills-in-data-analytics
Никаких вопросов про котяток и задач про ферзей - вас ждут только реальные вопросы из коммерческих кейсов. Все, как мы любим 🙂
🔗 simulative.ru/test/assessment-of-skills-in-data-analytics
Enjoy ❤️
👍14❤5🔥3
Вебинар — строим дашборд и анализируем маркетинг в прямом эфире 🔥
Всем привет, на связи Андрон, основатель IT Resume & Simulative 👋
Для меня, как владельца бизнеса, самая важная история - в любой момент времени четко иметь ответы на следующий вопросы:
* Окупается ли наша реклама?
* Какой канал работает лучше?
* Через сколько дней/месяцев наши маркетинговые косты отбиваются?
* Сколько денег приносит реклама в перспективе 1-2-3 лет?
* Какой самый топовый канал с точки зрения быстрого возврата инвестиций?
Ну и так далее. Все это можно оценить с помощью грамотного когортного анализа LTV и ROMI, я затрагивал уже эту тему ранее в этом посте.
Но это было только начало - мы собрались с прекрасной Настей Кузнецовой из Настенька и графики и решили провести целый открытый вебинар на эту тему!
Поэтому в понедельник, 1 апреля, в 19:00 по Мск мы ждем вас на самом полезном вебинаре этого года))
👉 https://www.youtube.com/watch?v=XxiUiWdkNng 👈
Вебинар открытый и можно смотреть без регистрации и СМС)) И поделитесь с друзьями - задача максимально прикладная, наверняка им будет интересно!)
А еще обязательно подпишитесь на каналы Андрона и Насти - ANDRON ALEXANYAN и Настенька и графики.
Сразу после вебинара Андрон выложит полный гайд о том, как проводить когортный анализ в SQL и Python + разбор 15 типовых ошибок при проведении когортного анализа, а Настя - получившийся дашборд!
До встречи на вебинаре! ❤️
Всем привет, на связи Андрон, основатель IT Resume & Simulative 👋
Для меня, как владельца бизнеса, самая важная история - в любой момент времени четко иметь ответы на следующий вопросы:
* Окупается ли наша реклама?
* Какой канал работает лучше?
* Через сколько дней/месяцев наши маркетинговые косты отбиваются?
* Сколько денег приносит реклама в перспективе 1-2-3 лет?
* Какой самый топовый канал с точки зрения быстрого возврата инвестиций?
Ну и так далее. Все это можно оценить с помощью грамотного когортного анализа LTV и ROMI, я затрагивал уже эту тему ранее в этом посте.
Но это было только начало - мы собрались с прекрасной Настей Кузнецовой из Настенька и графики и решили провести целый открытый вебинар на эту тему!
Поэтому в понедельник, 1 апреля, в 19:00 по Мск мы ждем вас на самом полезном вебинаре этого года))
👉 https://www.youtube.com/watch?v=XxiUiWdkNng 👈
Вебинар открытый и можно смотреть без регистрации и СМС)) И поделитесь с друзьями - задача максимально прикладная, наверняка им будет интересно!)
А еще обязательно подпишитесь на каналы Андрона и Насти - ANDRON ALEXANYAN и Настенька и графики.
Сразу после вебинара Андрон выложит полный гайд о том, как проводить когортный анализ в SQL и Python + разбор 15 типовых ошибок при проведении когортного анализа, а Настя - получившийся дашборд!
До встречи на вебинаре! ❤️
👍12🎉7🔥6😁1
Уже сегодня - вебинар с Андроном Алексаняном и Настей Кузнецовой 🔥
Напоминаем, что сегодня в 19:00 по Мск наш CEO Андрон Алексанян и Настя Кузнецова из Настенька и графики проведут бесплатный вебинар!
В прямом эфире они будут верстать дашборд с когортным анализом LTV и ROMI, а также обсуждать бизнесовую часть!
👉 https://www.youtube.com/watch?v=XxiUiWdkNng 👈
А еще обязательно подпишитесь на каналы Андрона и Насти - ANDRON ALEXANYAN и Настенька и графики.
Сразу после вебинара Андрон выложит полный гайд о том, как проводить когортный анализ в SQL и Python + разбор 15 типовых ошибок при проведении когортного анализа, а Настя - получившийся дашборд!
До встречи на вебинаре! ❤️
Напоминаем, что сегодня в 19:00 по Мск наш CEO Андрон Алексанян и Настя Кузнецова из Настенька и графики проведут бесплатный вебинар!
В прямом эфире они будут верстать дашборд с когортным анализом LTV и ROMI, а также обсуждать бизнесовую часть!
👉 https://www.youtube.com/watch?v=XxiUiWdkNng 👈
А еще обязательно подпишитесь на каналы Андрона и Насти - ANDRON ALEXANYAN и Настенька и графики.
Сразу после вебинара Андрон выложит полный гайд о том, как проводить когортный анализ в SQL и Python + разбор 15 типовых ошибок при проведении когортного анализа, а Настя - получившийся дашборд!
До встречи на вебинаре! ❤️
❤14🔥6👍3
Что такое когортный анализ и зачем он нужен? 🔥
Раз уж скоро у нас вебинар, посвященный в том числе когортному анализу, давайте поговорим - а что это вообще такое и зачем оно надо 😁
Определение ✅
Когортный анализ - это способ объединения клиентов/пользователей в группы по времени их первой покупки/регистрации в сервисе/присоединения к бонусной программе.
Обычно когорты объединяют по месяцам, т.е. если Вася купил 15 апреля, а Маша - 27 апреля, то они оба пойдут в апрельскую когорту.
Зачем нужны когорты? ✅
Когда мы работаем с бизнес-данными, мы анализируем поведение не какого-то одного клиента, а сразу тысяч или даже миллионов. Чтобы выявить какие-то общие паттерны поведения, нам нужно объединить этих клиентов по какому-то признаку. И когорта регистрации отлично для этого подходит.
Какие метрики мы отслеживаем с помощью когорт? ✅
Например, мы можем искать ответы на такие вопросы:
- Через сколько месяцев окупаются нашим маркетинговые инвестиции (т.е. на какой месяц LTV становится больше расходов на привлечение когорты).
- Сколько денег приносят нам клиенты не за первый месяц своей покупки, а спустя время - полгода, год, два года (особенно актуально, если у вас подписочная система или хотя бы несколько продуктов).
- Если делать когортный анализ retention, то можно увидеть, что какая-то когорта очень активно начала пользоваться продуктом, а потом быстро потеряла интерес, а другая наоборот - сохраняет его в перспективе года. На основании этого можно сделать вывод об эффективности рекламы, которая использовалась для привлечения той или иной когорты людей.
Как визуализировать когортный анализ? ✅
Обычно когортный анализ визуализируют с помощью таблицы, где по строкам - когорты, по столбцам - сколько времени прошло с момента первого касания, а значения - анализируемая метрика (LTV, retention, ROMI и так далее). Мы прикрепили картинку в комментариях к этому посту - это типичный пример.
Заключение ✅
Когортный анализ - абсолютная база. Его надо уметь делать и на SQL, и в Excel, и в Python, и в BI. Мы, например, в своем Симуляторе «Аналитик данных» многократно возвращаемся к когортному анализу в разных модулях и учим студентов его делать. Как минимум, потому что мы и сами используем его каждый день при принятии решений.
Хотите тоже стать крутым аналитиком, сразу обучаясь на коммерческих кейсах? Записывайтесь к нам на персональную экскурсию в Симулятор - расскажем, как 👇🏻
ссылка на экскурсию
Раз уж скоро у нас вебинар, посвященный в том числе когортному анализу, давайте поговорим - а что это вообще такое и зачем оно надо 😁
Определение ✅
Когортный анализ - это способ объединения клиентов/пользователей в группы по времени их первой покупки/регистрации в сервисе/присоединения к бонусной программе.
Обычно когорты объединяют по месяцам, т.е. если Вася купил 15 апреля, а Маша - 27 апреля, то они оба пойдут в апрельскую когорту.
Зачем нужны когорты? ✅
Когда мы работаем с бизнес-данными, мы анализируем поведение не какого-то одного клиента, а сразу тысяч или даже миллионов. Чтобы выявить какие-то общие паттерны поведения, нам нужно объединить этих клиентов по какому-то признаку. И когорта регистрации отлично для этого подходит.
Какие метрики мы отслеживаем с помощью когорт? ✅
Например, мы можем искать ответы на такие вопросы:
- Через сколько месяцев окупаются нашим маркетинговые инвестиции (т.е. на какой месяц LTV становится больше расходов на привлечение когорты).
- Сколько денег приносят нам клиенты не за первый месяц своей покупки, а спустя время - полгода, год, два года (особенно актуально, если у вас подписочная система или хотя бы несколько продуктов).
- Если делать когортный анализ retention, то можно увидеть, что какая-то когорта очень активно начала пользоваться продуктом, а потом быстро потеряла интерес, а другая наоборот - сохраняет его в перспективе года. На основании этого можно сделать вывод об эффективности рекламы, которая использовалась для привлечения той или иной когорты людей.
Как визуализировать когортный анализ? ✅
Обычно когортный анализ визуализируют с помощью таблицы, где по строкам - когорты, по столбцам - сколько времени прошло с момента первого касания, а значения - анализируемая метрика (LTV, retention, ROMI и так далее). Мы прикрепили картинку в комментариях к этому посту - это типичный пример.
Заключение ✅
Когортный анализ - абсолютная база. Его надо уметь делать и на SQL, и в Excel, и в Python, и в BI. Мы, например, в своем Симуляторе «Аналитик данных» многократно возвращаемся к когортному анализу в разных модулях и учим студентов его делать. Как минимум, потому что мы и сами используем его каждый день при принятии решений.
Хотите тоже стать крутым аналитиком, сразу обучаясь на коммерческих кейсах? Записывайтесь к нам на персональную экскурсию в Симулятор - расскажем, как 👇🏻
ссылка на экскурсию
🔥8👍5❤4
Через час начинаем вебинар с Андроном и Настей - будем строить дашборд в режиме онлайн и делать когортный анализ!
👉 https://www.youtube.com/watch?v=XxiUiWdkNng 👈
👉 https://www.youtube.com/watch?v=XxiUiWdkNng 👈
👍5🔥4❤2
Ни на что не намекаем, но через 2 минуты мы стартуем вебинар с Андроном и Настей Кузнецовой - будем строить дашборд и анализировать маркетинг в прямом эфире:
👉 https://www.youtube.com/watch?v=XxiUiWdkNng 👈
👉 https://www.youtube.com/watch?v=XxiUiWdkNng 👈
👍6🔥3❤2
Из каких сфер чаще всего переходят в аналитику? 🔥
Есть такие люди - свитчеры или рескиллеры: это взрослые люди, которые меняют профессию. Наверняка таких тут очень много - например, по нашей статистике Симулятора «Аналитик данных», у нас около 70% таких студентов.
Так вот, вечная баталия - реально ли перейти из одной сферы в другую. Отвечаем: более чем реально! И это не маркетинговый трюк. Более того, есть сферы, из которых переходят чаще, чем из других:
1. Финансы и экономика. По сути очень близкая к аналитике сфера. Да, набор hard скиллов отличается, но склад ума очень схожий, поэтому свичнуться будет сильно проще. Плюс очень многие имеют возможность решать околоаналитические задачи у себя на текущем месте - они обучаются, делают пару рабочих проектов, оформляют классное резюме с коммерческим опытом вуаля - ты уже аналитик 🙂
2. Маркетинг и продакт-менеджмент. Сегодня все чаще от маркетологов и продактов ожидают навыки аналитика - поэтому такие ребята крайне часто переходят в аналитику полноценно. Кроме того, как и в предыдущем случае, они легко могут сделать парочку рабочих проектов на текущем месте и выгодно устроиться аналитиком.
3. Наука. Очень много приходит социологов, биологов, психологов, экологов. Так или иначе, все эти специальности связаны со статистической обработкой данных. И многие со временем понимают, что именно эта часть им наиболее интересна - тем более и платят, в среднем, побольше. Поэтому с радостью (и без особых проблем) становятся рескиллерами.
Это всего несколько примеров - на нашей практике была и экзотика: копирайтеры, дизайнеры интерьеров, садовники и много еще кто. Мы недавно даже делали статью про это - обязательно почитайте.
А какие еще области, откуда люди делали карьерный «пивот» вы знаете? Напишите в комментариях - это может кого-то вдохновить ❤️
Есть такие люди - свитчеры или рескиллеры: это взрослые люди, которые меняют профессию. Наверняка таких тут очень много - например, по нашей статистике Симулятора «Аналитик данных», у нас около 70% таких студентов.
Так вот, вечная баталия - реально ли перейти из одной сферы в другую. Отвечаем: более чем реально! И это не маркетинговый трюк. Более того, есть сферы, из которых переходят чаще, чем из других:
1. Финансы и экономика. По сути очень близкая к аналитике сфера. Да, набор hard скиллов отличается, но склад ума очень схожий, поэтому свичнуться будет сильно проще. Плюс очень многие имеют возможность решать околоаналитические задачи у себя на текущем месте - они обучаются, делают пару рабочих проектов, оформляют классное резюме с коммерческим опытом вуаля - ты уже аналитик 🙂
2. Маркетинг и продакт-менеджмент. Сегодня все чаще от маркетологов и продактов ожидают навыки аналитика - поэтому такие ребята крайне часто переходят в аналитику полноценно. Кроме того, как и в предыдущем случае, они легко могут сделать парочку рабочих проектов на текущем месте и выгодно устроиться аналитиком.
3. Наука. Очень много приходит социологов, биологов, психологов, экологов. Так или иначе, все эти специальности связаны со статистической обработкой данных. И многие со временем понимают, что именно эта часть им наиболее интересна - тем более и платят, в среднем, побольше. Поэтому с радостью (и без особых проблем) становятся рескиллерами.
Это всего несколько примеров - на нашей практике была и экзотика: копирайтеры, дизайнеры интерьеров, садовники и много еще кто. Мы недавно даже делали статью про это - обязательно почитайте.
А какие еще области, откуда люди делали карьерный «пивот» вы знаете? Напишите в комментариях - это может кого-то вдохновить ❤️
👍6❤4🔥2
Мы публикуем сюда много полезного контента - стараемся вкладывать в это всю душу и знания. Хотим, чтобы вам было и интересно, и полезно читать - ведь сейчас в сети очень много всего, но достойных ресурсов мало ❤️
А еще мы сосредоточенно изо дня в день развиваем свой флагманский продукт - Симулятор «Аналитик данных». Мы не клепаем 100500 сомнительных курсов, не применяем дешевые трюки, а стараемся работать над качеством своего продукта каждый день!
И кажется, у нас получается: по нашему (конечно же, непредвзятому 😁) мнению и мнению многих наших студентов (уже более непредвзятому) мы сделали один из лучших продуктов на рынке!
Поэтому, если вы решительно намерены стать крутым аналитиком, подумываете об этом или просто хотите прокачать свои скиллы в этой области - приходите к нам на персональную экскурсию в Симулятор!
👉 Записаться на экскурсию 👈
В формате персонального звонка наши эксперты вникнут в ваш запрос, расскажут про наш подход к обучению (и что в нем особенного), «лицом» покажут все материалы - ведь мы ими гордимся!
Если поймете, что нам по пути - будем рады вам помочь) Если нет - по крайней мере, вы уйдете с четкой структурой действий, полезными материалами и вдохновением)
Нажмите на кнопку ниже, чтобы записаться на экскурсию и получить все бонусы 👇🏻
👉 Записаться на экскурсию 👈
А еще мы сосредоточенно изо дня в день развиваем свой флагманский продукт - Симулятор «Аналитик данных». Мы не клепаем 100500 сомнительных курсов, не применяем дешевые трюки, а стараемся работать над качеством своего продукта каждый день!
И кажется, у нас получается: по нашему (конечно же, непредвзятому 😁) мнению и мнению многих наших студентов (уже более непредвзятому) мы сделали один из лучших продуктов на рынке!
Поэтому, если вы решительно намерены стать крутым аналитиком, подумываете об этом или просто хотите прокачать свои скиллы в этой области - приходите к нам на персональную экскурсию в Симулятор!
👉 Записаться на экскурсию 👈
В формате персонального звонка наши эксперты вникнут в ваш запрос, расскажут про наш подход к обучению (и что в нем особенного), «лицом» покажут все материалы - ведь мы ими гордимся!
Если поймете, что нам по пути - будем рады вам помочь) Если нет - по крайней мере, вы уйдете с четкой структурой действий, полезными материалами и вдохновением)
Нажмите на кнопку ниже, чтобы записаться на экскурсию и получить все бонусы 👇🏻
👉 Записаться на экскурсию 👈
🔥11❤4👍4
Задача с реального собеседования по SQL 🔥
Все мы знаем, что на собеседованиях спрашивают самые разные задачки - кто во что горазд. Однако, есть некоторые классические задачи, которые вы можете встретить на многих технических собесах. Одна из таких задач - поиск второй по размеру зарплаты с помощью SQL-запроса.
Задача, на самом деле, немного сложней, чем кажется. Конечно, опытный аналитик решит ее сходу, но у новичков она вызывает затруднение.
Если нам нужно было бы найти первую по размеру зарплату, то решение было бы на поверхности: мы бы отсортировали таблицу по полю Salary, а потом с помощью LIMIT оставили бы только первую строку (хотя это не самый правильный, однако красивый вариант).
Но по заданию нужно найти вторую зарплату. Или может быть третью - это все вариации одной и той же задачи. И один из вариантов решения такой задачи - с помощью оконной функции и подзапроса. Кстати и первую зарплату так можно найти (и такое решение самое правильное, пожалуй).
Код с решением - в карточках 🙂
💥💥💥
А если хотите стать крутым аналитиком и решать не абстрактные задачки, а крутые отраслевые кейсы - приходите к нам на персональную экскурсию в Симулятор!
👉 Записаться на экскурсию 👈
Все мы знаем, что на собеседованиях спрашивают самые разные задачки - кто во что горазд. Однако, есть некоторые классические задачи, которые вы можете встретить на многих технических собесах. Одна из таких задач - поиск второй по размеру зарплаты с помощью SQL-запроса.
Задача, на самом деле, немного сложней, чем кажется. Конечно, опытный аналитик решит ее сходу, но у новичков она вызывает затруднение.
Если нам нужно было бы найти первую по размеру зарплату, то решение было бы на поверхности: мы бы отсортировали таблицу по полю Salary, а потом с помощью LIMIT оставили бы только первую строку (хотя это не самый правильный, однако красивый вариант).
Но по заданию нужно найти вторую зарплату. Или может быть третью - это все вариации одной и той же задачи. И один из вариантов решения такой задачи - с помощью оконной функции и подзапроса. Кстати и первую зарплату так можно найти (и такое решение самое правильное, пожалуй).
Код с решением - в карточках 🙂
💥💥💥
А если хотите стать крутым аналитиком и решать не абстрактные задачки, а крутые отраслевые кейсы - приходите к нам на персональную экскурсию в Симулятор!
👉 Записаться на экскурсию 👈
👍10❤3🔥3😢1
Готовый проект для портфолио - ABC-анализ 🔥
ABC-анализ - еще одна базовая вещь, которую нужно знать любому аналитику. Она используется абсолютно в разных нишах бизнеса:
- оффлайн-торговля
- ecom
- торговля на маркетплейсах
- даже если вы продаете курсы, но очень много сразу 😁
Кроме того, это отличная идея для портфолио! В огромном количестве компаний рекрутер увидит этот проект в портфолио и скажет «воу, так мы это делаем в своем бизнесе, видимо чувак шарит». А дальше - оффер, печеньки в офисе, макбук от компании и вот это все)
Поэтому мы подготовили для вас готовый и уже оформленный проект для портфолио на примере ABC-анализа!
👉 Забирайте гайд по ссылке 👈
P.S. Там реально все необходимое. И код, и бизнес-выводы и даже описание коммерческого кейса.
ABC-анализ - еще одна базовая вещь, которую нужно знать любому аналитику. Она используется абсолютно в разных нишах бизнеса:
- оффлайн-торговля
- ecom
- торговля на маркетплейсах
- даже если вы продаете курсы, но очень много сразу 😁
Кроме того, это отличная идея для портфолио! В огромном количестве компаний рекрутер увидит этот проект в портфолио и скажет «воу, так мы это делаем в своем бизнесе, видимо чувак шарит». А дальше - оффер, печеньки в офисе, макбук от компании и вот это все)
Поэтому мы подготовили для вас готовый и уже оформленный проект для портфолио на примере ABC-анализа!
👉 Забирайте гайд по ссылке 👈
P.S. Там реально все необходимое. И код, и бизнес-выводы и даже описание коммерческого кейса.
❤12🔥6👍5
Тест: Какая аналитика подходит вам больше всего? 🔥
Недавно мы делали пост о том, какие бывают аналитики и чем они отличаются. Получилось классно - мы реально теперь просто при возникновении такого вопроса в диалоге можем просто скинуть ссылочку на пост 😁
Но мы решили пойти дальше и заняться профориентацией, т.к. многие из вас хотят стать аналитиками, но еще не определились, какая сфера им ближе. А это важно - от этого зависит и набор навыков, и срок обучения, и многое другое.
Поэтому мы собрали для вас классный тест, который покажет вам - какая аналитика данных вам подходит больше всего!
Без шуток - мы рассмотрели все основные направления аналитики и за счет несложных (но местами веселых) вопросов с высокой точностью определим, какая аналитика вам больше подойдет!
👉 Пройти тест 👈
Налетайте! 🔥
Недавно мы делали пост о том, какие бывают аналитики и чем они отличаются. Получилось классно - мы реально теперь просто при возникновении такого вопроса в диалоге можем просто скинуть ссылочку на пост 😁
Но мы решили пойти дальше и заняться профориентацией, т.к. многие из вас хотят стать аналитиками, но еще не определились, какая сфера им ближе. А это важно - от этого зависит и набор навыков, и срок обучения, и многое другое.
Поэтому мы собрали для вас классный тест, который покажет вам - какая аналитика данных вам подходит больше всего!
Без шуток - мы рассмотрели все основные направления аналитики и за счет несложных (но местами веселых) вопросов с высокой точностью определим, какая аналитика вам больше подойдет!
👉 Пройти тест 👈
Налетайте! 🔥
🔥10❤4👍4
Агрегирование в Pandas, которым вы не пользовались раньше 🔥
Работая с библиотекой Pandas, нередко приходится применять функции группировки и агрегирования. Все мы привыкли к
Но сегодня нам хотелось бы рассказать об одной интересной функции, которую можно использовать в агрегации. Речь пойдёт о функции
Более наглядно рассмотрим работу функции на небольшом примере. Представим, что у вас есть датафрейм с id клиента и с наименованием товаров, которые он покупал:
Для отображения уникальных покупок каждого клиента воспользуемся такой конструкцией:
В результате мы получим таблицу:
Это очень полезная конструкция, когда нужно вывести что-то уникальное с разбивкой по группам. А такое встречается прям часто - вот еще несколько примеров:
- Из каких модулей каждый студент решал задачи
- Какие группы товаров продавались в каждом из магазинов сети
- С какими пользователями обменивался сообщениями каждый пользователь
Хотите тоже освоить отраслевые фишки, обучаясь на реальных бизнесовых задачах, и быстро стать аналитиком? Приходите на персональную экскурсию в Симулятор - расскажем, как!
👉 Записаться на экскурсию 👈
Работая с библиотекой Pandas, нередко приходится применять функции группировки и агрегирования. Все мы привыкли к
sum, count и прочим распространенным функциям.Но сегодня нам хотелось бы рассказать об одной интересной функции, которую можно использовать в агрегации. Речь пойдёт о функции
set. Она позволит вывести уникальное множество значений для каждой группы.Более наглядно рассмотрим работу функции на небольшом примере. Представим, что у вас есть датафрейм с id клиента и с наименованием товаров, которые он покупал:
| id | product |
| 1 | p1 |
| 2 | p2 |
| 1 | p3 |
Для отображения уникальных покупок каждого клиента воспользуемся такой конструкцией:
df.groupby('id').agg({'product': 'set'})В результате мы получим таблицу:
| id | product |
| 1 | {p1, p3}|
| 2 | {p2} |
Это очень полезная конструкция, когда нужно вывести что-то уникальное с разбивкой по группам. А такое встречается прям часто - вот еще несколько примеров:
- Из каких модулей каждый студент решал задачи
- Какие группы товаров продавались в каждом из магазинов сети
- С какими пользователями обменивался сообщениями каждый пользователь
Хотите тоже освоить отраслевые фишки, обучаясь на реальных бизнесовых задачах, и быстро стать аналитиком? Приходите на персональную экскурсию в Симулятор - расскажем, как!
👉 Записаться на экскурсию 👈
👍27🔥6❤5
Несколько фишек когортного анализа 🔥
В субботу мы проводили закрытый мастер-класс для студентов нашего Симулятора «Аналитик данных». Тема мастер-класса была «Когортный анализ LTV/ROMI в Excel» - мы в режиме онлайн строили таблицу с когортным анализом LTV и ROMI по продажам онлайн-аптеки.
Помимо технической части, мы обсуждали важный вопрос - какие выводы можно делать на основании когортного анализа. И вот несколько мыслей с этого вебинара, которыми мы хотим поделиться с вами.
Высокий ROMI не значит эффективность рекламного канала ✅
Звучит немного пародоксально, учитывая, что ROMI показывает, насколько хорошо окупились наши вложения в маркетинг. Однако есть тонкий момент - даже при очень высоком ROMI всегда нужно оценивать, сколько денег вы вложили в рекламу.
Например, если вы вложили 10 000 рублей в рекламу и получили 500% ROMI - совсем не значит, что пропорция сохранится на бюджете в 10 млн. руб.
Именно поэтому на вебинаре мы порекомендовали всегда справочно выводить потраченный рекламный бюджет на каждую когорту.
Большая выручка не значит окупаемость инвестиций ✅
Если вы делаете когортный анализ и видите, что какая-то когорта с течением времени приносит вам все больше и больше денег, это совсем не значит, что она себя окупила. Все зависит от того, сколько денег вы вложили для привлечения этих клиентов.
Например, когорта «январь-2023» в первый месяц принесла 1 млн, а к 6 месяцу - уже 15 млн. суммарно. Вроде классно, да? Но если посмотреть расходы - на привлечение мы потратили 14 млн. руб. Получается, когорта окупает себя только к 6 месяцу, что не очень хорошо для бизнеса.
Поэтому на вебинаре мы порекомендовали всегда одновременно в одной таблице делать когортный анализ и LTV, и ROMI. Или хотя бы настроить подсветку значений LTV в зависимости от значения ROMI.
Заключение ✅
Конечно, это далеко не все - вебинар длился 1.5 часа. Главный его итог - мы единогласно со студентами решили, что намного лучше делать когортный анализ в SQL или Pandas 😁
Кстати, мы уже рассказывали про когортный анализ здесь, а также недавно проводили вебинар на эту тему.
Присоединяйтесь к нашему Симулятору «Аналитик данных», чтобы обучиться аналитике на реальных бизнес-кейсах, а также ежемесячно участвовать в подобных мастер-классах 🔥
👉🏻 Присоединиться к Симулятору 👈🏻
В субботу мы проводили закрытый мастер-класс для студентов нашего Симулятора «Аналитик данных». Тема мастер-класса была «Когортный анализ LTV/ROMI в Excel» - мы в режиме онлайн строили таблицу с когортным анализом LTV и ROMI по продажам онлайн-аптеки.
Помимо технической части, мы обсуждали важный вопрос - какие выводы можно делать на основании когортного анализа. И вот несколько мыслей с этого вебинара, которыми мы хотим поделиться с вами.
Высокий ROMI не значит эффективность рекламного канала ✅
Звучит немного пародоксально, учитывая, что ROMI показывает, насколько хорошо окупились наши вложения в маркетинг. Однако есть тонкий момент - даже при очень высоком ROMI всегда нужно оценивать, сколько денег вы вложили в рекламу.
Например, если вы вложили 10 000 рублей в рекламу и получили 500% ROMI - совсем не значит, что пропорция сохранится на бюджете в 10 млн. руб.
Именно поэтому на вебинаре мы порекомендовали всегда справочно выводить потраченный рекламный бюджет на каждую когорту.
Большая выручка не значит окупаемость инвестиций ✅
Если вы делаете когортный анализ и видите, что какая-то когорта с течением времени приносит вам все больше и больше денег, это совсем не значит, что она себя окупила. Все зависит от того, сколько денег вы вложили для привлечения этих клиентов.
Например, когорта «январь-2023» в первый месяц принесла 1 млн, а к 6 месяцу - уже 15 млн. суммарно. Вроде классно, да? Но если посмотреть расходы - на привлечение мы потратили 14 млн. руб. Получается, когорта окупает себя только к 6 месяцу, что не очень хорошо для бизнеса.
Поэтому на вебинаре мы порекомендовали всегда одновременно в одной таблице делать когортный анализ и LTV, и ROMI. Или хотя бы настроить подсветку значений LTV в зависимости от значения ROMI.
Заключение ✅
Конечно, это далеко не все - вебинар длился 1.5 часа. Главный его итог - мы единогласно со студентами решили, что намного лучше делать когортный анализ в SQL или Pandas 😁
Кстати, мы уже рассказывали про когортный анализ здесь, а также недавно проводили вебинар на эту тему.
Присоединяйтесь к нашему Симулятору «Аналитик данных», чтобы обучиться аналитике на реальных бизнес-кейсах, а также ежемесячно участвовать в подобных мастер-классах 🔥
👉🏻 Присоединиться к Симулятору 👈🏻
🔥8👍3🤩2❤1
Не волнуйтесь, это не фейк 😏
Друзья, если вы давно с нами, то вы знаете, что у нас есть 2 основных проекта:
- Образовательные симуляторы Simulative
- Платформа для подготовки к собеседованиям IT Resume
Исторически так получилось, что проект IT Resume появился раньше, поэтому канал называется «IT Resume» и аватарка канала - логотип этого проекта.
Однако последнее время контент сюда делает именно команда Simulative, поэтому мы решили восстановить справедливость и сменить оформление своих социальных сетей, чтобы ребятам было не обидно 😁
💥 Поэтому небольшое объявление 💥
Не удивляйтесь, когда увидите новый канал в своих подписках. Это не фейк и вас никуда не добавили - это все еще мы, команда IT Resume / Simulative, делаем для вас классный контент ❤️
В течение этой недели мы все поменяем, а пока просто заранее предупреждаем)
А если вам заходит наш контент - давайте наберем 50 реакций сердечек на этот пост ❤️ Это будет отличная мотивация для нашей команды делать еще больше качественного контента!
Друзья, если вы давно с нами, то вы знаете, что у нас есть 2 основных проекта:
- Образовательные симуляторы Simulative
- Платформа для подготовки к собеседованиям IT Resume
Исторически так получилось, что проект IT Resume появился раньше, поэтому канал называется «IT Resume» и аватарка канала - логотип этого проекта.
Однако последнее время контент сюда делает именно команда Simulative, поэтому мы решили восстановить справедливость и сменить оформление своих социальных сетей, чтобы ребятам было не обидно 😁
💥 Поэтому небольшое объявление 💥
Не удивляйтесь, когда увидите новый канал в своих подписках. Это не фейк и вас никуда не добавили - это все еще мы, команда IT Resume / Simulative, делаем для вас классный контент ❤️
В течение этой недели мы все поменяем, а пока просто заранее предупреждаем)
А если вам заходит наш контент - давайте наберем 50 реакций сердечек на этот пост ❤️ Это будет отличная мотивация для нашей команды делать еще больше качественного контента!
❤95👍4🔥2
Срочная новость - мы сделали для вас еще один бесплатный курс!
Больше всего за последний год у нас просили сделать именно курс по Основам языка Python. Курс подойдет абсолютным новичкам: мы с самого нуля шаг за шагом разбираем все темы - начиная от переменных и заканчивая работой с интересными модулями (например, для работы с Google Sheets).
Начать можно уже сегодня 👉🏻 https://simulative.ru/free-python
Курс максимально практикоориентированный - 10 глав, 100+ практических заданий, 3 бизнесовых проекта для портфолио. Все как мы любим 🙂
👉🏻 Записаться на бесплатный курс 👈🏻
Больше всего за последний год у нас просили сделать именно курс по Основам языка Python. Курс подойдет абсолютным новичкам: мы с самого нуля шаг за шагом разбираем все темы - начиная от переменных и заканчивая работой с интересными модулями (например, для работы с Google Sheets).
Начать можно уже сегодня 👉🏻 https://simulative.ru/free-python
Курс максимально практикоориентированный - 10 глав, 100+ практических заданий, 3 бизнесовых проекта для портфолио. Все как мы любим 🙂
👉🏻 Записаться на бесплатный курс 👈🏻
🔥28👍7❤5
А вы входите в 2% избранных? 🔥
Недавно мы сделали классный тест проверки своих навыков аналитика и его уже прошли много сотен человек. Поэтому мы уже провели первичную аналитику (аналитики ж мы, в конце концов).
Мы собрали информацию - на каких вопросах люди чаще всего фейлятся, а какие наоборот даются проще всего. Или вот еще - какое среднее и медианное значение правильных-неправильных ответов с распределением по секциям (мы построили свой любимый график - violinplot). Короче, много чего посмотрели - если вам интересно, поставьте реакцию на этот пост и мы поделимся с вами, как мы проводили эту аналитику: прям с графиками, кодом и выводами 😌
Но самая интересная статистика - сколько людей прошло тест полностью правильно. И шок - всего 2%?!
Честно сказать, мы были немного удивлены, потому что все эти вопросы спроектированы на основании материалов в нашем Симуляторе, а значит средний аналитик, который «входит в IT» должен это знать.
Однако мы получили много классного фидбека, что люди увидели свои слабые места и пошли их подтягивать - это не может не радовать, ведь индустрия за счет этого станет чуточку более прокачанной))
А вы уже проходили тест? Попали вы в 2% этих избранных? Если не проходили - обязательно проверьте себя! А если уже проходили - попробуйте еще раз спустя время)
👉 Проверить свои навыки 👈
Недавно мы сделали классный тест проверки своих навыков аналитика и его уже прошли много сотен человек. Поэтому мы уже провели первичную аналитику (аналитики ж мы, в конце концов).
Мы собрали информацию - на каких вопросах люди чаще всего фейлятся, а какие наоборот даются проще всего. Или вот еще - какое среднее и медианное значение правильных-неправильных ответов с распределением по секциям (мы построили свой любимый график - violinplot). Короче, много чего посмотрели - если вам интересно, поставьте реакцию на этот пост и мы поделимся с вами, как мы проводили эту аналитику: прям с графиками, кодом и выводами 😌
Но самая интересная статистика - сколько людей прошло тест полностью правильно. И шок - всего 2%?!
Честно сказать, мы были немного удивлены, потому что все эти вопросы спроектированы на основании материалов в нашем Симуляторе, а значит средний аналитик, который «входит в IT» должен это знать.
Однако мы получили много классного фидбека, что люди увидели свои слабые места и пошли их подтягивать - это не может не радовать, ведь индустрия за счет этого станет чуточку более прокачанной))
А вы уже проходили тест? Попали вы в 2% этих избранных? Если не проходили - обязательно проверьте себя! А если уже проходили - попробуйте еще раз спустя время)
👉 Проверить свои навыки 👈
🔥22👍10😁2❤1
Мы публикуем сюда много полезного контента - стараемся вкладывать в это всю душу и знания. Хотим, чтобы вам было и интересно, и полезно читать - ведь сейчас в сети очень много всего, но достойных ресурсов мало ❤️
А еще мы сосредоточенно изо дня в день развиваем свой флагманский продукт - Симулятор «Аналитик данных». Мы не клепаем 100500 сомнительных курсов, не применяем дешевые трюки, а стараемся работать над качеством своего продукта каждый день!
И кажется, у нас получается: по нашему (конечно же, непредвзятому 😁) мнению и мнению многих наших студентов (уже более непредвзятому) мы сделали один из лучших продуктов на рынке!
Поэтому, если вы решительно намерены стать крутым аналитиком, подумываете об этом или просто хотите прокачать свои скиллы в этой области - приходите к нам на персональную экскурсию в Симулятор!
👉 Записаться на экскурсию 👈
В формате персонального звонка наши эксперты вникнут в ваш запрос, расскажут про наш подход к обучению (и что в нем особенного), «лицом» покажут все материалы - ведь мы ими гордимся!
Если поймете, что нам по пути - будем рады вам помочь) Если нет - по крайней мере, вы уйдете с четкой структурой действий, полезными материалами и вдохновением)
Нажмите на кнопку ниже, чтобы записаться на экскурсию и получить все бонусы 👇🏻
👉 Записаться на экскурсию 👈
А еще мы сосредоточенно изо дня в день развиваем свой флагманский продукт - Симулятор «Аналитик данных». Мы не клепаем 100500 сомнительных курсов, не применяем дешевые трюки, а стараемся работать над качеством своего продукта каждый день!
И кажется, у нас получается: по нашему (конечно же, непредвзятому 😁) мнению и мнению многих наших студентов (уже более непредвзятому) мы сделали один из лучших продуктов на рынке!
Поэтому, если вы решительно намерены стать крутым аналитиком, подумываете об этом или просто хотите прокачать свои скиллы в этой области - приходите к нам на персональную экскурсию в Симулятор!
👉 Записаться на экскурсию 👈
В формате персонального звонка наши эксперты вникнут в ваш запрос, расскажут про наш подход к обучению (и что в нем особенного), «лицом» покажут все материалы - ведь мы ими гордимся!
Если поймете, что нам по пути - будем рады вам помочь) Если нет - по крайней мере, вы уйдете с четкой структурой действий, полезными материалами и вдохновением)
Нажмите на кнопку ниже, чтобы записаться на экскурсию и получить все бонусы 👇🏻
👉 Записаться на экскурсию 👈
❤7🔥6👍4
Обновленный роадмап аналитика данных 🔥
Недавно мы сделали полную дорожную карту аналитика данных - с каких тем начать обучение, на чем стоит фокусироваться в первую очередь, а что изучать не нужно вовсе или можно отложить на потом.
На днях мы провели опрос наших студентов и на основании этого доработали роадмап - добавили несколько новых блоков и немного расширили старые. Например, добавили блок по маркетинговой аналитике и инженерии данных.
Если вы еще не скачали себе наш роадмап - обязательно сделайте это: он позволит избавиться от путаницы и сформировать четкий план действий ✨
👉 Скачать роадмап 👈
Недавно мы сделали полную дорожную карту аналитика данных - с каких тем начать обучение, на чем стоит фокусироваться в первую очередь, а что изучать не нужно вовсе или можно отложить на потом.
На днях мы провели опрос наших студентов и на основании этого доработали роадмап - добавили несколько новых блоков и немного расширили старые. Например, добавили блок по маркетинговой аналитике и инженерии данных.
Если вы еще не скачали себе наш роадмап - обязательно сделайте это: он позволит избавиться от путаницы и сформировать четкий план действий ✨
👉 Скачать роадмап 👈
🔥10❤4👍2