❤️ Каждый день мы сталкиваемся с множеством информации. И ее количество постоянно растет. Только за последние три года было создано 90% всех мировых данных. По прогнозам, в 2025 году их будет уже 181 зеттабайт, а один зеттабайт равен миллиону миллионов гигабайт.

Для работы с постоянно растущим объемом данных нужны дата-аналитики. Рассказываем, кто это, чем занимаются и как стать таким специалистом 👇🏻

Кто такой аналитик данных

Это специалист по анализу больших данных. Он собирает их, обрабатывает и делает выводы. На основании его отчетов в компаниях принимают важные решения.
Представьте: фирме нужно проверить, как пользователи взаимодействуют с сайтом. Для этого к нему подключают системы аналитики, которые автоматически собирают данные о действиях людей. После специалист их выгружает, соединяет информацию из разных систем в базу: приводит к единому виду, сортирует и фильтрует, разбирает на составляющие.

Что он должен уметь

Чтобы интерпретировать данные и делать выводы, он может пользоваться методами из математики и статистики, писать код самостоятельно или загружать кластеры информации в специальное ПО. Когда аналитик находит закономерности, например, что большинство пользователей проводит на главной странице сайте от пяти до десяти минут, он визуализирует результаты, составляет графики и таблицы, готовит отчет.

Какими бывают аналитики данных

Продуктовый аналитик развивает продукт на основе метрик и анализа данных. Он глубоко погружается в тему, проводит тесты и исследования, чтобы понять, какие функции пользуются популярностью, а какие — нет, какие проблемы возникают при использовании продукта.
BI-аналитик проектирует системы для анализа и хранения данных, тестирует гипотезы и автоматизирует отчетность. Помогает бизнесу моделировать разные ситуации, делать правильные выводы и распределять ресурсы между отделами.

В каких сферах нужен аналитик данных

Большие данные — ключевой ресурс для бизнеса. Их используют в IT, ритейле, финансах, здравоохранении, игровой индустрии, киберспорте, телекоме, маркетинге.
Например, в банке хотят свести к минимуму количество клиентов, которые не возвращают кредиты. Дата-аналитик изучает, какие характеристики указывают на то, будет ли человек вовремя вносить платежи. На этом основании клиенту будет одобрен или не одобрен кредит.

Чтобы стать дата-аналитиком, нужно:

— Уметь работать с Google Sheets, Sublime, Excel.
— Использовать для решения задач хотя бы один язык программирования, например, Python или R.
— Писать запросы к базам данных SQL.
— Реализовывать отчетность в BI-системах, например, Power BI, Google Data Studio.
— Базово разбираться в статистике.

Освоить профессию можно на нашем курсе «Аналитик данных». Оставляйте заявку по ссылке, менеджер свяжется с вами и расскажет подробности.

Предыдущий пост собрал 45 реакций. Поэтому делимся еще одной подборкой нейросетей, которые помогут в создании графиков, блок-схем и презентаций 📊

SlideAI — автоматический генератор презентаций на основе текста. Поддерживает несколько языков и позволяет выбирать цветовые схемы, шрифты, а также создавать диаграммы и графики. Бесплатно.

DiagramGPT — AI-инструмент для создания диаграмм из текста. Преобразует данные в потоковые, классовые диаграммы, ментальные карты. Бесплатно, без регистрации.

«Кампус» — образовательная платформа, которая помогает с учебными задачами. Включает более 2 млн готовых решений, поиск репетиторов, написание уникальных работ и проверку на ошибки. Подписка — от 399 ₽ в месяц.

EdrawMax — приложение для создания схем, чертежей и инфографики. Включает 2000 наборов и 280 шаблонов, поддерживает экспорт в MS Office, PDF, SVG. Бесплатная версия с ограничениями, платные подписки.

Сохраняйте пост в «Избранное», чтобы не потерять ▫️◽️

#подборка_пользы @skillfactory

👾 Riot Games использует Data Science для анализа и предсказания токсичного поведения игроков. Цель — улучшить среду общения и стимулировать положительное взаимодействие между игроками. Разбираемся, как это работает

➡️ Модели машинного обучения и анализ чата
Riot Games применяет алгоритмы машинного обучения для мониторинга чата в реальном времени и анализа огромных объемов данных о взаимодействии игроков. ML-модели находят токсичные паттерны и реагируют на них, автоматически блокируя или предупреждая о нарушении. По данным компании, эксперимент с отключением кросс-чата привел к снижению негатива на 32,7% и увеличению позитивных взаимодействий на 34,5%​.

➡️ Аналитика и предсказание поведения
Используя данные о поведении игроков, например, частоту ухода AFK или токсичные комментарии, Riot создает модели, которые предсказывают вероятность повторных нарушений. Они позволяют автоматически накладывать штрафы или временно ограничивать доступ к игре. А интеграция новой системы анализа текста увеличивает обнаружение токсичных сообщений в 15 раз по сравнению с предыдущими алгоритмами.

➡️ Реальные эксперименты и A/B-тестирование
Riot регулярно проводит эксперименты, используя Data Science для тестирования гипотез эффективного снижения токсичности. Например, изменены типы сообщений в игре и их визуальное представление. Это позволило снизить количество оскорблений до 11% в зависимости от условий​.

Если хотите глубже погрузиться в Data Science и узнать, как создавать подобные системы, присоединяйтесь к нашему курсу: go.skillfactory.ru/j5KMVA

#data_science @skillfactory

Заниматься одним и тем же всю жизнь необязательно. Как в природе и в сериалах, в жизни наступают новые сезоны. Меняются наши интересы, мы лучше узнаем себя, а иногда просто устаем от однообразия 🥸

ℹ️К чему сейчас лежит ваша душа? Пройдите тест и узнайте, какая профессия подойдет вам и поможет открыть новую главу в карьере.

За прохождение дарим подарки: бесплатные интенсивы, скидку 45% на профессиональные курсы и многое другое.

Выбрать IT-профессию по душе можно здесь: go.skillfactory.ru/e5ASDQ

#бесплатно @skillfactory