📑 Большая подборка курсов по статистике

На посте с курсами по статистике от Филиппа набралось много огонёчков, а это значит, что мы, как и обещали, делимся списком классных курсов по статистике:

1. Основы статистики от Анатолия Карпова – легендарный курс, который закладывает хорошую базу. Если вы ещё не соприкасались со статистикой – вам сюда.
«Рассматриваются подходы к описанию получаемых в исследованиях данных, основные методы и принципы статистического анализа, интерпретация и визуализация получаемых результатов. Слушатели познакомятся с такими методами статистического анализа как дисперсионный, регрессионный и кластерный анализ…»
2. Линейка курсов от Филиппа Ульянкина – про неё мы писали вот в этом посте. Она состоит из трёх курсов:
1)«Сбор и анализ данных в Python»
2)«Математическая статистика и AB-тестирование»
3)«Статистические методы анализа данных»

3. Вероятность и статистика с Глебом Михайловым – позволяет прочуствовать статистику, для начинающих самое то. Глеб показывает на практике в ноутбуке, как работает метод Монте-Карло, ЗБЧ, ЦПТ, что такое p-value и как проводятся A/B тесты
4. Введение в математическую статистику и математическая статистика от Computer Science Club – тут уже нужно знать тервер, матан и линал в объёмах стандартного вузовского курса, если вы новичок, будет сложновато. Но лекции классные, CSC плохого не сделает)

1) Введение в математическую статистику - хоть в описании курса сказано, что он более прикладной, всё равно теории тут тоже немало.
2) Математическая статистика - логическое продолжение вышеупомянутого курса. В описании сказано, что первый курс проходить необязательно, но, конечно, будет проще, если пройти

5. Курс от CSC на Stepic - сложный, но классный курс, нужно знать тервер, матан и Python/R. Научит визуализировать данные; строить оценки неизвестных параметров распределения; проверять гипотезы о законе распределения и параметрах распределения; сравнивать параметры распределений и т. д.
6. Лекции по статистике от МФТИ – классический академический курс статистики от Райгородского

+ Можно поискать курсы от лекторов МГУ
+ Обязательно стоит посмотреть этот очень красивый курс, часто, благодаря визуализациям, полностью осознаёшь, как работает та или иная теорема
+ Если не напрягает английский, гляньте легендарный канал StatQuest

Пишите в комментариях, какие еще курсы стоит включить в эту подборку, и давайте наберём 200 огоньков🔥 под этим постом?)

📏 Продуктовые метрики, ч. 3

В первой части мы рассмотрели несколько самых важных метрик продукта на примере Tinder, во второй части поговорили о том, что такое метрика Полярной звезды. Сегодня рассмотрим один из популярных фреймворков метрик.

Фреймворки – это, по сути, готовые наборы метрик, которые подходят проектам разных типов. Можно использовать их, либо выдумать свои (в конце концов, фреймворки тоже кто-то когда-то разработал).

1. Фреймворк Pirate Metrics (AARRR)
Этот фреймворк основан на маркетинговой воронке основных этапов взаимодействия клиента с продуктом. Она нужна, чтобы разделить работу с пользователем на этапы и отслеживать показатели на каждом из них.

Acquisition – привлечение, клиенту стало интересно, и он оставил свои контакты.
📏 Одна из метрик на этом этапе - процент регистрации посетителей на пробную версию
🧮 (Количество подписок / количество посетителей на странице регистрации) *100

Activation – активация, пользователь осознал ценность продукта и начал им пользоваться
📏 Пример метрики - коэффициент активации
🧮(Количество активированных пользователей / общее количество новых пользователей за период )*100

Retention – удержание, клиент постоянно пользуется продуктом.
📏 Метрика - Churn rate (коэффициент оттока)
🧮 (Кол-во отвалившихся пользователей) / (кол-во пользователей, которые были активны в выбранный день)

Referral – желание рекомендовать.
📏 Пример: NPS – индекс потребительской лояльности
🧮 %«сторонников» - %«критиков»

Revenue – выручка.
📏 Пример: LTV – прибыль от клиента за всё время работы с ним
🧮 (Средняя прибыль от клиента за определенный период) * (Средняя продолжительность сотрудничества)

2. HEART
Этот фреймворк создан в Google, он позволяет отслеживать опыт пользователя (UX, User Experience) по определенным категориям.

Happiness – счастье, отношение пользователя к продукту.
📏 Пример метрики: лёгкость использования продукта

Engagement – вовлечённость, уровень заинтересованности в продукте.
📏 Пример: частота визитов пользователя

Adoption – принятие, использование продукта становится привычкой.
📏 Пример: количество новых подписок

Retention – удержание, пользователь возвращается к продукту.
📏 Пример: количество повторных покупок

Task Success – успех ключевых задач.
📏 Пример: успешный поиск информации

Читайте предыдущие посты на тему метрик (раз и два) и ставьте огонёк под этим постом – сможем набрать 150? 🔥

​​📋 Подборка задачек на теорию вероятностей для подготовки к собеседованию

Обычно на собеседованиях задают не особо сложные задачки на идею, в которых скорее всего не будет объёмных вычислений. Вот подборка из материалов, в которых можно такие задачки найти:

1. Теория вероятностей: культурный код - сборник очень интересных задачек, на большую часть имеются ответы

2. 50 занимательных вероятностных задач с решениями - название говорит само за себя 🙂

3. Листочки с семинаров исследовательского потока факультета экономики ВШЭ, к собеседованиям стоит порешать задачки из начала. Если повезет, то к задаче найдете и решение

4. Книжка для экономистов - для подготовки к собесу стоит порешать задачи из первых глав, а так вся книжка очень годная

5. Севастьянов, сборник задач по теории вероятностей – аналогично, решаем задачи из первых глав, предварительно посмотрев примеры решений

Оставляйте в комментариях свои любимые материалы и ставьте огонёчки на этот пост – давайте наберём 250 🔥 для следующей подборки по терверу?)

🏭 Прокачай своё продуктовое мышление

Часто в требованиях к кандидату-аналитику указывают наличие продуктового мышления. Действительно, чтобы сделать хороший продукт, им должны обладать не только менеджеры продуктов, но и вся команда.

В каких направления нужно развиваться, чтобы прокачать продуктовое мышление?
– Бизнес. Понимать, как работает рынок и ваш бизнес, какая миссия у компании.
– Продукт. Управлять продуктом, понимать особенности/ограничения вашего рынка, изучать потребителей, управлять командой.
– Дизайн. Быть эмпатичным, внедрять дизайн с фокусом на пользователя.
– Технологии. Отслеживать технологические тренды, находить компромисс между дизайном и технологиями.
– Коммуникации. Освоить сторителлинг, уметь презентовать и слушать.

Это всё можно найти в суперских лекциях от Школы менеджеров Яндекса.
Вот некоторые из лучших:
– Behavioral Engineering
– Принятие решений на основе данных
– Аналитика
– Продуктовая аналитика
– Как создавать полезные продукты

Ставьте огоньки 🔥 на этот пост (давайте наберём 150 😁) и обязательно гляньте лекции, они смотрятся на одном дыхании

🤱 Известная задача про роддомы
Одна из задач, которые частенько задают на собеседованиях на аналитика, звучит так: «В городе два роддома — большой и маленький. В определенный день в одном из этих роддомов среди новорожденных оказывается 60% мальчиков. В каком роддоме это скорее всего могло бы произойти?»

Правильный ответ на эту задачу такой: в маленьком, поскольку в маленьких выборках более вероятны отклонения от среднего.

А вот в этой статье легендарный Александр Дьяконов смотрит на эту задачу с разных сторон, вникая в каждое слово из её условия. Так, он задается вопросами: «Что такое большой роддом, а что такое маленький», «Сколько в роддомах обычно рождается детей». В статье даже рассматривается статистика рождаемости в Англии и в Уэльсе 🙂

В общем, если хотите посмотреть, как профи деконструирует задачу - обязательно читайте статью.
И ставьте палец вверх 👍 под этим постом, если статья вам зашла (а если ещё не читали, то ставьте авансом 🙃)