Привет! Я с очередной порцией статей для новых идей и вдохновения.
Синьорный аналитик с опытом работы в Uber и Meta* поделился десятью ключевыми инсайтами о дата аналитике (VPN). Многие из них актуальны всегда, независимо от стадии развития компании, продукта или бизнес-модели. Например, разница между хорошим и лучшим аналитиком пролегает в умении понимать нужды бизнеса. Если вы старший специалист в передовой компании, ваши технические навыки будут приблизительно на том же уровне, что и у коллег. В таком случае мало шансов выделиться за счет профессиональных знаний. Но если вы понимаете приоритеты бизнеса и работаете с учетом задач стейкхолдеров, вас будут горячо любить и ценить.
*деятельность Meta в РФ запрещена
Бутстрап (Bootstrap) – метод оценки статистики вероятностных распределений. Он основан на многократной генерации выборок методом Монте-Карло из уже существующей выборки. Бутстрап словно волшебная таблетка для аналитика: он позволяет оценить параметры, такие как среднее, дисперсия и доверительные интервалы, даже в нестандартных случаях (например, когда ваши данные имеют выбросы или далеки от теоретического распределения). Метод крайне полезный. В блоге на Medium (VPN) лежит подробная статья об идее бутстрапа и о примерах его применения. Один из них – анализ результатов А/Б-тестов.
Павел Бухтик поделился бесценным (и бесплатным) кладом с начинающими продуктовыми аналитиками - пошаговым руководством по проведению А/Б-тестов. Такой структурный материал редко встретишь на курсах или в книгах. Роадмап Паша собирал сам: пересматривал проверенные временем видео, перечитывал любимые статьи из закладок и объединял кусочки воедино с собственным опытом. Каждый шаг руководства состоит из тем, при нажатии на которые вы попадаете на учебный материал. Что особенно приятно – большая часть ресурсов на русском языке.
#дайджест
Синьорный аналитик с опытом работы в Uber и Meta* поделился десятью ключевыми инсайтами о дата аналитике (VPN). Многие из них актуальны всегда, независимо от стадии развития компании, продукта или бизнес-модели. Например, разница между хорошим и лучшим аналитиком пролегает в умении понимать нужды бизнеса. Если вы старший специалист в передовой компании, ваши технические навыки будут приблизительно на том же уровне, что и у коллег. В таком случае мало шансов выделиться за счет профессиональных знаний. Но если вы понимаете приоритеты бизнеса и работаете с учетом задач стейкхолдеров, вас будут горячо любить и ценить.
*деятельность Meta в РФ запрещена
Бутстрап (Bootstrap) – метод оценки статистики вероятностных распределений. Он основан на многократной генерации выборок методом Монте-Карло из уже существующей выборки. Бутстрап словно волшебная таблетка для аналитика: он позволяет оценить параметры, такие как среднее, дисперсия и доверительные интервалы, даже в нестандартных случаях (например, когда ваши данные имеют выбросы или далеки от теоретического распределения). Метод крайне полезный. В блоге на Medium (VPN) лежит подробная статья об идее бутстрапа и о примерах его применения. Один из них – анализ результатов А/Б-тестов.
Павел Бухтик поделился бесценным (и бесплатным) кладом с начинающими продуктовыми аналитиками - пошаговым руководством по проведению А/Б-тестов. Такой структурный материал редко встретишь на курсах или в книгах. Роадмап Паша собирал сам: пересматривал проверенные временем видео, перечитывал любимые статьи из закладок и объединял кусочки воедино с собственным опытом. Каждый шаг руководства состоит из тем, при нажатии на которые вы попадаете на учебный материал. Что особенно приятно – большая часть ресурсов на русском языке.
#дайджест
🔥22
Как аналитики, мы часто натыкаемся на странности в данных. Если о них не знать, то можно сделать неверные выводы. Чтобы не попасть в неудобную ситуацию, я решил осветить некоторые моменты.
Первая уловка статистики кроется в медиане. Это значение, которое делит упорядоченный набор данных на две равные части. В работе мы привыкаем смотреть на вещи под одним и тем же углом. Медиана воспринимается как объективная реальность, а отклонения и выбросы – как погрешности. Тут и поджидает нас демон.
Мы забываем, что медиана – это абстракция, один из вариантов измерения среднего значения. Отклонения же – реальные данные, по которым мы вычисляем среднее.
Я наткнулся на статью 1985 года «The Median Isn't the Message» Стивена Джея Гулда, преподававшего биологию, геологию и историю науки в Гарварде, после прочтения которой перестаешь слепо верить измерениям. Гулд был биологом и понимал сущность статистики. В молодости у него обнаружили рак. Медианная продолжительность жизни с его диагнозом составляла 8 месяцев. Отойдя от шока, Гулд обратился к науке. Он проанализировал статистику по заболеванию и поверил в то, что переживет медиану. Так и оказалось – с диагнозом мезотелиома брюшины он прожил еще 20 лет, что превышает медианное значение в 30 раз!
На что обратил внимание Гулд?
1️⃣ Ассиметричное правостороннее распределение
При таком распределении график скошен вправо, а его хвост тянется достаточно далеко. При этом медиана меньше среднего значения:
мода < медиана < среднее
Вытянутый вправо хвост, пусть и тонкий, указывал на наличие больных, которые прожили на несколько лет дольше 8 месяцев. И Гулд имел хорошие шансы оказаться в этой части распределения.
2️⃣ Обстоятельства
Анализировать данные следует исходя из контекста. Если он меняется, то меняется и интерпретация данных.
На продолжительность жизни онкобольных влияет лечение, стадия выявления рака, возраст пациента и его мотивация жить. В этом плане Гулду повезло – рак был выявлен на ранней стадии. То, что он был молод, начал проходить экспериментальное лечение, а также задал правильные вопросы и нашел правильные ответы, помогло ему обрести уверенность и оказаться в самом хвосте распределения.
Пример Гулда показывает, что любое среднее – это в первую очередь абстракция. При интерпретации данных мы должны учесть их распределения, отклонения и контекст.
#аномалии
Первая уловка статистики кроется в медиане. Это значение, которое делит упорядоченный набор данных на две равные части. В работе мы привыкаем смотреть на вещи под одним и тем же углом. Медиана воспринимается как объективная реальность, а отклонения и выбросы – как погрешности. Тут и поджидает нас демон.
Мы забываем, что медиана – это абстракция, один из вариантов измерения среднего значения. Отклонения же – реальные данные, по которым мы вычисляем среднее.
Я наткнулся на статью 1985 года «The Median Isn't the Message» Стивена Джея Гулда, преподававшего биологию, геологию и историю науки в Гарварде, после прочтения которой перестаешь слепо верить измерениям. Гулд был биологом и понимал сущность статистики. В молодости у него обнаружили рак. Медианная продолжительность жизни с его диагнозом составляла 8 месяцев. Отойдя от шока, Гулд обратился к науке. Он проанализировал статистику по заболеванию и поверил в то, что переживет медиану. Так и оказалось – с диагнозом мезотелиома брюшины он прожил еще 20 лет, что превышает медианное значение в 30 раз!
На что обратил внимание Гулд?
1️⃣ Ассиметричное правостороннее распределение
При таком распределении график скошен вправо, а его хвост тянется достаточно далеко. При этом медиана меньше среднего значения:
мода < медиана < среднее
Вытянутый вправо хвост, пусть и тонкий, указывал на наличие больных, которые прожили на несколько лет дольше 8 месяцев. И Гулд имел хорошие шансы оказаться в этой части распределения.
2️⃣ Обстоятельства
Анализировать данные следует исходя из контекста. Если он меняется, то меняется и интерпретация данных.
На продолжительность жизни онкобольных влияет лечение, стадия выявления рака, возраст пациента и его мотивация жить. В этом плане Гулду повезло – рак был выявлен на ранней стадии. То, что он был молод, начал проходить экспериментальное лечение, а также задал правильные вопросы и нашел правильные ответы, помогло ему обрести уверенность и оказаться в самом хвосте распределения.
Пример Гулда показывает, что любое среднее – это в первую очередь абстракция. При интерпретации данных мы должны учесть их распределения, отклонения и контекст.
#аномалии
👍22❤6🤔5
Лето. Понедельник. Утро. Дайджест!
Когда ты не новичок в дата аналитике, уже шаришь за дашборды и правильно интерпретируешь результаты А/Б-тестов, то настало время подумать о значении своей работы для компании. Ведь истинная задача аналитика – не дизайнерские графики «в стол» и сотни строк кода. Бизнес нанимает нас, чтобы мы помогали принимать решения. Не только менеджер озабочен бизнес-целями. Аналитик тоже обязан быть проактивным: расширять влияние и доверие к своей работе, вовлекать стейкхолдеров, закрывать задачи исходя из запроса бизнеса. Если ты хочешь расти по карьерной лестнице и увеличивать ЗП, то вот рецепт. Автор на Medium (VPN) рассказал, как изменить мышление и максимизировать влияние на бизнес.
Там же на Medium (VPN) вышла свежая статья Марии Мансуровой. Она перечислила десять полезных привычек программистов, которые стоит перенять дата аналитику. Если вы уже о них слышали, но пренебрегали – пора исправляться. Не старайтесь применить все практики за раз. Результат будет более ощутимым, если прорабатывать по одному совету каждый день. Например, сегодня при написании кода уделите внимание его читаемости. На следующий день приоритезируйте задачи, которые можно автоматизировать в ближайшее время.
Сергей Тихомиров поделился размышлениями о процессах управления продуктом в компаниях. В погоне за успехом, менеджеры горят идеей внедрить «продуктовую культуру». Но далеко не все понимают, что значит быть «продуктовой компанией». Сергей предлагает взглянуть на управление продуктом под другим углом. Он делит компании на две группы, сравнивая их с культурой варваров и культурой земледельцев. Первые существуют в условиях нехватки ресурсов и нестабильности. У них властный лидер, краткосрочные цели и фокус на одном продукте. Вторые созревают при большом капитале, когда есть возможность подумать о долгосрочных целях и ценности потребителя. Каждая из культур по-разному управляет продуктом. Чтобы эффективно внедрить продуктовый подход, нужно использовать инструменты из своей культуры.
#дайджест
Когда ты не новичок в дата аналитике, уже шаришь за дашборды и правильно интерпретируешь результаты А/Б-тестов, то настало время подумать о значении своей работы для компании. Ведь истинная задача аналитика – не дизайнерские графики «в стол» и сотни строк кода. Бизнес нанимает нас, чтобы мы помогали принимать решения. Не только менеджер озабочен бизнес-целями. Аналитик тоже обязан быть проактивным: расширять влияние и доверие к своей работе, вовлекать стейкхолдеров, закрывать задачи исходя из запроса бизнеса. Если ты хочешь расти по карьерной лестнице и увеличивать ЗП, то вот рецепт. Автор на Medium (VPN) рассказал, как изменить мышление и максимизировать влияние на бизнес.
Там же на Medium (VPN) вышла свежая статья Марии Мансуровой. Она перечислила десять полезных привычек программистов, которые стоит перенять дата аналитику. Если вы уже о них слышали, но пренебрегали – пора исправляться. Не старайтесь применить все практики за раз. Результат будет более ощутимым, если прорабатывать по одному совету каждый день. Например, сегодня при написании кода уделите внимание его читаемости. На следующий день приоритезируйте задачи, которые можно автоматизировать в ближайшее время.
Сергей Тихомиров поделился размышлениями о процессах управления продуктом в компаниях. В погоне за успехом, менеджеры горят идеей внедрить «продуктовую культуру». Но далеко не все понимают, что значит быть «продуктовой компанией». Сергей предлагает взглянуть на управление продуктом под другим углом. Он делит компании на две группы, сравнивая их с культурой варваров и культурой земледельцев. Первые существуют в условиях нехватки ресурсов и нестабильности. У них властный лидер, краткосрочные цели и фокус на одном продукте. Вторые созревают при большом капитале, когда есть возможность подумать о долгосрочных целях и ценности потребителя. Каждая из культур по-разному управляет продуктом. Чтобы эффективно внедрить продуктовый подход, нужно использовать инструменты из своей культуры.
#дайджест
🔥10❤4
Почему Revenue и Profit – плохие кандидаты в NSM?
Евангелисты NSM настаивают на том, что главная метрика должна отражать ключевую ценность продукта не только для бизнеса, но и для пользователей и фокусировать на развитии продукта в долгосрочной перспективе. Однако, часть аналитиков выбирают в качестве NSM метрики Revenue и Profit. Давайте поговорим, почему это не Best Practice.
Во-первых, Revenue и Profit относятся к метрикам монетизации. Они не отражают ценность продукта для клиента, не учитывают удовлетворенность и лояльность пользователей.
Revenue (выручка) – это деньги, которые бизнес заработал на продаже продукта. Сюда не относятся доходы от сдачи в аренду собственности компании и проценты по вкладам, а также возвраты товара и скидки.
Profit (прибыль) – это деньги, остающиеся на руках бизнеса после уплаты всех расходов: затраты на эксплуатацию оборудования, налоги, рекламу и др. В отличие от Revenue, Profit включает доходы от некоммерческой деятельности.
Во-вторых, выручка и прибыль – запаздывающие индикаторы (lagging indicators). Они показывают, что уже произошло в бизнесе. NSM, «путеводная звезда», относится к опережающим индикаторам (leading indicators) и предвещает устойчивый рост в долгосрочной перспективе. Если бизнес зациклен на доходах, он будет стремиться к сиюминутным результатам. Это вредит устойчивому росту компании в будущем. Бизнес будет игнорировать инвестиции в инновации, улучшение продукта и обслуживание клиентов.
В-третьих, гиперфокус на метриках монетизации не укажет на причины роста или стагнации бизнеса. Изменения в выручке и прибыли могут вызвать внешние факторы, а не улучшение продукта и возросший спрос. Например, на Profit и Revenue будут влиять факапы конкурентов или их уход с рынка, санкции, скачки валютных курсов и др.
В качестве NSM выбирайте метрики, которые:
✔️отражают ценность как для бизнеса, так и для клиентов;
✔️стимулируют инновации и влияют на долгосрочное развитие компании;
✔️больше зависят от продукта и меньше от внешних факторов.
#метрики
Евангелисты NSM настаивают на том, что главная метрика должна отражать ключевую ценность продукта не только для бизнеса, но и для пользователей и фокусировать на развитии продукта в долгосрочной перспективе. Однако, часть аналитиков выбирают в качестве NSM метрики Revenue и Profit. Давайте поговорим, почему это не Best Practice.
Во-первых, Revenue и Profit относятся к метрикам монетизации. Они не отражают ценность продукта для клиента, не учитывают удовлетворенность и лояльность пользователей.
Revenue (выручка) – это деньги, которые бизнес заработал на продаже продукта. Сюда не относятся доходы от сдачи в аренду собственности компании и проценты по вкладам, а также возвраты товара и скидки.
Profit (прибыль) – это деньги, остающиеся на руках бизнеса после уплаты всех расходов: затраты на эксплуатацию оборудования, налоги, рекламу и др. В отличие от Revenue, Profit включает доходы от некоммерческой деятельности.
Во-вторых, выручка и прибыль – запаздывающие индикаторы (lagging indicators). Они показывают, что уже произошло в бизнесе. NSM, «путеводная звезда», относится к опережающим индикаторам (leading indicators) и предвещает устойчивый рост в долгосрочной перспективе. Если бизнес зациклен на доходах, он будет стремиться к сиюминутным результатам. Это вредит устойчивому росту компании в будущем. Бизнес будет игнорировать инвестиции в инновации, улучшение продукта и обслуживание клиентов.
В-третьих, гиперфокус на метриках монетизации не укажет на причины роста или стагнации бизнеса. Изменения в выручке и прибыли могут вызвать внешние факторы, а не улучшение продукта и возросший спрос. Например, на Profit и Revenue будут влиять факапы конкурентов или их уход с рынка, санкции, скачки валютных курсов и др.
В качестве NSM выбирайте метрики, которые:
✔️отражают ценность как для бизнеса, так и для клиентов;
✔️стимулируют инновации и влияют на долгосрочное развитие компании;
✔️больше зависят от продукта и меньше от внешних факторов.
#метрики
👍19❤1
В блоге GoPractice опубликован адаптированный перевод разбора продуктовой модели Spotify. Над оригиналом работали бизнес-лидер Марти Каган и бывший бизнес-коуч Spotify Йоаким Сунден. Поразбираться действительно есть в чем. Шведский стриминговый сервис музыки стал крупнейшим в мире на январь 2024 года. Он умудряется опережать гигантов вроде Amazon и Apple во многом из-за эффективной продуктовой культуры. Авторы разбирают модель работы продукта под тремя главными углами: стратегия продукта, поиск продуктовых решений и доставка решений пользователям.
В блоге на Medium (VPN) опубликован гайд, как выжать максимум инсайтов из данных. Статья затрагивает извечные темы: поиск метрик, их мониторинг и определение проблем и возможностей на основе данных. Автор советует построить дерево метрик, начиная декомпозицию с Revenue. Чем ниже мы спускаемся по дереву, тем больше лидирующих метрик обнаруживаем. Если вы видите резкие изменения в нижележащей метрике, сперва проверьте отстающие вышележащие показатели. Если их значения не изменились, то с поиском первопричины можно повременить. Также автор затронул интересную аномалию – парадокс Симпсона. О нем я уже задумал пост.
Почему многие дата-проекты заведомо провальные? Потому что технологии сами по себе не являются волшебной таблеткой от бюрократии, неэффективной структуры дата-команды или задержке в получении актуальных отчетов. Закон Конвея гласит: организации проектируют системы, которые копируют структуру коммуникаций в самой организации. Например, если сейчас не налажено взаимодействие бизнес- и дата-команд, то и в новой дата-платформе бизнес будет изолирован от актуальной аналитики. Как выстроить коммуникацию - читай в статье на Medium (VPN).
#дайджест
В блоге на Medium (VPN) опубликован гайд, как выжать максимум инсайтов из данных. Статья затрагивает извечные темы: поиск метрик, их мониторинг и определение проблем и возможностей на основе данных. Автор советует построить дерево метрик, начиная декомпозицию с Revenue. Чем ниже мы спускаемся по дереву, тем больше лидирующих метрик обнаруживаем. Если вы видите резкие изменения в нижележащей метрике, сперва проверьте отстающие вышележащие показатели. Если их значения не изменились, то с поиском первопричины можно повременить. Также автор затронул интересную аномалию – парадокс Симпсона. О нем я уже задумал пост.
Почему многие дата-проекты заведомо провальные? Потому что технологии сами по себе не являются волшебной таблеткой от бюрократии, неэффективной структуры дата-команды или задержке в получении актуальных отчетов. Закон Конвея гласит: организации проектируют системы, которые копируют структуру коммуникаций в самой организации. Например, если сейчас не налажено взаимодействие бизнес- и дата-команд, то и в новой дата-платформе бизнес будет изолирован от актуальной аналитики. Как выстроить коммуникацию - читай в статье на Medium (VPN).
#дайджест
👍13❤1
Успеть везде?
Знаменитая цитата Льюиса Кэрролла довольно хорошо отражает нынешнее состояние нашего мира:
В условиях постоянного развития технологий, этот принцип становится особенно актуальным в IT.
Наша область активно развивается: каждый день публикуются новые статьи, обновляются библиотеки, появляются инструменты и технологии. Источников информации сейчас так много, что можно утонуть в этом море информации: телеграм-каналы, блоги экспертов, митапы, конференции, курсы, вебинары, рассылки, а-аааа!!!
Сохранение фокуса – это задача не менее важная, чем доступ к информации. Вот несколько лайфхаков, которые я использую, чтобы не утонуть в потоке данных:
0. Успевать везде не нужно: пожалуйста, прочувствуйте эту мысль! Невозможно угнаться за всем – быть самым умным, сильным и богатым. Просто будьте собой.
1. Фокус на чем-то одном: выбирайте ключевые технологии или навыки, на которых хотите сосредоточиться и игнорируйте остальные пока не разберетесь с этим. Это поможет избежать перегрузки информацией и понять тему не «по верхам», а глубоко.
2. Стратегия маленьких шагов: декомпозируйте большую цель на множество маленьких подцелей. Например, если ваша цель – стать синьор аналитиком, разбейте её на небольшие задачи, такие как изучение конкретных технологий или завершение определенных проектов. За выполнение каждой подцели награждайте себя небольшим поощрением. Этот метод помогает поддерживать мотивацию и дает ощущение прогресса.
3. Планирование и тайм-менеджмент: создавайте расписание и придерживайтесь его. Определение фокусов на день/неделю/месяц – это то, что хорошо работает, чтобы эффективно управлять своим временем и избегать отвлекающих факторов.
Современный мир требует от нас быть постоянно в курсе новинок, сохранять фокус и управлять временем. С правильным подходом и стратегией это вполне достижимо.
#мысли
Знаменитая цитата Льюиса Кэрролла довольно хорошо отражает нынешнее состояние нашего мира:
"Приходится бежать со всех ног, чтобы только остаться на том же месте! Если хочешь попасть в другое место, тогда нужно бежать по меньшей мере вдвое быстрее!"
В условиях постоянного развития технологий, этот принцип становится особенно актуальным в IT.
Наша область активно развивается: каждый день публикуются новые статьи, обновляются библиотеки, появляются инструменты и технологии. Источников информации сейчас так много, что можно утонуть в этом море информации: телеграм-каналы, блоги экспертов, митапы, конференции, курсы, вебинары, рассылки, а-аааа!!!
Сохранение фокуса – это задача не менее важная, чем доступ к информации. Вот несколько лайфхаков, которые я использую, чтобы не утонуть в потоке данных:
0. Успевать везде не нужно: пожалуйста, прочувствуйте эту мысль! Невозможно угнаться за всем – быть самым умным, сильным и богатым. Просто будьте собой.
1. Фокус на чем-то одном: выбирайте ключевые технологии или навыки, на которых хотите сосредоточиться и игнорируйте остальные пока не разберетесь с этим. Это поможет избежать перегрузки информацией и понять тему не «по верхам», а глубоко.
2. Стратегия маленьких шагов: декомпозируйте большую цель на множество маленьких подцелей. Например, если ваша цель – стать синьор аналитиком, разбейте её на небольшие задачи, такие как изучение конкретных технологий или завершение определенных проектов. За выполнение каждой подцели награждайте себя небольшим поощрением. Этот метод помогает поддерживать мотивацию и дает ощущение прогресса.
3. Планирование и тайм-менеджмент: создавайте расписание и придерживайтесь его. Определение фокусов на день/неделю/месяц – это то, что хорошо работает, чтобы эффективно управлять своим временем и избегать отвлекающих факторов.
Современный мир требует от нас быть постоянно в курсе новинок, сохранять фокус и управлять временем. С правильным подходом и стратегией это вполне достижимо.
#мысли
🔥26👍13❤6
Пока лето уверенно приближается к своей середине, я то и дело перелопачиваю блоги коллег и достаю алмазы. Дайджест от меня, сердечко от вас 🫶🏻
Павел Бухтик поделился очередной выручай-палочкой. На этот раз в руки попал чек-лист по проведению А/В эксперимента, а также шаблон дизайна с заполненным примером. Чек-лист содержит шесть разделов для проработки каждого этапа: оценку потребностей бизнеса, дизайн и запуск эксперимента, его сопровождение, подведение итогов и завершение теста. Я работал во многих компаниях, и в каждой из них аналитик делал А/В-тест на свой лад. Приходилось внедрять стандарты, чтобы поставить процесс на единые рельсы. Материалы Паши отлично подходят на роль универсальной методологии.
Netflix после успеха интерактивного эпизода Black Mirror: Bandersnatch погрузился в гейм-индустрию, запустив проект Netflix Games. Компания поставила высокую и, как оказалось, недостижимую цель: к концу 2022 года стать лучшим сервисом видеоигр. Спустя два года, слив миллиард долларов и захантив передовых специалистов, ребята так и не добрались до пьедестала. Среди 247 миллионов подписчиков в играх ежедневно зависают менее 1% пользователей. Обозреватель из геймдева проанализировал причины провала проекта, главный из которых – отсутствие стратегии. Как показывает жизнь, одного видения продукта недостаточно, даже если у тебя лучшие головы и большие деньги.
Последние 40 лет информатики борются над решением задачи(нет, не трех тел) о нахождении уникальных элементов в потоке данных. По условию, элементы поступают последовательно, их количество может быть до бесконечности большим, а значения могут повторяться. Решением должен служить алгоритм, который подсчитывает уникальные элементы, затратив как можно меньше времени и памяти. Недавно вышла статья с описанием нового решения. Алгоритм CVM предлагает одолеть задачу с помощью рандомизации. Для простоты понимания подойдет аналогия с броском монетки. Кто заинтересовался – вот неплохой обзор и его перевод.
#дайджест
Павел Бухтик поделился очередной выручай-палочкой. На этот раз в руки попал чек-лист по проведению А/В эксперимента, а также шаблон дизайна с заполненным примером. Чек-лист содержит шесть разделов для проработки каждого этапа: оценку потребностей бизнеса, дизайн и запуск эксперимента, его сопровождение, подведение итогов и завершение теста. Я работал во многих компаниях, и в каждой из них аналитик делал А/В-тест на свой лад. Приходилось внедрять стандарты, чтобы поставить процесс на единые рельсы. Материалы Паши отлично подходят на роль универсальной методологии.
Netflix после успеха интерактивного эпизода Black Mirror: Bandersnatch погрузился в гейм-индустрию, запустив проект Netflix Games. Компания поставила высокую и, как оказалось, недостижимую цель: к концу 2022 года стать лучшим сервисом видеоигр. Спустя два года, слив миллиард долларов и захантив передовых специалистов, ребята так и не добрались до пьедестала. Среди 247 миллионов подписчиков в играх ежедневно зависают менее 1% пользователей. Обозреватель из геймдева проанализировал причины провала проекта, главный из которых – отсутствие стратегии. Как показывает жизнь, одного видения продукта недостаточно, даже если у тебя лучшие головы и большие деньги.
Последние 40 лет информатики борются над решением задачи
#дайджест
❤16🔥4
Первым делом – опережающие индикаторы
Сегодня разберем, что такое опережающие и запаздывающие метрики, и какие из них держать в фокусе.
Опережающие индикаторы (leading indicators) – это метрики, которые измеряют действия пользователей или работу процессов. К ним относятся, например, количество открытий приложения и доля пользователей, сделавших заказ. Мы можем измерять и воздействовать на опережающие метрики напрямую и получать эффект практически в реальном времени.
Запаздывающие индикаторы (lagging indicators) – это результат прошлых действий и решений. Такие метрики измеряют долгосрочный результат и экономический эффект проделанной работы (например, Revenue). Запаздывающие метрики контролируются опосредованно через опережающие индикаторы.
Аналитикам следует концентрироваться на опережающих метриках. Во-первых, они подвластны прямому контролю. Во-вторых, через них мы влияем на запаздывающие метрики.
Следует помнить, что опережающие и запаздывающие индикаторы связаны между собой. Чтобы влиять на желаемые запаздывающие показатели, нужно правильно выбрать опережающие и проанализировать взаимосвязь между первыми и вторыми.
Для поиска опережающих метрик применяют фреймворки, о которых я рассказывал в постах про NSM и древо метрик. Также существует универсальный фреймворк DMAIC для улучшения процессов. Подбор опережающих метрик – это всегда про эксперимент и поиск самых «влиятельных» показателей.
Пример. Одна компания работает над увеличением Revenue (запаздывающий индикатор) своего приложения. Для этого нужно найти опережающие метрики и проработать их. В ходе брейншторма бизнес формулирует NSM как Digital transactions per user. В качестве опережающих индикаторов были выбраны New installs, Number of openings, Reorder stickiness.
Если вы хотите управлять бизнесом на основе data driven подхода, метрики должны быть отзывчивыми. Если метрика отстает, т.е. требуются недели или месяцы, чтобы изменения повлияли на метрику, то у вас не будет цикла обратной связи, который позволит вам вносить непрерывные улучшения.
Безусловно, запаздывающие индикаторы очень важны, но большинству команд следует уделять бОльшую часть времени анализу опережающих метрик.
#метрики
Сегодня разберем, что такое опережающие и запаздывающие метрики, и какие из них держать в фокусе.
Опережающие индикаторы (leading indicators) – это метрики, которые измеряют действия пользователей или работу процессов. К ним относятся, например, количество открытий приложения и доля пользователей, сделавших заказ. Мы можем измерять и воздействовать на опережающие метрики напрямую и получать эффект практически в реальном времени.
Запаздывающие индикаторы (lagging indicators) – это результат прошлых действий и решений. Такие метрики измеряют долгосрочный результат и экономический эффект проделанной работы (например, Revenue). Запаздывающие метрики контролируются опосредованно через опережающие индикаторы.
Аналитикам следует концентрироваться на опережающих метриках. Во-первых, они подвластны прямому контролю. Во-вторых, через них мы влияем на запаздывающие метрики.
Следует помнить, что опережающие и запаздывающие индикаторы связаны между собой. Чтобы влиять на желаемые запаздывающие показатели, нужно правильно выбрать опережающие и проанализировать взаимосвязь между первыми и вторыми.
Для поиска опережающих метрик применяют фреймворки, о которых я рассказывал в постах про NSM и древо метрик. Также существует универсальный фреймворк DMAIC для улучшения процессов. Подбор опережающих метрик – это всегда про эксперимент и поиск самых «влиятельных» показателей.
Пример. Одна компания работает над увеличением Revenue (запаздывающий индикатор) своего приложения. Для этого нужно найти опережающие метрики и проработать их. В ходе брейншторма бизнес формулирует NSM как Digital transactions per user. В качестве опережающих индикаторов были выбраны New installs, Number of openings, Reorder stickiness.
Если вы хотите управлять бизнесом на основе data driven подхода, метрики должны быть отзывчивыми. Если метрика отстает, т.е. требуются недели или месяцы, чтобы изменения повлияли на метрику, то у вас не будет цикла обратной связи, который позволит вам вносить непрерывные улучшения.
Безусловно, запаздывающие индикаторы очень важны, но большинству команд следует уделять бОльшую часть времени анализу опережающих метрик.
#метрики
🔥10👍5❤2
Ребята, поздравляю с Днем семьи, любви и верности!
И не благодарите за напоминание)
В блоге Analytics Mania опубликованы Best Practices по работе в GA4. С одной стороны, это базовая инструкция, а-ля чек-лист при настройке трекинга. Но многие аналитики упускают и половины возможностей, которые указаны в статье. Вот так живешь себе и не догадываешься, что, например, можно изменить срок хранения данных с двух месяцев до 14. Всего автор дал 12 советов, а также поделился ссылками на другие обучающие статьи. Если тебе легче воспринимать материал на слух, то можешь посмотреть видео на YouTube-канале блога по той же теме. Ссылка – в статье.
Вернемся к вечному вопросу: как найти лучшую метрику? Уже полюбившийся автор Torsten Walbaum в блоге Towards Data Science (VPN) поделился своей версией. Торстен проработал десять лет руководителем команд аналитики, а теперь делится опытом с другими. Эта статья мне понравилась по нескольким причинам. Во-первых, мне импонируют характеристики «хорошей» метрики. Автор сформулировал их в виде девяти принципов, которые помогут отфильтровать достойные метрики от вторичных. Во-вторых, интересно посмотреть на «нехорошие» метрики. Иногда бизнес, вроде того же Х Илона Маска, уводит внимание от проблем в компании, меняя ключевую метрику. Главный инсайт: не существует идеальной метрики без недостатков. Среди всех вариантов мы выбираем «наименее плохой» показатель.
Зачем нужно измерять LTV? Паша Левчук в классной статье на Medium (VPN) рассмотрел четыре популярных сценария, когда LTV полезен при анализе рекламных кампании в digital-маркетинге. Например, LTV в паре с САС поможет рассчитать максимальную стоимость привлечения одного клиента через конкретный канал или кампанию. Также метрика [LTV / CAC] укажет на те кампании, которые стоит оптимизировать в первую очередь. Кстати, это лишь одна из статей о LTV от Паши. Остальные ищи в блоге автора.
#дайджест
И не благодарите за напоминание)
В блоге Analytics Mania опубликованы Best Practices по работе в GA4. С одной стороны, это базовая инструкция, а-ля чек-лист при настройке трекинга. Но многие аналитики упускают и половины возможностей, которые указаны в статье. Вот так живешь себе и не догадываешься, что, например, можно изменить срок хранения данных с двух месяцев до 14. Всего автор дал 12 советов, а также поделился ссылками на другие обучающие статьи. Если тебе легче воспринимать материал на слух, то можешь посмотреть видео на YouTube-канале блога по той же теме. Ссылка – в статье.
Вернемся к вечному вопросу: как найти лучшую метрику? Уже полюбившийся автор Torsten Walbaum в блоге Towards Data Science (VPN) поделился своей версией. Торстен проработал десять лет руководителем команд аналитики, а теперь делится опытом с другими. Эта статья мне понравилась по нескольким причинам. Во-первых, мне импонируют характеристики «хорошей» метрики. Автор сформулировал их в виде девяти принципов, которые помогут отфильтровать достойные метрики от вторичных. Во-вторых, интересно посмотреть на «нехорошие» метрики. Иногда бизнес, вроде того же Х Илона Маска, уводит внимание от проблем в компании, меняя ключевую метрику. Главный инсайт: не существует идеальной метрики без недостатков. Среди всех вариантов мы выбираем «наименее плохой» показатель.
Зачем нужно измерять LTV? Паша Левчук в классной статье на Medium (VPN) рассмотрел четыре популярных сценария, когда LTV полезен при анализе рекламных кампании в digital-маркетинге. Например, LTV в паре с САС поможет рассчитать максимальную стоимость привлечения одного клиента через конкретный канал или кампанию. Также метрика [LTV / CAC] укажет на те кампании, которые стоит оптимизировать в первую очередь. Кстати, это лишь одна из статей о LTV от Паши. Остальные ищи в блоге автора.
#дайджест
👍7🔥1
Друзья, хочу поделиться с вами радостной новостью – я наконец-то обновил дизайн блога This is Data 🎉
Обновление дизайна напрашивалось давно, так как блог существует с 2016 года.
И вот наконец это сделано ✅
За все время существования сайта его посетили более полумиллиона юзеров! Достойный результат.
Самые популярные статьи:
- Учимся применять оконные функции (266 379 просмотров)
- Как правильно вычислить среднее значение (83 074 просмотров)
- Онлайн-курс для новичков «Digital-аналитика» (83 074 просмотров)
- Прогнозирование продаж в Excel с учетом сезонности (42 127 просмотров)
- Автоматизация отчетности при помощи SQL и Power BI (25 125 просмотров)
Сейчас у меня основной фокус на развитии данного канала, статьи тоже будут, но реже.
Спасибо, что читаете! Продолжаем полет 🚀
Обновление дизайна напрашивалось давно, так как блог существует с 2016 года.
И вот наконец это сделано ✅
За все время существования сайта его посетили более полумиллиона юзеров! Достойный результат.
Самые популярные статьи:
- Учимся применять оконные функции (266 379 просмотров)
- Как правильно вычислить среднее значение (83 074 просмотров)
- Онлайн-курс для новичков «Digital-аналитика» (83 074 просмотров)
- Прогнозирование продаж в Excel с учетом сезонности (42 127 просмотров)
- Автоматизация отчетности при помощи SQL и Power BI (25 125 просмотров)
Сейчас у меня основной фокус на развитии данного канала, статьи тоже будут, но реже.
Спасибо, что читаете! Продолжаем полет 🚀
❤24👍15🔥10
Чтобы понять, повысит ли продажи продукта запуск новой рекламной кампании, можно провести А/Б-тестирование. Это дорогое удовольствие и затевать его без четкого понимания цели и теоретической базы – плохая идея. Поэтому я уделяю большое внимание обучающим статьям о фреймворках по проведению А/Б-тестов. На прошлой неделе мне попалась статья на Medium, в которой автор понятно описал теорию А/Б-теста (VPN). Он затрагивает каждый этап, начиная с формулировки гипотезы, выбора подходящего стат.критерия, интерпретации результатов и заканчивая введением в байесовсковую статистику.
Автор следующей статьи (VPN) осветил острую проблему внедрения data-driven подхода на этапе цифровой трансформации бизнеса. Компания вливает деньги в оптимизацию процессов и сбор данных для принятия более объективных решений. Но часто все, что она получает – это красивый фронтенд с графиками и забагованный бэк, не способный обрабатывать все возрастающий объем данных. Чтобы побороть хаос, нужно убрать акцент с внедрения технологий и задуматься о формировании дата-культуры и стратегии работы с данными. Статья полезна для руководителей команд данных и аналитики.
Продуктовые аналитики из Сравни поделились опытом оптимизации и унификации А/Б-тестирования внутри компании. Они создали исчерпывающий фреймворк с шаблоном для оформления гипотез, планирования экспериментов и анализа результатов. Это правильный пример того, как оформлять документацию по А/Б-тестам. Шаблон представляет собой и вывод результатов, и документацию, и чеклист для валидации наших действий. Авторы также рассказали про собственный инструмент для выгрузки и оценки полученных результатов. После внедрения фреймворка время анализа А/Б-тестов сильно сократилась. Так что берем статью на карандаш.
#дайджест
Автор следующей статьи (VPN) осветил острую проблему внедрения data-driven подхода на этапе цифровой трансформации бизнеса. Компания вливает деньги в оптимизацию процессов и сбор данных для принятия более объективных решений. Но часто все, что она получает – это красивый фронтенд с графиками и забагованный бэк, не способный обрабатывать все возрастающий объем данных. Чтобы побороть хаос, нужно убрать акцент с внедрения технологий и задуматься о формировании дата-культуры и стратегии работы с данными. Статья полезна для руководителей команд данных и аналитики.
Продуктовые аналитики из Сравни поделились опытом оптимизации и унификации А/Б-тестирования внутри компании. Они создали исчерпывающий фреймворк с шаблоном для оформления гипотез, планирования экспериментов и анализа результатов. Это правильный пример того, как оформлять документацию по А/Б-тестам. Шаблон представляет собой и вывод результатов, и документацию, и чеклист для валидации наших действий. Авторы также рассказали про собственный инструмент для выгрузки и оценки полученных результатов. После внедрения фреймворка время анализа А/Б-тестов сильно сократилась. Так что берем статью на карандаш.
#дайджест
🔥13
Что делает Amazon таким успешным? Цель сегодняшней книги – показать уникальные принципы и практические методы работы Amazon, чтобы каждый смог применить их в бизнесе.
📚Стратегия Amazon. Инструменты бескомпромиссной работы на впечатляющий результат / англ. Working Backwards: Insights, Stories, and Secrets from Inside Amazon.
Авторы: Колин Брайар / Colin Bryar, Билл Карр / Bill Carr.
Колин и Билл проработали в Amazon более 10 лет и оба успели потрудиться в одной комнате с основателем компании Джеффом Безосом. Колин Брайар два года был его техническим консультантом – «тенью Джеффа». Билл Карр занимал должность первого вице-президента и отвечал за переход медиа бизнеса компании (книг, DVD и музыки) в цифровой формат.
Авторы попытались сформулировать, что значит быть амазонцем. Первая часть книги описывает принципы лидерства компании, например, процесс подбора персонала Bar Raiser, управление входными, а не выходными метриками (о чем я рассказывал ранее), ориентация на интересы клиентов. Как говорил Джефф Безос:
Другими словами, при том, что стоимость акций зависит от увеличения прибыли, Amazon верит, что долгосрочный рост более вероятен при постановке интересов клиента в приоритет.
Вторая часть книги – это опыт компании, заработанный пробами и ошибками. Четыре главы посвящены четырем успешным продуктам: Kindle, Amazon Prime, Prime Video, и AWS. Чтобы продемонстрировать принцип компании «Ценен как успех, так и провал», авторы упомянули и провальный продукт – Amazon Fire Phone.
Книга must’ve для любого продакта или продуктового аналитика, который хочет улучшить свое понимание бизнеса.
Каждый раз перечитывая ее, открываю для себя новые идеи.
🔗Английскую версию можно купить на Амазон и на русском на сайте ЭКСМО.
#книга
📚Стратегия Amazon. Инструменты бескомпромиссной работы на впечатляющий результат / англ. Working Backwards: Insights, Stories, and Secrets from Inside Amazon.
Авторы: Колин Брайар / Colin Bryar, Билл Карр / Bill Carr.
Колин и Билл проработали в Amazon более 10 лет и оба успели потрудиться в одной комнате с основателем компании Джеффом Безосом. Колин Брайар два года был его техническим консультантом – «тенью Джеффа». Билл Карр занимал должность первого вице-президента и отвечал за переход медиа бизнеса компании (книг, DVD и музыки) в цифровой формат.
Авторы попытались сформулировать, что значит быть амазонцем. Первая часть книги описывает принципы лидерства компании, например, процесс подбора персонала Bar Raiser, управление входными, а не выходными метриками (о чем я рассказывал ранее), ориентация на интересы клиентов. Как говорил Джефф Безос:
«У нас есть непоколебимая убежденность в том, что долгосрочные интересы акционеров идеально совпадают с интересами клиентов».
Другими словами, при том, что стоимость акций зависит от увеличения прибыли, Amazon верит, что долгосрочный рост более вероятен при постановке интересов клиента в приоритет.
Вторая часть книги – это опыт компании, заработанный пробами и ошибками. Четыре главы посвящены четырем успешным продуктам: Kindle, Amazon Prime, Prime Video, и AWS. Чтобы продемонстрировать принцип компании «Ценен как успех, так и провал», авторы упомянули и провальный продукт – Amazon Fire Phone.
Книга must’ve для любого продакта или продуктового аналитика, который хочет улучшить свое понимание бизнеса.
Каждый раз перечитывая ее, открываю для себя новые идеи.
🔗Английскую версию можно купить на Амазон и на русском на сайте ЭКСМО.
#книга
👍5🦄2
Когда-то я делился годной статьей Данилы Ленькова о том, как подобрать длительность эксперимента и объем выборки в A/B-тестировании. Недавно Данила опубликовал продолжение. Он рассказал, как сделать пост-анализ AB при помощи two-sample t-test. Теперь у нас есть два обычных SQL-скрипта для проведения A/B-эксперимента от начала до конца. Добавляй их в закладки и используй как шаблон. Так ты избежишь распространенных ошибок при дизайне и анализе.
По опыту некоторые аналитики не задумываются о смысле данных. Они генерят бесполезные дашборды показывающие среднюю температуру по больнице. Но я уверен, что вы, ребята, к ним не относитесь. Мы с вами знаем, что работа с данными должна начинаться с анализа проблемы. Часто это подразумевает то, что мы должны поставить себя на место клиента и пожить в его шкуре. Дашборд – это ответ на вопросы, почему возникает проблема и что для ее решения может сделать бизнес. Как обогатить плохой дашборд реальными данными рассказала Таня Мисютина.
Следующая статья – кровавая история об одном дата саентисте, который побывал на 48 собесах в забугорных компаниях, от Uber до Amazon и Apple Music. Сфера поисков – Applied Machine Learning science. Автор описал некоторые собеседования, собрал статистику вопросов и задач и добавил полезные ссылки для их проработки. Все ищущие работу найдут в статье эмоциональную поддержку и мотивацию не сдаваться. Помни, что поиск классной компании – это марафон и твой личный проект. Проводи работу над ошибками, залатывай дыры в знаниях и не принимай отказы близко к сердцу. Ты молодец уже потому, что начал движение.
А какие полезные статьи и гайды попались тебе в июле?
Делись в комментариях, интересно же 🙃
#дайджест
По опыту некоторые аналитики не задумываются о смысле данных. Они генерят бесполезные дашборды показывающие среднюю температуру по больнице. Но я уверен, что вы, ребята, к ним не относитесь. Мы с вами знаем, что работа с данными должна начинаться с анализа проблемы. Часто это подразумевает то, что мы должны поставить себя на место клиента и пожить в его шкуре. Дашборд – это ответ на вопросы, почему возникает проблема и что для ее решения может сделать бизнес. Как обогатить плохой дашборд реальными данными рассказала Таня Мисютина.
Следующая статья – кровавая история об одном дата саентисте, который побывал на 48 собесах в забугорных компаниях, от Uber до Amazon и Apple Music. Сфера поисков – Applied Machine Learning science. Автор описал некоторые собеседования, собрал статистику вопросов и задач и добавил полезные ссылки для их проработки. Все ищущие работу найдут в статье эмоциональную поддержку и мотивацию не сдаваться. Помни, что поиск классной компании – это марафон и твой личный проект. Проводи работу над ошибками, залатывай дыры в знаниях и не принимай отказы близко к сердцу. Ты молодец уже потому, что начал движение.
А какие полезные статьи и гайды попались тебе в июле?
Делись в комментариях, интересно же 🙃
#дайджест
🔥9❤2
Входные показатели ведут к выходным и наоборот
В книге «Стратегия Amazon» (о которой я писал выше) мне запомнилась концепция маховика.
В 2001 году Джефф Безос нарисовал на салфетке диаграмму, иллюстрирующую круг возможностей Amazon, или «Маховик Amazon». Эта модель показывает, как контролируемые входные показатели влияют на ключевой выходной показатель – в данном случае, рост. В этом замкнутом цикле, если вы приложите энергию к любому элементу, маховик начинает вращаться быстрее.
Вы можете начать с любого входного показателя. Например, улучшение клиентского опыта (скорости доставки, удобства использования) запускает цикл:
▪️Улучшение опыта клиентов ведет к большей активности.
▪️Большая активность привлекает больше продавцов.
▪️Больше продавцов расширяют ассортимент.
▪️Широкий ассортимент улучшает клиентский опыт, замыкая цикл.
▪️Цикл способствует росту, снижая затраты.
▪️Снижение затрат позволяет снизить цены, улучшая клиентский опыт и ускоряя маховик.
Маховик отражает основной аспект успеха Amazon в розничной торговле и может служить фреймворком для оптимизации бизнеса вкупе с концепцией опережающих и отстающих показателей.
#метрики
В книге «Стратегия Amazon» (о которой я писал выше) мне запомнилась концепция маховика.
В 2001 году Джефф Безос нарисовал на салфетке диаграмму, иллюстрирующую круг возможностей Amazon, или «Маховик Amazon». Эта модель показывает, как контролируемые входные показатели влияют на ключевой выходной показатель – в данном случае, рост. В этом замкнутом цикле, если вы приложите энергию к любому элементу, маховик начинает вращаться быстрее.
Вы можете начать с любого входного показателя. Например, улучшение клиентского опыта (скорости доставки, удобства использования) запускает цикл:
▪️Улучшение опыта клиентов ведет к большей активности.
▪️Большая активность привлекает больше продавцов.
▪️Больше продавцов расширяют ассортимент.
▪️Широкий ассортимент улучшает клиентский опыт, замыкая цикл.
▪️Цикл способствует росту, снижая затраты.
▪️Снижение затрат позволяет снизить цены, улучшая клиентский опыт и ускоряя маховик.
Маховик отражает основной аспект успеха Amazon в розничной торговле и может служить фреймворком для оптимизации бизнеса вкупе с концепцией опережающих и отстающих показателей.
#метрики
🔥14
Прощаемся с июлем традиционным дайджестом!
Продуктовый отдел в компании отвечает за разработку и развитие продукта. Бизнес специально делегирует подобные задачи отдельной команде, чтобы гарантировать создание успешного и востребованного продукта. Вся логика рушится, когда другие отделы определяют приоритеты развития и директивно навязывают их продакт-менеджеру. Если это больная для тебя тема, то вот лечение. Статья рассказывает, как стать проактивным продакт-менеджером и вернуть управление продуктом.
Компания DrivenData проанализировала опыт работы над более чем сотней data science проектов, издала практическое руководство и теперь делится им со всеми желающими. Скачать электронную книгу 10 Rules of Reliable Data Science можно на сайте в обмен на контакты. Если при мысли о чтении книг на английском ты уже собрался скипнуть абзац, не торопись. В блоге на Medium (VPN) я нашел статью-пересказ. Автор прочитал книгу за нас и сделал конспект главных тезисов и советов. Его можно и на русский перевести, и в закладки добавить.
Если вы заскучали без статистики и питона, то переставайте. На Хабре мне попался туториал по работе с бутстрапом. Это статистический метод, который помогает оценить распределение выборочной статистики путем многократной генерации выборок методом Монте-Карло на основе уже имеющейся выборки. Он тот помощник, который вступает в игру, когда нет возможности собрать большой объем данных. Автор разбирает теорию бутстрапа, доверительные интервалы и реализацию метода на Python.
#дайджест
P.S. Ребят, я решил публиковать дайджесты реже. С августа я перейду на формат «один дайджест в две недели». Причин несколько. Во-первых, я зарос очередью из статей и не успеваю прочитывать все к понедельнику. Во-вторых, хочу писать больше собственного материала.
Продуктовый отдел в компании отвечает за разработку и развитие продукта. Бизнес специально делегирует подобные задачи отдельной команде, чтобы гарантировать создание успешного и востребованного продукта. Вся логика рушится, когда другие отделы определяют приоритеты развития и директивно навязывают их продакт-менеджеру. Если это больная для тебя тема, то вот лечение. Статья рассказывает, как стать проактивным продакт-менеджером и вернуть управление продуктом.
Компания DrivenData проанализировала опыт работы над более чем сотней data science проектов, издала практическое руководство и теперь делится им со всеми желающими. Скачать электронную книгу 10 Rules of Reliable Data Science можно на сайте в обмен на контакты. Если при мысли о чтении книг на английском ты уже собрался скипнуть абзац, не торопись. В блоге на Medium (VPN) я нашел статью-пересказ. Автор прочитал книгу за нас и сделал конспект главных тезисов и советов. Его можно и на русский перевести, и в закладки добавить.
Если вы заскучали без статистики и питона, то переставайте. На Хабре мне попался туториал по работе с бутстрапом. Это статистический метод, который помогает оценить распределение выборочной статистики путем многократной генерации выборок методом Монте-Карло на основе уже имеющейся выборки. Он тот помощник, который вступает в игру, когда нет возможности собрать большой объем данных. Автор разбирает теорию бутстрапа, доверительные интервалы и реализацию метода на Python.
#дайджест
P.S. Ребят, я решил публиковать дайджесты реже. С августа я перейду на формат «один дайджест в две недели». Причин несколько. Во-первых, я зарос очередью из статей и не успеваю прочитывать все к понедельнику. Во-вторых, хочу писать больше собственного материала.
👍28