ANDRON ALEXANYAN

Мало метрик - много аналитики

В аналитике не обязательно обмазываться сотнями сложных метрик. Большинство ответов можно найти в совершенно базовых показателях, просто «повернув» их под разными углами.

Давайте рассмотрим на небольшом примере из области LX-аналитики. Допустим, мы хотим понять - нравится ли студентам наши обучающие материалы на основании оценок, которые они ставят в конце уроков. Погнали!

1. Средняя оценка по всем материалам. Общий показатель - позволяет понять, все ли ок в целом.
2. Динамика негативных оценок (ниже 3/5) month-over-month. Позволяет моментально увидеть, если в текущем месяце негативные оценки набирают обороты.
3. Доля уникальных студентов, которые оставили оценки. Может быть у вас 5/5, но все оценки поставили вам парочка фанатов.
4. Доля уникальных материалов, которые получили оценки. Может быть у вас 5/5, но оценки ставят только на первые 2 урока.
5. Доля студентов, которые ставили негативные оценки. Может быть вас засыпали дизлайками, а по факту это 1-2 нелояльных студента. Или наоборот - если у всех в разных местах есть негативные оценки, это повод задуматься.
6. Доля негативных оценок. Позволяет понять, негативная оценка для нас - это выброс или обыденность.
7. Распределение оценок по перцентилям (боксплот/скрипичная диаграмма). Еще лучше позволяет понять, как студенты оценивают материалы.

Можно еще много метрик сконструировать. Но обратите внимание - они все состоят из 1-2-3 показателей (материалы/студенты/оценки), просто по-разному собранные. И, при этом, они друг друга не дублируют, а, наоборот, дополняют.

Если интересно побольше узнать про LX-аналитику - давайте соберем 100 разных реакций, сделаю пост с новой подборкой метрик!

Сегодня особенный день.

Во-первых, нечасто встречаешь дату, из которой можно собрать сразу два покерных фул хауса! Кто не играет в покер - снизу будет расшифровка 😅

А, во-вторых, сегодня провожу большущий вебинар, на котором разберу тестовое задание на позицию junior-аналитика в Самокат. Посмотрим, пройду ли я отсев!

Будем проводить аналитику продаж с помощью SQL и даже соберем мини-дашборд в Metabase! Все разберем по шагам, вам точно зайдет)

А еще подготовил для вас бомбический бонус. Без шуток - бонус реально очень крутой, а не какая-то шляпа. Для нас это большой вызов, поэтому даем его только в лайве и только самым лояльным. Подробности - на эфире, регистрируйтесь 👇

Зарегистрироваться на сей бомбический эфир

Расшифровка шутки про покер: фул хаус - когда 2 карты одного номинала и еще 3 другого. В нашем случае: 12112024 и 12112024. Ставь мужика-ржомбу 😂, если тоже любишь гиковские шутки (иногда).

Коллеги в пятницу: работают

Я: рассказываю, как сделать из хренового менее хреновое

А еще немного про эротику, но на видео не попало 🙃

Спасибо всем, кто пришел! 🫶Поражен, сколько из вас, оказывается, сейчас на конфе!)

Через полчаса выступаю на Матемаркетинге в зале Атом (3 этаж)!

Расскажу про кратное повышение эффективности перфоманс-маркетинга с помощью аналитики и ML.

Если вы тут - приходите послушать и пообщаться после выступления 🫶

Большой датасет с временными рядами + блокнот с заготовкой

Давно не писал в канал - завалило рабочими задачами, делаем много классных штук, скоро начну про них рассказывать. А сегодня подготовил для вас максимально полезный пост, достойный ваших сохраненок.

Короче, я как-то писал, что занимаюсь ресерчем в области time series processing. И в своих исследованиях я наткнулся на чуть ли не самый большой датасет с временными рядами для тестирования моделей классификации, кластеризации, прогнозирования, интерполяции и других штук - UCR Time Series Classification Archive. Теперь кручу его со всех сторон.

Надо сказать, что раздобыть этот датасет не так-то просто - авторы знатные шутники. Сначала ты должен найти их сайт. Затем скачать архив. Потом открыть pdf-ку с описанием. Затем дочитать ее до конца, чтобы понять, какой пароль от архива. А чтобы узнать пароль от архива, ты должен найти в интернете статью одного из авторов и найти там фразу «every item that we ... » - и вот продолжение этой фразы и является паролем 🤡

В общем, ребята - большие красавчики, но я все же сэкономлю вам немного времени. Пароль от архива - attempt to classify (в одно слово).

А чтобы вам было еще полезней - сделал для вас блокнот в Google Colab, где показал, как работать с этим датасетом. Там, кстати, много прикольных фишек:

- Как с помощью Python разархивировать архив с паролем
- Как запустить функцию в отдельном потоке, чтобы она работала в фоновом режиме
- Несколько фокусов работы с Matplotlib

Если вам такой контент полезен - поставьте реакцию! А когда наберем 250 разных реакций, я выложу еще один блокнот, где покажу - как на этом датасете можно сравнивать эффективность моделей для обработки временных рядов!

Недавно записал новый подкаст с основателем крупнейшей конференции для аналитиков Матемаркетинг - Алексеем Никушиным!

Поговорили о том, как вообще выглядел его карьерный путь, как появилась самая крутая конфа по аналитике и как развиваться в профессии за счет нетворкинга.

Рекомендую к просмотру, много полезных мыслей. И не забывайте про лайк и комментарий, чтобы поддержать видео!)

ВКонтакте
YouTube

Нас всех заменит GPT 😈

В среду выступал на конференции GCONF, которую организовали Дима Мацкевич и Леша Хахунов. Рассказывал, как можно использовать AI для решения прикладных задач. И так вдохновился, что решил написать для вас пост, как решать аналитические задачи с помощью ChatGPT!

Спойлер: GPT нас всех не заменит, но жить становится сильно проще.

Я не большой фанат использования ИИ в работе (почему - подробно описал в этом посте). Однако стоит признать: ChatGPT отлично может выполнять роль вашего ассистента-подавана и быстро решать те задачи, на которые у вас уйдет уйма времени.

За последние полгода чатик стал сильно умней и круто подходит для решения adhoc-задачек. Он читает таблицы или целые архивы с файлами, строит графики, пишет код и сразу же его запускает, размышляет и многое другое.

Чтобы вы сами могли посмотреть, как это работает, я подготовил для вас пример - загрузил в чатик набор данных об активности пользователей и начал с ним решать аналитические задачки: делать когортный анализ n-day retention, строить барчарт активности по месяцам и так далее.

Обратите внимание на качество графиков - просто топ!

Чтобы посмотреть наш с ним диалог, просто перейдите по ссылке (да, теперь в ChatGPT можно шерить диалоги): https://chatgpt.com/share/6712030f-a878-8006-ab98-7c20252a69fb

К сожалению, картинки и файлы пошерить нельзя, поэтому прикреплю их в комментарии к этому посту.

Чтобы качественно работать с ChatGPT, нужно руководствоваться рядом важных метапринципов - как строить диалог, как нагружать его задачами, как давать обратную связь и прочее. Если интересно узнать про это подробнее - накидайте реакций, сделаю про это отдельный большой пост.

ANDRON ALEXANYAN

Опережающие и отстающие метрики 🤑

Хочу затронуть очень важную тему - опережающие и отстающие метрики.

Давайте коротко. Отстающая метрика - это когда ты понимаешь, что все плохо, когда уже все случилось. Пример - выручка. В конце месяца ты понял, что не выполнил план, хотя надеялся до последнего. Опережающая метрика - это некий показатель, по которому ты заранее можешь увидеть, что winter is coming ситуация портится. Пример - оценка качества продукта. Если продукт испортился, какое-то время его еще будут покупать, но со временем сарафана/повторных платежей станет мало, а плохих отзывов - много, что снизит выручку.

И в чем прикол - почти на всех дашбордах выведены отстающие метрики. Выручка, прибыль, средний чек и прочее. Прогноз выручки - тоже не опережающая метрика, потому что она хоть и заранее считает результат будущего периода, но делает это на основании исторических данных. Значит, если что-то начало портиться только сегодня, то на прогноз это повлияет не скоро.

А в идеале всей команде смотреть и в опережающие метрики тоже (а точней даже в них больше)! Опережающие метрики надо контролить каждый день, потому что они показывают моментальное состояние бизнеса и на него можно повлиять почти сразу.

Вот несколько дополнительных примеров опережающих метрик: количество лидов (падение видно моментально), уровень удовлетворенности продуктом (плохие отзывы прилетают сразу), % жалоб от всех пользователей, n-day retention по свежим когортам, open rate писем (не открывают = снижается лояльность к бренду) и так далее.

Еще интересно, что некоторые метрики могут быть одновременно и опережающими, и запаздывающими, в зависимости от контекста. Например, распределение продаж по тарифам (по сути, средний чек). Если распределение сдвинулось в сторону более дешевых тарифов, то мы почти моментально можем заметить это и исправить - за счет этого выручка не упадет сильно. В данном случае это опережающая метрика. Однако сам факт падения среднего чека можно рассматривать как запаздывающую метрику - это ведь уже случилось, но это можно было отследить заранее (хоть и иногда сложно). Например, отслеживая - на какие тарифы люди оставляют заявки, какой сегмент лидов у приходящих заявок и так далее.

Надо сказать, что мы и сами сильно сейчас ориентированы на запаздывающие метрики. Будим чинить)

Давайте подытожим. Если вы по бизнесовой части - скорее смещайте свой фокус на опережающие метрики. Если вы аналитик - посмотрите свои дашборды и предложите новый подход тем, кто ваши дашборды смотрит. А если только учитесь - это отличная идея для уникального проекта в портфолио 😉

В начале года я писал, что неожиданно для самого себя попал в рейтинг телеграм-каналов по аналитике, хотя каналу было всего 2 месяца.

Этот рейтинг составляли ребята из NewHR, а вместе с ним они проводили и большой опрос аналитиков. И сейчас они запустили новое исследование!

Это огромная и очень полезная работа, потому что по итогам независимого опроса мы с вами получим самую актуальную информацию, которая нужна для обучения и построения карьеры: рейтинг компаний для работы, тренды в скиллсете, форматы занятости, текущие зарплатные вилки и много другое.

Пройти опрос ➡️

Если еще не проходили опрос - постарайтесь поучаствовать. Чем больше голосов, тем более статзначимый результат.

А если этот пост соберет 150 разных реакций, то как только выйдет исследование - я напишу его обзор с самыми важными и полезными для вас пунктами!

Неожиданно: мы заняли 1 место в рейтинге обучающих платформ по аналитике!

Ребята из Left Join (одно из крупнейших сообществ аналитиков в России) недавно проводили исследование рынка онлайн-образования в части аналитики данных и Data Science.

Оказывается, Simulative даже не было в списке школ. Но, несмотря на это, за счет голосов пользователей мы попали в этот рейтинг и заняли там офигенные позиции. Если быть точно - самые высокие!

Ссылка на дашборд с рейтингом: https://leftjoin.ru/tableau/edtech-survey-2024.html

Короткая выжимка про нас:

* 1 место по критерию "Общая оценка" - 8.8.
* 1 место по "Готовность рекомендовать школу" - у нас максимальный балл в 9.0.
* 1 место по "Сложность материалов" (что является хорошим показателем качества) - оценка 8.0.

Учитывая, что мы не принимали никакого участия со своей стороны в составлении этого рейтинга и даже не просили никого за нас проголосовать, я считаю, что это просто бомбический результат!

Поздравляю команду и спасибо всем, кто принимал участие! Продолжаем становиться еще круче, не переключайтесь 🔥

Последние несколько недель особо не пишу в канал, т.к. очень много работы и банально не успеваю. Но уже на подходе несколько мясных постов, так что stay tuned!

А пока что классная новость - вышла полная версия подкаста со мной у Алишера из SF Education. Мы с ребятами работаем и дружим много лет, поэтому получилось лампово!

📌 YouTube
📌 Вконтакте
📌 Rutube

Обсудили - какой у меня был карьерный путь, почему нельзя слушать своих клиентов, какие метрики в бизнесе обязательно нужно считать и многое другое.

Мне очень непривычно быть по другую сторону микрофона, поэтому буду благодарен, если поделитесь в комментариях впечатлениями! ❤️

Скоро выйдет подкаст с Андроном Алексаняном | CEO, Simulative

Андрон преподает на курсах SF Education и в ВУЗах, а также создал свою EdTech-компанию.

Поговорили с ним о том для чего нужна аналитика и аналитики, а также о том, что стоит ждать рынку в этой сфере.

Ставьте 👍, если ждете подкаст

Недавно писал, что ходил к Алишеру на подкаст. Кажется, уже осталось совсем чуть-чуть до выхода - сам жду!) Судя по превьюшке, должно быть прикольно 🥳

Реальный кейс: как с помощью аналитики прокачать перформанс-маркетинг 🔥

Какое-то время назад мы делали крутой проект на стыке аналитики, ML и маркетинга - мы анализировали объявления в рекламных сетках (например, ВК Реклама), раскладывали их на признаки и пытались ответить на вопрос: «А какой баннер надо сделать следующим, чтобы он разорвал рынок и показал супер-показатели?»

Мы протестировали десятки алгоритмов и в итоге сделали из этого крутой автоматизированный процесс. А сейчас давайте декомпозируем его на отдельные шаги.

1. Сбор данных

Самый первый этап, где нужно собрать кучу данных об объявлении (картинку, текст, кнопку, таргетинги, статистику перформанса и т.д.) через API рекламной площадки.

Это стандартный автоматизированный ETL, который можно сделать с помощью скриптов на Python + cron/airflow.

2. Составление карты признаков

Для начала мы сели и составили карту признаков. Потом начали работать по этой карте. Потом поняли, что получилась дичь и переделали. Этот цикл мы повторили раза 3.

В итоге у нас получили фичи в духе: главный цвет на картинке, вспомогательные цвета на картинке, существительные/прилагательные/глаголы на картинке, словосочетания на картинке, наличие триггера FOMO, наличие упоминания акции, главные объекты на картинке, вспомогательные объекты на картинке, контекст картинки и еще штук 30.

3. Выделение признаков

Карту составили - круто. А теперь, когда тебе подается на вход очередное объявление, тебе нужно его разложить на эти самые признаки - вот тут и начинается веселье.

Давайте возьмем один из самых простых примеров - выделение цвета. У тебя есть картинка, которая представляет из себя многомерную матрицу пикселей. Логичный шаг тогда - выделить цвет у каждого пикселя по RGB.

Ок, но не так все просто. Если 2 соседних пикселя отличаются на 1 хотя бы в одном компоненте цвета, то это будут 2 разных цвета, хотя для глаза они не отличимы. Есть ли в этом смысл? Нет - у нас в итоге у картинки может получится 1000 цветов.

Хорошо, давайте попробуем классификацию. Заранее создадим N цветов, которые нас интересуют и будем классифицировать каждый цвет в какую-то группу.

Нормальный вариант, но все еще с нюансами - для одной картинки может получится 50 цветов, а для другой - 1. А хочется всегда получать плюс-минус однородный ответ, чтобы это можно было адекватно обрабатывать.

И это я еще не говорю про то, какие страшные штуки приходится использовать, чтобы выделять объекты, работать с текстами и так далее.

4. Выделение ключевых признаков

Когда все фичи для каждого объявления проработаны, на горизонте начинает маячить алгоритм создания волшебного баннера. Но т.к. признаков очень много, нужно выделить только те, что реально влияют на результат (раскрывал подробно это в посте).

Простой пример - на нашем опыте мы заметили, что главный цвет практически всегда влияет на перформанс (например, итоговую стоимость лида), а условное наличие триггера FOMO может иногда не работать вообще или даже давать обратный эффект.

Чтобы выделить 4-5 ключевых признаков мы использовали замес из дисперсионного анализа, корреляций (писал про это тут, почитайте), ANOVA и еще всяких штук.

5. Предиктивка

Последний этап - сделать "прогноз": какие фичи должны быть у баннера, который будет круто перформить. Какого он должен быть цвета, что на нем должно быть изображено и на кого это таргетировать.

Тут мы тоже перепробовали кучу всего: от генетических алгоритмов до самописного алгоритма на основе условных вероятностей. В итоге на последнем и остановились.

Заключение

Рассказать про эту штуку в формате поста - очень сложно. Но в этом году я постараюсь глубоко раскрыть эту тему на крупнейшей конфе для аналитиков - Матемаркетинг. Буду выступать в офлайне, так что подходите, понетворкаемся))

А еще наша команда вместе с Матемаркетингом замутили крутую активность: если до конца сентября вы приходите к нам учиться на курс-симулятор «Аналитик данных», то вы гарантированно получаете билет на конфу!

Оставляйте заявку, ребята все подробно расскажут, а потом увидимся в студенческом чатике и на конфе 🔥

В подкасте с Пашей мы затронули важную тему: синдром самозванца. Скажу коротко: эту штуку надо гнать в шею.

Как и всегда, на коне оказывается тот, кто не побоялся и сделал шаг вперед. Принял оффер, который боялся не вывезти. Пошел на собес, при мысли о котором тряслись коленки. Откликнулся на вакансию, которая казалась неподъемной. Все это в итоге может стать поворотным моментом в карьере.

Например, я знаю «вечных студентов», которые продолжают учиться как не в себя, а я им каждый раз говорю - ребята, алло, вас с руками и ногами оторвут на рынке труда! Не надо так.

И как раз очень кстати мне написали знакомые из Авито - у них проходит Data Weekend Offer, где вы можете буквально за несколько дней получить оффер в команду DA / DE / DS. Кайфовый стек, крутая команда, престижная компания, интересные задачи - а больше ничего, кажется, и не надо.

Некоторые наши студенты уже давно работают там и все супер довольно, так что рекомендую прям от души - обязательно оставьте заявку и поучаствуйте. В лучшем случае - вы получите оффер. В худшем - получите офигенный опыт и проверку собственных знаний.

А еще у ребят проходит прикольный вебинар - будут показывать, как проходят собесы в Авито. Обязательно поучаствуйте в этой движухе! А потом расскажите в комментариях, чего было и какой результат - интересно будет послушать!)

Кстати, я тут машину продаю, так что если вдруг кто пройдет в команду - сделайте плиз, чтобы объявление ранжировалось получше))

Приписка про рекламу ниже - чисто формальная, на самом деле просто рекомендация от души - надеюсь, у кого-то благодаря этому посту случится мэтч ❤️

Реклама. ООО «Авито Тех».

Вчера я писал про то, что чтение классных каналов и блогов - отличный способ развиваться. Лично я очень люблю еще один формат - интервью и подкасты.

Мне кажется, это прикольный способ совмещать приятное с полезным - ты и ловишь кучу инсайтов (обычно после просмотра ролика я делаю минимум 5-6 заметок), и приятно проводишь время, расслабляя мозг.

Поэтому я решил попробовать новый для себя формат - брать интервью у интересных ребят, которые уже достигли значительных успехов в карьере и аналитике. И первым нашим гостем стал Паша Бухтик - автор тг-канала No data no growth и ex-Head продуктовой аналитики в Яндексе.

Поговорили о том, как быстро вырасти по карьере начинающему аналитику, что бустануло карьеру Паши и почему он решил стать медийным. Крайне рекомендую к просмотру!

* Смотреть на ютуб → https://www.youtube.com/watch?v=Gaqvzp9E9u4
* Смотреть в ВК → https://vk.com/video-197837145_456239085

Ну и буду благодарен лайку и комментарию под видео, чтобы ролик увидело как можно больше людей! ❤️

Расширение кругозора как источник роста ➡️⬅️

На нашем вебинаре с Настей я рассказывал, что когда только начинал свой путь в аналитике, я подписывался буквально на все подряд - от каналов с полезняшками до Hadley Wickham и других классных ребят. Тогда я этот делал в Twitter, в Linkedin и других сетях, а сейчас почти весь контент потребляю в телеграме.

Прошло много времени, но мое мнение не поменялось. Я правда верю, что чтение других умных людей (даже если ты сам не дурак) - отличный способ прокачаться. Во-первых, это может натолкнуть тебя на интересные мысли. Во-вторых, ты просто можешь стать еще умней. В-третьих, это круто вдохновляет. В-четвертых, это может открыть тебе классную возможность (например, мой пост про вакансию - для кого-то возможность бустануть карьеру).

Естественно, каналы надо фильтровать: убираем свое FOMO в мусорку и оставляем только самые хорошие каналы, шлакосборники нам не нужны. Я в целом подписан на небольшое количество каналов, и то периодически их фильтрую - что в бизнес-тематике, что в аналитике, что в маркетинге, что в лайфстайл, что в науке.

Например, на днях меня включили в папочку Креаторы - она больше про маркетинг и AI, но некоторые каналы почитать прям интересно.

Например, в этой папке есть Ваня - мы с ним давно работаем по инфлюенс и перформанс-маркетингу. Он даже делал у меня в канале гостевой пост про то, как мы хакнули вебинары. Я его читаю регулярно - мне нравится, как он пишет, рекомендую.

Или еще один канал - Глеба Михеева. Мы с ним неоднократно пересекались по работе и даже пили вместе кофеек, так что тоже крайне рекомендую. Например, почитайте вот этот пост про влияние неопределенности - подписываюсь под каждым словом.

А поделитесь в комментариях - какие каналы вам нравятся больше всего? Интересно!

Про одно недооцененное направление в аналитике 🔥

Когда мы говорим про аналитику, мы всегда приводим в пример аналитику маркетинга, аналитику продаж, аналитику клиентской базы и так далее. Оно и понятно - капитализм, куда деваться, в считают денежки.

Однако аналитика бывает и иной. Например, с помощью аналитики можно понять - насколько твой образовательный курс крутой и классный, а что нужно доработать. Эта штука называется LX-аналитика (от Learning Experience) и это очень интересно!

Давайте рассмотрим несколько примеров, что в этих ваших курсах можно считать и как это использовать:

* Удовлетворенность пользователей материалами (через форму сбора оценок) для дальнейшего допиливания самых низкорейтинговых материалов
* Задачи/тесты, где больше всего фейлов - обкладываем их подсказками, дополнительными материалами, декомпозируем, записываем разборы или что-то такое
* Retention по модулям/урокам: если наши студенты забивают на учебу (а такие есть всегда) - в какой момент это происходит чаще всего? После нахождения этого места уже идем спрашивать - что не понравилось, а затем улучшаем.
* Темп изучения материалов - мы можем считать среднее время прохождения каждого модуля с разбивкой по когортам студентов, чтобы понимать реальный срок изучения + привязывать это к маркетингу (появилась сильно более медленная когорта - вероятность возвратов повышается - ROMI ухудшается)

Например, мы в Simulative - дикие задроты своего продукта и стремимся, чтобы наши студенты могли со временем сказать: «Эти чуваки реально сильно повлияли на мою жизнь». В этом мы видим ценность образования.

Естественно, мы тоже трекали некоторые метрики, но нам это было сложно делать по техническим причинам. А сегодня у нас легендарный день - мы переехали на новую LMS с крутым личным кабинетом и можем трекать все на свете. LX-аналитик внутри меня ликует!

А еще, мы открыли крутую вакансию - менеджер образовательных продуктов. Это супермен со скиллами контент-специалиста, хваткой проджекта и виженом продакта, который будет работать лично со мной в связке и делать лучшие на рынке образовательные продукты. Решать будем максимально быстро: посмотрим тестовое, поболтаем лично и погнали в бой!

Если это про вас - ждем в команду. Если про вашего знакомого - за шеринг +1000% к карме. А если просто зашел пост - накидайте реакций, поделюсь реальным ресерчем LX-аналитики по нашим данным)

Вчера мы проводили совместный эфир с Настей - получилось круто, спасибо всем, кто был с нами! Поговорили про BI-аналитику в целом, карьеру Насти, современные инструменты и многое другое. Хочу поделиться некоторыми важными мыслями, которые вынес лично для себя в разговоре.

1. Какую BI-систему изучать?

BI-системы приходят, уходят, потом возвращаются и так бесконечно - нет смысла вестись на поводу у этих капиталистически-политических игр. Самый грамотный шаг - освоить какую-нибудь "фундаментальную" биайку (Power BI / Tableau) + еще какую-нибудь опенсорсную из разряда Superset / Metabase / Redash / Datalens.

Это даст вам хорошую базу и, даже если при найме от вас будут требовать незнакомый для вас ранее тул, вы сможете его быстро освоить на основании уже имеющегося опыта.

Примерно этим мы интуитивно руководствовались при создании курса-симулятора по BI-аналитике. Я лично ходил по рынку и спрашивал у действующих аналитиков - на каком инструменте замкнуть курс (в том числе и к Насте приходил). А потом понял, что не надо замыкать. И мы дали выбор студентам - сделали модули и по Power BI, и по Metabase, и по Superset.

2. Обязательные навыки для BI-аналитика

SQL и BI-инструмент - ключевые твердые навыки для BI-аналитика. Но не единственные. Настя рассказывала, что даже на собеседованиях они оценивают понимание "основ датавиза" - как подобрать тип визуализации под данные, нужно ли в конкретном кейсе строить дашборд или лучше просто аналитический отчет, как лучше провизуализировать конкретную бизнес-задачу и т.д.

Это реально очень важно. Чисто на уровне инструментов я могу собрать дашборд, причем вполне сносный. Но я на 100% уверен, что с точки зрения подбора визуализаций и удобства он будет не идеальный - я в этом не эксперт. Однако этот скилл можно качать.

Во-первых, нужно просто выучить основные правила - они существую. Например, у нас первый же модуль в курсе - «Основы датавиза», который собран на основании материалов Насти и Lisa Charlotte Muth из Datawrapper.

Ну и второе - качать насмотренность. Например, Настя каждый день постит что-то в канал - и это не рандомные ссылки, она их выбирает из десятков или сотен других. Понятно, что просматривая такой объем профильного контента каждый день, хочешь или не хочешь - ты преисполнишься в этой теме.

3. Зачем погружаться в бизнес-контекст

Проблема, с которой я последнее время стал часто сталкиваться - некоторые члены команды, особенно технические, не погружаются в бизнес-процесс. И это очень сильно ухудшает коммуникацию, удлиняет срок проектов и снижает их качество.

Настя привела классный пример: если ты строишь дашборд про маркетинговые воронки, то сходи на сайт, пооставляй заявки, почувствуй себя пользователем своего же продукта и пройди весь этот путь. Такой подход, во-первых, круто повысит качество лично вашей работы, а, во-вторых, сильно бустанет по карьере - начальство такое всегда замечает и сильно более лояльно относится к таким членам команды.

Короче, вебинар получился реально полезным. Если вы не смогли посмотреть в лайве - переходите в бота, вам придет запись.

Ну и пользуясь случаем, хочу финально пригласить вас на наш новый курс-симулятор «BI-аналитик», про который я уже упомянул. В пятницу стартует первый поток, на который действуют early birds условия и несколько крутых бонусов.

Оставляйте заявку на лендинге предзаписи - ребята проведут крутую презентацию и, если вам зайдет, сделаем из вас классных BI-аналитиков!

С Настей Кузнецовой и ее каналом Настенька и графики мы познакомились уже прям давно - наверно году в 2020. С тех пор частенько общаемся и проводим всякие совместные активности. Например, Настя поделилась с нами своими материалами для модуля «Основы датавиза» в нашем новом курсе-симуляторе по BI-аналитике.

А завтра (17 сентября) в 19:00 Мск мы проводим совместный вебинар, где обсудим много интересных вопросов:

1. Какой у Насти бэкграунд и как выглядел карьерный путь до текущий точки?
2. Есть ли спрос на BI-аналитиков сейчас? Какими компетенциями нужно обладать, чтобы достичь успеха?
3. Что происходит на рынке труда и на чем валятся кандидаты - посмотрим на взгляд нанимающей стороны?

В общем, будет полезно всем, кто уже начал свой путь в BI-аналитике или только присматривается к этой профессии. Естественно, будем обсуждать и все вопросы, которые вы зададите в чатике во время вебинара - так что залетайте 💃

Зарегистрироваться на вебинар →

На меня подписано много начинающих аналитиков или даже тех, кто только присматривается к этой профессии. И я точно знаю, что на этом пути вы можете столкнуться с огромным количеством страхов, когнитивных искажений и заблуждений относительно сложности трудоустройства, перегретости рынка и другими штуками.

Поэтому сегодня мы проведем классный ламповый вебинар с одним из выпускников нашего курса-симулятора по аналитике данных - Максимом Акименко, ныне аналитиком в фармацевтической компании Ригла.

Макс - очень позитивный, открытый и интересный человек: над его сообщениями в нашем чатике студентов я угораю периодически. Но кроме того, у него отличная и поучительная "история успехи" - отличный пример, как надо делать, чтобы вкатиться в аналитику, причем довольно быстро.

Короче, приходите на вебинар - поболтаем, выпытаем у Макса всю подноготную и точно угорим с смешных шуток 😁

Ссылка для регистрации →

Как я замену Notion искал 😈

Все уже написали про уход Notion из России - ну и я напишу. Только не просто поплачусь, потому что мы активно использовали его в команде, а расскажу про свой ресерч (потому что настоящий дед не мог его не провести).

Короче, когда Notion объявил об уходе, я подумал: а почему бы не найти аналогичный бесплатный self-hosted сервис, который можно развернуть у себя на сервере в Docker. Очень логичное желание: не хочется зависеть и от импортозамещающих сервисов (скорее всего от резкой нагрузки Yonote будет жестко тупить), и от забугорных вендоров - мало ли, они тоже решат отключить нас и все потеряется.

Вот этими критериями я руководствовался при выборе:

* Удобное форматирование текста
* Возможность делать вложенные друг в друга документы
* Функционал databases из Notion
* Возможность доступа неограниченного числа пользователей с гибкой настройкой прав
* Желательно - публичный шеринг

Поэтому я прошерстил весь Github с опенсорсом, затестил порядка 10-13 сервисов и делюсь с вами выжимкой - вдруг кому-то пригодится.

1. Focalboard

Прикольная штука, но заменяет только databases. По сути - это прокачанные канбан-доски. Это скорее аналог Trello, чем Notion. Но максимально просто разворачивается и используется - обсуждаем сейчас, возможно внедрим для команды разработки.

2. Siyuan

Некое китайское чудо - Notion на максималках с примесью Obsidian. На самом деле, очень крутая штука. Там есть все, что нам нужно, так еще и летает со скоростью света. Одно "но" - там вообще нет никаких прав и пользователей. Ну точней что-то типа есть, но оно китайское и не очень понятно, как там зарегистрироваться даже, не то что оплатить. Но для домашнего персонального использования - крайне рекомендую.

3. Affine

Классный аналог Notion - есть все, что надо. Но вроде self-hosted, а по факту все хранится в их облаке - отмели этот вариант, потому что стремно. Ну и права доступа - за денежку.

4. Outline

Очень приятный сервис с хорошими возможностями редактирования текста. Но нет databases - для нас это критично.

5. Anytype

Клон Notion, с какой-то дикой инструкцией по развертыванию локально. В итоге я понял, что это не self-hosted штука - локально ты можешь развернуть "сеть", чтобы все участники были в одной сети (что бы они не имели под этим ввиду). Короче, продукт от айтишников для айтишников (причем лютых). Но не подходит нам по главному критерию - ты зависишь от разработчика и в один прекрасный день он может уйти.

Кстати, небольшой бонус. Пока ресерчил все это дело - мне посоветовали сервис Buildin - это китайский точный клон Notion. Они скопировали все - от дизайна до тарификации. Так что, если ваша команда не хочет привыкать, просто мигрируйте на эту штуку. Тем более китайцы - наши братья, а эти чуваки даже сделали отдельное европейское направление, чтобы проще было принимать оплату.

В общем, в своих поисках дед потерпел фиаско - 100% мэтча не случилось. Так еще и "насладился" инструкциями некоторых опенсорсных решений, но про это расскажу в отдельном посте. Придется, видимо, переезжать на Yonote или что-то в этом духе.

Хотя, на самом деле, Notion у меня работает. Так что можно считать, что просто весело провел время и насобирал фактуры для этого поста. Уверен, кому-то пригодится, вопрос-то актуальный.

А если вам зашло - закиньте бустов в канал, буду очень благодарен) Канал вырос, надо еще несколько голосов, чтобы несколько анимированных реакций было 😈

Легкая альтернатива A/B-тестам 🔥

Сегодня хочу поднять важную тему и для аналитиков, и для менеджеров - а как еще можно легко тестировать гипотезы в компании, помимо требовательных A/B-тестов.

На выходных я финально «причесывал» обновленный модуль по продуктовым метрикам для наших курсов, и это натолкнуло меня на написание этого поста-шпаргалки. Я уже писал про многопараметрическое тестирование, а сегодня расскажу про еще несколько подходов.

Почему вообще не A/B-тесты?

Есть ряд ситуаций, когда A/B-тесты не подходят, как способ оценки результата. Вот несколько типичных примеров:

* Вы уже выкатили изменение, не успели его протестировать, а результат оценить нужно
* У вас мало контроля над ситуацией - например, реклама на ТВ
* Сложно спроектировать адекватный тест - например, у вас оффлайн-торговля
* У вас недостаточно трафика: нет времени на долгий тест или вообще не получается набрать нужный объем

В таком случае, вам помогут 2 подхода: квази-эксперименты и искусственный контроль. Ниже на примерах покажу суть каждого из методов.

Differences-in-differences

Я уже писал про метод diff-in-diff, но давайте разберем этот тип квази-эксперимента на примере.

Кстати, приставка «квази» означает «почти» в переводе, поэтому мы говорим про «почти полноценные эксперименты».

Итак, вы решили провести акцию в одном из магазинов своей оффлайн-сети и ваши продажи поперли вверх. Однако это совпало с сезонным ростом, и продажи в других магазинах тоже увеличились. Как понять - какой вклад в рост выручки внесла акция, а какой - сезон?

Метод diff-in-diff предлагает сделать следующее: выбираем другой магазин Y, который имеет похожую тенденцию по выручке → смотрим на его показатели во время проведения акции в магазине Х → делаем прогноз по магазину X: какой результат он бы показал, если бы продолжил развиваться с тем же трендом, что и Y.

Разница между этим прогнозом «как магазин бы рос, если бы не акция» и «как магазин вырос по факту» - и есть эффект от проведенной акции. Дальше можно посчитать доверительный интервал и вот это все.

Causal impact

Второй способ - синтетический контроль. Основная идея - посмотреть, как во время проведения эксперимента себя вели сильно коррелированные показатели, по ним построить прогноз и посчитать разницу. Звучит опять сложно, но давайте разберем пример.

Итак, вы владелец сразу 10 магазинов в одном торговом центре. В одном из магазинов (Х) вы решили провести акцию, но как и в предыдущем случае - продажи в то же время увеличились во всех магазинах (хотя акции там не было). Как оценить эффект от акции.

Идея такая: берем остальные 9 магазинов, если их продажи коррелированы с магазином Х (т.е. у них одинаковые дни спада и роста выручки - скорее всего в рамках одного ТЦ так и есть). Далее на основании данных с этих 9 магазинов определяем тренд и строим прогноз - как бы вырос магазин Х, если бы в нем не было акции. А далее просто считаем разницу между фактом и прогнозом - это и будет эффектом от акции.

Искусственный контроль

Здесь идея вообще максимально простая. На примере предыдущих ситуаций - просто берем исторические данные по продажам магазина Х, строим прогнозную модель по своим же продажам и считаем разницу между фактом и прогнозом.

Заключение

Эти методы - отличное подспорье в реальной жизни, ведь частенько проводить A/B-тесты нет времени, денег и возможностей.

Если вам зашел пост - давайте наберем 200 разных реакций и я выложу универсальный шаблон для проведения таких тестов 🔥

Почему я люблю Metabase 😍

Metabase - бесплатный опенсорсный BI-тул, с помощью которого можно визуализировать SQL-запросы и даже строить полноценные дашборды.

И меня жутко бесят некоторые его недоработки. Например, невозможность работать с таблицами из разных хранилищ сразу, отсутствие некоторых базовых визуализаций (первое, что вспомнил - нормальной гистограммы или санкеев), минимальные возможности кастомизации и форматирования графиков и пачка других претензий.

Однако я все еще люблю Metabase и всячески двигаю его в рынок. Можно даже сказать, что я Metabase-евангелист или Metabase Advocate (вспомнил, что есть такие должности, пока писал). Как оголтелый всегда за него топлю. Короче, Metabase, свяжитесь со мной.

А люблю за то, что все его преимущества с лихвой перекрывают недостатки в некоторых случаях. Он идеально подходит для небольших компаний, где только зарождается дата-культура. Еще один сценарий - для решения отдельных задач внутри большой компании: настройка дашбордов с мониторингами, единый инструмент для визуализации adhoc-ов для команды и т.д.

Ну вы прикиньте сами - за 0 рублей вы получаете штуку, которая разворачивается в 2 команды с помощью Docker, подключается без проблем ко всем распространенным СУБД и DWH (причем и по ssh можно, если база на другом сервере), дает возможность строить любые чарты сразу после написания SQL-запросов, да и дашборды на ней можно сносные построить, если подзаморочиться! О, еще вспомнил - много ли биаек дает возможность шерить автообновляемые дашборды без сложных настроек? Metabase дает.

А вообще, конечно, BI-ку надо подбирать под задачу. Для построения системы дашбордов в крупной компании Metabase точно не подойдет - здесь нужно что-то понавороченней, типа Power BI. Да, из РФ он «типа ушел» (хотя казахские карты никто не отменял), поэтому многие ищут выходы. Например, переходят на Superset. И то не из коробки, а на стероидах, со всякими допиливаниями - в стандартной комплектации это тот же Metabase.

Из этого вытекает важный вывод - современному BI-аналитику важно не упираться в один инструмент, а быть многоруким Шивой. И чтобы таких многоруков стало больше, на этой неделе мы с командой запустили новый курс-симулятор «BI-аналитик».

Это программа, где вы с нуля с понятными уроками и на кейсах из реального бизнеса освоите аж 3 BI-системы: Power BI, Superset и Metabase. А еще научитесь писать SQL-запросы like a pro, работать с Excel-ем лучше консультанта из McKinsey и преисполнитесь продуктовыми метриками, аналитикой и тестами.

Сейчас открыт набор на первый поток по early birds ценам. Поэтому если хотите освоить самую красивую и творческую специальность в аналитике или просто качнуть скиллы - обязательно записывайтесь. Но не затягивайте - мы начали набор сильно заранее, а первый поток уже набирается хорошими темпами.

Всем понятных дашбордов, братцы 😍

То чувство, когда в субботу записываешь новые уроки для студентов, а потом понимаешь, что не включил запись экрана…

Google Colab → dash

Для проведения ресерчей чаще всего я использую Google Colab. Просто создаю пустой блокнот и начинаю накидывать туда код, строить графики и выводить таблички. Со временем ячеек с кодом становится слишком много и я начинаю добавлять текст с заголовками H1, чтобы можно было сворачивать дочерние ячейки. Но в какой-то момент мой блокнот превращается в такую лапшу из ячеек, что от монитора начинает пахнуть раменом это становится просто невозможно.

И в этот момент меня каждый раз круто выручает dash - питоновская библиотека для легкого создания веб-приложений с интерактивными графиками plotly. Я просто переношу весь свой код в VS Code, разбиваю все аккуратно по файликам-функциям-классам, создаю одну точку входа с описанием интерфейса и логикой приложения и кайфую.

Да, запилить аппку на dash - дольше, чем просто открыть блокнот в Colab. Но потом это жутко экономит время и нервы. Например, в Colab, чтобы посмотреть на какие-то данные с разными параметрами, ты должен каждый раз чутка редактировать свой код и строить новые графики. А в dash ты один раз добавляешь dropdown-фильтр, а дальше просто выбираешь нужный вариант и все пересчитывается/перестраивается автоматически.

Словом, если вы только сели делать ресерч, то блокноты - ок. Если у вас более-менее понятна фактура, а возвращаться к результатам вы будете еще долго, то перенести все в dash - отличная идея.

Кстати, мы в Simulative сейчас проводим много активностей и ищем спикеров на мероприятия / авторов для статей. Если вам интересно создавать крутой обучающий контент по аналитике - обязательно заполните форму, мы с вами свяжемся!

Ну и если пост вам зашел - накидайте реакций! Я сейчас как раз пилю один ресерч на dash - когда этот пост наберет 250 реакций, а моя аппка станет поувесистей, я выложу сюда исходный код!)