Привет, Хабр!
В этой статье разбираем фундамент ClickHouse — движок MergeTree. Посмотрим, как данные хранятся на диске, чем отличается «парт» от «партиции» и почему индекс в ClickHouse работает не так, как в привычных транзакционных базах вроде PostgreSQL или MySQL.
ИИ — уже не будущее.
Он уже здесь и прямо сейчас влияет на то, что считается хорошим сайтом, продающей страницей и эффективной карточкой товара.
Если сайт или карточка не адаптированы под логику ИИ — вы теряете трафик, позиции и, в итоге, деньги. Часто — даже не замечая этого.
В этой статье разберем, как данные iiko становятся входом для WFM TARGControl: как забирать из POS почасовую выручку и количество чеков, превращать их во временные ряды, использовать для прогноза нагрузки и дальше — для планирования смен и аналитики.
Прежде чем перейти к API и эндпоинтам, ответим на вопрос «зачем вообще тащить POS в планирование». В HoReCa расписание проверяется не отчетом в конце недели, а кассой и залом в ближайшие 1–2 часа: спрос распределен неравномерно по времени, каналам (зал/доставка/навынос) и дням недели. Поэтому устойчивое планирование начинается не с «графика в таблице», а с измеримых драйверов спроса, которые можно регулярно обновлять автоматически.
Показываю ряд полезных советов для визуализации данных в дашбордах и инфографике, они помогут быстрее считывать данные и делать на основе них правильные выводы
Штраф 40% за продажу квартиры в Дубае, московские налоговики начали сверять расходы россиян с их задекларированными доходами, как неумение держать язык за зубами в беседе с налоговым инспектором может создать проблем на ровном месте – в этой статье мы собрали самые кринжовые истории из жизни, с которыми налоговые юристы сталкивались на практике.
Сегодня займёмся реализацией моей довольной старой идеи. Покажу свой доработанный проект по очень интересный гипотезе. Здесь основными триггерами для торгового робота будут выступать две вещи: рыночная структура и использование уровней фибоначчи в комбинации с трейлинг стопом.
Разберём полный цикл разработки торговой системы: от формализации идеи до запуска реального бота на фьючерсной бирже. Проект состоит из двух частей: скрипта бэктеста (Back.py), realtime-бота (Realtime.py).
Цель статьи — показать не только торговую идею, но и инженерную реализацию: архитектуру, контроль состояния, обработку данных, синхронизацию, и различие между backtest-движком и real-time исполнением.
Итоговой результат бектеста - 25000$ прибыли на активе стоимость в 2000$ за 6 лет. Этот результат действительно реален. Отрисовали кривую капитала и посмотрели статистику и основные данные. Подробнее об этом и ньюансах читайте в статье!
В 2021 году Databricks ввели в моду термин «lakehouse», и индустрия дружно решила, что это и есть будущее. Аналитики писали восторженные статьи о том, что классические DWH мертвы. Вендоры спешно проводили ребрендинг своих продуктов, а на конференциях обещали единую архитектуру, которая решит вообще любые проблемы с данными.
Некоторые обещания Lakehouse сбылись. Другие оказались лишь маркетингом. А еще всплыли проблемы, которых никто не ожидал.
В этой статье разберем честный опыт внедрения Lakehouse к 2025 году: какие обещания оказались маркетингом, почему расходы на вычисления часто растут вместо экономии, и как на самом деле выглядит прагматичная работа с Delta Lake, Iceberg и Hudi в современных проектах. Что выжило в продакшене, что тихо скончалось, а о чем принято помалкивать?
Привет! Меня зовут Софья Лисичкина, я старший дата-аналитик в «Лемана Тех». Занимаюсь системой эффективного управления ассортиментом — проще говоря, делаю так, чтобы нужные товары оказывались в нужном месте в нужное время.
Хочу поделиться опытом применения рядов Фурье для автоматического определения сезонных товаров.
Что вы узнаете
Как из формулы сделать рабочий инструмент (без воды)
Весь путь: от «нам нужно...» до «работает!»
Почему мы не стали городить ML-модели, а выбрали простое решение
Как объяснить бизнесу, что такое амплитуды и фазы Фурье
Всем привет! Меня зовут Никита Жарков, я продуктовый аналитик с большим опытом работы в Edtech и банковской сфере. В этой статье я расскажу, как мы построили систему прогнозирования прямо внутри ClickHouse, и покажу, как вы можете сделать подобное у себя. Здесь будет не только история как мы сделали, но и понятный путь, который можно повторить шаг за шагом: от подготовки данных до проверки качества.
Обычно прогнозы строят через внешний стек - выгрузка, Python, отдельные пайплайны. Это нормально, но не всегда удобно, особенно если прогнозы нужны ежедневно и команда хочет держать всё в одном месте. Мы решили использовать встроенные ML‑функции ClickHouse и получить рабочий прогноз без внешней инфраструктуры. В статье разберём, почему это работает, какие признаки нужны, как устроено обучение и как правильно оценить качество результата.
К 2026 году AI перестал быть будущим, экономическая турбулентность стала фоном, а запросы бизнеса к аналитике заметно выросли. От специалистов всё реже ждут просто цифры или аккуратные дашборды, всё чаще — понимания, интерпретации и решений.
Я выделил восемь трендов, характерных для этого года, — давайте обсуждать каждый!
Кросс-доменные end-to-end (E2E) процессы кажутся логичными: заказ, оплата, доставка, клиентский сервис — все в одной диаграмме. Но современные организации живут в гиперлиминальной реальности (по О’Рейли): жесткие системы (ПО, процессы) погружены в хаотичную среду изменений — рынок, регуляции, сбои, ротация команд.
Что делать? — Конечно, резать! — собственно, об этом статья — как строить устойчивые процессные архитектуры, опираясь на теорию остаточности.
— А это еще что такое? — Это "что остается от сказки потом, после того, как ее рассказали"))
Разбираемся зачем при внедрении заказных бизнес-приложений нужен этап моделирования бизнес-процессов. И можно ли обойтись без него.
Афанасий Фет написал импрессионистскую картину в стихах. Сможет ли цифровой анализ объективно подтвердить или опровергнуть этот миф?
Цифры обладают опасной аурой объективности. «Цифры не врут», — говорит нам внутренний голос. «Против математики не попрешь», — вторит ему здравый смысл. Но правда в том, что статистика — это не просто математика, это искусство интерпретации. И в умелых руках аналитика или маркетолога одни и те же сырые данные могут рассказать две совершенно разные истории.
Аналитик студии комплексной разработки цифровых решений CleverPumpkin Алёна Сорокина и эксперты брендов со зрелым data-driven подходом «М.Видео» и Unirest.tech (бренд Rostic's) разбирают, как использовать данные, чтобы управлять конверсией, минимизировать риски при релизах и масштабировать работающие решения для роста e-commerce продуктов.
Вспомните, как вы онбордили аналитика: показывали данные, примеры рабочих SQL, неочевидные легаси и костыли — и через какое-то время он начинал перформить самостоятельно.
Чтобы научить AI-агента — нужно пройти ровно те же шаги, только вместо недель, на обучения потратятся часы, а в результате большая часть рутины аналитика будет автоматизирована.
В этой статье я расскажу, как я автоматизировал свой анализ данных, и дам пошаговую инструкцию, которую вы с легкостью сможете повторить это у себя в проекте.
Статья будет полезна как предпринимателям, которые хотят оптимизировать процессы, так и аналитикам, которые хотят прокачать себя. Погнали!
Самые интересные новости финансов и технологий в России и мире за неделю: ЦБ снизили ставку до 15,5%, штраф за кросс-дрессинг Губки Боба, безумные налоги с нереализованной прибыли в Нидерландах, столетние облигации от Google, Маск променял Марс на Луну, Claude от Anthropic участвовал в похищении Мадуро, а также «золотой» домен ai.сom за $70 млн.
⛔ Почему цена на рынке падает одной свечой
В 2026 году «купил и держал» это ставка на то, что выдержишь -40…-70% просадку без эмоционального или маржинального выхода. Рынок стал хрупким: каскады ликвидаций случаются несколько раз в год. Статичный холд больше не работает.
Разбираю математику падения
В идеальном мире продуктовый аналитик запускает тест и через три дня получает статзначимый результат. В реальности мы часто видим прогноз: «Для достижения мощности 80% вам нужно крутить этот тест 45 дней». Но математику можно «обмануть» (точнее — оптимизировать), не теряя в качестве выводов.
Каждый продуктовый аналитик или менеджер рано или поздно сталкивается с A/B-тестированием. На первый взгляд всё кажется простым: разделили трафик, показали разные кнопки, сравнили цифры. Но на практике 80% успеха теста закладывается ещё до его старта — на этапе дизайна.
В этой статье мы разберем, что такое «карточка теста», почему это не про картинки и какие 8 пунктов спасут ваш эксперимент от провала.