Одно из лучших мест для жизни и работы в моем личном рейтинге - это Бангкок🇹🇭 и вот почему:
1. Недорогие апартаменты с отличными условиями. При долгосрочной аренде $250 - $600 в зависимости от района и размера.
2. Вкусная локальная кухня. $2 - $3 за большое блюдо.
3. Отличная погода. Всегда тепло, но при этом не так жарко, как на Пхукете - ощущается, как теплый сентябрь.
4. Большое мультикультурное комьюнити диджитал номадов, предпринимателей, фрилансеров со всего мира. Тайцы, японцы, китайцы, европейцы, индийцы и др. - все говорят на английском.
5. Город контрастов. 200+ современных небоскребов отлично сочетаются с атмосферой "старой Азии" - кучей палаток с уличной едой, тук туками, храмами.
6. Отличный сервис. Можно найти все, что хочешь.
Я провела месяц в Бангкоке и несколько дней из них в True Digital Park - одном из самых больших тех- и стартап-хаб в Южной Азии.
True Digital Park - это по сути город внутри города с концепцией WORK – LIVE – PLAY – LEARN:
- Коворкинги - как платные, так и бесплатные, доступные любому желающеиу
- Игровые зоны для расслабления в перерывах от работы
- Бесплатный sky track - 540 метров беговой дорожки на высоте
- Многоуровневые зелёные зоны с большим количеством садов
- Digital & AI Research Center - инновационный центр с роботами
- Офисы команд Google, Huawei, 7-Eleven и других
- И многое другое
Если хотите прочувствовать азиатскую диджитал атмосферу - я сделала полный обзор True Digital Park тут.
И если интересны такие посты про места для жизни и удалённой работы - жмите🔥.
Как разглядеть тренды раньше других и действовать вовремя, несмотря на хаос вокруг?
Вопрос сложный, но важный.
Сейчас прохожу курс Future Thinking от Institute for the Future (на Coursera) - он как раз про это: видение будущего, “что может быть”, “какие тренды” и как реагировать на изменения.
Если у вас развито мышление о будущем (Future Thinking), вам легче ответить на волнующие многих вопросы о будушем:
- какие навыки пригодятся через 5 лет и какие стоит приобретать уже сейчас
- как будет выглядеть профессия аналитика данных в будущем
- в какие компании инвестировать
- какие продукты будут востребованы на рынке
- в какую страну переехать, где будут лучшие возможности и безопасность
Отвечать на эти вопросы непросто - мы живём в VUCA-мире (мире изменчивости, неопределённости, сложности и неоднозначности), где вместо простых проблем - дилеммы без однозначных ответов.
Но какими бы хаотичными ни казались события, большинство сегодняшних реальностей были вчерашними прогнозами.
Один из способов понять, что нас ждёт, - замечать и анализировать сигналы.
Сигналы - это то, что происходит уже сейчас, но пока ещё не стало массовым.
Примеры сигналов:
- Новая технология/научное открытие
- Новая бизнес-модель
- Новый закон
- Странное поведение
Примеры сигналов:
Ряд стран (Сингапур, США) разрешили продажу мяса, выращенного из клеток в лаборатории (например, компания GOOD Meat). Это может быть сигналом, что в будущем мясо массово будут производить не на фермах, а в лабораториях.
ИИ уже считает лучше человека - значит, работа аналитика всё больше уходит от расчётов к смыслу: понимать бизнес-логику, объяснять данные, уметь работать с ИИ. А значит, уже сейчас стоит прокачивать софт-скиллы.
Чтобы замечать сигналы будущего, нужно тренировать внимание к “аномалиям” - вещам, которые пока выглядят мелкими, странными или неважными, но могут стать массовыми позже. А затем задать себе вопрос - что будет, если этот сигнал усилится?
Также важно смотреть в прошлое - искать повторяющиеся паттерны. История - источник сигналов и моделей поведения, которые возвращаются.
Когда мы замечаем сигналы:
- можем подготовиться к изменениям
- скорректировать свою стратегию
- или повлиять на направление будущего, если оно нам не нравится.
Когда мы не обращаем внимание на сигналы, потом удивляемся: что вообще происходит? Будущее застаёт нас врасплох.
Исследование почти 100 компаний за 7 лет показало, что те, кто системно использовал методы futures thinking, имели на 33% больше прибыли. То же самое работает и для людей.
В курсе также много других инструментов - если интересно - буду делиться по мере прохождения в моем телеграм канале.
Продолжаю разбирать платные курсы по аналитике данных, чтобы помочь вам разобраться, какой курс лучше всего подходит.
Уже сделала разборы курсов Eduson и Karpov Courses.
Сегодня — курс от Changellenge Education “Аналитик Pro”. Школа известна тем, что ее основатель также создал компанию Changellenge >> — через нее крупные компании (Альфа, Яндекс, тп) нанимают джунов.
Напомню мои условия разбора:
Погружаюсь в курс, включая платные материалы.
Нет цели “топить” или “продвигать” авторов. Разбираю по сути — плюсы и минусы.
Что может не понравиться:
1. Программа длинная и объемная — 12 месяцев. Для тех, кто хочет быстрый старт за 3–5 месяцев, может быть минусом.
2. Если вы чистый технарь и хотите только SQL/код — курс может показаться избыточным: тут много про бизнес и коммуникацию. Чистые технари часто остаются исполнителями, а софты помогают расти до тимлидов и менеджеров. Но не у всех есть эта цель.
3. Много командной работы — если не включаться, эффекта не будет. Интровертам, как я, будет непросто. Но, с другой стороны, это бустанет по софт скиллам.
4. Гарантий трудоустройства нет, хотя и есть сильная карьерная поддержка.
Что понравилось:
1. За 12 месяцев изучаются 5 направлений аналитики (аналитика данных, финансовая и бизнес - глубоко и продуктовая и маркетинговая - частично). Это пока самая масштабная программа, что я видела.
Подойдет если не знаете, какое из направлений аналитики ближе (обычно бывает у новичков). Плюс, такая база дает широкую прокачку по скиллам и больше шансов на трудоустройство и рост.
2. Воркшопы = как на рабочем митинге
Я была на SQL-воркшопе с Егором Худяковым (Банк Точка). Формат живого общения: разбирали задачи на практике (в том числе из реальных собеседований на джуна). Группа небольшая — 5–10 человек, реально можешь сказать слово (что редко встретишь). Это похоже на рабочие митинги и качает не только харды, но и софты — умение быстро думать в команде и презентовать решение.
3. Кейсы максимально приближены к реальной работе
Например, задание из обучения: вы аналитик в агрегаторе такси, менеджер жалуется на падение поездок — разберитесь, почему — а потом сравните с разбором от эксперта (здесь чувствуется влияние Ромы Маресова — ex-head Yandex Go, ныне CEO в Яндекс E-Commerce).
4. Кейсы-интервью как на собеседовании в McKinsey/BigTech
Мне попался кейс с Sephora в формате McKinsey case interview (кейсы поставляет международная консалтинговая компания SCG). На собеседованиях в консалтинг и BigTech такие кейсы — стандарт.
5. Групповые проекты на кейсах мирового уровня форматаHarvard Business School → мощный буст софт-скиллов
Формат похож на Harvard Business School case study — команда 5–8 человек, за 2 недели вы решаете задачу и защищаете в Zoom перед работодателями. Я смотрела кейс от SCG: нужно было разработать стратегию выхода компании на рынок Бразилии/СНГ/ЮАР.
Это практически уровень MBA — не просто SQL, а стратегия, презентации, командная работа. Позволит быстрее расти по карьере — с какого-то уровня рост аналитика зависит не только от хардов, но и от умения донести позицию до клиента или руководителя.
Fun fact: защита проходит в формате конкурса: победители получают призы от партнёров (от мерча до трудоустройства в компанию).
6. Шанс выйти напрямую к работодателям
Финальные проекты защищаются перед работодателями. Для сильных студентов это шанс пройти в компанию, минуя часть отбора. Даже если вас не выбрали — защита даёт опыт презентации перед бизнесом.
7. Сильное сообщество выпускников
Когда я изучала курс, шла встреча выпускников — днём кейсы по бизнес-трансформации, вечером — тусовка под DJ. Учёба здесь — вход в их клуб, где вместе растешь и развиваешься.
Я проходила много курсов, есть с чем сравнить, и для меня Аналитик Pro ощущается как MBA в аналитике, а не просто курс → прокачивает харды (охвачены необходимые навыки) + стратегию (задачи уровня McKinsey и HBS) + бизнес-коммуникацию, софты (много работы в группах).
Как я качаю софт-скиллы - и почему без них SQL бесполезен
У аналитиков часто сильные хард-скиллы, но продвигаться помогают именно софт-скиллы - умение объяснять, договариваться, управлять, а не то как ты кодишь/считаешь. Ты можешь разработать сколько угодно крутой дашборд, но при этом не суметь его “продать” коллегам и они не будут им пользоваться.
Коммуникация и управление - мои слабые места, но поняла это относительно недавно:
У меня много травм, мешающих коммуницировать. Например: жду, пока соседи уйдут, и только потом выхожу к лифту. Не потому что я интроверт, а потому что срабатывают детские паттерны.
Сложно делегировать. Люди делают не так или не делают вовсе, и я снова беру всё на себя.
Хочу не просто “уметь говорить” - а реально договариваться, управлять и уметь решать сложные ситуации с людьми. С инструментами, а не на интуиции.
Что я делаю, чтобы прокачать коммуникацию и управленческие навыки?
Работаю с психологом. Что-то уже пофиксили, что-то ещё в процессе.
Изучаю теорию. Поняла, что без нее сложно - расплываешься, не понимая, как все устроено и не хватает инструментов.
Первый курс, с которого я начала - полностьюбесплатный курс Основы управления и коммуникации от школы менеджмента Стратоплан. Мозг поначалу сопротивлялся - так бывает, когда тема действительно проблемная.
Оставлю несколько идей из курса, которые помогут тебе эффективнее коммуницировать:
Прежде чем предлагать решение, убедись, что все видят проблему одинаково. Раньше я сразу предлагала решение, пропуская этот этап. А ведь именно с него начинается "продажа" идеи. Мы с аналитиками сделали дашборды для менеджеров по просьбе руководителя - это должно было упростить работу. Но менеджеры не стали их использовать: “Зачем? У нас и так всё работает”. Посмотрев курс, поняла: тогда мы начали с решения, а они еще не видели проблемы.
Учитывай не только приоритеты и сроки, но и психологическое состояние. Человек может быть перегружен, тревожен, выгоревший - и в таком состоянии он не услышит ни твоих аргументов, ни задач. Помогают в этом психолог, курсы и дневник, где я отслеживаю мысли и чувства: они научили меня не обесценивать своё и чужое состояние, а замечать сигналы - до того, как всё взорвётся.
Без энергии - никакие софт-скиллы не работают. Ты можешь знать все техники коммуникации, но вместо конструктивного диалога - вспылишь, потому что перегружен. У большинства уровень энергии - 30-35%, а для старта чего-то нового нужно хотя бы 45% (модель “батарейка”). В курсе есть схема, как восстанавливать энергию - оказалось, я уже делаю почти все. Плюс сдаю анализы на витамины и пью их регулярно при дефицитах - энергии стало больше, чем когда-либо.
Проясняй ожидания - до того, как начнёшь делать.Это критически важно: в ожидания другого человека "просто так" не попадёшь. Первые задачи по аналитике я не уточняла - было страшно, что подумают, будто я "туплю". В итоге приходилось переделывать: начальник имел в виду одно, а я делала совсем другое. Сейчас понимаю: уточнять - это не глупо, это профессионально.
Используй свои сильные стороны. Удовлетворение от работы растёт, когда вы используете хотя бы 4 свои сильные стороны. По тестам из курса одна из моих - любознательность: я живу в режиме исследователя. Поэтому меня буквально тошнит от задач, где нет места вопросам, поиску и новизне.
Манипуляции - это минус. Манипуляция - это скрытое воздействие на твои эмоции, чтобы добиться нужных целей. В продажах это, например, фраза “осталось последнее место”. Часто мы используем манипуляции неосознанно. Но в работе и отношениях манипуляции подрывают доверие. Лучше работает конструктив (примеры и инструменты есть в курсе по этому поводу).
Для меня изучение теории и работа с психологом - только начало. Они задали правильные вопросы, расширили картину и дали инструменты, с которыми в коммуникации проще: меньше хаоса, больше ясности. Дальше планирую изучать тему глубже.
Если у вас есть личный опыт по развитию софт-скиллов - будет интересно послушать.
Последний месяц я системно разбираю разные курсы по аналитике данных - по просьбам подписчиков моего каналаАналитика и Growth-mindset (18K подписчиков).
Уже сделала разбор курса Eduson, на очереди - Яндекс Практикум, Skillbox, Нетология. В этот раз - курс по аналитике данных от Анатолия Карпова.
Всё началось с того, что мой знакомый Паша - менеджер из МТС - решил перейти в аналитику и попросил меня взглянуть на курс от Eduson. Как бывшего аналитика данных и предпринимателя в настоящем, который в том числе нанимал аналитиков в команду. Я поделилась мнением с Пашей и опубликовала разбор в Telegram-канале.
Пост собрал 337 реакций с просьбой продолжить. Так начался этот цикл обзоров.
Мои условия проверки курсов:
Погружаюсь в курс - демо, программу и часть платных материалов. Целиком курс не прохожу, но стараюсь посмотреть ключевые моменты, важные для работы аналитиком данных.
У меня нет цели “топить” основателей курса и уж точно “продвигать” кого-то. Разбираю по сути - плюсы и минусы, которые заметила. Все, что пишу - мое субъективное мнение.
Про Анатолия Карпова я знаю уже давно по бесплатным курсам по статистике на Stepik. Несмотря на то, что практических примеров в них не хватало - бесплатные курсы помогли мне в целом разобраться в статистике.
Поэтому платный курс по аналитике данных было особенно интересно разобрать - посмотреть, какие плюсы и минусы есть и насколько хорошо он обучает.
Что может не понравится в курсе:
Учебный ритм фиксированный: уроки и задания открываются 3 раза в неделю, на выполнение дают 2 недели. Это может быть минусом для тех, кто хочет полностью свободный график.
Нет гарантии трудоустройства. Есть поддержка карьерных консультантов, но результат зависит от самого ученика.
Иногда платформа немного лагала например, виртуальный помощник по курсу ответил мне не с первого раза или видео звучало с глюками.
Что выглядит сильным:
Мне зашла подача теории - построена на примерах и реальном опыте преподавателей. Например, лекция по визуализации от BI-евангелиста Яндекса содержит 7 примеров за 15 минут. Если серьезно, примеры - один из самых сильных способов обучения: мозгу легче запомнить наглядное.
В курсе 490+ практических задач. После каждого урока с лекциями увидела в среднем 10 практических задач и вопросов на подумать: посчитай метрики, разберись с поведением пользователей, выбери дашборд под задачу и т.д. Формируется не только навык, но и голова начинает думать как у аналитика.
10+ кейсов в портфолио - по сути, реальные задачи, и в целом охватывают все ключевые навыки, поэтому на собеседовании пробелов быть не должно. Например: анализ A/B-теста в дейтинг-приложении, оптимизация маркетинговых каналов в доставке еды, разбор, где теряются клиенты и тд.
Погружение в реальную работу. У меня в доступе оказался проект модуля по визуализации. Там нужно не просто “собрать дашборд”, а пройти весь путь: собрать требования, провести интервью, поработать с данными, визуализировать и презентовать результат.
В таком виде это дает полное погружение в работу аналитика данных. И как раз закрывает тот самый частый вопрос: “Прохожу курс Х, но всё ещё не понимаю, чем вообще занимается аналитик и как выглядит работа на практике.”
У новичков часто проблема не с тем, как посчитать, а с коммуникацией. В курсе задания не оторваны от реальности - нужно общаться, принимать решения, думать, что важно для бизнеса. Прокачиваются не только hard, но и soft-скиллы.
Есть база вопросов с собеседований и тестовых заданий. Правда сама я ее не видела, про нее рассказал ИИ на сайте (”это набор реальных кейсов и задач, которые дают на собеседованиях в IT-компаниях”). Крутая тема, чтобы повысить шансы пройти собес.
У курса есть минусы - в первую очередь формат и темп. Но в целом он даёт реалистичное представление о работе аналитика. Интересно, совпадает ли это с мнением тех, кто проходил курс? Речь шла об этом курсе: karpov.courses/analytics.
Ну и если ждете разбор других курсов - пишите в комментариях, чтобы я понимала, что тема интересная.
Если много стараетесь, но результата нет — вот что помогает мне: вместо того чтобы делать всё подряд, я ищу одну главную причину, что тормозит, и фокусируюсь только на ней. Это даёт максимальный эффект.
Вот 2 типичных случая, когда не получается сдвинуться с места:
1. Неясно, за что хвататься — и ничего не работает.
Пример — новички в аналитике, которые ищут работу, часто не понимают, на чём сфокусироваться. Мысли скачут: “Может, выучить ещё один инструмент? А вдруг дело в опыте?”. Паника только усиливает расфокус. Но стоит спокойно разобрать воронку — и оказывается, всё сыпется уже на этапе резюме. Откликов нет, потому что резюме общее и сырое. Когда текст становится чётким и показывает ценность для работодателя — начинаются отклики.
2. Фокус на том, что привычно, а не на том, что важно.
Пример — у многих начинающих предпринимателей с бэкграундом в разработке или аналитике не получается делать продажи. Причина банальна: на сайте нет трафика. Но вместо того чтобы заняться маркетингом и привлечь хотя бы первых 1000 человек, разработчики продолжают улучшать продукт, а аналитики — совершенствовать сбор данных. Продукт еще никто не видит, а данные не на что применять, поэтому пока не решишь вопрос с трафиком — всё остальное делать бессмысленно.
Прогресс начинается тогда, когда находишь и убираешь главное препятствие, а не делаешь всё подряд или то, что привычно.
Эту идею описал Элияху Голдратт в книге "Цель". Главный герой, Алекс, должен за 90 дней спасти завод, и наставник учит его искать главное ограничение — и устранять именно его. Хотя книга о производстве, принципы легко применимы в любой сфере.
Суть: в любой системе есть одно узкое место, которое сдерживает результат. Оно может быть внутренним (процессы, команда) или внешним (рынок, ресурсы). Пока это ограничение не убрано — остальные усилия почти бесполезны.
Недавно увидела, что результаты по проекту не те, которые планировала (а недавно я еще и увеличила планку), поэтому решила применить теорию на практике. Что сделала:
Выделила время на глубокий анализ данных из систем аналитики. Данные подсказывали: проблема — в продукте или его позиционировании. Но не всё можно понять только по цифрам.
Поэтому я подробно описала ситуацию ChatGPT — что происходит, мои сомнения и приложила данные. Попросила найти ограничение через призму Теории ограничений.
Сначала ChatGPT предложил несколько вариантов. После пары итераций с уточняющими вопросами я нашла главное ограничение.
Сейчас фокусируюсь на устранении этого ограничения. Когда решу — перейду к следующему ограничению (это, кстати, один из принципов Теории ограничений).
В чём отличие от обычной расстановки приоритетов?
Приоритеты часто ставят на ощущениях. Теория ограничений даёт чёткий фокус — куда бить, чтобы был максимальный эффект.
Конечно, идеализировать не стоит — у любой теории есть рамки. Теорию ограничений лучше применять, когда: — Ресурсы ограничены — а так почти всегда: время, деньги, внимание. — Нужен быстрый результат — Система (бизнес, команда, проект) не даёт результатов, хотя вроде “всё делается”
Любая теория — не панацея, но помогает по-новому увидеть свою ситуацию.
Так как в начале я сталкивалась с различными проблемами в развитии телеграм-каналов, я решила создать инструмент, который поможет владельцам телеграм каналов "растить" их канал.
Channel Analyzer анализирует любой Telegram-канал и даёт полезные инсайты:
Как я снова отравилась из-за океана — и при чём тут аналитика данных
Температура, тошнота, диарея — это происходит со мной каждый раз после серфинга в дождливый сезон, когда в море сливается всё, что угодно — от мусора до банальных 💩.
В северной части Тихого океана, на полпути между Гавайями и Калифорнией, вращается 100 000 тонн пластикового мусора. Добро пожаловать в Большое мусорное пятно — область, втрое больше Франции. Оно выглядит так же катастрофично, как и звучит: сверху напоминает гигантский пластиковый суп.
И это лишь 2 примера, подтверждающие: мусор в океане — это глобальный кризис, а не локальная история. Скоро мы вообще не зайдём в океан?
➡ Ежегодно в океаны, реки и озёра попадает 19–23 млн тонн пластика — как если бы каждую минуту в воду сбрасывали 2 000 мусоровозов.
➡ На поверхности океанов плавает около 170 трлн пластиковых частиц, а на дне может быть в 10 000 раз больше.
➡ Ежегодно из-за мусора в океане погибают 100 миллионов морских животных. Страдают и морские растения, которые участвуют в производстве 70% кислорода.
➡ В исследовании микропластик нашли в 99% морепродуктов. Это вызывает тревогу из-за возможного влияния на пищеварительную, эндокринную и другие системы организма.
В мире есть некоммерческие и частные организации, борющиеся с загрязнением. Например, The Ocean Cleanup очищает океаны от пластика с помощью инновационных технологий.
1. Определяют источники загрязнения, чтобы “поймать проблему на старте”
💡 80% пластика попадает в океан через ~1000 рек.
Чтобы найти эти «артерии загрязнения», анализируют спутниковые данные, гидрологические карты, поведение мусора в воде, данные о населении и инфраструктуре. Это позволяет не просто «ловить мусор в океане», а перехватывать его у истока — в реках.
2. Предсказывают, куда поплывёт мусор, чтобы точнее планировать очистку
— Камеры на мостах фиксируют мусор в реках — GPS-буи и радары отслеживают его путь в океане — ИИ-модели показывают, где и когда он соберётся в “мусорные вихри”
Это помогает запускать очистку точно там и тогда, где она даст максимальный эффект.
3. Визуализация, которая не оставляет равнодушным
Цифры — это важно, но именно визуализация заставляет почувствовать масштаб. Данные превращают в наглядные дашборды, которые: — Показывают, где океан «захлёбывается» от пластика — Делают проблему видимой и понятной — Помогают влиять на решения политиков и доноров
Дашборды по загрязнению пластиком можно посмотреть тут.
4. Прогнозы на будущее и машинное обучение
Чтобы не просто тушить пожары, а предотвращать их, аналитики обучают модели, которые помогают заглянуть вперёд: — Что будет с океаном, если мы продолжим жить «как обычно»? — А что изменится, если сократим пластик хотя бы на 20%? — Где появятся новые точки бедствия через 5 лет?
Такие организации нанимают аналитиков данных и стажёров — есть вакансии по визуализации, машинному обучению, компьютерному зрению, анализу временных рядов (ссылки на вакансии опубликовала тут).
Или можно стать гражданским учёным и внести свой вклад, документируя пластиковое загрязнение с помощью специальных приложений (Ocean Cleanup Survey App или Debris Tracker).
Как Duolingo добилась успеха на рынке и причем тут аналитика
Duolingo — одно из самых популярных приложений для изучения языков (№1 по скачиванию в магазинах приложений). Вместо скучных уроков оно напоминает игру: прогресс, уровни, награды, упражнения мини-игры и др.
По данным компании, около 34 млн. человек используют Duolingo каждый день.
Но что стоит за этим успехом?
Один из ключевых принципов компании — "Тестируй всё". Постоянные эксперименты помогают Duolingo улучшать процесс обучения и находить новые решения для роста.
В любой момент в Duolingo могут проводиться несколько сотен A/B тестов одновременно. Экспериментируют со всем: от мелких изменений интерфейса до запуска крупных функций, как Лидерборды. Для A/B тестирования компания разработала собственный сервис.
Как Spotify добилась успеха на рынке и как аналитика помогает развитию?
Spotify — №1 среди музыкальных стриминговых сервисов по количеству ежемесячных активных пользователей (MAU). По данным компании, более 515 млн человек используют Spotify ежемесячно, а 210 млн — это подписчики на платные версии сервиса.
Пользователи могут слушать любимую музыку и подкасты по подписке или бесплатно с рекламой.
Что стоит за этим успехом?
Эксперименты. В Spotify регулярно проводят эксперименты с интерфейсом, рекомендациями и новыми функциями, чтобы улучшать сервис. Все статьи про эксперименты
Дашборды. В 2023 году в Spotify создали более 4900 дашбордов в Tableau и Google’s Looker Studio. Чтобы было легче контролировать качество, был разработан Dashboard Quality Framework — чек-лист, который включает пункты, связанные с визуальным дизайном, удобством использования, инсайтами и доверием. Статья и чек-лист дизайна дашборда
Машинное обучение. Spotify активно использует машинное обучение для улучшения пользовательского опыта и создания персонализированных музыкальных рекомендаций. Все статьи Spotify про машинное обучение
Этот курс посвящен бизнес-аналитике, моделированию данных, процессам ETL, дашбордам и отчетности.
Важно! Чтобы учиться бесплатно, вам нужно зайти в подкурсы и нажать "прослушать курс". На главной странице курса бесплатной опции нет.Подробнее, как это сделать - Инструкция тут.
Сегодня хочу поделиться классным исследованием компании JetMetrics и ее основателя Дмитрия Некрасова, которые выделили 268 универсальных метрик маркетинга и продаж.
К этому посту приложен полный список, который предельно четко разделен на 7 основных разделов, поэтому ориентироваться в таком изобилии будет легко.
Однако JetMetrics пошли еще дальше и создали фреймворк под названием “карта метрик”, который позволяет сначала выделить стратегически важные для бизнеса показатели, проследить между ними взаимосвязи и только после этого создать финальный дашборд.
Как следствие, аналитик не тратит время напрасно, а дашборд становится actionable (=полезным для руководства). В идеале с первой попытки.
У карты метрик уже более 14 000 последователей на рынке США, среди которых ни много ни мало Bayer, New Balance, Heineken и Stripe. А вот в России она пока известна мало.
100 лучших стартапов в области аналитики, финансируемых Y Combinator
Y Combinator, один из самых известных и престижных стартап-акселераторов, обновил список стартапов в области аналитики.
Помимо известных компаний, таких как Amplitude и Mixpanel, в список вошли и новые стартапы.
Стартапы в области аналитики, профинансированные в 2024 году:
Zeit AI — трансформирует файлы Excel в базу данных, к которой можно делать запрос на естественном языке.
PandasAI — усиливает библиотеку Pandas с помощью ИИ. Позволяет легко выполнять сложные задачи анализа данных без глубоких знаний в программировании и машинном обучении.
Pretzel AI — замена Jupyter Notebook с открытым исходным кодом и встроенным ИИ.
DaLMatian — автономный аналитик данных с использованием ИИ, который сочетает преобразование текста в SQL, сегментацию, обнаружение аномалий и другие инструменты.
MinusX — ИИ специалист по данным для Jupiter Notebook, Расширение Chrome, которое управляет вашими аналитическими приложениями за вас.
Tile — ИИ-ноутбук, позволяет любому исследовать свои данные с помощью модульных шагов без громоздкого синтаксиса SQL.
Аналитика данных в серфинге: стартап, объединяющий хобби и работу
Сегодня хочу рассказать про стартап, который совмещает аналитику данных, машинное обучение и серфинг.
Большинство его сотрудников - это серферы-специалисты по данным, совмещающие хобби (серфинг) с удаленной работой в области данных.
Surfline - компания, созданная американским серфером Шоном Коллинзом. Ее миссия - помочь серферам ловить идеальные волны.
500K+ скачиваний в Google Play 7M+ визитов на сайт ежемесячно
Я сама использую Surfline, чтобы узнать, насколько хороши условия для серфинга в тот или иной день. Например, если условия "Poor", волн нет или волна слишком высокая - то в такой день серфить не очень удобно и лучше планировать что-то другое.
Как компания прогнозирует условия для серфинга? 3 ключевых момента:
Сбор данных.
Информация собирается с буйков в океане, метеорологических станций и спутников.
Моделирование.
В начале Шон Коллинз строил прогнозы на основе того, что он смог рассчитать на листе бумаги. Современные модели представляют собой миллиарды вычислений, учитывают тысячи различных переменных. И эти модели постоянно совершенствуются.
Визуализация.
Полученная информация переводится на "серферский" язык и визуализируется в виде дашбордов на сайте и в приложении (на скрине).
Surfline - вдохновляющий пример того, как данные могут улучшить качество жизни. А также того, что работа и хобби могут гармонично сосуществовать, если выстраивать карьеру вокруг своих интересов.
