Для чего я использую ChatGPT в работе и в жизни

Два с половиной года как он вошел в мою жизнь и уже сложно представить свой день без него! Иногда я использую именно ChatGPT от OpenAI, иногда DeepSeek, иногда просто какой-то бот в телеге (но все равно обычно просто называю ChatGPT)

💻Рабочие задачи:

🔘Объяснить чужой Python-код. Особенно если он без коментариев и нормального форматирования, скормить его ChatGPT - прям идеальный вариант

🔘Объяснить текст ошибки питоновского кода. Раньше я бы скопировала ошибку в гугл, зашла бы по первой ссылке на stackoverflow и читала бы коммент с самым высоким рейтингом. Сейчас я сразу шлю ее ChatGPT и в случае необходимости еще досылаю свой код

🔘Объяснить сложную тему простым языком. Например, какую-то незнакомую мне математическую концепцию

🔘Переписать код, например код обработки датафрейма с Pandas на Polars - я рассказывала об этой крутой Python-библиотеке в одном из своих прошлых постов. ChatGPT помогает не возиться с ее документацией, а сразу применить

🩷 Личные задачи:

⚪️Проверить нормальный ли состав у какого-то продукта (еды или косметики) или лучше такое не брать

⚪️Поразгонять на какую-то тему, эдакий режим брейншторма. Бывает какая-то идея рождается в моей голове не окончательно сформированной и такие разгоны очень помогают

⚪️Накинуть идей, например, что подарить человеку исходя из его характеристик или что почитать в определенном стиле (правда однажды я попросила DeepSeek посоветовать мне легкую книгу, а он предложил в том числе “Превращение” Кафки 😲 я уже читала ее и для меня это одна из самых грустный книг, после которой меня на несколько дней накрыла экзистенциальная тоска)

⚪️Провалидировать мои мысли. Иногда присылаю свой поток сознания и спрашиваю не херня ли это и нет ли в этом логической ошибки

А вы для чего используете ChatGPT?

#ИИ_анна_в_данных

Наконец-то снова иду на Aha!

Обожаю эту конфу, а в этом году еще и добавили ML-трек. Доклады разделены на треки и рассказываются параллельно в нескольких залах, между которыми можно свободно перемещаться, поэтому я точно не заскучаю

Уже выбрала для себя выступления, которые хочу послушать:

*️⃣Как перестать внедрять ненужный AI: расчет эффекта и фокус на ценность
*️⃣Ты слишком умный, чтобы быть бедным (интригует, правда?🙂)
*️⃣Как использовать синтетических респондентов в продуктовых исследованиях
*️⃣Data-driven подход к небольшой генеральной совокупности: как Авито проводит A/B тесты на агентах поддержки
*️⃣Аналитическая алхимия: как найти оптимальный оффер без тысячи A/B-тестов (опросы методом конджоинт-анализа)
*️⃣Без A/B и магии: активные пользователи растят продукт или продукт растит активных пользователей?
*️⃣Как и зачем анализировать терабайты геоданных в реальном времени
*️⃣Как продуктовая аналитика внутренних продуктов помогает расти компании

Кстати, конференция пройдёт 29–30 мая
Если еще не купили билет, промокод BYAHA25ORG даст 15% скидки ➡️ https://ahaconf.ru/

Лично я люблю конференции за нетворкинг. Но заметила, что многие боятся подходить знакомиться к новым людям и из-за этого даже не ходят на конфренции в одиночку

Если волнуешься, с чего начать разговор, вот несколько идей:

1️⃣ Подойди к кому-нибудь
Не бойся сделать первый шаг: чаще всего люди отвечают взаимностью и вполне доборожелательны! Обрати внимание на людей, которые тоже выглядят немного растерянными или стоят в стороне. Еще можно подойти к тем, кто обсуждает что-то в небольших группах

2️⃣ Обсуди конференцию
“Привет! Как тебя конференция?” - универсальное начало для знакомства. Спроси, на каких докладах человек уже был, обсудите кормежку (тут всегда будет, что сказать 😮), на чьих конференциях вы еще были. Поинтересуйся, выступал ли этот человек сам когда-нибудь

3️⃣ Спроси про работу
“В какой компании ты сейчас работаешь? А что за продукт? Тебе там нравится?” - задай дополнительные вопросы про стек и команду, расскажи про свою работу тоже

4️⃣ Поговори на общие темы
Если разговор идет хорошо, можно обменяться контактами и обсудить еще что-то вне работы

#поболтать_анна_в_данных

Где хранить полезные ссылки и посты

Я думаю у всех нас есть просто огромное количество сохраненных полезных видео, статей, постов, многие из которых теряются и так и останутся не посмотренными 😪

Один из способов не терять такие материалы - это как-то эффективно для себя организовать их хранение. Вот несколько вариантов, куда можно сохранять полезное:

Заметки в телефоне
💗Как и сам телефон всегда под рукой
💗Работают оффлайн
💗Можно создать структуру через папки по темам
➖Неудобно сохранять посты из чатов и каналов телеграма (основного источника полезностей для многих)
➖Могут потеряться, если не сохраняются в облаке

Избранное в телеграм
💗Удобно как пересылать посты из чатов и каналов, так и сохранять любые внешние ссылки, картинки и тексты
💗Есть доступ с любого устройства
➖Нет нормальной структуры

Свой закрытый канал в телеграм или чат с темами
💗Удобно как пересылать посты из чатов и каналов, так и сохранять любые внешние ссылки, картинки и тексты
💗Есть доступ с любого устройства
💗Четкая структура по темам

Notion
💗Предоставляет множество инструментов для оформления
💗Есть доступ с любого устройства
➖Не работает оффлайн
➖Зарубежный сервис, который недавно напугал всех своим “уходом”

У меня сейчас так:
⏺️закрытые каналы в телеграме, куда я скидываю все, что хочу потом посмотреть / не хочу потерять (каналы созданы отдельно под разные темы)
⏺️notion, где лежит уже переработанная информация в виде моих конспектов, к которым я возвращаюсь при необходимости
⏺️плейлист “Посмотреть позже” на youtube с кучей видео

А где ты хранишь все эти посты и ссылки в стиле “потом обязательно посмотрю”?🤡

#поболтать_анна_в_данных

Таблицы собесов: как и зачем я их веду

Аналитика хлебом не корми, дай создать какую-нибудь табличку!

Вот и я почти каждый раз, когда готовлюсь к поиску работы, создаю специальную таблицу в Google Sheet. Туда я вписываю всю информацию по вакансиям и дальнейшим коммуникациям по ним

Структура примерно следующая:
💚Компания
💚Вакансия (ссылка)
💚Описание вакансии (только основное)
💚Инициатор (кто кому написал первый)
💚История коммуникаций (кто и где написал, когда какие созвоны и собеседования были назначены)
💚Комментарий (что я думаю по вакансии, показалось ли мне что-то подозрительным, как оцениваю вероятность оффера и тд и тп)
💚Результат

Это очень удобно, потому что:
💜я не забываю о каких-то озвученных редфлагах вакансии
💜я никогда не забываю на чем мы остановились в обсуждении
💜не забываю никому ответить и главное где отвечать
💜мне так проще сравнивать компании при выборе оффера

Также, если у меня был длительный перерыв в собеседованиях, то создаю себе отдельный лист под парочку вакансий, на которых я хочу просто потренироваться

Туда я обязательно добавляю следующие столбцы:
🩷Почему НЕ хочу у них работать (очень важный столбец, чтобы после получения оффера я не дай бог не согласилась)
🩷Что может мне дать этот собес (например, потренить секцию по АБ тестам)
🩷Какую зарплату назвать (чтобы они отказались)

А вы ведете что-то подобное? Делитесь форматами, может подглядим друг у друга что-то полезное

#карьера_анна_в_данных

Поступил вопрос от подписчика:

нужно ли вообще учить SQL аналитику, если есть Python?

Мне вопрос абсолютно знаком, и я им тоже задавалась после курсов. Прикрепила скрин своего нытья из того времени в комментариях

Но вообще конечно SQL нужен аналитику!

И мне очень жаль, что до сих пор остались курсы, которые для своего удобства дают только csv в Pandas-е крутить (я думала такие остались в 2019-2020 годах)

Потому что в реальной работе:
➖данные компаний хранятся не в таких файликах
➖они хранятся в базах данных
➖все события (например, как пользователь открывает приложение, добавляет товар в корзину, оформляет заказ итд) летят туда

А чтобы тащить их оттуда и обрабатывать, тебе понадобится именно SQL

Мое сопротивление SQL прошло сразу же после первой рабочей задачи

Но знала кстати одного джуна, который настолько ему противился, что просто селектил все данные за нужный день через коннектор в Python, загонял в датафрейм и крутил уже его. Даже если ему надо было посчитать какие-то базовые вещи, типа DAU через COUNT DISTINCT по user_id 😲😳

А как у вас было с SQL? Любовь с первого взгляда или сплошной Python в сердечке?

#sql_анна_в_данных
#python_анна_в_данных

Стартап VS крупная компания: мой опыт

Я успела поработать в разных по размеру компаниях, и вот какие у меня сложились впечатления о различиях между ними

🏪 Процессы 🏪
В стартапе задачи просто летели в меня без какого-то нормального планирования и приоритезации. Из-за этого мне было сложно соблюдать пресловутый work-life balance, и я перерабатывала (никто мне за это не доплачивал, естественно). В крупных компаниях меньше хаоса и процессы выстроены намного лучше

✏️ Бюрократия ✏️
В стартапе я могла начать работать сразу, как получила ноут: на нем уже были все доступы. В крупной компании зачастую на каждый сервис нужно создавать заявки и получать свой доступ, это может занимать до нескольких дней или даже недель

♥️ Этика ♥️
В стартапе я сталкивалась с токсиками, и их поведение остальными воспринималась как нечто само собой разумеющееся (типа ну вот такой он человек, что ж поделать). В крупных компаниях этические нормы на более высоком уровне, токсичное поведение порицается и пресекается

💸 Соцпакет 💸
В крупных компаниях выделяют больше бюджета на соцпакет для сотрудников. Туда входит ДМС, в некоторых компаниях он включает в себя даже лазерную коррекцию зрения и роды. Бывают также 100% компенсации больничного (от 7 до 30 дней), пакеты релокации и прочие плюшки. В стартапе у меня не было даже простенького ДМС

📈 Масштабность продукта 📈
В крупной компании ты работаешь над большим продуктом и например, знаешь, что фичу из твоего АБ теста увидят несколько миллионов человек - это может быть приятное чувство масштабности. Пользователей продукта стартапа может быть настолько мало, что даже не получится провести АБ

🎮 Влияние на продукт 🎮
В стартапе проще повлиять на продукт, изменения внедряют быстрее. Я была всего еще джуном, а мои идеи уже увидели свет. В крупной компании даже крутые и подкрепленные цифрами предложения могут быть не услышаны и засунуты в бэклог навечно

Расскажите о вашем опыте, какой тип компаний предпочитаете для работы?

#карьера_анна_в_данных

5 интересных сайтов для аналитиков и не только ⌨️

Ловите небольшую подборку сайтов, которые могут повысить вашу насмотренность в визуализации данных и АБ-тестах, прокачать критическое мышление и умение находить интересные взаимосвязи

1️⃣FlowingData (flowingdata.com)⭐️
Это сайт, на котором регулярно выходят статьи с интересной статистикой и графиками

Например, вы знали, что существует Pizza Meter, также известная как Pentagon Pizza Orders Theory, - конспирологическая теория, согласно которой увеличение количества заказов пиццы, получаемых ресторанами рядом с Пентагоном, может предсказывать международные конфликты? Предполагается, что сотрудники работают сверхурочно, принимая важные решения, и соответственно заказывают больше пиццы для перекуса - неочевидный на первый взгляд индикатор

Теория недавно снова обсуждалась из-за всплесков заказов пиццы перед ударами в конфликте Израиль-Иран

🆒Spurious Correlations (tylervigen.com/spurious-correlations)💫
При этом вы наверняка знаете, что корреляция не означает причинно-следственную связь. А если не знаете, прочитайте вот эту прикольную книгу

На этом сайте собраны самые необычные корреляции. Например, между потреблением маргарина и разводом жителей штата Мэн корреляция - 99,3%

3️⃣Gapminder (gapminder.org)✨
Это сайт с вопросами по различным статистическим фактам, например, «какой процент населения Земли страдает от голода?» и тремя вариантами ответа

Особенность вопросов в том, что с большой вероятностью вы неправильно ответите на них из-за всевозможных когнитивных искажений

После ответа приводится реальная статистика и объясняется, почему большинство людей отвечают на вопрос неверно

4️⃣ (abtest.design) ⭐️
Небольшая коллекция результатов АБ-тестов популярных компаний, есть даже Duolingo и Uber

Эксперименты разделены на категории, изменение метрики удобно подсвечено и внутри есть ссылка на источник

Может быть полезно новичкам для насмотренности

5️⃣The pudding (pudding.cool) ✨
Тут собраны ну просто невероятно красивые статьи с графиками. Настоящее искусство визуализации данных! Люблю позалипать на такое

Если знаете еще интересные ресурсы, кидайте в комментарии

#статистика_анна_в_данных

Метрики: зло или добро? 📉

Мы, аналитики, постоянно копаемся в данных, считаем метрики, строим дашборды с огромным количеством показателей

Но, погружаясь в числа, важно не забывать, что за ними стоят живые люди, контекст и сложные процессы, которые не всегда укладываются в метрики

Вот например, компания Amazon измеряет буквально всё, не только скорость доставки, но даже количество воздуха в посылках 😰 При этом Джеф Безос понимает, что данные - это только часть истории. И когда цифры и реальные истории расходятся, в приоритет ставится именно опыт клиентов

На эту тему есть интересная книга Джерри Мюллера “Тирания показателей”. В ней много поучительных кейсов, когда увлечение метриками в бизнесе, образовании, здравоохранении, науке и даже в государственном управлении приводили к ухудшению результатов

📘 Основные идеи книги:

✨«Когда мера становится целью, она перестает быть хорошей мерой» - закон Гудхарта
✨часто измеряется то, что легко поддаётся учёту, а не то, что действительно важно
✨выбор того, что измеряется и как это измеряется, заведомо влияет на поведение людей и на результаты
✨навязывание метрик подрывает мотивацию сотрудников
✨люди учатся манипулировать метриками, фальсифицируя отчёты и подгоняя результаты

Недавно по теме также вышло видео с Александром Ложечкиным, который раньше работал в Майкрософт и отвечал там за метрику “удовлетворенность разработчиков” 😰

Вот некоторые тезисы из видео (нажмите, чтобы развернуть):

Опасность метрик не в том вреде, который они наносят, а в том, что это все при этом считается добром. Ал*коголь - зло, но мы знаем, что это зло. Ну или курение, или нар*отики. А вот метрики считаются почему-то добром

Метрики стало очень дешево делать и вместо того, чтобы иметь какое-то ограниченное количество метрик и действительно в них разбираться, мы увеличиваем число дашбордов

Скорость шара, падающего с Пизанской башни, измерить проще, чем удовлетворенность клиента. Тогда мы решаем, давайте мерить количество жалоб - это коллерирует с удовлетворенностью. И здесь уже происходит очень большая потеря информации. На этом этапе мы начнем думать не как повысить удовлетворенность клиента, а как уменьшить количество жалоб

Замечали ли, что в вашей компании излишне пытаются все измерить или удалось достичь баланса по количеству метрик?

И какую самую необычную метрику встречали?

#книги_анна_в_данных