Отдыхаем от аналитики, данных, задач, новостей
Сегодняшние облака с закатным светом 😍
Сегодняшние облака с закатным светом 😍
❤34🔥5
Меньше месяца до окончания приема заявок в магистратуру ЦУ с грантом до 75% на все время обучения!
Если хочешь двигаться в новую роль, но не хватает уверенности и структуры — начни обучение на одном из четырех ИТ-направлений магистратуры ЦУ.
Ты сможешь прокачаться:
— в продуктовой аналитике;
— машинном обучении;
— продуктовом менеджменте;
— backend-разработке.
Партнеры университета — ведущие компании на рынке РФ: ВТБ, Сбер, Т-Банк, Яндекс, Avito, Ozon, Х5 Tech и другие. 62% магистрантов ЦУ находят новую работу с ростом зарплаты в 1,6 раза уже на первом курсе, а средняя зарплата достигает 195 000 ₽.
Обучение можно совмещать с работой, так как занятия проводятся по вечерам и выходным.
Успей подать заявку до 24 августа: ссылка
Если хочешь двигаться в новую роль, но не хватает уверенности и структуры — начни обучение на одном из четырех ИТ-направлений магистратуры ЦУ.
Ты сможешь прокачаться:
— в продуктовой аналитике;
— машинном обучении;
— продуктовом менеджменте;
— backend-разработке.
Партнеры университета — ведущие компании на рынке РФ: ВТБ, Сбер, Т-Банк, Яндекс, Avito, Ozon, Х5 Tech и другие. 62% магистрантов ЦУ находят новую работу с ростом зарплаты в 1,6 раза уже на первом курсе, а средняя зарплата достигает 195 000 ₽.
Обучение можно совмещать с работой, так как занятия проводятся по вечерам и выходным.
Успей подать заявку до 24 августа: ссылка
👍3❤1
Как лучше писать резюме чтобы пройти ИИ-скрининг
Крупные компании используют ИИ для отбора резюме кандидатов на позиции. Это дополнительный этап воронки, который сокращает выборку резюме и кандидатов для более детального отбора рекрутером.
Увидел пост от Вышки с классной мыслью, что
Однако есть свои нюансы) Рекрутеры все равно сами просматривают резюме и читать огромный документ с большим количеством текста они не будут.
Подробнее можете почитать здесь
Крупные компании используют ИИ для отбора резюме кандидатов на позиции. Это дополнительный этап воронки, который сокращает выборку резюме и кандидатов для более детального отбора рекрутером.
Увидел пост от Вышки с классной мыслью, что
более развернутые резюме имеют больше шансов пройти дальше
Однако есть свои нюансы) Рекрутеры все равно сами просматривают резюме и читать огромный документ с большим количеством текста они не будут.
Подробнее можете почитать здесь
VK
Высшая школа бизнеса НИУ ВШЭ. Пост со стены.
Как составлять резюме в эпоху ИИ 🤖
Долгое время правило «одно резюме — одна страница» считало... Смотрите полностью ВКонтакте.
Долгое время правило «одно резюме — одна страница» считало... Смотрите полностью ВКонтакте.
❤3👍3
Forwarded from Книги по аналитике (BA, DA, SA, PA)
Analytics Engineering with SQL and dbt / Rui Machado
"With the shift from data warehouses to data lakes, data now lands in repositories before it’s been transformed, enabling engineers to model raw data into clean, well-defined datasets. The data build tool (dbt) helps you take data further. This practical book shows data analysts, data engineers, BI developers, and data scientists how to create a true self-service transformation platform through the use of dynamic SQL."
Скачать книгу
"With the shift from data warehouses to data lakes, data now lands in repositories before it’s been transformed, enabling engineers to model raw data into clean, well-defined datasets. The data build tool (dbt) helps you take data further. This practical book shows data analysts, data engineers, BI developers, and data scientists how to create a true self-service transformation platform through the use of dynamic SQL."
Скачать книгу
❤12👍1
Книга выше ☝️
Моя рекомендация аналитикам погрузиться в процессы инженеров данных и понять как проходят трансформации данных перед тем как они попадут в красивый вид табличек в хранилище.
У нас в Сравни все аналитики сейчас работают с dbt, собирают витрины данных, готовят data-контракты на загрузку данных. Инженеры данных грузят сырой слой данных, помогают оптимизировать запросы для сборки витрин и других аналитических задач.
Моя рекомендация аналитикам погрузиться в процессы инженеров данных и понять как проходят трансформации данных перед тем как они попадут в красивый вид табличек в хранилище.
У нас в Сравни все аналитики сейчас работают с dbt, собирают витрины данных, готовят data-контракты на загрузку данных. Инженеры данных грузят сырой слой данных, помогают оптимизировать запросы для сборки витрин и других аналитических задач.
👍13❤6🔥2
Привет!
Все кто сейчас находится в начале своего пути становления аналитиком: с нуля или переход из другой сферы.
ЗАВТРА для вас будет анонс с полезными материалами! 🤝 🥲
Сейчас рынок стал более жестким, это факт. Работодатели хотят нанимать с рынка твердых кандидатов, для этого нужно освоить фундаментальные навыки и инструменты. Дальше на них уже можно наращивать новые знания на работе через опыт и дальнейшее обучение.
Будем вместе с вами проходить путь построения этого фундамента, чтобы выделяться из всего множества кандидатов.
Важно понимать, что требует рынок и быть готовым соответствовать ему🧑💻
Все кто сейчас находится в начале своего пути становления аналитиком: с нуля или переход из другой сферы.
Сейчас рынок стал более жестким, это факт. Работодатели хотят нанимать с рынка твердых кандидатов, для этого нужно освоить фундаментальные навыки и инструменты. Дальше на них уже можно наращивать новые знания на работе через опыт и дальнейшее обучение.
Будем вместе с вами проходить путь построения этого фундамента, чтобы выделяться из всего множества кандидатов.
Важно понимать, что требует рынок и быть готовым соответствовать ему
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥33❤13👍8👏1
САМАЯ ВОСТРЕБОВАННАЯ IT-ПРОФЕССИЯ в 2025 году
Многие думают, что IT — это супер-сложно и только «для технарей». Это миф.
Сейчас сменить профессию стало гораздо легче и быстрей чем раньше. Не нужно переучиваться несколько лет, чтобы получать стабильный высокий доход, работая удалённо и занимаясь интересными задачами.
Это та самая работа мечты:
🔹 вход без супер-долгого обучения
🔹рост дохода от 100 000 ₽ и выше
🔹гибкий график и удаленная работа
Привет, меня зовут Даниил, я - аналитик данных
и им может стать КАЖДЫЙ, я помогу дойти вам до своей цели и получить нужные навыки.
Некоторые факты обо мне:
🎓 Учился в НИУ ВШЭ, успел съездить по обмену в Грецию
📚Инфокоммуникационные технологии и системы связи (бакалавр)
📚 Business Analytics and Big Data systems (магистратура на английском)
Уже более 6 лет в аналитике, работал в
📍Леруа (System Analyst) ➡️ 📍EPAM (BI/DWH Analyst) ➡️ 📍Сравни (Analytics Engineer)
💼 На данный момент работаю на Lead позиции на проекте клиентской аналитики
🌀 Являюсь основателем образовательного проекта Data Study по развитию аналитических навыков и компетенций в IT.
Есть мнение, что аналитика требует годы обучения и нельзя просто взять и освоить IT-профессию с нуля, не потратив на это несколько лет
Так вот, история одной из моих учениц:
Наталья Чеговцова (52 года) - сейчас системный аналитик, выпускница курса "Основы анализа данных".
До обучения работала экономистом.
После обучения Наталья получила оффер от крупной IT-компании. Мысли что из-за возраста что-то не получится ушли. Сейчас она создает востребованные IT-продукты, уже отработала год, получила повышение в должности и хороший пересмотр зарплаты) У Натальи есть важное качество - стремление к своей цели и новым знаниям, она и после курса не перестала учиться новому.
Это один из кейсов моих учеников больше примеров можешь посмотреть на странице Кейсы учеников
Может показаться неубедительным опыт других людей. Я понимаю.
Поэтому я подготовил для тебя ПОДАРОК 🎁
БЕСПЛАТНЫЙ ОНЛАЙН-КУРС "Введение в анализ данных"
В нем ты освоишь базовые навыки профессии и поймешь, как дойти от точки 0 до заветного оффера от 100 000+ Р.
Также ты узнаешь:
🔹Почему реально стать аналитиком с любым опытом за спиной
🔹Почему не надо тратить на обучение годы для начала работы
🔹Кто такой аналитик данных и почему он нужен компаниям
🔹Какие навыки необходимы для этой профессии
🔹Как использовать свой прошлый опыт как свое преимущество для профессии аналитика
...
И еще много чего полезного)
Для меня важно, чтобы каждый получил максимум пользы, ведь сейчас такой материал сложно достать в понятном и структурированном виде в одном месте, еще и бесплатно.
Поэтому жми на кнопку и сделай свой первый шаг в аналитику!
Многие думают, что IT — это супер-сложно и только «для технарей». Это миф.
Сейчас сменить профессию стало гораздо легче и быстрей чем раньше. Не нужно переучиваться несколько лет, чтобы получать стабильный высокий доход, работая удалённо и занимаясь интересными задачами.
Это та самая работа мечты:
🔹 вход без супер-долгого обучения
🔹рост дохода от 100 000 ₽ и выше
🔹гибкий график и удаленная работа
Привет, меня зовут Даниил, я - аналитик данных
и им может стать КАЖДЫЙ, я помогу дойти вам до своей цели и получить нужные навыки.
Некоторые факты обо мне:
🎓 Учился в НИУ ВШЭ, успел съездить по обмену в Грецию
📚Инфокоммуникационные технологии и системы связи (бакалавр)
📚 Business Analytics and Big Data systems (магистратура на английском)
Уже более 6 лет в аналитике, работал в
📍Леруа (System Analyst) ➡️ 📍EPAM (BI/DWH Analyst) ➡️ 📍Сравни (Analytics Engineer)
💼 На данный момент работаю на Lead позиции на проекте клиентской аналитики
🌀 Являюсь основателем образовательного проекта Data Study по развитию аналитических навыков и компетенций в IT.
Есть мнение, что аналитика требует годы обучения и нельзя просто взять и освоить IT-профессию с нуля, не потратив на это несколько лет
Так вот, история одной из моих учениц:
Наталья Чеговцова (52 года) - сейчас системный аналитик, выпускница курса "Основы анализа данных".
До обучения работала экономистом.
После обучения Наталья получила оффер от крупной IT-компании. Мысли что из-за возраста что-то не получится ушли. Сейчас она создает востребованные IT-продукты, уже отработала год, получила повышение в должности и хороший пересмотр зарплаты) У Натальи есть важное качество - стремление к своей цели и новым знаниям, она и после курса не перестала учиться новому.
Это один из кейсов моих учеников больше примеров можешь посмотреть на странице Кейсы учеников
Может показаться неубедительным опыт других людей. Я понимаю.
Поэтому я подготовил для тебя ПОДАРОК 🎁
БЕСПЛАТНЫЙ ОНЛАЙН-КУРС "Введение в анализ данных"
В нем ты освоишь базовые навыки профессии и поймешь, как дойти от точки 0 до заветного оффера от 100 000+ Р.
Также ты узнаешь:
🔹Почему реально стать аналитиком с любым опытом за спиной
🔹Почему не надо тратить на обучение годы для начала работы
🔹Кто такой аналитик данных и почему он нужен компаниям
🔹Какие навыки необходимы для этой профессии
🔹Как использовать свой прошлый опыт как свое преимущество для профессии аналитика
...
И еще много чего полезного)
Для меня важно, чтобы каждый получил максимум пользы, ведь сейчас такой материал сложно достать в понятном и структурированном виде в одном месте, еще и бесплатно.
Поэтому жми на кнопку и сделай свой первый шаг в аналитику!
👍9🔥9❤6
Цикл аналитики данных
Недавно делился книгой по Analytics engineering, там расписан цикл аналитики данных:
🔹 Определение проблемы
🔹 Моделирование данных
🔹 Извлечение данных и трансформация
🔹 Хранение и структуризация
🔹 Визуализация и анализ
🔹 Мониторинг качества данных, создание документации
В целом согласен с таким циклом, действительно работа с данными от начала и до конца включает все эти шаги.
Единственное что хочется добавить, что данный цикл описывает техническую работу с данными, но не отражает большую часть работы аналитика:
- сбором требований и общение с заказчиками (можно отнести к 1-му пункту)
- создание или выбор методологии расчета метрик (что учитывать в зависимости от доступных данных, бизнес-кейсов и самой поставленной задачи)
- проверка качества данных ДО анализа (оценка можно ли вообще рассчитать то что нужно на основе доступных данных или нет)
Также дополню, что аналитик может быть сфокусирован на одном или нескольких этапах данного цикла. Например, определение проблемы и визуализация. Или оценка качества и расчет метрик, если данные например уже известно где лежат, задача поставлена и визуализация не требуется.
Лично я люблю комплексные задачи, состоящие из нескольких этапов цикла, так можно переключаться между аналитическими и инженерными задачами, при этом также появляется и гибкость решений 😉
Недавно делился книгой по Analytics engineering, там расписан цикл аналитики данных:
🔹 Определение проблемы
🔹 Моделирование данных
🔹 Извлечение данных и трансформация
🔹 Хранение и структуризация
🔹 Визуализация и анализ
🔹 Мониторинг качества данных, создание документации
В целом согласен с таким циклом, действительно работа с данными от начала и до конца включает все эти шаги.
Единственное что хочется добавить, что данный цикл описывает техническую работу с данными, но не отражает большую часть работы аналитика:
- сбором требований и общение с заказчиками (можно отнести к 1-му пункту)
- создание или выбор методологии расчета метрик (что учитывать в зависимости от доступных данных, бизнес-кейсов и самой поставленной задачи)
- проверка качества данных ДО анализа (оценка можно ли вообще рассчитать то что нужно на основе доступных данных или нет)
Также дополню, что аналитик может быть сфокусирован на одном или нескольких этапах данного цикла. Например, определение проблемы и визуализация. Или оценка качества и расчет метрик, если данные например уже известно где лежат, задача поставлена и визуализация не требуется.
Лично я люблю комплексные задачи, состоящие из нескольких этапов цикла, так можно переключаться между аналитическими и инженерными задачами, при этом также появляется и гибкость решений 😉
👍15❤5
☑️ Чек-лист идеального сотрудника для компании
Считаете, что застряли на месте в компании и не понимаете как расти дальше? Хотите, но боитесь попросить повышение? Боитесь стать ненужным сотрудником, которого вот-вот могут уволить?
Расскажу со своей стороны какого сотрудника хотят видеть у себя компании, кого ценят и готовы удерживать у себя, потому что вы слишком ценны и не заменимы.
1️⃣ Иметь гибкое мышление и быть готовым учиться новому
Должно быть так:
Мир технологий очень гибок, даже банальная смена инструмента с Postgres на Clickhouse или миграция с Power BI на Datalens проверяет сотрудников кто может быстро приспособиться к новым реалиям внутри компании. Не хочешь меняться, а работать только с одной привычной технологией - рано или поздно ты станешь не нужен.
2️⃣ Принимать ответственность в своей зоне работы
Ответственность за качество выполнения задач, ответственность за согласованные с тобой сроки, ответственность за своих сотрудников/проект/конкретный отчет... В случае возникновения рисков срыва сроков, невыполнения задачи, косяка сотрудника - не замалчиваешь, а подсвечиваешь риск и стараешься его минимизировать возможными способами.
3️⃣ Уметь ошибаться
Накосячил - принял этот факт - порефлексировал и сделал разбор ошибок - сделал выводы. Плохой сотрудник не тот кто ошибается, а тот кто делает одну и ту же ошибку повторно, не сделав из этого никаких выводов.
4️⃣ Иметь хорошие soft-навыки и эмоциональный интеллект
Компания не будет терпеть токсичных, не умеющих работать в обществе сотрудников, это разрушает и демотивирует коллег вокруг. У нас был такой кейс на стажировке - парень был технически сильный, но были неоднократные кейсы токсичности с коллегами. Пришлось попрощаться со стажером в первые недели стажировки.
У всех бывает плохое настроение или можно попросту вспылить в моменте. Это норм, но стоит извиниться после таких ярких ситуаций и стараться все же не повторять их в будущем.
5️⃣ Быть проактивным
Менеджеры очень любят это качество. Кричать громче всех о своих достижениях, рассказывать на широкий круг о результатах своей работы. Также ценится, когда сотрудник не только решает поставленные задачи, но и предлагает свои идеи и мысли по улучшению проекта/продукта и решений, участвовать в постановке целей ил планировании. Ну здесь понятно - чем больше делаешь за те же деньги, тем ты ценней. Надо понять что повышения в компаниях работают по принципу:
1) расширил свою зону ответственности, стал выполнять боле сложные проекты
2) если справляешься, то через время (полгода или год, в зависимости от компании) получил повышение
Многие ожидают что:
1) сначала получил повышение
2) после этого ты готов брать на себя больше, ведь за это уже платят
Увы, но работает не так
6️⃣ Иметь сильную техническую компетенцию
Имея все пункты выше, но при этом быть слабым специалистом технически - увы, но ценность как исполнителя твоя будет не велика. В оценку сотрудников всегда закладываются технические компетенции его роли. Поэтому нужно иметь твердые компетенции в любом случае, чтобы справляться со своими прямыми обязанностями в работе.
❤️ если пост был полезен тебе
Считаете, что застряли на месте в компании и не понимаете как расти дальше? Хотите, но боитесь попросить повышение? Боитесь стать ненужным сотрудником, которого вот-вот могут уволить?
Расскажу со своей стороны какого сотрудника хотят видеть у себя компании, кого ценят и готовы удерживать у себя, потому что вы слишком ценны и не заменимы.
Должно быть так:
Не знаю сейчас, но это нужно для работы - значит изучу
Мир технологий очень гибок, даже банальная смена инструмента с Postgres на Clickhouse или миграция с Power BI на Datalens проверяет сотрудников кто может быстро приспособиться к новым реалиям внутри компании. Не хочешь меняться, а работать только с одной привычной технологией - рано или поздно ты станешь не нужен.
Ответственность за качество выполнения задач, ответственность за согласованные с тобой сроки, ответственность за своих сотрудников/проект/конкретный отчет... В случае возникновения рисков срыва сроков, невыполнения задачи, косяка сотрудника - не замалчиваешь, а подсвечиваешь риск и стараешься его минимизировать возможными способами.
Накосячил - принял этот факт - порефлексировал и сделал разбор ошибок - сделал выводы. Плохой сотрудник не тот кто ошибается, а тот кто делает одну и ту же ошибку повторно, не сделав из этого никаких выводов.
Компания не будет терпеть токсичных, не умеющих работать в обществе сотрудников, это разрушает и демотивирует коллег вокруг. У нас был такой кейс на стажировке - парень был технически сильный, но были неоднократные кейсы токсичности с коллегами. Пришлось попрощаться со стажером в первые недели стажировки.
У всех бывает плохое настроение или можно попросту вспылить в моменте. Это норм, но стоит извиниться после таких ярких ситуаций и стараться все же не повторять их в будущем.
Менеджеры очень любят это качество. Кричать громче всех о своих достижениях, рассказывать на широкий круг о результатах своей работы. Также ценится, когда сотрудник не только решает поставленные задачи, но и предлагает свои идеи и мысли по улучшению проекта/продукта и решений, участвовать в постановке целей ил планировании. Ну здесь понятно - чем больше делаешь за те же деньги, тем ты ценней. Надо понять что повышения в компаниях работают по принципу:
1) расширил свою зону ответственности, стал выполнять боле сложные проекты
2) если справляешься, то через время (полгода или год, в зависимости от компании) получил повышение
Многие ожидают что:
1) сначала получил повышение
2) после этого ты готов брать на себя больше, ведь за это уже платят
Увы, но работает не так
Имея все пункты выше, но при этом быть слабым специалистом технически - увы, но ценность как исполнителя твоя будет не велика. В оценку сотрудников всегда закладываются технические компетенции его роли. Поэтому нужно иметь твердые компетенции в любом случае, чтобы справляться со своими прямыми обязанностями в работе.
❤️ если пост был полезен тебе
Please open Telegram to view this post
VIEW IN TELEGRAM
❤34👍8😁2
Все мы знаем, что самое ценное на любой конференции происходит не на сцене, а в кулуарах. 12 сентября на big tech night «кулуарами» станут офисы Яндекса, Сбера, X5, Т-Банка и Lamoda.
Это ночь, когда можно будет подойти к тимлиду из соседней компании и «off the record» спросить: «А как вы на самом деле пережили тот релиз?», «Какой у вас сейчас основной технический челлендж?».
Вас ждут не только доклады и запланированные экскурсии, но и возможность напрямую пообщаться с людьми вашего уровня, обменяться «боевым» опытом и понять, чем инженерная культура в одной компании отличается от другой.
Онлайн программа тоже будет.
Если вам важнее не послушать, а поговорить с равными, вы знаете, что делать.
📅 Когда: 12 сентября
📍 Где: Москва или онлайн
🔗 Программа и регистрация: bigtechnight.ru
Это ночь, когда можно будет подойти к тимлиду из соседней компании и «off the record» спросить: «А как вы на самом деле пережили тот релиз?», «Какой у вас сейчас основной технический челлендж?».
Вас ждут не только доклады и запланированные экскурсии, но и возможность напрямую пообщаться с людьми вашего уровня, обменяться «боевым» опытом и понять, чем инженерная культура в одной компании отличается от другой.
Онлайн программа тоже будет.
Если вам важнее не послушать, а поговорить с равными, вы знаете, что делать.
📅 Когда: 12 сентября
📍 Где: Москва или онлайн
🔗 Программа и регистрация: bigtechnight.ru
👍5
Делюсь с вами новостями от ученицы о трудоустройстве!
Гера, выпускница 9 потока курса "Основы анализа данных", обучалась с марта по май в этом году. У Геры гуманитарное высшее образование (кто там думает что гуманитарии не могут попасть в IT? 😎), помогала вести финансы и CRM в маленькой юридической фирме.
Запрос на обучение был в систематизации и точечном расширении знаний по темам курса (SQL, Python, DWH, ETL, BI, Документация).
Сейчас Гера устроилась координатором по обеспечению поставок в крупную компанию с ЗП 90К 🥳👏
Из плюшек
🔹гибрид (удаленка + офис)
🔹ДМС
🔹возможность карьерного роста (в том числе в другие отделы и глубже в аналитику)
Давайте поздравим Геру с ее достижением!
А я напоминаю, что вы также можете поменять свой карьерный путь!
Жми сюда, учись и получай много полезных материалов🧑💻
#кейс
Гера, выпускница 9 потока курса "Основы анализа данных", обучалась с марта по май в этом году. У Геры гуманитарное высшее образование (кто там думает что гуманитарии не могут попасть в IT? 😎), помогала вести финансы и CRM в маленькой юридической фирме.
Запрос на обучение был в систематизации и точечном расширении знаний по темам курса (SQL, Python, DWH, ETL, BI, Документация).
Сейчас Гера устроилась координатором по обеспечению поставок в крупную компанию с ЗП 90К 🥳
Из плюшек
🔹гибрид (удаленка + офис)
🔹ДМС
🔹возможность карьерного роста (в том числе в другие отделы и глубже в аналитику)
Давайте поздравим Геру с ее достижением!
А я напоминаю, что вы также можете поменять свой карьерный путь!
Жми сюда, учись и получай много полезных материалов
#кейс
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥28❤12
Работа с NULL значениями в SQL
Часто бывает такое, что вместо явного значения данных в таблице попадаются NULL - "пустые" значения. И когда стоит задача отфильтровать данные, то у неопытных аналитиков и инженеров могут возникать сложности с такими пустыми значениями.
Почему так происходит?
В большинстве случаев фильтры пишутся с указанием явных значений в данных: конкретная строка/строки, число/числа, дата/даты
Например, найти заказы, в которых участвовали продукты с id 4, 7, 9
Здесь все понятно. А если нужно наоборот исключить такие продукты из запроса?
Тоже вроде ок. НО если в таблице есть строки где product_id будет значением NULL, то такие строки не попадут ни в первый ни во второй запрос - а значит могут потеряться в аналитике совсем.
Помните про этот момент и не забывайте про конструкции
Как еще можно работать с NULL: заменять их в явном виде на строку или любое нужное значение
Например, c помощью CASE
Тогда дальше с этими значениями можно работать через обычный синтаксис фильтраций, не боясь забыть про NULL
Классно расписано про NULL еще в этой статье
Ну и не забывайте про COUNT(*), COUNT(column), COUNT(DISTINCT column), где NULL также учитывается по разному 🤓
👍 если пост полезен
Часто бывает такое, что вместо явного значения данных в таблице попадаются NULL - "пустые" значения. И когда стоит задача отфильтровать данные, то у неопытных аналитиков и инженеров могут возникать сложности с такими пустыми значениями.
Почему так происходит?
В большинстве случаев фильтры пишутся с указанием явных значений в данных: конкретная строка/строки, число/числа, дата/даты
Например, найти заказы, в которых участвовали продукты с id 4, 7, 9
SELECT *
FROM orders
WHERE product_id IN (4,7,9)
Здесь все понятно. А если нужно наоборот исключить такие продукты из запроса?
SELECT *
FROM orders
WHERE product_id NOT IN (4,7,9)
Тоже вроде ок. НО если в таблице есть строки где product_id будет значением NULL, то такие строки не попадут ни в первый ни во второй запрос - а значит могут потеряться в аналитике совсем.
Помните про этот момент и не забывайте про конструкции
IS NULL и IS NOT NULL - это фильтры, которые позволяют работать с пустыми значениями и не терять их в запросах. Как еще можно работать с NULL: заменять их в явном виде на строку или любое нужное значение
Например, c помощью CASE
CASE WHEN product_id IS NULL THEN 'empty' ELSE product_id END AS product_id
Тогда дальше с этими значениями можно работать через обычный синтаксис фильтраций, не боясь забыть про NULL
Классно расписано про NULL еще в этой статье
Ну и не забывайте про COUNT(*), COUNT(column), COUNT(DISTINCT column), где NULL также учитывается по разному 🤓
👍 если пост полезен
👍45❤8
Задался для себя таким вопросом 👇
❓ Что лучше делать: усиливать и развивать и так сильную свою сторону или подтягивать отстающие навыки? Что даст больший эффект и рост в ближайшее время и что даст эффект на дальней дистанции?
Например, аналитик достаточно хорошо умеет писать SQL запросы, отлично преобразует данные и в формате таблицы может найти в них инсайты. Но к примеру он очень поверхностно знаком с BI и визуализацией и его отчеты могут больше запутать, чем подсветить выводы из данных.
Что ему делать
1️⃣ усиливать сильное - погружаться и специализироваться на подготовке данных с помощью SQL, углубляться в оптимизацию запросов, делать еще более сложные вещи запросами.
2️⃣ подтягивать слабое - изучать визуализацию, презентацию данных и сторителлинг
Что из этого даст ему больше выхлопа для роста в профессии? Какой подход выбрать для быстрого роста сейчас, а какой будет работать на долгий срок?
Что думаете? Пишите в комментариях 🧐
Например, аналитик достаточно хорошо умеет писать SQL запросы, отлично преобразует данные и в формате таблицы может найти в них инсайты. Но к примеру он очень поверхностно знаком с BI и визуализацией и его отчеты могут больше запутать, чем подсветить выводы из данных.
Что ему делать
Что из этого даст ему больше выхлопа для роста в профессии? Какой подход выбрать для быстрого роста сейчас, а какой будет работать на долгий срок?
Что думаете? Пишите в комментариях 🧐
Please open Telegram to view this post
VIEW IN TELEGRAM
🤓8❤5
Как выглядит мой рабочий день (удалёнщика аналитика-инженера)
🕘 9:00 - просыпаюсь, умываюсь, завтракаю. никакой йоги, бассейна, утреннего зала, покупки раф-кофе 😁 или других полезностей нет)
раньше мог не завтракать и сесть через 10-15 минут после подъема сразу за ноутбук, но сейчас приучил себя полноценно завтракать.
🕙 10:00 - открываю ноут, начинаю читать чаты и составлять план работы на день
До 18 или 19:00 идет рабочий день
🔹2-3 часа в день в среднем уходит на созвоны
🔹5-6 часов на задачи и остальную коммуникацию в чатах
Перерыв на обед обычно плавающий, зависит от расписания созвонов и моего чувства голода)
Могу 3-4 раза за день пить чай/кофе и полноценно покушать🍴
Сделал диаграмму, которая показывает какой % от всего рабочего времени в среднем в день я трачу на тот или иной тип задач и соответствующие инструменты📊
бОльшая часть задач включает в себя написание SQL-запросов для создания витрин данных, adhoc-задач или запросов для автоматизации выгрузок. Также достаточно много времени уходит на коммуникацию, уточнение задач, приоритеты и разные тим-лид активности по планированию работы команды.
Здесь следует уточнить, что разделение рабочего времени на задачи и активности может сильно отличаться от
- роли аналитика (продуктовый, data, BI, аналитик-инженер...)
- типа и формата команды (у нас core команда клиентской аналитики, не привязанная к конкретному продукту)
- грейда аналитика (чем выше грейд, тем больше задач нужно делегировать и включаться в задачи команды)
- текущего планирования и приоритетов задач в рамках года/квартала/спринта
Я дал лично свою картину, часто на консультациях спрашивают чем именно я занимаюсь и как распределяется между этим рабочее время, вот расписал 😉
🕘 9:00 - просыпаюсь, умываюсь, завтракаю. никакой йоги, бассейна, утреннего зала, покупки раф-кофе 😁 или других полезностей нет)
раньше мог не завтракать и сесть через 10-15 минут после подъема сразу за ноутбук, но сейчас приучил себя полноценно завтракать.
🕙 10:00 - открываю ноут, начинаю читать чаты и составлять план работы на день
До 18 или 19:00 идет рабочий день
🔹2-3 часа в день в среднем уходит на созвоны
🔹5-6 часов на задачи и остальную коммуникацию в чатах
Перерыв на обед обычно плавающий, зависит от расписания созвонов и моего чувства голода)
Могу 3-4 раза за день пить чай/кофе и полноценно покушать
Сделал диаграмму, которая показывает какой % от всего рабочего времени в среднем в день я трачу на тот или иной тип задач и соответствующие инструменты
бОльшая часть задач включает в себя написание SQL-запросов для создания витрин данных, adhoc-задач или запросов для автоматизации выгрузок. Также достаточно много времени уходит на коммуникацию, уточнение задач, приоритеты и разные тим-лид активности по планированию работы команды.
Здесь следует уточнить, что разделение рабочего времени на задачи и активности может сильно отличаться от
- роли аналитика (продуктовый, data, BI, аналитик-инженер...)
- типа и формата команды (у нас core команда клиентской аналитики, не привязанная к конкретному продукту)
- грейда аналитика (чем выше грейд, тем больше задач нужно делегировать и включаться в задачи команды)
- текущего планирования и приоритетов задач в рамках года/квартала/спринта
Я дал лично свою картину, часто на консультациях спрашивают чем именно я занимаюсь и как распределяется между этим рабочее время, вот расписал 😉
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥22❤9👍7
Чем я могу быть тебе полезен
Получил такой ценный совет👇
В связи с этим делюсь тем, в чем я могу быть полезен тебе и как со мной можно сотрудничать👨💻
1️⃣ Фундаментальные навыки аналитика и инженера данных
🔵 SQL
- от простых до комплексных SELECT запросов (джойны, агрегации, фильтры, логические функции само собой)
- оконные функции и работа с фреймами
- оптимизация запросов
- построение и автоматизация витрин данных
🔵 Python
- функциональное программирование
- написание ETL-пайплайнов
- библиотеки анализа данных
🔵 BI инструменты
- Сбор требований для BI проектов и разработки отчетов
- Работа в Datalens и Superset
🔵 Работа DWH, баз данных и ETL инструментов
- виды баз данных, когда и для каких задач применять
- различия OLAP и OLTP систем
- виды DWH и слои хранения данных
Все это я использую в своей повседневной работе уже много лет, обучил больше 100 человек, разработал несколько курсов. Обучаюсь постоянно сам и могу простыми и понятными словами объяснить тебе. Максимально только нужная информация и практика на примере решения аналитических задач.
Если хочешь учиться в группе с единомышленниками, приходи на курс "Основы анализа данных", группа с поддержкой и обратной связью начинает свое обучение в сентябре🧑🎓
❗️ ❗️ ❗️ До этого обязательно пройди бесплатную часть курса
2️⃣ Карьерная консультация
🔹со стороны оценить твои сильные и не очень стороны в формате интервью/собеседования
🔹разработать твой индивидуальный план развития для роста по грейду или перехода в другую роль (что и как учить, где взять материалы, как их закрепить)
🔹разобрать твое резюме и помочь переписать его для поиска работы
3️⃣ Индивидуальное наставничество
🔹оцениваем твои навыки
🔹составляем план обучения под твои цели
🔹занимаемся на индивидуальных созвонах
🔹выполняешь ДЗ и практику, разбираем результат
Подводя итог, ты можешь выбрать
🔜 групповое обучение на моем курсе
🔜 личные консультации и наставничество по твоему запросу
Вопросы всегда можешь написать в личку, открыт к общению
Получил такой ценный совет
На мой взгляд, на канале мало рекламы/информации о существующих продуктах. В том числе, ты не рассказываешь о своих сильных сторонах и экспертизе.
То есть, учебных материалов и курсов полно. Но может ты гуру а/б тестов? Если я хотел прокачать именно эту область, то пошел к тебе на курс.
Спасибо за канал и твой труд!
В связи с этим делюсь тем, в чем я могу быть полезен тебе и как со мной можно сотрудничать
🔵 SQL
- от простых до комплексных SELECT запросов (джойны, агрегации, фильтры, логические функции само собой)
- оконные функции и работа с фреймами
- оптимизация запросов
- построение и автоматизация витрин данных
🔵 Python
- функциональное программирование
- написание ETL-пайплайнов
- библиотеки анализа данных
🔵 BI инструменты
- Сбор требований для BI проектов и разработки отчетов
- Работа в Datalens и Superset
🔵 Работа DWH, баз данных и ETL инструментов
- виды баз данных, когда и для каких задач применять
- различия OLAP и OLTP систем
- виды DWH и слои хранения данных
Все это я использую в своей повседневной работе уже много лет, обучил больше 100 человек, разработал несколько курсов. Обучаюсь постоянно сам и могу простыми и понятными словами объяснить тебе. Максимально только нужная информация и практика на примере решения аналитических задач.
Если хочешь учиться в группе с единомышленниками, приходи на курс "Основы анализа данных", группа с поддержкой и обратной связью начинает свое обучение в сентябре
🔹со стороны оценить твои сильные и не очень стороны в формате интервью/собеседования
🔹разработать твой индивидуальный план развития для роста по грейду или перехода в другую роль (что и как учить, где взять материалы, как их закрепить)
🔹разобрать твое резюме и помочь переписать его для поиска работы
🔹оцениваем твои навыки
🔹составляем план обучения под твои цели
🔹занимаемся на индивидуальных созвонах
🔹выполняешь ДЗ и практику, разбираем результат
Подводя итог, ты можешь выбрать
Вопросы всегда можешь написать в личку, открыт к общению
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥11❤7👍6