Нашёл у себя в сундуке полезных материалов презентацию с 39 видами различных видов бизнес/системного/дата/продуктового анализа, а также инструменты проектного управления, которые полезно применять в разных задачах.
В файле описаны ключевые аспекты каждой методологии, если захотите применять что-то на практике, то лучше изучить дополнительные материалы.

Хотите описать сильные и слабые стороны продукта, берите SWOT (слайд 2).

Есть потребность оценки рисков и проектных зависимостей, рассмотрите RAID Log (слайд 20).

Хотите зафиксировать список стейкхолдеров проекта и понять кому и по каким вопросам обращаться, с кем согласовывать, а кому просто прийти с готовым результатом - посмотрите на Stakeholder Analysis (слайд 17)

Только запускаете проект и думаете какую информацию для старта важно собрать - воспользуйтесь Project Charter (слайд 26)

Когда-то много из этих видов анализа использовал в работе, потом настал период когда зарылся в данные и технику. Сейчас похоже начинается цикл, когда часть этих инструментов опять войдут в мою повседневную работу

Как-то ко мне пришел парень на консультации с запросом подготовиться к собеседованиям, пересмотреть резюме и сделать pet-проект.

Вводные:
- юридическое высшее
- закончил только что курс "Аналитик данных" одной из крупных школ

Окей, начинаем занятие, обсуждаем логику и архитектуру pet-проекта, говорю будем использовать Postgres в качестве БД. У меня уже есть учебная база, для проекта обычно предлагаю использовать ее или разворачивать свою в docker или в облаке. Даю хост и учетку для подключения, а в глазах парня вижу полное непонимание с написанным на лбу вопросом "а что такое хост, зачем нужна учетка, куда вообще все это писать?" 🧐

Поговорив об этом пару минут нашли причину непонимания. На курсе оказывается он научился писать SQL запросы прямо в браузере в симуляторе курса, который удобно выводит ответ задачи если код написан правильно или ошибку если запрос выводит не то что нужно в задаче.

Есть такой формат в современном образовании - симуляторы. Это могут быть симуляторы кода SQL или любого другого языка. Давайте расскажу какие плюсы и минусы в них есть, а самое главное для кого это выгодно использовать симуляторы для обучения, а не парится с объяснениями реальных инструментов работы.

Плюсы симуляторов
🟢 удобство для ученика (прямо на странице курса ученик может писать свой код, никуда переходить не нужно)
🟢 удобство для школы (учеников много, потоки не прекращаются, а значит нужно быстро и желательно автоматически проверять все работы, благо симуляторы помогают сделать автопроверку на соответствие верному решению)

Минусы симуляторов
🔴 нет правильного понимания работы сервисов (как в примере, ученик даже не понимал что к базе данных нужно подключаться, есть разные роли и пользователи)
🔴 нет практики работы с реальными инструментами аналитика (естественно он не знал про существование таких программ как DBeaver или DataGrip для работы с базами данных)
🔴 нет навыка обработки и исправления ошибок (это полезный навык по ошибке от базы данных например понять что именно в запросе написано не так, найти и исправить ошибку. лог ошибки в симуляторе может либо отсутствовать, либо может быть упрощен до ожидания ответа на конкретную задачу)


Однако, симуляторы полезны, если ваша задача - нарешать множество различных задач для понимания языка, вспомнить или выучить синтаксис или в целом размять мозги. Но это не отменяет того, что вы должны получить прикладные знания инструментов и технологий для реальной работы.

Кому нужны специалисты, которые не умеют подключаться к базе данных, настраивать инструмент для своей работы, но умеют писать SELECT * FROM table

Что думаете по поводу симуляторов? Как видите идеальное обучение например SQL?

Если другую тему, то какую? пишите в комментах. а то проголосовали, а предложений не вижу)

Кирилл Еременко / Работа с данными в любой сфере

"Что общего у аналитика данных и Шерлока Холмса? Как у Netfl ix получилось создать 100%-ный хит — сериал «Карточный домик»? Ответ кроется в правильном использовании данных. Эта книга — практическое руководство и увлекательное путешествие в науку о данных, независимо от того, хотите ли вы использовать анализ данных в своей профессии, собираетесь ли стать аналитиком данных, или уже работаете в этой области."

Скачать книгу