Ребят!

Спешу сообщить Вам важную новость! Состоялась коллаборация Матемаркетинга и OnlyAnalyst.

Завтра на площадке пройдет самый массовый bootcamp на 50 человек! В рамках которого построим современную аналитическую культуры.

Была проделана большая работа и мой edTech проект выходит на совершенно новый уровень.

В ближайшее время bootcamp станет самостоятельной единицей и заживет своей жизнью. Это поможет мне сконцентрироваться на построении современной школы аналитики.

Следите за новостями!

С лендингом можете ознакомиться по ссылке:

https://matemarketing.ru/onlyanalyst-bootcamp

Всем привет (еще раз)

Начинаю запись на декабрьский книжный клуб!

Первая книга — «Корпоративное озеро больших данных» Алекс Горелик.

https://bombora.ru/book/91097/

Следующие книги книжного клуба в основном выбирать буду я, но буду прислушиваться к мнению активных участников.

Ниже краткое саммари и плюсы, чтобы понять почему я выбрал именно эту книгу.

Краткое саммари:
Книга объясняет, как компании могут эффективно организовывать, управлять и использовать корпоративные озёра данных. Автор разбирает архитектуру, принципы управления качеством, подходы к метаданным и роли команд в экосистеме данных. Основной акцент — не на технологиях, а на процессах, ответственности и культуре, которые делают озеро данных реальным инструментом принятия решений, а не хаотичным складом файлов.

3 плюса книги:

1. Чёткое и практичное объяснение архитектуры озёр данных без лишней техничности.
2. Хорошие примеры реальных рабочих процессов и ролей.
3. Фокус на управлении данными и качестве — то, что действительно важно в корпоративной среде.

3 плюса книжного клуба:

1. Возможность разбирать сложные темы вместе и получать разные точки зрения.
2. Лёгкий способ дисциплинировать чтение и не откладывать книгу.
3. Возможность задать вопросы, обсудить кейсы и применимость идей к реальной работе.

Запись через личные сообщения — @onlyanalyst.

🎉 На январских праздниках — буст не только для отдыха, но и для скиллов!

Запускаю новый bootcamp по n8n no-code/low-code платформе для AI автоматизации аналитики и бизнес-процессов.

📊 Что может n8n?

— автоматизировать сбор данных из API, Google Sheets, CRM и SQL-баз;
— запускать регулярные отчёты и уведомления без кода;
— связывать аналитику, продукты и маркетинг в единую систему;

🛠 На буткемпе мы сами развернём self-hosted n8n на сервере, сделаем первые сценарии под реальные аналитические задачи и научимся подключать SQL, Telegram и Python.

🚀 Идеально для аналитиков, продактов и тех, кто хочет автоматизировать рутину и быстрее доставлять инсайты.

📅 Старт — в январские праздники.

💬 Детали и регистрация — строго по предварительной записи! @onlyanalyst

Друзья, всем привет!

Очень много вопросов было про bootcamp по n8n и подумал, что лучше 1 раз показать, чем 100 раз рассказывать.

Ключевой плюс — визуальный интерфейс без необходимости писать код, полная видимость логов и возможность быстро масштабировать решения.

Low-code/no-code автоматизация — это новый навык в тренде: к 2026 году 75% новых корпоративных приложений будут создаваться через такие платформы, спрос на automation engineers растёт со средней зарплатой $70–90K даже для новичков, а организации планируют увеличить инвестиции в AI на 74%.

Для карьеры это работает как мощный инструмент: создав реальный workflow (например, автоматизацию еженедельной отчётности с анализом через LLM и рассылкой результатов), вы получаете живой пример для портфолио с конкретными метриками экономии времени и денег, что убеждает работодателей лучше, чем описание навыков на резюме.

Это позволяет одновременно развивать более технические компетенции (в сторону AI/ML engineer ролей, где 45% всех новых найме в 2025), предлагать freelance услуги по автоматизации и демонстрировать понимание end-to-end аналитики и ETL процессов, делая вас конкурентоспособнее на рынке труда.

​ Ссылки на источники: раз, два

Вижу много сообщений в личку - завтра обязательно всем отвечу!

По общим вопросам - можно в комментарии.

P.S. Записывал немного уставшим (все-таки в отпуске как-никак), поэтому можете слушать на х2 :D

Почему проекты из курсов не работают

Я часто вижу в резюме выпускников курсов длинный список однотипных проектов: с красивыми цифрами и модными технологиями.
По задумке автора они должны заменить рабочий опыт, поэтому их выносят в раздел «Опыт».

На практике такие проекты почти всегда вызывают у HR одно и то же: лёгкое раздражение и снисходительный вздох.

Почему так происходит? Разберём по порядку.

1. «Наташ, они все одинаковые»

Проекты из курсов:
1. не меняются годами
2. повторяются от ученика к ученику
3. есть в 90% резюме на рынке

В итоге они не дают конкурентного преимущества. Если проект есть у всех, то его как будто нет ни у кого.

2. В учебной задаче нет реальной неопределённости

Обычно в курсовом проекте:
1. уже известна проблема
2. есть шаблон решения
3. понятен «правильный» результат

Это тренирует навыки, но не мышление аналитика.
В реальной работе вам почти никогда не говорят:
«Вот задача, вот данные, вот как правильно».

3. Нет влияния заказчика
Максимум, что есть в курсах:
1. формальное ревью
2. комментарии «по форме», а не по смыслу

Нет:

1. изменений требований
2. правок в последний момент
3. ответственности за вывод

От реальной работы там только дедлайны, и то случайно. И они выполняют совсем другую роль.

Как выглядит реальность

На работе:

1. каждая задача уникальна
2. условия оценки размыты
3. критерии успеха меняются
4. заказчик влияет на решение
5. приходится работать в неопределённости

И именно это и называют коммерческим опытом.

В чём отличие bootcamp-подхода

В bootcamp мы сознательно воспроизводим рабочую среду:

1. У каждого участника не «проект в вакууме», а инструмент, который можно развивать дальше
2. Задания сложные и растущие, а не «на галочку»
3. Требования меняются по ходу работы

Есть правки, фидбек и ответственность за вывод
Это не имитация обучения.
Это симуляция работы и именно поэтому такой опыт считывается рынком.

Друзья, привет! Нужна ваша помощь 🙌

Канал живёт с 1 апреля 2023 года, и в следующем году я хочу сделать ребрендинг и переосмыслить проект — сделать его ещё полезнее и честнее про реальную жизнь аналитика.

Только за этот год провели коллаборации с университетами и конференцией «Матемаркетинг», запуск нового формата обучения, сецпроекты с Хабром и запустили книжный клуб.

Но останавливаться на этом я не собираюсь 🙂

Очень прошу пройти короткий опрос по ссылке:

👉 https://forms.yandex.ru/u/6949528bd046884c1136938d/

Он поможет лучше понять, кто вы, чем живёте и что действительно важно именно вам — чтобы в новом сезоне OnlyAnalyst вырос вместе с вами.

Если вы готовы на более подробное интервью после опроса — буду отдельно благодарен, это сильно влияет на то, каким будет проект дальше.

В ответ со своей стороны сделаю серию постов про типичные ошибки в соцопросах и исследованиях аудитории — с примерами и разборами на живых кейсах.
​

👉 https://forms.yandex.ru/u/6949528bd046884c1136938d/

🍅 Как все успевать: метод Помодоро

Знакомая ситуация: начало рабочего дня, разбираешь почту, и вот уже 3 часа прошло, головная боль накрывает волной, а ты вместо работы смотрел тиктоки.

Именно поэтому метод Помодоро стал must-have для меня лично.

🪆 Суть метода

25 минут фокусной работы → 5 минут перерыв → повторить. После 4 циклов — длинный перерыв на 15-30 минут.

Исследования показывают, что такой подход увеличивает продуктивность на 25% по сравнению с обычным режимом работы.

☀️ Вот как выглядел мой день 1 января по методу Помодоро:

• Reading — для чтения
• Pomodoro — для разных проектов
• Working — для работы
• Writing — написание текстов

Все 4 помидора закрыты

✅ Благодаря таким коротким спринтам можно делать в 3-4 раза больше за то же время, и мой опыт это подтверждает. Плюс блокируются все приложения на телефоне, чтобы даже коллеги не отвлекали :)

🧑‍🚒 Почему это работает

• Точная оценка времени: Записывая “помидоры” на каждую задачу, вы начинаете понимать реальные временные затраты на обработку данных, построение дашбордов или написание SQL-запросов

• Сбор данных о себе: Количество завершенных помидоров становится метрикой вашей продуктивности. Можно анализировать паттерны и оптимизировать рабочие процессы

• Защита от выгорания: Регулярные перерывы помогают не застревать на часы в одной забаче и избегать усталости к концу дня.

Важный факт: исследования показывают, что после отвлечения нужно 23 минуты, чтобы вернуться к фокусу.

Поэтому структурированные интервалы — это не прихоть, а научно обоснованный подход к глубокой работе.

Пробовали Помодоро? Делитесь в комментах, сколько “помидоров” уходит на ваши типовые задачи 👇

📚 Бонус: книжный клуб

Заметили блок Reading в моем расписании? Это не случайно. В декабре я запустил книжный клуб для аналитиков данных — читаем и обсуждаем книги по data science, статистике и визуализации.

Магия метода: всего один помодоро (25 минут) в день на чтение — и через месяц вы прочитаете целую книгу. Без перегрузки, с полным пониманием материала.

Что читаем в январе?

Лучшую книгу по статистике для аналитиков данных. Это ваш шанс:
• Закрыть все пробелы в статистике
• Разобрать сложные темы в группе единомышленников
• Применить знания на практике через обсуждения

Исследования показывают, что структурированное чтение короткими интервалами улучшает усвоение материала на 40%.

Поэтому формат Pomodoro + книжный клуб = идеальная комбинация для обучения.

Готовы присоединиться? Ставьте 📚 в комментариях, и я добавлю вас в клуб! (условия участия в посте по ссылке).

🥰 Если хотите быть в курсе всех трендов, то этот пост для Вас.

🍄 Весь январь собирал тренды по анализу данных и AI, а ребята из MIT сделали это раньше и лучше :) Ссылка на оригинал ниже, а потом моя интерпретация.

⛓️‍💥 https://sloanreview.mit.edu/article/five-trends-in-ai-and-data-science-for-2026

⛺️ Базовые тренды:

• AI‑пузырь сдуется, экономике станет больнее, явная аналогия с доткомами из нулевых (олды плмнят).

Для нас это не риск, так как технология все равно займет (и уже заняла) свои ниши.

• “AI factories” компаний: вместо разрозненных экспериментов с AI будут собирать комбинации платформ, методов, данных и переиспользуемых алгоритмов, чтобы быстрее строить AI‑системы. Как примеры приводятся AI factory BBVA и OmniAI у JPMorgan Chase.

Тут очевидно, что скоро будет буквально вакансия аналитик AI. Так что готовимся.

• GenAI как оргресурс, а не личный инструмент: индивидуальные кейсы (письма/презентации/таблички) дают “incremental” и часто неизмеримую пользу, поэтому фокус сместится на enterprise‑инициативы (supply chain, R&D, продажи), где ценность выше, но внедрение сложнее.

Понятно, что сейчас использование AI у люда ограничивается режимом чата, что недостаточно для получения большей ценности для компаний. Так что ждем внедрений во все процессы.

• Кто управляет AI — спор усилится: растет доля компаний с Chief AI Officer (39%), но нет консенсуса по подчинению; параллельно в опросе 70% респондентов считают роль CDO успешной и устоявшейся.

Борьба ужа и жабы, лично я за отсутствие еще одно C{вставь букву}O, если конечно не выберут меня :)

А теперь о важном:

🕵️ Agentic AI

❌ Почему “перехайплено”

• Авторы отмечают, что агенты стали “самым хайповым трендом” со времен GenAI и ожидают, что в 2026 они окажутся в “Gartner trough of disillusionment” (т.е. фазе разочарования после завышенных ожиданий).

• Главная проблема: агенты пока “не готовы для прайм‑тайма” в бизнесе, потому что эксперименты исследователей и вендоров (в тексте упомянуты Anthropic и Carnegie Mellon) показывают слишком много ошибок для процессов, где на кону большие деньги.

• Дополнительные стоп‑факторы: риски кибербезопасности (особенно prompt injection) и склонность агентов быть “deceptive” (обманчивыми) и “misaligned” (несовпадающими) с человеческими целями и ценностями.

📈 Почему все же станет ценным

• Авторы считают, что в ближайшие годы большую часть проблем можно “сгладить” и что примерно через пять лет агенты смогут обрабатывать большинство транзакций во многих крупных бизнес‑процессах.

• При этом их оценка оптимистичнее прогноза Андрея Карпати (в статье упомянута оценка 10 лет).

🏃 Что делать компаниям уже сейчас

• Начинать думать, как агенты могут дать новые способы работы, и строить trusted agents, которые можно переиспользовать по всей организации.

• Пилотировать межорганизационные сценарии и параллельно развивать внутренние компетенции тестирования агентов, комбинируя generative, analytical и deterministic AI.

• Держать в голове, что успешный agentic AI, по формулировке авторов, потребует “всех инструментов из AI toolbox”, то есть не только LLM, но и контроль, проверки, правила и инженерную дисциплину вокруг.

🏃‍♂️ Так что еще раз убеждаюсь, что буткемп по n8n, на который уже идет запись, создан как никогда вовремя ;) А n8n будет основной платформой для AI агентов, которой будут пользоваться в компаниях по всему миру.

За подробностями всех жду в личку.

🕵️ Как я сократил время в телефоне в два раза с помощью ИИ-агентов

Работая над bootcamp по n8n и параллельно изучая кучу материалов про ИИ-агентов, я всё чаще ловил себя на вопросе:
а реально ли это работает?

Нужны ли вообще эти агенты, или это очередная модная технология — большой и красивый колосс на глиняных ногах?

Чтобы не рассуждать в теории, я решил начать с практической задачи и сократить главный бич XXI века: думскроллинг.

Да, можно просто «перестать сидеть в телефоне». Но практика показывает: суровая реальность требует быть в курсе происходящего: новостей, контекста, событий, чтобы принимать адекватные рашения для себя и семьи.

В итоге получается замкнутый круг:
бесконечные новости, мемы, статьи, комментарии.

И львиная доля времени уходит не на осмысление, а на поиск. Что сейчас важно, что интересно, что «нельзя пропустить».

И тут у меня возникла мысль:
а что, если доверить этот процесс ИИ-агенту?

Я так и сделал.

Я написал небольшого ИИ-агента, который каждый день ровно в 10 утра присылает мне сводку:
ключевые новости,
важные обсуждения,
мемы (да, без них никуда),
и самое главное — выводы: как всё это влияет лично на меня.

В итоге вместо нескольких часов хаотичного скроллинга:
10–15 минут в день на осознанное потребление информации.

Как мой кейс с ИИ-агентом совпал с лучшими практиками

Начал с конкретной боли, а не с технологии — сократить думскроллинг.

Одна задача → один агент — сбор и анализ новостей, без «всё и сразу».

Встроил в рутину — фиксированное время и один канал доставки.

ИИ помогает, но не думает за меня — финальные выводы читаю и оцениваю сам.

Есть измеримый результат — 10–15 минут вместо нескольких часов в день.

Итеративный подход — после первого успеха появились новые сценарии.

Но, как говорится, «местные власти останавливаться на этом не собираются».
После первого успешного эксперимента в голове появилось ещё с десяток сценариев, которые хочется автоматизировать.

Какие бы свои сценарии вы хотели бы автоматизировать? Пишите в комментариях.