Привет! Меня зовут Раф, и в этом пост-знакомстве я отвечу на самые частые вопросы, которые у тебя могут появиться при посещении такого тг-канала:

- Зачем мне этот канал? 🤔
- За последние 3 года я прошёл непростой путь от поступления в ВШЭ до стажировки в Яндексе, преисполнился в образовании и начал знакомиться с бизнес-процессами в IT. Исходя из моего опыта я хочу помочь тебе избежать моих ошибок и, как следствие, достичь ещё большего, а также просто показать, как я вижу весь этот современный мир изнутри в роли начинающего аналитика 😬

- Где ты учишься? 👨‍🎓
- Учусь на 2-ом курсе факультета компьютерных наук НИУ ВШЭ, образовательная программа "Программная инженерия". Грубо говоря, учусь на программиста-разработчика. Параллельно с этим учусь в Яндекс.Практикуме по программе "Специалист по Data Science" 🤩

- Чем ты сейчас занимаешься? 🧐
- С марта 2023 года стажируюсь в бизнес-группе поиска и рекламных технологий Яндекса как аналитик (подробнее про жизнь в Яндексе будет отдельная серия постов). Кроме того, помогаю на различных образовательных мероприятиях в университете, посещаю конференции, занимаюсь спортом и так далее...

- Да что ты вообще знаешь про образование? 📚
- Последние два года я работал куратором по информатике в крутейшей онлайн-школе по подготовке к ЕГЭ «Стобалльный репетитор», благодаря чему глубоко погрузился в сферу онлайн-образования и узнал, что больше всего волнует выпускников и студентов начальных курсов. За это время я успел собрать много отзывы студентов об университетах и даже лично бывал в некоторых из них. У меня накопилось много мыслей по поводу современного и эффективного образования, и эти мысли я в том числе постараюсь структурировать и передать в этом канале

- Хочу узнать про тебя чуть больше 🥰
- Мне очень приятно : ) В таком случае ты можешь посмотреть подкаст годичной давности, в котором мы с Артёмом обсудили то, как онлайн-образование изменило мою жизнь (там я чуть подробнее рассказал про то, откуда я, где учился и т.д.)

- У меня остались вопросы
- Тогда смело пиши их мне @rafaeldks в ЛС или сюда в комментарии. Я обязательно напишу на эту тему пост или отвечу тебе лично 😇

- в IT столько разных специальностей, и я не понимаю, на кого мне стоит учиться 😵

Так уж вышло, что с этим вопросом я и сам не мог определиться почти полгода, причем уже после того, как поступил в универ. Я с детства думал, что в IT есть только программисты (люди, которые пишут код), и больше - никого. В школе я неплохо решал задачки на питоне и поэтому думал, что мне нравится программировать - именно поэтому я и поступил на "программную инженерию", где учат программистов-разработчиков. Спойлер: я немного не угадал с направлением

Спустя два года (то есть сейчас) я бы для простоты разделил всех специалистов в IT на три большие группы и привел несколько направлений, на которых этих специалистов, как правило, учат:

🤖 Разработчики (или сфера Computer Science) - люди, которые создают программные продукты. Результатом их работы может быть сайт, приложение, программа, алгоритм и тому подобные вещи. Большую часть времени они занимаются написанием кода и думают над архитектурой программного продукта.
В роли разработчика, как правило, надо будет писать много кода, а также есть возможность не так часто взаимодействовать с людьми, если для вас это по каким-либо причинам важно. На мой взгляд, тут нередко возможен сценарий, что человек может быть абстрагирован от бизнес-задачи, которую преследует продукт. Это вовсе не плохо, и не всем нужно думать о бизнес-процессах, но это явно нужно учитывать, если вы планируете заниматься разработкой.
Если тебе действительно нравится писать код (и это не просто задачки в виде "посчитать количество уникальных элементов в массиве", а задачи с большим количеством красивых функций и удобных классов) и тебе хочется создавать красивые и большие программы, то тебе точно стоит попробовать разработку.

Направления: "Программная инженерия", "Информационные системы и технологии", "Компьютерные науки", также может подойти "Информационная и компьютерная безопасность" (однако именно в ИБ/КБ будет много математики, к чему нужно быть готовым)

📊 Специалисты по анализу данных (или сфера Data Science) - люди, которые анализируют данные или прогнозируют их. Такие специалисты тоже пишут код, но уже для того, чтобы при помощи него правильно обработать данные. Так уж вышло, что в нашем мире слишком много данных, без анализа и учёта которых современный бизнес и продукт не сможет долго существовать. Результатом работы таких специалистов является выявленная закономерность в данных, их характеристика или какая-либо модель, которая способна прогнозировать эти данные (именно это, грубо говоря, называется искусственным интеллектом, а точнее машинным обучением). Например, при помощи анализа данных можно обнаружить определенную зависимость спроса от предложения, и, как следствие, попытаться научиться предсказывать курсы валют.
В эту сферу входят аналитики, которые исследуют данные и зачастую очень тесно связаны с бизнес-задачами, а также специалисты по машинному обучению (или ML’щики, от слов Machine Learning), которые создают модели, способные предсказывать или распознавать что-либо. Если вам нравится копаться в данных и делать выводы на их основе, то Data Science - идеальное место. Стоит отметить, что в этой сфере, как правило, намного чаще нужна математика, нежели в разработке.

Направления: "Прикладная математика и информатика", "Прикладная информатика", "Прикладной анализ данных", "Бизнес-информатика", "Информационная аналитика", даже "Экономика" и всё, что связано с машинным обучением, нейросетями или искусствуенным интеллектом.

💻 Все остальные специалисты - сюда входят все те, кто тоже присутствует в IT, но их сложно отнести к предыдущим двум группам. Это могут быть тестировщики, инженеры, менеджеры, маркетологи, HR-персонал и другие. Про эту группу людей, увы, я не могу много рассказать, но тем не менее не упомянуть их нельзя.


Исходя из этого разделения, я очень рекомендую в первую очередь разобраться, в какой из этих трёх групп вы себя видите в дальнейшем - от этого могут зависеть ваши приоритеты при поступлении. Пробуйте и не бойтесь ошибаться - только так вы сможете понять, что вам нравится 😍
#поступление

В любом случае отмечу, что у Computer Science и Data Science есть очень много общих дисциплин и предметов (алгебра, мат.анализ, дискретная математика, алгоритмы и структуры данных), благодаря чему, обучившись в одной сфере, вы сможете перейти в другую, дополнительно изучив необходимые курсы. Так, например, я учусь на разработчика, но при этом стажируюсь как аналитик, однако для этого пришлось самостоятельно кое-что изучить. Об этом в дальнейших постах...

#поступление

Сегодня сходил на крутейшую конференцию Aha! '23 по продуктовой аналитике и "marketplace efficiency" - уже не терпится написать вам пост🔥

Но для того, чтобы подробно писать про аналитику в дальнейшем, мне надо будет провести небольшое введение для тех, кто только начинает свой путь в Data Science 📊

Итак, первый вводный пост будет про метрики - неотъемлемую часть любого продукта, которая находит философское отражение даже в нашей повседневной жизни...🤔

Введение в метрики 📏

Начнём издалека. Вы когда-нибудь задумывались, как можно измерить уровень счастья произвольного человека? 🥳
Если да, то вы наверняка могли подумать, что уровень счастья человека можно соотнести, например, с уровнем его финансового дохода ("чем больше у меня денег, тем более счастливым я становлюсь").

- Так можно ли таким образом измерять уровень счастья человека?
- Да, можно. Но это будет не совсем правильно: многим из вас известны примеры, когда человек не испытвает проблем с финансами и при этом всё равно остаётся несчастен (достаточно популярное явление у знаменитостей). Таким образом, мы можем понять, что такое измерение уровня счастья "в деньгах" не всегда отражает действительную реальность, хотя на первый взгляд оно казалось достаточно объективным 😓

В нашем мире можно придумать очень много способов что-либо измерить. Каждый способ такого измерения можно упрощённо считать и называть метрикой. Однако лучшей метрикой является та, что наиболее объективно отражает действительную реальность.

Если вернуться в контекст IT, то перед вами может встать задача измерить уровень успешности продукта (например, в качестве продукта может быть какое-нибудь мобильное приложение). В таком случае в первую очередь важно понять, что именно мы подразумеваем под "успешным продуктом"? Это может быть продукт, который приносит нам много денег, или же, например, в качестве меры успешности мы можем смотреть на то, как продукт изменяет жизнь людей в лучшую сторону.

Допустим, что мы смотрим на продукт как на способ заработка 🤑
Тогда в качестве метрики его успешности можно использовать такие простые показатели, как:
- количество денег, которое принёс нам продукт за всё время своего существования - это буквально выручка (revenue);
- общее количество пользователей, которые платили нам за использование продукта (этот вариант может быть плох тем, что он учитывает пользователей, которые заплатили нам только один раз и после этого больше ничего не делали);

Также можно использовать метрики посложнее:
- средняя выручка (или средний чек) на одного пользователя в нашем приложении-продукте - такая метрика называется ARPU (Average Revenue Per User) и рассчитывается как <весь доход> / <количество пользователей>;
- средняя выручка (или средний чек) на одного платящего пользователя в нашем приложении-продукте. Такой вариант отличается от предыдущего тем, что мы усредняем выручку не на всех пользователей, а только на тех, кто заплатил хотя бы один раз. Такая метрика называется ARPPU (Average Revenue Per Paying User) и рассчитывается по формуле <весь доход> / <количество пользователей, совершавших оплату>;
Чем больше значения вышеперечисленных метрик, тем больше денег мы получаем с продукта - всё просто!

Как мы видим, можно придумать много способов для измерения успешности продукта, исходя из нашей цели, но важно выбрать именно тот, который наиболее точно отразит описываемую ситуацию. Такой навык придумать правильную метрику является чуть ли не самым важным для аналитика, и это очень активно спрашивают на собеседованиях.
Прокачать такой навык легко: попробуйте задуматься о том, как вы измеряете и как следовало бы измерять что-то в повседневной жизни. Например, если сегодня у вас хреновое настроение, то, вероятнее всего, вы просто выбрали не ту метрику для измерения вашего счастья 🤩

#аналитика #метрики

Вопрос на подумать: а какая метрика лучше всего подходит для измерения уровня счастья? Обязательно напиши в комментарии)

Ответ на картинке 💜

- Чем ты занимаешься в Яндексе?
- Сейчас я стажируюсь в группе поиска и рекламных технологий в отделе аналитики. Одной из главных задач моей стажировки стоит прогнозирование некоторых важных метрик (про них, увы, подробнее рассказать не могу) при помощи машинного обучения. Грубо говоря, я должен научить машину компьютер хорошо предсказывать значения метрик в будущем.

- Зачем предсказывать метрики?
- Давай вспомним (из предыдущего поста), что по значениям правильных метрик мы можем отслеживать то, как живет и чувствует себя продукт. Так, например, если ресторан будет знать, какой размер чека будет у его будущих посетителей, то он сможет правильно подстроиться под их предпочтения и предложить соответствующее меню, что в конечном итоге должно увеличить его прибыль 💵
Таким образом, если мы умеем прогнозировать значения метрик нашего продукта, то мы в какой-то степени можем заглянуть в будущее и убедиться, что мы всё делаем правильно 😌 (ну или изменить свой вектор развития в противном случае). Кстати, такой подход, когда мы верим именно данным (в том числе и прогнозируемым), а не субъективным предположениям людей, называется Data-driven подходом.

В следующих постах расскажу, как я попал на стажировку в Яндекс и как это можешь сделать ты уже в ближайшие полгода 😇

#Яндекс #Аналитика

А уже в понедельник жди кружочки из офиса с картинки, буду проводить виртуальную экскурсию

Первый опыт бизнес-форума 💼

Меня всегда очень радовало и удивляло, когда я читал/смотрел про какого-то «большого» человека, а потом спустя время мы пересекались вживую. Наверное, мне просто невероятно приятно осознавать, что с такими людьми мы находимся в одной реальности. Они не являются какой-то выдумкой или иллюзией. Они существуют где-то рядом и творят.

Месяц назад у меня в реках на ютубе появилось интервью с Романом Маресовым (текущий генеральный директор Яндекс.Еды), который был номинирован в рейтинг Forbes «30 самых перспективных Россиян до 30 лет» в сфере управления (признаюсь, для меня это звучит невероятно круто 🤯)

Я посмотрел интервью, мне понравилось (всем рекомендую, неплохо вдохновляет), ну и пошел дальше заниматься своими делами 👨‍💻

Спустя какое-то время в группе бизнес-клуба ВШЭ опубликовали пост о том, что тот самый Рома Маресов будет выступать на бизнес-форуме у нас в университете - именно тут я понял, что обязательно должен сходить туда 😮

На форум я сходил. И ни разу не разочаровался: выступление Ромы было действительно очень интересным, а также теперь я по-другому смотрю на то, как должна работать команда, чтобы добиваться нереальных результатов. А самое главное, что после выступления получилось лично поболтать с Ромой и попросить у него пару советов по карьерному пути

Что я хочу вынести из этого поста?
- Бизнес-форумы - это полезно и интересно (даже если у вас нет никакого опыта работы). Раньше я думал, что это мероприятия для инфоцыган, однако теперь убедился в обратном. К тому же на таких ивентах, кажется, есть большой шанс найти работу или предложить свою вакансию крутым руководителям;
- Нужно учиться заводить small-talk’и: на форуме было очень много крутых ребят из других компаний, с которыми получилось пообщаться. Тем не менее, разговор зачастую они начинали первыми - и этому навыку мне еще надо научиться;

Не стесняйтесь ходить на форумы и конференции: там вы можете встретить крутых людей, а также найти работу и попросить совет у руководителей больших компаний

#Конференции

Поспал сегодня 3.5 часа и снова залетел на конференцию по финансовым технологиям (но уже в качестве волонтера)

Исходя из большого количества посещенных конференций за последнее время появилась идея заранее анонсировать подобные мероприятия в Москве (они как правило бесплатные). Как вам идея?