🎉 Бесплатновые премиум-аккаунты от @start_ds и @rafalytics 🎉

Самое время раздать материальной ценности, поэтому мы вместе с Ромой из @start_ds запускаем розыгрыш, в котором разыграем 10 премиум-аккаунтов в Telegram на 6 месяцев 🆓

Условия участия максимально простые:
1. Быть подписанными на мой канал и на канал Ромы (@start_ds) 📍
2. Подождать, пока рандомайзер телеграма определит победителей 🎲

Почему вам стоит почитать канал Ромы Васильева:
1. Автор @start_ds работал со мной в Лавке, а сейчас руководит отделом аналитики международного поиска Яндекса ❤️🤯
2. Рома буквально развивает Data-Science в России: преподаёт на "Karpov.сourses", на ФКН Вышки и в Центральном Университете Т-Банка 👨‍🎓
3. Записывал подкаст с самым известным DS-ом на СНГ пространстве - с Валерой Бабушкиным 🔝
4. По моему субъективному мнению Рома - невероятно разносторонний человек, который совмещает в себе сразу несколько ролей: руководителя, друга и наставника 🫡

Быстрее присоединяйся к розыгрышу - вероятно, что именно у тебя есть большой шанс на победу)

С недавних пор я начал чаще снимать рилсы для инстаграма, но постоянно забываю разместить их тут 🥱
Чтобы вы не скучали (пока я пишу текстовые статьи для канала), буду делиться с вами этими видеоматериалами 🍓

А в комментариях можно поделиться мнением, на какой инкриз ЗП вы бы согласились сменить работу/компанию (если что это никак не связано с текущим местом моей работы, я остаюсь в Лавке 💙)

В последнее время я всё чаще вижу запрос от знакомых/учеников/подписчиков рассказать про наставников, у которых я учился сам и которых мог бы порекомендовать аудитории 🤯
Мне правда очень откликается эта тема, потому что в разные периоды жизни я перепробовал разных менторов (в том числе и на платной основе за довольно большие суммы), так что имею некоторую насмотренность, которой могу тут поделиться 🫡

Начну эту серию постов с одного из самых первых наставников, за контентом которого я с удовольствием следил ещё в школе/начале студенчества - Александра Вотякова (также известного как АР) 📕

Как студенту закрыть базовые потребности по тайм-менеджменту и планированию

Представь, что есть несколько небольших лекций, которыми можно закрыть все базовые навыки по тайм-менеджменту, дисциплине и финансовой грамотности - а всё это по принципу «Парето» даёт бОльшую часть результата. И ещё эти лекции удовлетворяют важному критерию: они содержат максимально практичные советы и объяснение того, почему это всё вообще работает. А если ко всему перечисленному добавить приятную харизму и эрудированность спикера, то получится тот самый канал Александра, за которым я продолжаю следить до сих пор 😻

Также стоит отметить, что его контент построен не на примитивной краткосрочной мотивации, а на более долгосрочном и взрослом подходе, который очень легко преподносится за счёт преподавательского опыта самого Вотякова (он, как и я, долгое время занимался подготовкой школьников и студентов к информатике и экономике) 🧠

Я учился именно по видосам с его канала на ютубе, но по понятным причинам Александр сейчас больше ведёт телеграм-канал, нежели ютуб, так что и этой ссылкой тоже поделюсь - уверен, что это будет наиболее актуально именно для выпускников-школьников и студентов, но и остальным тоже не помешает 💯

А теперь большая просьба: такой формат постов, в котором я делюсь практиками из личного опыта, достаточно редко появляется в канале. Поэтому именно под этим постом мне важно получить твою обратную связь в виде реакции или комментария. Это поможет понять, насколько это полезно именно для тебя и стоит ли делиться подобным 🤔

Вы думаете, что посты не выходят? 😭

Они выходят! Но на других платформах)

Вот, например, немного из личного опыта: свежая статья с Яндекс.Практикумом 📖 на Хабре

Обязательно к прочтению тем, кто хочет попробовать себя в роли аналитика на стажировке в Яндексе ❤️ (всё ещё считаю стажировку в Яндексе очень крутым бустом к старту карьеры)

Не прощаюсь, вероятно в ближайшее время постов будет чуть больше 🤫

Когда больше и круче — не значит лучше 🤯

Предыстория: на стажировке в Яндекс Браузере я учил ML-модели предсказывать LTV пользователей (проще говоря, сколько денег принесёт пользователь просматривая рекламу в приложении). И вот, в процессе обучения модели я смог добавить ещё один признак, который казался мне очень важным. В ожидании улучшения качества работы модели я был очень удивлён, когда после нового признака модель стала работать хуже
И вот казалось бы: данных стало только больше, а от этого только вред((
В итоге, от этого признака пришлось отказаться — он просто сбивал доверчивую модель с толку 😭

Чуть аналогии в жизни: иногда кажется, что чем больше у нас информации, тем лучше.
Но на практике преследуя цель мы обрастаем мнениями и советами, которые, кажется, помогают, но в реальности лишь запутывают и искажают наше восприятие 🤔

А ещё я часто замечаю, что многие усложняют вещи, чтобы казаться экспертами, и это реально работает))
Однако по мере опыта работы (!по крайней мере моего!) становится ясно, что для многих задач не нужно ничего усложнять. Обычные и известные методы часто показывают себя наилучшим образом. Особенно это было заметно в начале моей карьеры аналитиком, когда хочется на любую задачу прикрутить нейросеть, ведь "не для того мама ягодку растила", чтобы он потом лин.регрессию обучал 👑

Но есть и побочный эффект: теперь я боюсь, что выгорел, стал слишком консервативным и отрицаю новшества в ML, что может быть губительно 🥱

И всё-таки выбор за тобой: стоит ли использовать сложные решения или достаточно обычных и примитивных? Пиши в комментарии)

Расширенный туториал по резюме на стажировку 🎓

Я уже писал краткий гайд про то, как составлять резюме на стажировку с шаблонами, но недавно Яндекс.Практикум любезно написал по этому полноценную статью (спасибо, Практикум 📖🖤)

В общем, если не читали тот пост, то рекомендую обратиться именно к этой статье, ну прям очень приятно расписали для будующих стажёров ☺️

А ещё надеюсь вы заметили, что посты начали выходять чаще (а не раз в месяц 🤡)
Скажу даже больше, я составил контент-план, который должен помочь мне постить регулярнее, поэтому обязательно оставляй реакцию ❤️ и новые посты не заставят себя ждать

Как стать аналитиком, разучившись считать 😌

Скоро будет живой митап, где на примере своих факапов расскажу, как ошибки могут быть полезны в карьере аналитика
Программу можно посмотреть постом выше 🙃


Митап "Факап найтс" 😱
Когда: 6 февраля (четверг) с 19 до 23 часов
Где: Moc Loft, Варшавское шоссе 33 стр 13 (Метро Нагатинская/МЦК Верхние Котлы)

Что будет ещё:
🥈 Выступления спикеров: расскажут о своих провалах при поиске работы или на самой работе в корпорациях, и как они с ними справлялись
🥈 Нетворкинг: можно будет познакомиться с ребятами из IT-компаний или с теми, кто в поиске работы
🥈 Еда чтобы покушац
🥈 Афтерпати: в конце включим музыку, расслабимся, подэнсим 🤪

А организует митап Марго - наш рекрутёр из Лавки, которая любезно сделала скидку в 400 рублей по промокоду raf (действует с 22.01 по 24.01)

Ссылка на регистрацию

Всех жду! 💙

Как подготовиться к финальному собеседованию 😱

Помнишь, я рассказывал о том, как подготовиться к собеседованиям на аналитика?
Если да, то самое время поделиться с тобой волшебной таблеткой лайфхаками, как подготовиться к финальному собеседованию с командой, чтобы увеличить свои шансы на успех

Финальное собеседование (или "финал") - встреча или созвон с руководителем команды, в которой ты потенциально будешь работать. Команда со своей стороны хочет убедиться, что нанимает подходящего по своим запросам кандидата, а ты в свою очередь знакомишься с ней, принимая для себя решение, хочешь ли ты работать в такой команде и заниматься подобными задачами.

И в таком формате возникает проблема: у финального собеседования нет определённого формата. В зависимости от собеседующего и его настроения тебя могут спросить всё, что угодно: начиная от задачки на алгоритмы, заканчивая обычной беседой за жизнь, чтобы проверить что ты адекватный чел и с тобой можно комфортно взаимодействовать.

Исходя из таких вводных данных предлагаю следующий алгоритм подготовки:

1️⃣ После назначения финального собеседования попроси у рекрутера информацию о команде, мб ссылку на вакансию (чем подробнее, тем лучше, но сильно душнить тоже не надо). После этого ты идёшь в интернет и изучаешь там статьи/выступления экспертов на тему деятельности этой команды, смотришь на ключевые метрики, которые там могут использоваться 🌐

Например, тебе говорят, что собеседование будет с командой аналитики ценообразования Яндекс.Лавки.
В таком случае мы ищем материалы по запросу "ценообразование в ритейле" и находим видос, в котором слушаем про базовые подходы и обретаем некоторую экспертность в сфере деятельности команды 🧐

Ура! После этого тебе будет на порядок легче пройти собес в отличие от кандидата, который не позаботился о том, чтобы узнать об этом. Одно только это действие уже даёт тебе бОльшую часть результата

2️⃣ Подумай о том, как ты будешь презентовать себя свой предыдущий опыт в контексте новой команды. Если позаботишься об этом, то сможешь лучше себя "продать", а ещё на собеседовании не сложится ощущение, что твой предыдущий опыт вообще неприменим к текущим запросам команды.

И да, не нужно затягивать рассказ о себе, пусть он будет на пару минут и с выделением основных достижений, его можно отрепетировать в спокойной обстановке

🤟

3️⃣ Подготовь вопросы. Немного странно, когда у кандидата нет вопросов к команде, поэтому позаботься об этом заранее

Например, какой формат работы? Будет ли сотрудник, помогающий в адаптации? Какими задачами я буду заниматься?

👨‍💻

Не забывай, что успешных финальных собеседований у тебя будет намного меньше, нежели технических и других предварительных. Например, я успешно прошёл лишь 2 из 8 финальных собеседований в Яндексе за время моей работы - и это норм 🫡

Делись постом с другом, который проходит финалы, а также согрей пост огоньком 🔥 и клубникой 🍓

Что нужно знать аналитику, чтобы найти работу в 2025 году?

В марте и апреле происходит самый разгар набора на летние стажировки в бигтехе 🔥

Рассказываю с точки зрения аналитика, как увеличить свои шансы на успех:

1) Хард-скиллы 🧑‍🎓
Обязательно нужно знать всё, что ниже:

- SQL (select, where, group by, join, оконные функции) и Python с библиотеками анализа данных (Pandas, Matplotlib)

- Теория вероятности (комбинаторика, дискретная вероятность, условные вероятности, формула полной вероятности, теорема Байеса)

- Мат. статистика (точечное и интервальное оценивание, тестирование гипотез, дизайн экспериментов, доверительные интервалы)

- Моделирование: различные способы измерения поведения пользователей, основные продуктовые метрики

- Полезно (но не всегда обязательно) знать машинное обучение (лин. и лог.регрессия, решающие деревья, ансамбли, бустинги. Нейросети - это необязательно)

- Именно для ❤️ также полезно знать алгоритмы анализа и обработки данных, а также активно применяемые структуры данных (списки, стеки, деки, множества, словари, деревья)

Как это всё изучить смотри в этом посте

2) Резюме 📑
Оно нужно чтобы пройти первичный скриннинг и увеличить количество заинтересованных команд на финалах, если получится пройти все собеседования. Есть отдельный пост, как его написать с примером ✏️

3) Структура собеседований 💬
Недавно я искал стажёра-аналитика в нашу команду Лавки, вследствие чего получилось провести несколько собеседований, в том числе финальных. Исходя из этого могу дать банальный, но просто жесть какой рабочий совет: посмотреть примеры собеседований на ютубе (примеры: раз, два, три), чтобы понимать, как они проходят и что там могут спросить.

4) Уметь продавать себя 🛍
Подготовь и отрепетируй рассказ о себе, а также адаптируй его под сферу деятельности команды. Судя по опыту, только ~20% стажёров на финалах предварительно изучили, чем занимается собеседующая их команда до собеса. А ведь это по сути бесплатный способ увеличить свои шансы на успех, получив +respect от команды и, возможно, даже получить ответы на вопросы, которые тебе зададут на финальном собеседовании.

5) Оставить ❤️ на удачу под этим постом.
Без этого никак. Точка.

Обещанного повышения 3 года не ждут: советы от HR для аналитика, если ты решил искать работу в 2025 году

Я Марго, IT-рекрутер в Яндексе, нанимаю аналитиков, веду инст и тг-канал про карьеру. Ежедневно общаюсь с крутыми дата-специалистами и хочу поделиться лайфхаками, которые помогут в поиске лучшей работы.

1️⃣ Подготовь кейсы
На интервью часто просят рассказать про свои успешные (да, нужно уметь себя хвалить😏) и провальные кейсы (и как ты с ними разбирался). Лучше подготовь кейсы заранее, чтобы не лить воду и не уходить в сторону.

Схема для описания кейсов:
🔵Понять проблему (что болит у бизнеса?)
🔵Фреймворк решения (какие данные, методы и метрики используешь?)
🔵Выводы и next steps (что делать дальше?)

2️⃣ Развивай бизнес-мышление
Компании ценят аналитиков, которые понимают не только цифры, но и бизнес-контекст. Читайте про юнит-экономику, метрики в разных сферах (маркетинг, продукт, финансы), изучайте отчеты публичных компаний. Перед собесом почитайте подробнее про предметку этой компании.

3️⃣ Прокачай резюме
Резюме аналитика должно быть чётким, цифрованным и без воды. Для описания опыта используй формулу: что делал + при помощи какого инструмента + как это измерить.

4️⃣ Нетворкайся
Подписывайся на Telegram-каналы про аналитику, участвуй в митапах и хакатонах, посещай конференции. Нетворкинг — мощный инструмент поиска работы, особенно в 2025 году, когда рекомендации ценятся всё больше.

5️⃣ Расширяй стек и область задач
SQL — это база, а Python повышает вашу стоимость на рынке и открывает новые интересные задачи. Осваивайте BI-инструменты, чтобы уметь делать дашборды, изучайте ML, погружайтесь в исследовательские задачи и АБ-тесты. Чем больше разных задач вы решаете, тем больше возможностей открывается перед вами.

Желаю успехов с поисками, заклинаю всех на лучшие офферы🔮

Ну огонь же! Давай поддержим реакцией 🔥