rafanalytics
5.46K subscribers
68 photos
18 videos
68 links
Про образование и IT, про аналитику и немного жизнь. Связь и реклама: @rafaeldks
Download Telegram
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)
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3313🤯10😁3👍2🤨2
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
Please open Telegram to view this post
VIEW IN TELEGRAM
60🤩7👍5💋3💅2💊2🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
Мой любимый вид рилсов
😁6523💯14👏1🏆1🤪1
Программа:

19:00 — Знакомство, нетворкинг
19:30 — Вступительное слово

19:35 — Маргарита Криницына, IT-рекрутер, Яндекс (ex. Ozon, Финам)
Как не сдаться спустя 38 собесов, когда ты джун

20:00 — Никита Ганевич, Product manager, Ozon Tech
Как я сломал поиск Ozon на 2-й неделе стажировки, но попал в штат и выиграл оскар

20:25 — Перерыв

20:45 — Ксения Тимофеенко, Менеджер по спецпроектам и соцмедиа, Авито
33 несчастья или мои попытки найти работу мечты

21:10 — Рафаэль Сайфутдинов, Аналитик ценообразования, Яндекс Лавка
Как стать аналитиком, разучившись считать

21:35 —Афтерпати+Нетворкинг
17👏3🔥2
Эйчарня Марго
Программа: 19:00 — Знакомство, нетворкинг 19:30 — Вступительное слово 19:35 — Маргарита Криницына, IT-рекрутер, Яндекс (ex. Ozon, Финам) Как не сдаться спустя 38 собесов, когда ты джун 20:00 — Никита Ганевич, Product manager, Ozon Tech Как я сломал поиск…
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! 💙
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥123👍3
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 🍓
Please open Telegram to view this post
VIEW IN TELEGRAM
🍓30🔥1910👍1
This media is not supported in your browser
VIEW IN TELEGRAM
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.
Please open Telegram to view this post
VIEW IN TELEGRAM
198🔥8😁4👨‍💻4
rafanalytics
В марте и апреле происходит самый разгар набора на летние стажировки в бигтехе 🔥
Кстати, напоминаю, что на стажировку в Яндексе можно оформить рекомендацию. Сотруднику сделать рефку ничего не стоит, а вам будет полезно. Поэтому перед подачей заявки на сайте можно написать мне @rafaeldks, и мы оформим рекомендацию 🤝

А ещё давайте наберем над постом выше 100 реакций и я выложу ещё один бомбовый пост с советами, но уже с точки зрения рекрутера (на примере моей знакомой рекрутера из Лавки)
🍓98❤‍🔥2415👍6🔥4🤨2
rafanalytics
А ещё давайте наберем над постом выше 100 реакций и я выложу ещё один бомбовый пост с советами, но уже с точки зрения рекрутера (на примере моей знакомой рекрутера из Лавки)
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 🔥
Please open Telegram to view this post
VIEW IN TELEGRAM
1🔥3413❤‍🔥5👍2
Data Science теперь в ЕГЭ? 😳

Вместо того, чтобы лечь спать вовремя, я как обычно решил заняться саморазвитием и наткнулся в рилсах на обзор пробника ЕГЭ 2025 года по информатике 😦

Оказывается, в ЕГЭ по информатике теперь есть задание на кластеризацию из блока повышенного уровня сложности (см. условие задачи на картинке)

На всякий случай поясняю:
Кластеризация - это разбиение элементов некоторого множества на группы на основе их схожести

Например, у тебя есть данные о подписчиках телеграм-канала @rafalytics, которых при помощи алгоритма кластеризации можно разбить на 2 группы, в одной из которых окажутся неактивные пользователи, а в другой - самые лучшие подписчики канала 💋


В самом задании предлагается написать базовый и оптимизированный алгоритм кластеризации на основе Евклидова расстояния и применить его к набору данных 🤯

Вообще я очень люблю такие задачи, когда на примере несложной математики (без матриц и интегралов) показывают, что даже школьных знаний часто оказывается достаточно для решения практических задач. В доказательство этого, кстати, вспоминаю ученика из 11-го класса, которому я помогал подготовиться к направлению аналитики на стажировки и летние школы: в итоге он смог пройти в школу аналитиков обладая лишь хорошими знаниями школьной математики и сильным желанием 🧑‍🎓

Вернёмся к теме: теперь официально можно заявить, что в ЕГЭ проверяются знания из области анализа данных. Я даже готов сделать ставку, что в ближайшие ~4 года там появится задание на обучение линейной регрессии. И вместо соревнований на Kaggle у нас будет kЕГЭle 😻

А как вы относитесь к подобным заданиям на ЕГЭ? Норм или стрём? Отпишись в комментариях 👇
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
180👍139🎉134🔥129😱4🤡2
This media is not supported in your browser
VIEW IN TELEGRAM
Мог бы танцевать на камеру в 2017, но теперь приходится работать в айти
2060😁26🔥9🤣5👍1🍓1
Прочитай это перед тем, как работать в E-grocery 💙🍔🛒

Предположим, что ты уже подготовился к собеседованиям по гайду и обладаешь базовыми навыками аналитика.
Теперь ты собеседуешься аналитиком в Лавку, Самокат, Купер, Озон Фреш или другую подобную компанию, и тебя от заветного оффера отделяет лишь финал с командой 😱


Гарантирую, что тебе будет полезно знать метрики, которые используются в сфере e-grocery, чтобы быстрее решать кейсы и при этом проявить свою экспертизу/насмотренность. Я проработал в Лавке (не только курьером, но и аналитиком) уже более 1.5+ года и за это время успел ознакомиться с большинством метрик, применямых в решении задач бизнеса. Их понимание настроит тебя на нужный контекст и сэкономит время при решении кейсов на собеседовании, да и в рабочих задачах точно пригодится.

Основные метрики в ритейле/е-коме/e-grocery:

- GMV (Gross Merchandise Value): общая стоимость всех проданных товаров за определенный период. Ключевая метрика для оценки объема продаж и понимания масштабов бизнеса 🌟

- Маржинальность (Margin): показывает, какая доля прибыли остается после вычета себестоимости из GMV. Высокая маржинальность — это показатель эффективности ценообразования 💹

- Количество заказов (Orders) и продаж (Sales): простой и одновременно важный показатель, который позволяет следить за динамикой и трендами спроса 📦

- Количество SKU (Stock Keeping Unit): общее количество уникальных товарных позиций. Эта метрика помогает управлять разнообразием ассортимента и анализировать, какие товары больше всего интересуют покупателей 📊

- Списания товара (Write-offs): объем товара, который списан в связи с истечением срока годности или повреждением. Управление этой метрикой помогает минимизировать потери и улучшить контроль качества ⚖️

- OSA (On-Shelf Availability): доступность товара на полке. Например, если молоко было доступно для покупки только половину времени от времени работы магазина, то OSA будет равна 0,5. Таким образом метрика показывает, насколько эффективно пополняются запасы в магазине 🛒

- CTE (Click to Eat): время от создания заказа до доставки пользователю. Это ключевой показатель для оценки оперативности и логистической эффективности, а также важный фактор удовлетворенности клиентов ⏱️

- OPH (Orders per hour): количество доставляемых/собираемых заказов за час. При помощи этой метрики можно мониторить эффективность курьеров или спрос в конкретном районе 🛍

Кстати, сейчас пишу статью на Хабр про аналитику ценообразования в торговых сетях, поэтому в ближайшее время получится порадовать вас конкретными примерами, где эти метрики могут помочь


Что из аналитики в ритейле тебе интересно узнать на примере Лавки? Напиши в комментариях ⬇️
Please open Telegram to view this post
VIEW IN TELEGRAM
10👎270🤮266🤬250💩230👍3823🔥13🍓6🤝32
This media is not supported in your browser
VIEW IN TELEGRAM
Рилсы вам точно заходят, а этот даже залетел неплохо

Всем хороших выходных 😌
21565👍524🎉501🔥459😁36🤣5🤩2🍓2💅2💘2❤‍🔥1🤯1
Аналитический подход к ценообразованию 💵

Напоминаю, что я всё ещё занимаюсь аналитикой ценообразования в Лавке, но экспертных постов на эту тему до сих пор не было 🤔

Поэтому расскажу про общепринятый подход в ценообразовании, к которому стремятся прийти все крупные игроки в ритейле, но перед этим важное замечание:
Всё, что написано в этом посте - это описание общепринятого подхода на рынке, а не конкретный пример "Яндекс.Лавки".
Да и вообще, давайте рассматривать этот пост вне контекста от Лавки 🍫


А поговорим мы про подход динамического ценообразования, который позволяет выставить цены на товары так, чтобы в итоге бизнес получил прирост в выручке и/или маржинальности. Звучит круто, не правда ли?

Давай подумаем, как можно этого добиться: вот есть у нас набор текущих цен на товары, но как их нужно изменить, чтобы получить наибольший прирост, например, в выручке?
Напоминаю, что:
Выручка - это сумма всех продаж товаров, умноженных на их цену 💰
Маржинальность - это доля от выручки, которая остаётся после вычета себестоимости товаров 💵

Ответ: нам нужно понимать, какие будут продажи у товара при той или иной цене. Зная это, мы сможем выбрать такую цену, при которой значение выручки/маржинальности по этому товару будет максимальным.

И вот тут естественным образом возникает другая задача: откуда нам знать, какие продажи будут у товара, если поставить на него цену X?

У опытных рафаналитиков читателей возникнет желание решить такую задачу при помощи машинного обучения - и они будут правы 🥰

Для этого мы обучим модель на исторических данных, чтобы научить её предсказывать продажи товара при цене X 📈

И вот, если модель прогнозирования продаж/спроса будет достаточно точной, то:
- для группы товаров мы перебираем возможные на них цены (например, +- 10% от текущей цены)
- для каждой цены прогнозируем продажи на товар
- для каждого товара выбираем такую цену, при которой выручка/маржинальность (что выбрать - зависит от цели) будет наибольшей

Именно так и может работать система динамического ценообразования, которая автоматически подберёт цены на товары при помощи аналитики и машинного обучения. У подхода есть много нюансов, так что если возникнут вопросы - напиши в комментарии 👇

Поздравляю, теперь ты знаешь про ценообразование чуть больше.
Если чувствуешь, что преисполнился - ставь сердечко ❤️
Please open Telegram to view this post
VIEW IN TELEGRAM
106🔥2.59K🎉2.54K👍2.48K2.45K🍾1
Как пройти собеседование: опыт аналитика Яндекс Лавки 💙

Совместно с Яндекс.Практикумом написали лаконичную статью на Хабре на эту тему из предыдущих постов в канале, рекомендую! 👆

📝 Статья 📝

Можно делиться критикой и реакциями клубники 🍓
Please open Telegram to view this post
VIEW IN TELEGRAM
100🔥1.31K1.27K👍1.24K🎉1.2K🍓32🎄2😢1
Почему тебе дают скидку? 🤔

А ты задумывался, почему покупателю предлагают скидку на конкретный товар? Спустя 1.5 года работы в ценообразовании я узнал, что скидки могут выдавать для самых разных целей. Начнём с базовых причин и закончим самыми неочевидными:

- Скидка для увеличения выручки: с уменьшением цены товара растут его продажи, что позволяет нарастить свой объём на рынке. Такой товар начинают покупать чаще и обсуждают — получается бесплатный органический маркетинг 🗣
Сюда же можно отнести скидки на комбо — идеальный повод купить несколько товаров вместо одного 1️⃣1️⃣

- Скидка по сроку годности: когда продукт вот-вот “спишется” по сроку годности, его можно попытаться продать по уценке, чтобы отбить себестоимость и потенциальные косты. В Лавке такая скидка отображается с названием "Годен сегодня", например 💙

- Скидка для распродажи неактивного ассортимента: если ассортимент продаётся плохо, его проще заменить чем-то более ликвидным и популярным. Для этого “залежалый” товар можно отдать по уценке, быстро освободив место для новинок 🆕

- Пользовательская скидка: такой бонус может спровоцировать нового пользователя сделать первый заказ или вернуться старому клиенту. Иногда скидки включают в соцпакет сотрудников — работает на их лояльность и удержание 🙌
Кстати, выдавать скидку выборочно по пользователям — юридически абсолютно легально, если вдруг кто-то сомневается))

- Скидка для замера эластичности спроса: такой вариант скидки позволяет проверить как изменится спрос при движении цены. Если продавец понимает, как продажи реагируют на изменение цены, он может подобрать оптимальную цену: максимальную для выручки (что актуально для условного “Магнита”) или для маржинальности (например, применимо для “Азбуки Вкуса”). Об этом подходе я писал в одном из постов ✏️

Однако из-за такого изобилия скидок вокруг наше восприятие к ним сильно притупилось за последние годы. Теперь обычным жёлтым ценником “-20%” уже никого не удивишь, и, как следствие, “Большинство россиян (63%) больше не считают скидки главным критерием выгодной покупки” (источник)


Мораль? Скидка — это не просто вариант “сделать дешевле”, а инструмент с кучей разных задач: от стимулирования продаж и тестирования гипотез до утилизации непродающегося товара. Иногда она как по учебнику, а иногда нет — тут всё зависит от фантазии и задач бизнеса.

Если было полезно или ты знаешь ещё более креативные сценарии для скидок — напиши в комментариях👇
А если открыл для себя что-то новое — ставь лайк, буду знать что стоит писать больше про цены ❤️
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
100👍537520🎉514🔥504🤩5🤯2😱2🍌1🍓1💋1💅1