Инжиниринг Данных
23.5K subscribers
1.99K photos
55 videos
193 files
3.21K links
Делюсь новостями из мира аналитики и карьерными советами.

15 лет в Аналитике и Инжиниринге Данных, 10 лет в MAANG

🛠️ dataengineer.ru | 🏄‍♂️ Surfalytics.com

№5017813306

Реклама:
https://almond-rule-130.notion.site/1199f595f76a8030ba1be1e607c9a8ce
Download Telegram
Вот и подходит модуль 4 про ETL к концу. Я записал 2 последних видео:

4.7 Fancy ETL инструменты
Моя любимая категория инструментов "Fancy", то есть чем-то не обычные, но очень популярные. В нашем уроке я упомяну 4 самых популярных инструмента, к тому же open source. Я с ними плотно не работал, поэтому я лишь слегка их коснусь, чтобы вы знали об их существовании и по возможности попробовали. Ну а если вы уже про них знаете, то приходите к нам поделиться опытом!

В этом видео вы узнаете про:
📌 Apache Airflow
📌 DBT tool
📌 Luigi
📌 Apache NiFi
📌 Clickhouse (+ fancy база данных)

Так же я добавил в git много ссылку на материалы по инструментам на русском и английском + ссылки на официальные tutorials. То есть вам этого будет достаточно, чтобы начать и поиграться -> отличная история для следующего собеседования, как вы изучаете и пробуете новые технологии.

4.8 Требования к ETL разработчику и отличия от Data Engineer
Практически в описание к любой data вакансии мы можем встретить термин ETL. ETL роль очень важная, так как эти процессы отвечают за консолидацию данных в едином хранилище данных, а в некоторых случаях это может быть озеро данных. Концептуально вакансия ETL разработчик/инженер Data Engineer очень похоже, разница лишь в скилах и названии позиции. В этом видео мы:
📌 Рассмотрим историю data профессий по интеграции данных
📌 Узнаем топ 11 навыков инженера данных
📌 Поговорим о сходствах и различиях двух вакансий
📌 Рассмотрим главные скилы ETL разработчика (ETL) и Инженера данных (DE)
📌 Вакансии ETL и DE Amazon, Facebook, Google
📌 Вакансии ETL и DE Российских компаний
📌 Вакансии ETL и DE в мире

Pavel Novichkov (@eXtr1Mo) еще добавит финальный проект по модулю 4 и лабораторные работы по Pentaho DI, на которых будем строить dimensional model и работать с хранилищем данных на postgres. Если есть вопросы по ETL, Павел ваш эксперт. Кстати, он открыт к предложения по работе на позиции ETL разработчик/BI разработчик. Он себя уже очень хорошо зарекомендовал💪

Ну и настраиваемся на модуль 5 про облачные вычисления на основе AWS и Azure. Я работал и с тем и с другим, проходил все их курсы и предавал в University of Victoria курс по Cloud Computing. Это будет первая ступенька в мир современных аналитических решений. Жду вдохновения из космоса😜
Forwarded from Denis Sexy IT 🤖
Я всегда относился к себе как к части каких-то интернет сообществ рунета, и всегда мне было любопытно, насколько в показателях русскоязычный сегмент «токсичнее» западного: если много сидеть в рунете то это чувствуется — иногда по злому, иногда по веселому, но в среднем рунет токсичнее какого-нибудь Reddit / FB / Twitter где общаются на английском языке, оно, наверное, и понятно, жизнь у нас не сахар по сравнению с многими странами, есть отчего озлобиться.

Вчера, совершенно случайно, наткнулся на исследование от Microsoft – оказывается они уже 5 лет исследуют эту тему и выпускают отчеты на эту же тему называя ее «Digital Civility» где пытаются подсчитать какой уровень «Цифровой Культуры» в каждой из стран, отчет про 2020 год, в нем приняло участие 16 000 человек из 32 стран, пара интересных моментов:

🔹 Миллениалы за 2020 год стали злобнее в целом по миру;
🔹 Вся надежда на зеточек, они няши как всегда и лучше себя ведут в интернете, у них рейтинг токсичности падает;
🔹 Россия находится на 31 месте... из 32, ниже нас Южная Африка, а выше Мексика. На первом месте Нидерланды. Никогда бы не подумал что буду чувствовать себя в мексиканском интернете как дома

Я перезалил сам отчет от 2021 года на Google Slides, вот ссылка (он на английском), а тут короткая версия на русском. Рекомендую всем кто любит интернет и исследования про него.

В отчете упомянуто, что многие не знают, что делать если вы столкнулись с онлайн-токсичностью, я немного покапитаню, но добавлю: если столкнетесь буллингом, троллингом, любой другой токсичностью (и при этом вы не на работе в интернете, где в ваши задачи входит работа с такими явлениями), то лучший способ это закрыть профиль, внести в ЧС и пойти дальше, потому что вы не торт и все не обязаны вас любить. Главное помнить, что в своем социальном пространстве вы главный, удаляйте что хотите и держите его комфортным для себя. Потому что слова это не просто буковки на экране, они могут правда вредить — на слайде 39 написано какие психологические последствия это все может вызвать. Любвиобильного онлайна вам и берегите себя 💖

P.S. Слово «токсичность» относительно новое у нас, вкладывает туда пока каждый что хочет: я им называю просто грубое общение, оскорбления, буллинг, троллинг и тп.
Павел Новичков записал супер подробное видео (уже 2ое) по инструменту Pentaho DI, чтобы вы смогли овладеть принципами ETL.

В этом видео вы:

📌 Познакомимся с графическим интерфейсом Spoon
📌 Рассмотрим строительные блоки любого проекта: Steps и Hops
📌 Узнаем про виды проектов в Pentaho: Jobs и Transformations. В чем их отличия и когда что использовать.
📌 Познакомимся с наиболее распространенными форматами данных в ETL
📌 Потренируемся работе с форматами txt, csv, xls, json, xml
📌 Построим несколько джобов и трансформаций
📌 Научимся запускать проекты по расписанию
Unified Data Architecture - еще один термин, обозначающий примерно то же самое - консолидация данных для принятия бизнес решений и с недавних пор для использования данных в машинном обучении. Другими словами синоним слова “хранилище данных”. Но в данном контексте это уже может быть что угодно - реляционная база данных, озеро данных на Hadoop или микс хранилища и озера данных, как например Snowflake или Redshift + Redshift Spectrum. Очень хорошая диаграмма, на которой по слоям все расписано от источника до отчета.
Кроме fancy инструментов, я люблю еще другую категорию - “Было-Стало”, как раз картинка про это. Конечно инструментов тут показали совсем чуть-чуть, но идею передали.
Компоненты BI решения
Компоненты Платформы Данных (это когда уже просто Хранилища данных и BI) не хватает
А тут более подробно рассмотрена диаграмма для DS&ML
Спросили: Что такое Databricks?

Ответ: Это managed spark. То есть compute engines, которых можно создать сколько хочешь и любого размера. Подключить к озеру данных на AWS/Azure и делать processing на Python/Scala/SQL. Можно хранить результат в parquet и использовать delta log = delta lake, озеро данных с функцией ACID. Можно и без databcricks все построить на Hadoop+Spark и хранить все тоже самое в HDFS, но уже надо все ручками настраивать.

Другими словами мы создаем Lakehouse. Когда данные в виде файлов в репозитории, а сверху виртуальные машины, которые умеют читать файлы с помощью SQL (в случае Snowflake, Redshift Spectrum, Athena, Synapse). А вот в случае Databricks вы можете использовать Python/Scala/SQL, получаете преимущества cloud computing и заодно можете использовать docker, делать ML&DS и стримить данные и обрабатывать в реальном времени. В общем вещь!

В СНГ все это конечно не так популярно, так как мы отстаем с облаками. На курсах datalearn я хочу восполнить этот проблем. Это моя любимая тема облака+аналитика и всякие платформы. Даже на западном рынке нет таких курсов, которые включает в себя столько, сколько мы засунули в datalearn и самое главное есть контекст, а не просто учим кнопки нажимать, мы учим вас выбирать подходящее решение самостоятельно и самостоятельно достигать поставленных целей.
☁️
Привет!
Новые публикации по Data Studio
1️⃣ Как преобразовать и упростить анализ эффективности рекламы при помощи Data Studio
https://clc.am/4kf9aw
2️⃣ [Видео] Аналитика воронки продаж онлайн школы в Google Data Studio - Дэшборды, отчеты по трафику, конверсиям
https://clc.am/XCYfwg
3️⃣ Наши любимые Ассоциированные конверсии (зачем нужны, как отследить в Google Analytics, Google Ads и добавить в отчеты GDS)
https://clc.am/-EIQ9w
4️⃣ [Видео] Простой отчет по контекстной рекламе в Google Data Studio
https://clc.am/r54b_Q
Всем привет! Мы уже провели немало интересных вебинаров от профессионалов со всего мира! И это только начало. Мы хотим собрать все самые крутые материалы по аналитике в одном месте и структурировать их за счет курсов data learn.

Мы создали форму для подачи заявки на вебинары. Интересные темы для вебинары:
- Обзор аналитики облачный решений AWS, Azure, GCP, Alibaba
- Обзор решений для BI/DW/ETL/BigData и тп (теория + демонстрация продукта)
- Информация про управление и развитие дата команд и дата продуктов
- Аналитические кейсы (внедрение решений аналитики и результаты)
- Ваши истории про иммиграция в любую страну и обзор рынка труда и процесс иммиграции
- Истории про смену проф ориентации
- Да все что угодно, лишь бы это было нам на пользу!
Инжиниринг Данных pinned «Всем привет! Мы уже провели немало интересных вебинаров от профессионалов со всего мира! И это только начало. Мы хотим собрать все самые крутые материалы по аналитике в одном месте и структурировать их за счет курсов data learn. Мы создали форму для подачи…»
Вот уже 10 лет я всегда с удовольствием смотрю на квадрант Gartner по BI инструментам.

Gartner, Magic Quadrant for Analytics and Business Intelligence Platforms, February 15, 2021, James Richardson, Kurt Schlegel, Rita Sallam, Austin Kronz, Julian Sun
Хоть и не хотя, я решил выступать хотя бы раз в месяц. В феврале будет презентация для Toronto Data Science user group про Modern Data Stack, а вот в Марте будет Calgary Tableau User Group про Snowflake+Tableau. Потом будет Microsoft User Group в BC про Azure Databricks, а потом Vancouver User Group про Tableau + Databricks. Я уже пришел к выводу, что для меня это бесполезное занятие, но раз в месяц можно делать, авось пригодиться.

PS всем кто никогда нигде не выступал, очень советую! Полезно для опыта, так же как и писать блог посты о чем-нибудь, чтобы в резюме была ссылочка.