Перед запуском проекта привлекайте всех заинтересованных лиц (ну или почти всех)

Это касается не только аналитиков, но и продактов, дизайнеров, разработчиков. Худшее, что может случиться с проектом — ты узнаёшь о процессе после продакшена и пытаешься понять, что вообще происходит.

1. Расширение бизнес-контекста. Круто, когда все в синке по продуктовым изменениям. На общих встречах понимать друг друга, кто куда движется и какие есть ограничения у систем при раскатке. Например, почему нельзя сразу катнуть на всех: лимиты инфраструктуры, неготовая аналитика, риск убить ключевую метрику — и это важно проговорить заранее, а не в разгар инцидента.

Практически любой человек, который работает в продукте должен его понимать, в том числе бизнесово

2. Возможность переложить бизнес-контекст на "свой" язык до фактической раскатки. Продумывая систему можно обрисовать примерный план действий. Аналитику нужно настроить систему алертинга, рассчитать метрики, придумать заранее срезы. Разработчику понять, что все события корректно логируется и сервис получает и отдает, что нужно. Потому что после раскатки начинается пожар: всё падает, метрик нет, логов не хватает, а отвечать нужно уже сейчас 🐸

Придумать план действий, задизайнить систему с заинтересованными лицами, понять сколько нужно делать шагов для нормально функционирования

3. Понятный список обязанностей на проекте. Казалось бы, что может здесь пойти не так. У дизайнеров свой вайб, у разработчиков и аналитиков тоже. Но есть часть задач, которые находятся на пересечении. Стоит это заранее обсудить перед запуском, так как возникнут сложности, либо несколько людей будут делать одну и ту же работу.

Если несколько человек делают одну и ту же задачу без договорённостей — это почти гарантированные расхождения и потеря времени

🥺

4. Меньше мисскоммуникации. Случается так, что между заинтересованными лицами случается следующее: делаем это, хотя нужно сделать вот это. Если продолжается часто, нужно задуматься над тем, а что вообще происходит и можно ли это пофиксить. Например, собрать общий синк и обсудить.

А у вас было такое, что вы узнавали о ключевом процессе уже после продакшена? Чем это закончилось — спасли или тушили пожар? Ставьте 🐳, пишите комментарии!

@zasql_python

Нашел статью (как же я люблю такие статьи) про будущее аналитики данных в 2026, здесь представлены основные тренды.

Здесь ссылаются на этот источник, в котором говорятся следующие вещи (статья 2025 года на минуточку):

1. 70% аналитиков считают, что AI и автоматизация аналитики делают их работу более эффективной и продуктивной
2. 76% аналитиков до сих пор используют таблицы (Excel / Google Sheets) для подготовки данных
3. 45% тратят более 6 часов в неделю на очистку и подготовку данных

Я не смотрел детально как собирались выборки, мне просто продали цифры 👀 Не вижу ничего такого использовать определенные инструменты для подготовки данных. Тут это не говорит ни о чем. Последний пункт, скорее, да, чем нет. Инсайты могут получаться не сразу (если смотрим узкий сегмент, который не покрыт дашбордами), а только после написания нескольких скриптов, склеек и отрисовки графиков.

В дальнейшем тезисы будут строиться вокруг автоматизации и улучшении имеющихся процессов. Тренды, которые потихоньку проникают в нашу жизнь, но еще не во все компании внедрены.

1. Augmented Analytics and Automated Insight Generation
BI-инструменты сами находят аномалии, паттерны и причины. Аналитик всё меньше пишет запросы и всё больше думает над смыслом, интерпретацией выводов.

В ❤️, например, в DataLens уже есть и выводы по изменению метрик в различных срезах, я когда там работал, уже успел потестить — классная штука

2. Analytics on Streaming and Real‑Time Data

Не знаю, где здесь тренд, так как в компаниях где это нужно, уже давно занимались подобным, особенно, все что связано с алертингом по раскаткам фичей.

3. Data Fabric
Единый слой данных вместо кучи источников. Меньше времени на подготовку — больше на анализ.

Если есть DWH — класс. Учитывая, что это зарубежная статья, там как раз только приходят к некоторому в некоторых компаниях, да и в крупных в РФ в некоторых отделах тоже могут к этому приходить не сразу 👩‍💻

4. Вопросы к данным обычным языком
Text to Insight. Аналитика становится доступнее бизнесу.

Видел, что в одной небольшой зарубежной компании ребята реализовали чат-бот с RAG'ом на витрину и просто писали запрос, про подобное я писал с точки зрения реализации Text2SQL в 🖤, а тут сразу инсайты + гипотезы. Получается, аналитика занимается более стратегическими задачами, да, ведь? 🤨

👉 Подробнее можно прочитать тут

Мне лично нравятся тренды на ИИ-агентов и автоматизации процессов с помощью них, как будто пока что это основной хайп, хотя не во всех компаниях во внутреннем контуре можно такую историю себе поставить (Claude, Cursor) и нужно настраивать прокси... А так, если глобально смотреть, пока что ничего не меняется, смотрим дальше, может скоро будет переломный момент 😏

А вы как считаете, тренды поменяются в этом году или нет? Что по вашему мнению является ключевым для аналитика в 2026?
Сохранять здравый рассудок, наверное?

@zasql_python

Нашел на просторах интернета очень интересную вакансию. Ценности впечатляют, конечно.

Особенно понравилось следующее:

Отсутствие опыта работы в EPAM, аутсорс галерах, Web3, gambling.

А EPAM за что 😮, да и 🎰, почему...

Contribution to open source github repos, >10 звезд, >500 contributions за год

Сори, только в private.

Активный блог, twitter или телеграмм канал

Блог по ноготочкам и успешному успеху 💅


Опыт на Kaggle 🔑 тоже здесь. Видимо надо переключиться и начать жестко проходить Титаник.

А как вам вакансия? Делитесь историями, какие необычные ценности / требования встречались?

@zasql_python

Как вы знаете, мой сайт довольно давно живёт своей жизнью.

Что бы вы хотели, чтобы там было?

Открыт к любым идеям (почти без ограничений 😄). Хочу сделать сайт по-настоящему удобным инструментом для вас, поэтому буду благодарен за любую обратную связь.

🔽 Ниже привёл примеры — но можете писать и свои предложения 🔽

— Больше бизнес-кейсов с возможностью подумать и принять решение

— Симулятор аналитика, чтобы можно было двигать задачи по спринтам и решать их

— Больше задач с собеседований, детальная разбивка по грейдам

— Больше материалов для продактов / MLE / DE

🥞 ИЛИ Добавь уже рецепт блинов, а то непонятно, как их готовить 🥞

А вообще, если вам сайт зашел / вы периодически посматриваете туда, ставьте 🐳, чтобы я понимал, что нужно оплачивать хостинг 😂

@zasql_python

🤔 AI-Алгоритм оценит вас лучше, чем человек?

Перевод оригинала поста

Если бы в РФ на всех этапах была бездушная машина, было бы круто, наверное... 😱

Пока что максимум автоматизации, который я видел — это HR-скрининг.
Технические собеседования с полноценным использованием ИИ я почти не встречал. 😁 Я бы посмотрел на это

🔽 Делитесь историями, если сталкивались с AI в процессе найма 🔽

А вы как думаете, в ближайшее время можно будет отдать ИИ полный флоу собесов или нет?

🐳 — Да, скоро ИИ будет проводить собесы полностью.
🕺 — Частичная автоматизация (как сейчас), но не полный переход.
😮 — ИИ пока скорее вредит качеству найма.

@zasql_python

🍪🍪 Готовишься к собесу по аналитике? Я обновил сайт.

🔽 По вашим комментам добавил следующие вещи 🔽

1. +400 вопросов в блоке подготовки к собесам, разбивка по сложности.

Больше вопросов для подготовки + добавление более софтовых вопросов по типу: "Как объяснить C-level структуру дерева метрик по продукту «маркетплейс товаров» на одном слайде?"

2. Новые крупные аналитические кейсы (80+) из разных сфер с примерами промпта в LLM.

Запрос для тренировки с LLM
Скопировать запрос
Ты — LLM-интервьюер для подготовки продуктового аналитика к собеседованию.
Кейс: Телеком: миграция на новый тариф и рост оттока.
Сфера: Телеком. Формат: Отток и сегментация. Таймбокс: 45 мин.
Контекст: Нужно понять, где причина: цена, ограничения тарифа или коммуникация.

Если такой формат — ок, попробую в дальнейшем прикрутить LLM, чтобы можно было прямо на сайте спрашивать по поводу решения кейсы. Можно будет тренироваться прямо на сайте с AI-интервьюером.

3. Маршруты сквозных собеседований.

Целостные сценарии интервью: от первичного скрининга до финальной рекомендации.

4. Больше метрик и группировка по типу метрик.

Активность
Динамика
Продукт
Удержание
Операционка
Монетизация
Маркетинг/финансы
Трафик
Банкинг
Контакт-центр
ииии...
Gambling / iGaming 🃏

5. Ну и конечно интересные вопросы в конце страницы "Кейсы".
Если бы ты тестировал мемы, какая была бы главная метрика?

Ставьте 🐳, пишите комментарии, что еще добавить, будем вместе изменять. Что нужно — пишите!

Нашли пасхалку на картинке?

@zasql_python

это я зашел в LinkedIn отвечать на комменты и тут получил такое...

восстание машин, не иначе 👀

я настроил автоматизацию конечно же

расскажите хотя бы как пятницу проводите…

Кто такие синьоры?

Те, кто просто получают много денег и сидят, чилят, попивают смузи, сидя на пляже
Те, кто долго работают в компании

Те, кто (узнаете на вебинаре). Да, я мастер спойлеров 😁😁😁

⌚ В четверг 26 февраля в 19:00 по МСК стану гостем вебинара с другими ребятами

• Обсудим кто такой синьор
• Какие задачи он решает и какие навыки нужны
• Разберем пару кейсов о том как ребята делали синьорные вещи
• Сколько можно зарабатывать и какие это открывает возможности
• Поговорим про карьерные траектории к синьорству
• Q&A

Часть веба будет по запись, а часть просто поболтаем. Примерно 1.5 часа будет идти.

Вебинар будет проводить Head of Experiments в Т-Банк 💳 @roma_protiv_fomo, приходите буду рад видеть.

Развиртуализация случается раз в жизни! Торопитесь!

🔗 Ссылка на вебинар 🔗

@zasql_python

Как сократить время обучения в 3–5 раз без увеличения часов

Недавно откопал для себя NotebookLM. Суть в том, что туда закидывается определенный контекст и моделька только из этого контекста формирует материалы.

Киллер-фича: так как у Google большая экосистема (в т.ч. Youtube), можно взять такой плагин и выкачать весь ютуб (на бесплатной версии до 50 источников, спокойно проваливается один большой плейлист или курс).

Какие кейсы применения?

1️⃣ Обучение новым направлениям на основе ограниченного контекста

Загрузка конкретных источников (книг, лекций, плейлистов, статей) и построение базы знаний строго внутри них.

Подходит для:
🟢освоения новой области (ML, A/B-тесты, математика)
🟢подготовки к собеседованиям по определённому стеку
🟢быстрого входа в новую роль

2️⃣ Радикальное сокращение времени на потребление видео

Можно загрузить YouTube-плейлист и:
🟢получить структурированный конспект
🟢выделить ключевые идеи
🟢сформировать mind map
🟢сделать карточки для повторения
🟢получить краткую выжимку вместо 10–15 часов просмотра

Так как субтитры обрабатываются корректно, качество выжимки получается высоким. Еще бы все видео были с голосом и понятными субтитрами ✏️

3️⃣ Формирование структуры строго по заданным источникам

Важно для ситуаций, когда нужно:
🟢учиться по конкретному учебнику
🟢готовиться к экзамену по утверждённой программе
🟢писать работу с опорой только на определённый перечень литературы

Можно еще сюда придумать: поиск пробелов в знаниях (про это чуть подробней ниже), подготовка к выступлениям и лекциям, работа с исследовательскими материалами, быстрое погружение в домен.

Есть проблема с доступами в сервисы Google, но сюда ставится прокси (благо они стоят очень дешево и можно себе их позволить), прокидываем через любой плагин в Chrome и у вуаля, все готово.

⚠ Теперь самое интересное применение

Вести с этим делом Obsidian и закидывать свою базу знаний в контекст. Все просто, моделька поймет, нужно ли изучать / читать книгу / смотреть видео или уже в базе знаний все есть и тратить на это время не нужно ИЛИ подсветит, что есть определенный пробел в знаниях и на этом нужно сосредточиться. Я считаю, что это топ, учитывая количество бесконечного материала благодаря ИИ, интернету.

Итого пайплайн выглядит так:

NotebookLM -> ChatGPT (структура / оформление / дополнение с поиском) -> (Python -> Obsidian)

Вот здесь интересное видео, можно также запихнуть в контекст NotebookLM и проверить...

А вы уже пользовались? Как вам? Какой сейчас используете пайплайн для пополнения базы знаний? Делитесь в комментариях 🐳

@zasql_python

Уже сегодня состоится вебинар в 19:00 про синьорство.
Если вы хотите понимать, куда расти — приходите, будет полезно 🥺

Буду рад всех видеть, так как тема актуальная и зачастую непонятно, а что нужно делать, чтобы им стать. Вроде бы кажется, что и делаешь много, закрываешь задачи в срок, находишь импакт на бизнес, но все равно не растешь...

И непонятно — а что вообще нужно, чтобы перейти на следующий уровень?

Сегодня разберём:
🥳 кто такой синьор на самом деле
🥳 какие задачи отличают его от мидла
🥳 какие решения нужно уметь принимать
🥳 сколько это стоит на рынке

Говорим с @roma_protiv_fomo и другими ребятами сегодня.

Если вы в точке "делаю много, но не двигаюсь дальше" — вам точно стоит подключиться.

Сижу с Obsidian 💎, закидываю конспект по временным рядам, планирую через какое-то время дропнуть в формате PDF. От базы до более продвинутых методов. Будут формулки, код, простые примеры.

В качестве основы беру лекции, папиры, статьи на хабре, конечно же, с помощью NotebookLM + ChatGPT.

Сделаю ревью конспекта, дополню необходимым и выложу).

Есть ещё идея: выложить всё на сайт в виде графа знаний — чтобы удобно переходить между темами. Потом так же итеративно собрать A/B, ML, Causal Inference и другое.

@zasql_python

однажды одному сотруднику поручили навайбкодить сервис авторизации для приложения по доставке хорошего настроения в понедельник...

был использован самый продвинутый ии-агент современности, который уступает только лишь Staff инженерам в FAANG.

мне кажется, что получилось неплохо для первого раза. Да, ведь? 👨‍🦳

@zasql_python

🥺 Как придумывать идеи для продуктовых ресерчей?

Возможно, у вас возникало чувство того, что хочется сделать что-то классное с точки зрения аналитики, но непонятно, с чего начать.

На практике идеи для исследований чаще всего лежат прямо рядом.

1. Посмотреть, что происходит в продукте

😮 По своему опыт скажу, что не так много аналитиков регулярно прокликивают дашборды или системно формируют отчетность.

Сделали один раз, а дальше просто закрываем задачи в спринте. Хотя именно там часто появляются первые сигналы для исследований.

Об этом я писал здесь

❓ Иногда достаточно задать простой вопрос: "Почему эта метрика ведет себя именно так? Можем ли мы ответить на этот вопрос прямо? Или нужно искать специфичный срез?"

2. Общение с пользователями

Есть ли в компании продуктовые исследователи, которые проводят интервью или опросы?

Через такие исследования часто подсвечиваются точечные проблемы на определенной выборке пользователей.

Это хороший источник гипотез для аналитики, потому что можно:

🟢проверить масштаб проблемы
🟢посмотреть сегменты пользователей
🟢понять реальный импакт

3. Посмотреть на бенчмарки рынка

Иногда полезно просто понять, как устроены похожие продукты.

Мне в этом хорошо помогает:

🟢 NotebookLM (с недавнего времени активно использую)
🟢 Deep Research в ChatGPT (раньше использовал Perplexity для поиска)

Можно задать конкретную сферу и посмотреть:

🟢какие метрики считают
🟢какие механики используют
🟢как компании растут в этом направлении

4. Посмотреть на продуктовый беклог

Все новое — хорошо забытое старое. Или не сделанное... Иногда в беклоге уже лежат идеи, которые когда-то не дошли до реализации ИЛИ были реализованы, но не проанализированы ИЛИ их можно докрутить для отдельного сегмента пользователей

Иногда такой анализ может сам по себе стать полноценным продуктовым ресерчем.

🔽 Обычно паттерны для исследований появляются в похожих ситуациях:

1. Конверсия падает без очевидной причины
2. Метрика растет только в одном сегменте
3. Пользователи используют фичу не так, как ожидалось
4. Retention новой когорты сильно отличается
5. Конкуренты делают иначе
6. В данных появляется аномальный сегмент и др.

Будет также круто, если вы пользуетесь продуктом, который анализируете. Так поймете основные проблемы, ботлнеки и тд. Об этом я писал пост здесь.

👀 Также важно, чтобы реализация идеи было не супер сложной, так как высока вероятность, что такую идею зарубят

А у вас как дела с продуктовыми исследованиями? Делитесь в комментариях! 🐳

@zasql_python