😮 Удалёнка vs офис: что я по итогу выбрал для себя

Тема заезженная, но хочу зафиксировать своё видение.

👍 Что мне даёт удалёнка

У меня появляется дополнительные 2–3 часа в день за счёт отсутствия дороги и офисных случайностей.

Тебя меньше дергают по причине того, что ты просто есть в офисе.

Слушай, раз ты здесь, давай быстро посмотрим, почелленджим

Пойдём за кофе, обсудим точки роста продукта

Раз все в офисе, давай сядем и сделаем презентацию

В итоге твой план на день рассыпается просто потому, что ты физически находишься в офисе. Не говорю, что это плохо, но лично мне на удаленке держать фокус проще.

Знаю, что на высоких грейдах люди часто гоняют в офис, когда нужно быть в коннекте с командой и стейколдерами. Есть отдельные команды / компании, которые сидят только в офисе, не буду тыкать пальцами 😄

👎 Что теряю

Меньше движухи с любимыми коллегами. Когда вся команда гоняет в офис — это прекрасно, у тебя начинает появляться круг с лиц, с которыми помимо работы можно что-то обсудить отстраненное от задач.

Удалёнщики правда чуть дальше от офисной тусовки. Но честно — на выполнение задач это не влияет. На инфополе и спонтанные обсуждения — да, на результат — нет.

Удаленка не всегда может являться плюсом, кому-то просто не заходит этот формат, но я стараюсь дополнительные часы тратить в течение дня не только на работу.

Сейчас в мой день влезают:

1. Основная работа ⌨️

2. Магистратура (я хочу красный диплом, большую часть дисциплин уже закрыл) 🎓

3. Курсы, чтобы не выпадать из тонуса 🏃‍♂️

4. Ведение канала — недавно стукнуло 7к, спасибо всем, кто здесь 🙌

5. И ещё пара дополнительных штук, о которых расскажу позже 🤔

И что удивительно: капаcитет ещё остаётся. Вопрос только в том, чтобы не выгореть. Очень надеюсь, что с этим уроки из прошлых лет уже усвоены 🔥🔥

А какой у вас формат работы? Делитесь в комментах, ставьте 🕺🕺🕺

@zasql_python

Да это я так, тренируюсь проходить собесы, держу себя в тонусе, чтобы понимать тренды рынка 🙊

Сейчас на парочку схожу, пойму сколько я стою на рынке и все, закончу проходить. Инфа 💯. Можно не волноваться, никуда не пропаду 🫣

Дальше буду работать у себя, так как держать себя в форме мое любимое дело 😁

@zasql_python

🔗 [Статья] Проксируй это: как ускорить A/B-тесты и не попасть в ловушку метрик

10 декабря вышла статья от X5 Tech 🖤, как подбирать прокси-метрики.

Кстати, эта тема была на aha'25, но теперь есть и на Хабр 🐸

Здесь указано про проблемы North Star Metric: мелкие эффекты сложно задетектировать, тактические задачи не решают и все такое. Добавлю, что зачастую такие метрики имеют высокий MDE и эксперименты оказываются не сильно чувствительными 🤓

Предположим у нас есть продукт, где основной метрикой является GMV, в качестве прокси-метрики может быть выбрана конверсия в заказ, так как она более чувствительная. Быстрее прокрашивается и сонаправлена с метрикой (в предыдущих экспериментах).

📊 Красивая визуализация показывает, как должны вести себя прокси-метрики: либо ловить больший эффект, либо быстрее реагировать на воздействие.

1. Одно из самых важных — это уметь переходить к причинности. Поэтому здесь рассматриваются: Дерево метрик, Causal Inference.

2. Указали про качество прокси: метрика должна быть чувствительной и сонаправленной. Классика, когда мы выбираем метрику, на которую хотим опираться при принятии решений в эксперимента

3. Про составные прокси метрики: нашли метрики, а что делать с ними дальше, какие выбрать: те, которые более чувствительные или сонаправленные? Решается с помощью Парето-оптимизации

4. Про предсказания. Что если не можем ждать долго пока прокрасится NSM, можем использовать ее прогноз на основе быстрых метрик, которые в теории могут являться прокси. В статье указывается пример: сколько будут зарабатывать студенты после прохождения курсов переквалификации.

5. Делаем поправки. Чем хуже модель предсказывает NSM, тем сильнее нужно корректировать оценку. Однако, при корректировке мы еще снижаем чувствительность.

6. А нужно ли вообще бежать все подряд использовать? Нужно все проверять и смотреть, а может NSM сам по себе чувствительный (например, в B2C продуктах с многомиллионной аудиторией) 🍪🍪

Очень зашла статья, как и выступление 😇

Ставьте 🤪, если понравилась. Делитесь, удалось ли в продукте выделить прокси-метрики? Если да, то насколько удалось увеличить чувствительность экспериментов?

@zasql_python

80% задач аналитики может уходить в стол по моим ощущениям

Встречал много аналитиков, команд, которые делали сложные, как им казалось, задачи, но не получали отклика со стороны бизнеса.

🙊 У меня было такое в одной из компаний, в которой работал. Сделал сложную инфраструктурную (как мне казалось) задачу, но не получил отклика от руководства. Конечно же, я расстроился, так как не понимал в чем дело.

Проблема тут в презентации результатов, продажи своих идей бизнесу, ну и конечно же в необходимости СЕЙЧАС. Если у вас нет процесса взаимодействия продукта и аналитики, пора задуматься.

🔽 В качестве решения можно попробовать

1. Внедрить процесс планирования по спринтам, чтобы бизнес понимал как нагружена аналитика и что она делает. Самый простой вариант, но, оказывается, не у всех компаний есть. Это самое верхнеуровневое, что можно сделать.

2. Раз в n недель встречи по презентации исследований, наработок, которые помогут бизнесу в принятии решений. Бывает такое, что продакты между собой редко коммуницируют, из-за чего зачастую один или два продакта определяют полезность исследования. Чем больше лиц узнает об этом, тем выше вероятность, что дальнейшее исследование можно будет реализовать в продукте.

Не нужно такого: сделал задачу и погнал, дальше сами как-то.
Пусть руководитель мной гордится, что я такой крутой и закрыл вовремя все задачи 😂

3. Раз в какое-то время просматривать вместе с продуктом метрики, чтобы видеть точки роста и понимать контекст. Полезная практика: смотреть вместе с бизнесом на одни и те же метрики, объясняя причину роста / падения, чтобы это не превращалось в бесконечное количество задач 😏

4. Если задача инфраструктурная: синковаться с отделом аналитики, чтобы понимать насколько решение задачи поможет в текущих реалиях. Может быть вместо инфраструктурных решений нужно заняться написанием документации по основным метрикам / процессам и так далее 🥺

⚠️ Кстати, а еще есть команды, которые ПРОСТО ЗАБИВАЮТ ресурсы аналитики, чтобы не простаивали, авось понадобится. Такое себе, правда? Здесь как раз и нужно критическое мышление: а нужна ли нам эта задача сейчас? на что она потенциально может повлиять?

А у вас есть такое чувство, что решенные задачи не используются бизнесом? Делитесь своими кейсами, интересно почитать.
Если наберется 100 🤪, расскажу какие курсы сейчас прохожу.

@zasql_python