💰 Опрос: сколько ты зарабатываешь?

Две недели назад я создал анонимную форму, где аналитики делятся информацией о своем доходе и о других условиях работы – есть ли переработки, как платят премии, токсичный ли коллектив, есть ли перспективы для роста.

Канал сильно вырос, а у аудитории появился запрос на другие профессии. Поэтому я решил запустить подобный проект в других направлениях: продакт менеджмент, разработка, тестирование, HR и аналитика.

Сейчас я собираю анкеты по каждому из направлений, поэтому мне очень важны реакции, репосты и комментарии на этот пост и пост в LinkedIn.

Вы можете подписаться сразу на папку из 6 каналов: https://www.tgoop.com/addlist/hchIvP9ObGczYTZi

Или точечно на каждый канал по интересному направлению:
💰HR: @zarplatnik_hr
💰Продакты: @zarplatnik_product
💰Аналитики: @zarplatnik_analytics
💰Разработчики: @zarplatnik_dev
💰Тестировщики: @zarplatnik_qa
💰Главный канал: @zarplatnik_media

В канале с аналитиками сейчас 2200+ подписчиков, 15+ историй и несколько интересных рубрик 🦌

✅ Почему нужно изучать продукт до собеседования?

В одном из прошлых постов я рассказал, почему важно пользоваться продуктом, над которым ты работаешь. Там я делал фокус на том, что человеку будет интереснее/легче делать задачки и растить продукт. Сегодня продолжим обсуждать эту тему в другом ключе — как пользование продуктом и знание о нем помогает в собеседованиях ✏️

Отличный пример находится в картинке. В этой вакансии Duolingo в дополнительных пожеланиях к кандидату отдельным пунктом выделяют активное пользование продуктом. Про геймификационные механики Дуо и streak с картинки я рассказывал в двух частях — здесь и здесь 📖

Компании выгодно, когда человек пользуется продуктом, потому что этот человек изначально более заинтересован работать именно там. Ему нужно меньше времени на погружение в продукт, а еще он знает боли пользователя на своем опыте 👨‍🎨

Когда подаешь резюме в Wargaming в конкретную игру, тебя просят написать, играл ли ты в эту игру и сколько у тебя там боев. Ситуация достигла абсурда, когда я пару лет назад собесился на аналитика в World of Tanks, где у меня было много-много-много тысяч боев. Рекрутер усердно предлагал мне пройти собесы на продакта, потому что такой опыт им был очень нужен 💣

Рассказывайте в комментариях, считаете ли вы, что пользование продуктом помогает в собеседованиях. Были ли у вас кейсы, когда это действительно помогало, как в Duolingo или в Wargaming? Если было, ставьте сову Дуо 💃

✅ AI в обучении: Как Duolingo ускоряет создание курсов

В последние годы AI стал неотъемлемой частью многих образовательных продуктов. Сегодня поговорим о том, как Duolingo использует искусственный интеллект для ускорения создания учебных курсов 🎮

До того как Duolingo начало использовать AI для автоматизации создания контента, весь процесс был в значительной степени ручным. Команда специалистов разрабатывала, рецензировала, редактировала и переводила каждое упражнение вручную. Процесс был довольно времязатратным и требовал значительных ресурсов 👨‍🍳

На этом этапе Duolingo уже использовало модель AI "Birdbrain". Эта система адаптировала упражнения на основе индивидуального профиля обучения пользователя, но не занималась созданием новых упражнений 😴

С внедрением больших языковых моделей Duolingo существенно трансформировало процесс создания курсов. LLM позволяет автоматически генерировать обширные объемы учебного контента, что значительно ускоряет разработку новых уроков и обновление существующих курсов 🦋

У этого урезания расходов есть и другая сторона — увольняют переводчиков и других людей, которые создавали этот контент. Здесь находится подробная статья, а здесь — тред на Reddit 👑

Пользователи Duolingo, пишите в комментариях, заметили ли вы разницу в качестве упражнений за последний год? Как вы относитесь к таким увольнениям и замещению людей AI? 🥺

✅ Как нанимают аналитиков в СНГ и заграницей?

Я задумался о том, как происходит нулевой контакт кандидата и компании при найме. В некоторых случаях еще до собеседований кандидат может на сайте вакансий прочитать, какие его ждут этапы, как они будут проходить и как к ним подготовиться. Но везде ли так? 🖥

Если же кандидат не ознакомился со страницей или если ее просто нет, рекрутер в некоторых случаях может сам выслать презентацию или список того, какие этапы предусмотрены и как к ним готовиться — такое точно было у меня на собесах в СберМаркет💚

Про рынок СНГ я знаю — у Яндекса 😀 есть целая страница, посвященная найму аналитиков, где описаны этапы отбора и ссылки на подготовку. У Авито 🤍 тоже есть страница, где лежат видео, статьи и сами вакансии. У Тинька 🏦 тоже есть сайт с курсами, книгами и вопросами 🕺

А что происходит за пределами СНГ? Мне стало интересно и я пошел на сайт своей любимой зеленой компании. То, что Spotify 🎵 пишет в рекомендациях к подготовке, можно найти на картинке к этому посту: спроси себя, умеешь ли ты работать в команде, адаптируешься ли ты к изменениям и так далее

Справедливости ради, в пункте с ожиданиями от отбора они немного расписали, что сначала будет звонок с рекрутером, а потом с командами. Но это не сравнится с тем, что и как пишут наши компании

Не Spotify едины, идем смотреть Netflix 📺. У себя на странице отбора они пишут о том, какие ценности важны для них и каких людей они ищут — креативных, любопытных и так далее. Еще у них есть отдельная страница с видео и статьями по направлениям вроде Data Science ☝️

Uber 🚖 пока ближе всех к нашим бигтехам. У них есть статья о том, как они нанимают инженеров — там по минутам расписаны этапы, какие там будут вопросы и как к ним подготовиться. Респект!

Нельзя делать выводы по трем компаниям, но мне было интересно посмотреть на то, как Spotify и Netflix описывают свои ценности — такого я у нас почти не встречал. Возможно, они могут позволить себе не давать подробной информации, потому что к ним и так придут лучшие из лучших? 👻

Пишите в комментариях, что думаете про такой подход в найме — хорошо ли, когда компания подробно описывает этапы интервью и дает рекомендации по подготовке? Есть ли у вас другие примеры компаний, которые так делают? И ставьте реакции Spotify 🎵

✅ Почему я так сильно люблю Spotify?

За полтора года ведения этого канала в узких кругах Spotify стал компанией, с которой меня ассоциируют. Я часто пишу о них посты, слежу за их статьями и радуюсь новым полезным фичам. Но почему именно Спотик?🎵

А я не помню. Недавно наткнулся на историю с собеседования на позицию Data Scientist в Spotify — одним из пунктов был как раз таки вопрос о том, почему человек хочет там работать. Я решил повспоминать былые моменты и поразмышлять, а что же меня так связывает с этой шведской компанией 😶

Самое главное — я люблю слушать хорошую музыку. Большую часть дня я провожу за ноутбуком, и практически все свободное от встреч время я слушаю музыку. С таким временем прослушивания нужно либо наслаждаться бесконечными видео на ютубе вроде Lo-Fi Star Wars и Jazz Night Music, либо пользоваться сервисом с хорошими рекомендациями 😴😴

Я начал пользоваться Spotify много лет назад — еще тогда, когда алгоритмы Яндекс Музыки отсутствовали как таковые и были далеки от того, что есть сейчас. Хотя и сейчас на мой субъективный (!) взгляд они сильно проигрывают Спотику. Примерно каждые полгода я пытался вернуться в Музыку и каждый раз грустил из-за того, что мне рекомендуют 🙏

А еще я пару лет назад прочитал книгу, написанную двумя журналистами, которые много лет прослеживали путь компании — общались с инвесторами, сотрудниками, конкурентами и другими людьми, которые помогли составить независимый портрет компании. Книгу очень рекомендую 😌

В книге описывается путь компании с дня ее основания — как и почему она появилась, как она создавала рынок, договаривалась с лейблами, соперничала с Apple и Тейлор Свифт 🐱

Были и подробности про организацию компании — какие решения принимались и почему, как штаб-квартира переезжала из Стокгольма в Нью-Йорк, у кого сколько было акций, как они выходили в новые регионы, как они создавали свои алгоритмы сжатия и все остальное 😊

Так как компания изначально шведская, в нее закладывались те самые ценности, которые мне импонируют. Этот шведский Lagom проявлялся во многих аспектах по ходу развития компании — стиль управления, отношение к аудитории и другие ценности 💻

Я уже начал говорить про технические составляющие, но вернусь к этому — дата саентисты и другие ребята трудятся не просто так. У Спотика шикарные алгоритмы, а команда постоянно допиливает много хороших фичей — когда уже Музыка добавит кнопку “Удалить плейлист из моих вкусовых предпочтений” и русский шансон с тусовок перестанет влиять на мои рекомендации? 🐱

А еще у них супер приятный бренд. Они делают много красивых/громких вещей и меняют музыкальную индустрию. Я с удовольствием читаю их технический блог, радуюсь финансовым достижениям и следил за их выходом на IPO. Раньше еще и их акциями владел 👀

Это часть причин, почему я так люблю эту компанию. Уверен, я еще успею там поработать и принести много пользы. Ставьте реакции и рассказывайте в комментариях, есть ли у вас любимая компания, за которую вы так же болеете, как я за Spotify? 🎵

✅ Доклад про аналитику от аналитика

В это воскресенье я буду выступать на мероприятии для студентов Яндекс Лицея. Этот Лицей существовал еще когда я учился в школе, а учатся там студенты 14+ лет. Буду рассказывать им про аналитику 🤖

Очень классно, что сейчас у школьников есть так много возможностей для профильного развития — курсы от топовых компаний, лагеря, олимпиады, экскурсии в офисы и другие вещи, которые дают огромный буст в карьерной лестнице 🐻

Для студентов Лицея время от времени проводят встречи с яндексоидами, где они рассказывают про свою работу, рутину и задачи — все, чтобы ребята с раннего возраста погружались в профессию. Я же расскажу про свой путь в аналитике, про задачи во всех моих компаниях, про учебу и про харды аналитиков 🦔

Приглашение выступить я получил по тому же нэтворкингу — моя давняя подруга, с которой мы несколько раз работали вместе в 2018-2020 годах, теперь работает в Яндексе — она меня и позвала. Доклад решили назвать “Тагир анализирует и вам советует” — неплохой брендинг вышел 📚

По этой ссылке можно посмотреть программы Яндекс Лицея — там есть несколько программ по анализу данных, ML, бигдате и различной разработке. Если начать в 14 лет, то к 18 можно и синьором стать 🐦

Ставьте реакции Яндекс Лицея 📚 и рассказывайте в комментариях, что вы думаете про такие возможности для школьников — хотели бы вы, чтобы такое было в ваше время? Или за это время ребенок успеет 10 раз перегореть?

✅ Доклад про аналитику от аналитика, часть 2

Вчера я выступал перед студентами Яндекс Лицея. В очередной раз удивился тому, какие это молодые и умные ребята — где-то сзади мне задали вопрос о том, как мы проводим а/б тесты. После выступления мне задавали крутые вопросы и рассказывали про свой бэкграунд 😁

Вчера на выступление собралась лишь небольшая часть из студентов — у проекта большая география (160 городов и 334 площадки), а какие-то курсы и вовсе проходят онлайн. Как и в случае с самым северным McDonald's, площадка Лицея находится в Мурманске 🦀

Если у вас есть дети/братья/сестры/знакомые школьного возраста, присмотритесь к программам Яндекс Лицея — есть как годовые программы (вроде питона, го или промышленной проги на питоне), так и трехмесячные курсы по бигдате, геймдеву, анализу данных, ML и веб-разработке 💃

Один из вопросов ко мне касался алгоритмов — решил поднять свой пост про изучение алгоритмов и пост про Хендбуки Яндекса. Мне бы тоже было хорошо вернуться к литкоду и алгоритмам, если честно 🤣

Что бы вы посоветовали этим молодым айтишникам, которые уже в школе изучают такие умные вещи? 🕺

✅ Помогает ли Kaggle в поиске работы?

Недавно закончилось соревнование по автоматической проверке эссе, в которой я получил бронзовую медальку 🥇. Стало интересно поразмышлять над тем, а как участие в таких штуках помогает с поиском работы? 😐

Я где-то слышал, что в некоторых системах рекрутмента алгоритмы поднимают выше в выдаче тех, у кого хороший рейтинг на Kaggle или прокаченный GitHub. Подтверждений этому я не нашел, но я наткнулся на статью рекрутера, который точечно ищет DS на Kaggle по их успехам на платформе 🦀

Дальше в ход идут сами знания — важнее не медальки и другие достижения, а знания и практический опыт, полученные в ходе соревнований. Возможно, человек долго работал над соревой по распознаванию РЖЯ от Google, а потом с этим опытом он пойдет на собес на похожий проект🔍

Об этом же можно рассказать на собеседованиях и показать это как очень релевантный pet-project. Я видел резюме людей, у которых 20% страницы занимают их медальки на Kaggle — выглядит устрашающе 👀

Помимо этого я прочитал несколько десятков статей и тредов на Reddit, где люди рассказывали, как Kaggle помог найти им работу. В основном ребята писали про получение релевантного опыта, без которого их не пригласили бы на позицию 📰

А что думаете вы — помогает ли Kaggle в поиске работы? Возможно, вы и сами сталкивались с этим или рассказывали на собесах про свой опыт? Прожимайте реакцию 🔑 и рассказывайте в комментариях про свой опыт 🤗

✅ Предсказание нелегальной миграции в США

Я уже три недели жду шенгенскую визу. Я делаю ее не в первый раз, но каждый раз задаюсь вопросом — а как консул решает, на какой период выдавать визу? Если зайти на форум с историей выдачи, то вопросов становится еще больше — людям с хорошим бэкграундом иногда дают визу на такой же период, как и тем, у кого ее никогда не было 😨

Что, если за консулами стоит моделька, которая определяет, на какой срок дать визу? Я пошел изучать этот вопрос и наткнулся на статью на medium, в которой рассказывали про такую проблему: многие люди не выезжают из страны после истечения визы. А что с этим делать?💃

Далее предлагается рассмотреть одну научную статью, в которой исследовалась эта проблема — на примере мигрантов из Мексики была построена модель, которая предсказывала вероятность задержки в стране после истечения визы 🤩

Модель учитывает множество факторов — пол, возраст, количество детей, зарплата, образование, количество недвижимости, срок последней работы и так далее. На небольшой выборке в 6.281 человек была достигнута точность примерно в 80% 👊

Авторы статьи поднимают серьезные вопросы о балансе между эффективностью и этическими аспектами использования AI в миграционной политике. На мой взгляд, это все же лучше, чем рандом 🌵

А что вы думаете по поводу использования AI в решениях по выдаче виз? Насколько это этично? Лучше ли это того, что есть сейчас? Ставьте реакцию 🦍 и переходите в комментарии

✅ Читаем нераскрытые свитки 2.000 летней давности

В 2023 году проект Vesuvius Challenge впервые в истории дал нам возможность прочесть тексты из нераскрытых и углеродизированных свитков Геркуланума, не раскрывая их физически. В рамках проекта было устроено соревнование по распознаванию текстов в сканах папируса с помощью машинного обучения 💽

Идея проекта возникла из необходимости прочитать свитки, найденные в Геркулануме, которые были погребены под слоем вулканического пепла в результате извержения Везувия в 79 году н.э. Эти свитки сильно повреждены и не могут быть физически раскрыты без их уничтожения. Так возникла идея использовать компьютерное сканирование и методы машинного обучения для "виртуального раскрытия" свитков и чтения текстов внутри них 🖍️

Процесс начинается с компьютерной томографии свитков, что позволяет получить трехмерные изображения внутренней структуры. Дальнейший анализ включает в себя сегментацию — процесс, при котором из этих сложных данных выделяются отдельные слои папируса. После сегментации применяются алгоритмы машинного обучения для обнаружения чернил, что позволяет восстановить тексты на свитках 💌

Основная сложность заключается в высокой стоимости и трудоёмкости сегментации, что ставит под угрозу масштабируемость проекта. В 2024 году основная задача — автоматизировать и удешевить этот процесс, чтобы сделать возможным чтение всех 300 свитков 📁

Победителями прошлого года стали довольно молодые ребята — студенты, стажеры и исследователи из разных компаний. Одному из победителей аж 21 год. Очень круто, что есть такие проекты. Если вам интересно подробнее узнать про проект, вот ссылка на небольшую документалку о проекте, а это ссылка на подкаст🖼️

Я лично балдею от такого применения современных технологий, а вы? Предлагаю поставить реакцию 🤣 в поддержку проекта и в комментариях обсудить другие подобные проекты, которые делают классные вещи ❤️‍🔥

✅ Подкаст: корпоративная культура Netflix

Раньше я много интересовался тем, как функционируют разные компании: про один только Amazon я прочитал несколько книг, изучил много статей и прослушал часы подкастов. Недавно я послушал подкаст с СТО Netflix про их культуру 📺

Книгу про Netflix под авторством бывшего директора по кадрам я прочитал много лет назад, но она все еще в сердечке. Там рассказывали о том, как формировалась культура компании, как они нанимают людей, как мотивируют, как увольняют и все вот это. Рекомендую 😶

Про Netflix в tech индустрии известно довольно много, но основное — они платят сильно выше соседей из FAANG, а нанимают при этом довольно синьорных ребят в дата сфере 😌

Элизабет Стоун (СТО из выпуска) рассказала про свое развитие на всех этапах карьеры и постаралась выделить ключевые моменты, которые привели ее в эту точку (хоть некоторые и были довольно общими). Как первый экономист на позиции СТО в компании из Fortune 500 она рассказала о том, почему экономисты — классные ребята 🐱

Netflix известен своей культурой "без правил", где важны откровенность и честная обратная связь. Элизабет рассказала про свой the "keeper test" — как менеджеры решают, будут ли они бороться за сохранение сотрудника, если тот захочет уйти. Говорит, что сотрудники регулярно подходят к ней и спрашивают, проходят ли они этот тест 😴😴

Еще они поговорили про зарплаты выше рынка, выгорание, провальные проекты, различные уроки, коммуникации между люди и многое другое — все это через призму того, как Netflix нанимает и оставляет лучших людей на рынке 💻

По этой ссылке можно прочитать короткую расшифровку основных пунктов, а по этой — послушать весь выпуск. Выпуск получился довольно интересным, рекомендую к прослушиванию 🙏

Ставьте реакцию 📺 и пишите в комментариях, хотели бы вы работать в Netflix с учетом всей конкуренции, темпов и высокой плотности талантов. А кто-то здесь пользуется Netflix? 🐈

🖱Предсказание успеха игры до публикации

Так как в Яндексе я работаю над мобильной игрой Плюс Сити 🌞, мне полезно поглядывать, а что там делают аналитики в других продуктах индустрии. Я начинаю цикл постов об использовании алгоритмов машинного обучения в мобильных играх. Сегодня рассмотрим статью о предсказании успеха игры до ее публикации в сторе 📱📱

Хотя я уже публиковал пост об использовании ML в Clash Royale, там все таки повествование велось со стороны пользователя — выводы лишь показали, что геймдизайнеры сделали хорошую работу 😂

Я нашел одну интересную статью местами сомнительного содержания. Авторы взяли Kaggle датасет о 20.000+ мобильных играх в Google Play, который содержал информацию о том, сколько у игры было загрузок, дата релиза, какой рейтинг, сколько языков поддерживает игра, в какой категории она находится и так далее. Всего признаков было чуть больше 20 😄

Авторы статьи хотели предсказать, достигнет ли игра определённых целевых значений по этим параметрам до её фактического запуска. Забавно, но в выводах пишется, что жанр пазлов, наличие мультиязычной поддержки и РАЗРАБОТКА ОПЫТНОЙ СТУДИЕЙ положительно влияют на успех игры. Ну спасибо 😂

Модели, предложенные в статье, можно использовать так: собрать инфу, которая использовалась для обучения (ценовая политика игры, жанр, языки, дата релиза и так далее), а потом моделька выдаст предполагаемое число скачиваний, рейтинг и всякое другое 💃

Но в реальности же все сложнее, поэтому нужно учитывать гораздо больше факторов. Например, некоторые студии живут на том, что они делают игру, несколько месяцев в нее играет много людей, а после короткого жизненного цикла ее закрывают и на замену ей выпускают перерисованную копию этой игры — это из жанра три в ряд 🥹

Как считаете, насколько имеет смысл руководствоваться подобными методами до начала работы над продуктом? Стоит ли закрывать проект перед релизом, если моделька показала предсказала Failure, как авторы проставили отметку для Temple Run? Если не стоит, ставьте реакцию💃

📱Подбираем фото в Tinder с помощью AI

Выбор подходящего фото для профиля на сайте знакомств — задача не из легких. Но Tinder представил новое решение: виртуальный куратор на базе ИИ, который поможет пользователям выбрать самые удачные снимки для их профилей 😨

Функция "Photo Selector" анализирует предложенные пользователем фотографии и рекомендует те, которые, по мнению алгоритма, наиболее выгодно представят человека. Для начала работы пользователь делает селфи, чтобы моделька смогла ознакомиться с его внешностью. Затем приложение получает доступ к фотографиям на телефоне и предлагает подходящие варианты 🔥

Фича будет доступна сначала в США, а позже и в других странах. Согласно опросу, проведенному самим Tinder, 52% молодых людей испытывают трудности с выбором фотографий для профиля, а люди младше 25 лет в среднем тратят на это 33 минуты 🛁

В каких-то исследованиях сказано, что женщины чаще склонны положительно оценивать профили, где мужчина показывает свою личность через 4 и более фотографий, и наличие нескольких портретов увеличивает шансы на взаимную симпатию на 71% 🔟

Мне бы точно не хотелось давать какой-то модельке Tinder доступ к своим фотографиям — возникает много вопросов конфиденциальности. Хотя компания заявляет о том, что все данные анонимизированы и не передаются третьим лицам, я бы не хотел потом увидеть себя где-то еще 🤖

Как вам такой киберпанк? Как считаете, на какие метрики эта фича может благоприятно повлиять? Ставьте 📱 — если мы наберем 7 реакций, глава Tinder не придет в комментарии и не ответит на наши вопросы 🍪

🖱Закон о рекомендательных системах

На днях задумался вот о чем: я прихожу в офис практически раньше всех и включаю на Алисе свою музыку, которая потом играет весь день — джаз, новогодние мелодии, Tom Rosenthal. Вероятно, через какое-то время офисный аккаунт Яндекс Музыки превратится в мой. Или нет? 💺

Мне стало интересно на уровне обывателя изучить, как работают рекомендательные системы Музыки. Я помню, что с 1го октября 2023 года в силу вступил закон, в рамках которого сервисы обязуются публиковать информацию о том, как у них работают рек системы. Пошел смотреть дальше 👀

🛍WildBerries — написали, что используют техническую информацию вроде часового пояса, а потом делают предсказания

💙 VK — описали целевые действия на платформе — лайки, репосты, сохраненки

🗯Яндекс Музыка — чуть больше расписали целевые действия и принципы ранжирования

🛒Ozon — победители сегодняшнего поста. Они подробно (вплоть до весов в %) расписали, что влияет на поисковую выдачу, как работают бустинги, отбор и формирование кандидатов для выдачи

Я думал, что сервисам нужно будет написать чуть-чуть больше, чем “мы используем лайки”, хотя юристам виднее. Надеюсь, что офисная Алиса будет все больше и больше играть мою музыку 🛴

Как вы относитесь к подобным требованиям описывать рекомендательные системы? Поддерживаете ли вы решение Ozon столь подробно все раскрывать? Ставьте реакцию 💙 to pay respect за такие статьи 🏃‍♀️

✈️ Аналитика при планировании отпуска

В прошлом посте я писал о том, что жду шенгенскую визу. Я ее получил, поэтому настал следующий этап — планирование поездок. Из-за своей профессиональной деформации я не мог не анализировать данные — канал же про это 🤫

Сел я выбирать билет Москва-Париж. Из критериев — не больше 1 пересадки, время вылета после работы в пятницу или утром в субботу и не слишком большое время пересадки 🏃

Короткая пересадка — это классно, но всегда есть риск опоздать на следующий рейс, особенно когда первый рейс задерживается. При этом какие-то рейсы вылетают вовремя, а какие-то систематически опаздывают 🪽

В приложении Aviasales (не реклама!) есть удобная фича — статистика перелетов. Там можно посмотреть, какие судна выполняют этот рейс и как часто вылет переносится или вовсе отменяется 💺

Вижу, на первом рейсе сегмента Москва-Белград-Париж самолет вылетает вовремя только в 28.6% случаев, а в 25.7% кейсов вылет откладывается более, чем на 45 минут. При этом следующий рейс из сегмента в большинстве случаев вылетает без опозданий. Такое нам точно не подойдет, когда пересадка длится всего полтора часа 🍿

Еще есть какой-то сайт airhint.com, который предсказывает, упадет ли цена на конкретный билет. Я потыкал и в большинстве случаев получал 67% вероятности падения цены — будто 2 поделили на 3 и округлили. Пока не доверяю ✒️

Что думаете про такое аккуратное использование аналитики в повседневных сервисах? Любите смотреть на статистику покупок в Тиньке? Кликайте на ✈️ и переходите в комментарии 💃

@tagir_analyzes

🖥Визуализация данных и data-журналистика

Я очень люблю красивую визуализацию данных — когда это лаконично, четко и красиво. Многие аналитики по долгу службы создают различные дэшборды, но далеко не все понимают, как делать это правильно. А кто понимает? 🤨

Понять могут лишь не все, а мое почтение уходит к дата журналистам, о которых я писал уже несколько раз — тут и тут. Если не читали, то обязательно рекомендую. Дата-журналист — это специалист, который собирает и анализирует большие данные, чтобы на их основе писать новости и статьи 🧳

Недавно я вспомнил про выпуск подкаста о дата-журналистике, в котором принимал участие мой коллега и приятель Леша Смагин. Там он рассказал, как пришел в эту сферу, как работал в РБК & ТЖ, как перешел в Яндекс и кто вообще такие дата-журналисты 😐

В январе я делал пост на базе исследования команды Леши о том, как люди оставляют отзывы в Яндекс Картах. Леша ведет канал @data_csv, где рассказывает про графику и дата-сторителлинг, а еще сегодня вечером он читает онлайн-лекцию о том, как делать крутые графики 🙂

Мир очень тесен — в мае я публиковал пост о летней школе по дата-журналистике, а Леша несколько дней назад ездил туда выступать с докладами. Милейшие участники школы на картонке сделали пайчарт с составом каждой каши 🤵

Ставьте 🔥 и рассказывайте в комментариях, любители ли вы залипать на красивые визуализации? А на отвратительные? 🤝

@tagir_analyzes

🔥 Аналитик в СНГ = Data Scientist в США/Европе?

Каждый раз при виде иностранных аналитических вакансий забавляюсь тому, как они там называются. Еще пару лет назад, когда я подавался на стажировки во всякие Apple и Amazon я удивлялся тому, что продуктовый аналитик в нашем понимании там называется Data Scientist 🍤

При этом в навыках обычно просят иметь то (или меньше), что у нас просят в бигтехах на позицию продуктового аналитика — SQL, навыки визуализации, где-то А/В тесты, но самое главное — аналитический склад ума. Питон просят далеко не везде 🐱

На картинке — вакансия Senior Data Scientist в Quizlet. В требованиях — продвинутый SQL и практические знания в А/В. А, ну еще и навыки коммуникаций нужны. Вилка — $135,000 - $175,000 в год 🤫

Можно подумать, что они там схлопнули всех data people в одну позицию с названием Data Scientist, но так далеко не везде. Некоторые компании четко делят аналитиков и DS, а некоторые имеют и то, и другое, но плохо их делят 🖕

Вот, например, вакансия Senior DS ($144,500 - $294,000) в Duolingo, а это — Marketing Analyst ($82,700 - $179,700) в Duolingo. В требованиях указаны практически одни и те же навыки 😰

Ну что, как у вас с английским языком? Хотите подборку таких вакансий? Ставьте 😴 и пишите в комментариях, почему на ваш взгляд у них такой нэйминг вакансий =)

@tagir_analyzes

🚕 Почему цена на такси такая, какая она есть

Цена на такси в повышенный спрос — одна из самых горячих тем для обсуждения в контексте ценообразования. Почему так дорого? Почему так долго? Минуту назад же было в два раза дешевле? Эти и многие вопросы всплывают у многих людей, которые сталкивались с повышенным спросом в такси 🤔

Как человек от бизнеса я понимаю, что именно так и работает экономика: стоимость поездки растет, если желающих вызвать такси больше, чем свободных водителей. Если бы цена не повышалась, то люди просто не могли бы уехать 😣

Год назад в приложении Яндекс Такси появилась плашка с графиком, который показывает изменение цены по часам на конкретном адресе. Можно заранее спланировать свою поездку и прикинуть, стоит ли ждать понижения цены в ближайшее время 🔥

На моем опыте, график не всегда отражает истину, хотя это сложно предсказать. В любом случае, очень круто, что в приложении доступна подобная аналитика — хороший пример аналитики, которую дают пользователям, как в посте про Aviasales 🐱

А вы пользуетесь этой плашкой? Или у вас есть свои лайфхаки по дешевым поездкам? Cтавьте 🚖, если тоже триггеритесь при виде иконки повышенного спроса 🎧

@tagir_analyzes

🧿Важна ли рекомендация при отклике на вакансию?

Часто замечаю, как люди обесценивают важность рефералки при трудоустройстве. Я много обсуждаю процессы найма со знакомыми рекрутерами, регулярно рекомендую людей и сам откликаюсь через рекомендации. А в чем суть? 🛁

С точки зрения рекрутера, во многих компаниях рекомендации являются более приоритетным стримом, который очень желательно не игнорировать, как это можно сделать при отклике через hh. В Яндексе, например, при рекомендации сразу создается тикет с SLA по обновлению статусов, в случае нарушении которых у рекрутера могут быть проблемки 😵

С точки зрения кандидата, зачастую скрининг является самым сложным этапом отбора — в какой-нибудь Apple меня так ни разу и не пригласили на собес, хотя зарешать кейсы и поболтать про опыт я бы точно смог. Чем популярнее компания, тем больше там откликов, а значит — сложнее пройти хотя бы скрининг 😐

По рассказам знакомых рекрутеров из СНГ бигтехов могу сказать, что после публикации вакансии условного стажера или тестировщика на HH за ночь может прилететь больше 500 откликов — очевидно, что никто не будет скрупулезно вычитывать каждое сопроводительное письмо и вдаваться в детали по всем отликам (привет тем, кто думает, что на резюме тратят по 10 минут) 🤡

Ну а с точки зрения рекомендателя могу сказать, что процессы далеко не идеальны — про кандидатов забывают, их игнорируют, процессят не в те команды и не на те вакансии, куда они хотели. Здесь я прихожу в тикет, призываю рекрутера с куратором программы рекомендаций и прошу вернуться с ответом или пофиксить какую-то ситуацию 😎

Когда человек идет без рекомендации, то такого рычага воздействия нет — кандидат остается сам по себе и слишком сильно зависит от рекрутера. Я прошу людей возвращаться ко мне, если с ними долго не связываются или что-то идет не так 🧑‍🎄

Последняя моя успешная рекомендация — Максим из @zasql_python, который уже второй месяц работает продуктовым аналитиком в Лавке 🍫 и ездит в разные командировки. Жаль, что Макс вышел не в Плюс — так бы работали совсем рядом 🤝

Если вас нужно порекомендовать в Яндекс, можете приходить в личку @travelwithtagir с ссылкой на любую вакансию с сайта и с резюме. Будем работать на благо одной компании 👩‍⚖️

Ставьте ❤️, если откликались по рекомендациям. А как вы считаете, влияет ли рекомендация при найме? Особенно интересно послушать рекрутеров и нанимающих менеджеров 😶

@tagir_analyzes

👀 Рейтинги IMDb, финал Suits и предсказание тональности

Я очень люблю красивые визуализации. Еще я люблю пастельные тона красного цвета — именно так были оформлены все диаграммы в моей курсовой двухлетней давности. А еще больше я люблю сериал Suits (Форс-мажоры), который я только-только досмотрел 🤵

За 9 сезонов сериала у меня сформировалось какое-то мнение об эпизодах — какие-то серии и арки были удачными, а какие-то были ужасными. Стало интересно посмотреть на мнение среднего зрителя и я пошел гуглить агрегации и визуализации. Одна из них на картинке. Видно, что пятый сезон — самый кайф 😘

Для любителей покрутить данные я подыскал подборку из 17 IMDb датасетов — топ 250 фильмов, индийское кино, теория большого взрыва и многое другое. Заняться предсказанием тональности отзывов можно в рамках этого Kaggle датасета от Stanford 🪿

А вы смотрели Suits? Что думаете про различные рейтинги вроде IMDb и Rotten Tomatoes? Ставьте помидор, если чаще не согласны с мнением из подобных рейтингов 🍅

@tagir_analyzes