Как это было: конференция «Продукты 24»
Наконец-то дошли руки поделиться записью прошедшей конференции «Продукты 24»! Главным организатором выступил Т-Банк, но к нам также присоединились звёздные спикеры из Яндекса, Сбера, DoDo и Авито.
Конференция была создана для продакт-менеджеров, аналитиков, продуктовых дизайнеров, маркетологов и исследователей.
Было два потока: «Витрина вдохновения» о продуктах, изменивших индустрию и инсайтах из науки и искусства. А также «Полка решений» о том, как данные и технологии помогают создавать успешные продукты и укреплять лояльность.
Выступления, которые нельзя пропустить:
🔹Виктор Тарнавский, директор по искусственному интеллекту, Т‑Банк: «Этот фарш назад не провернуть: LLM и будущее пользовательского опыта».
🔹Роман Халкечев, CDO, Яндекс Поиск и Реклама: «Нейро — поиск будущего».
🔹Кирилл Николаев, директор по аналитике, Т‑Банк: «Vivere vel mori negotium, productum, mutatio».
Конференция удалась на все 💯: никакой воды, только полезные и вдохновляющие материалы. Если хотите зарядиться идеями и прокачать свои навыки — обязательно посмотрите запись.
Наконец-то дошли руки поделиться записью прошедшей конференции «Продукты 24»! Главным организатором выступил Т-Банк, но к нам также присоединились звёздные спикеры из Яндекса, Сбера, DoDo и Авито.
Конференция была создана для продакт-менеджеров, аналитиков, продуктовых дизайнеров, маркетологов и исследователей.
Было два потока: «Витрина вдохновения» о продуктах, изменивших индустрию и инсайтах из науки и искусства. А также «Полка решений» о том, как данные и технологии помогают создавать успешные продукты и укреплять лояльность.
Выступления, которые нельзя пропустить:
🔹Виктор Тарнавский, директор по искусственному интеллекту, Т‑Банк: «Этот фарш назад не провернуть: LLM и будущее пользовательского опыта».
🔹Роман Халкечев, CDO, Яндекс Поиск и Реклама: «Нейро — поиск будущего».
🔹Кирилл Николаев, директор по аналитике, Т‑Банк: «Vivere vel mori negotium, productum, mutatio».
Конференция удалась на все 💯: никакой воды, только полезные и вдохновляющие материалы. Если хотите зарядиться идеями и прокачать свои навыки — обязательно посмотрите запись.
Всем доброго утра! У нас последний дайджест уходящего года.
Т-Банк сделал языковые модели доступными всем. Толя Потапов, руководитель команды разработки фундаментальных моделей, рассказал про новую разработку: большие языковые опенсорс-модели T-Lite на 7 млрд параметров и T-Pro на 32 млрд. Чем параметров больше, тем модель умнее, быстрее и мощнее. Компания целилась в опенсорс специально. Так Т-Банк подтверждает звание технологической компании и дает толчок к развитию всей индустрии. Помимо прочего, опенсорс позволяет получать большое количество фидбеков и знаний с рынка.
Исходные данные всегда содержат дубликаты, ошибки и выбросы. Чтобы они не повлияли на выводы, нам требуется избавиться от лишнего. Дата-аналитик Nikita Prasad на Medium (VPN) рассказала про пять часто используемых SQL-запросов для очистки сырых данных: работа с NULL-значениями, форматирование и стандартизация данных, удаление «нежелательных» символов вроде лишних пробелов и знаков пунктуации, удаление дубликатов и работа с выбросами. Если тебе показалось, что это базовая база — так и есть. Но я за то, чтобы время от времени освежать теорию.
Сколько ты зарабатываешь?Пиши в комментариях. Согласен, не стоит спрашивать такое в лоб. Но иногда так полезно знать ответ. Например, банк должен понимать, какую максимальную сумму кредита можно предоставить клиенту. То, что раньше клиент нехотя вписывал в анкету, теперь собирают коварные аналитики коварными алгоритмами. Достаточно получить согласие клиента и сделать запрос в сервис «Цифровой профиль». Тут тебе и электронная трудовая, и социальные отчисления, и все недвижимое и движимое. Бери данные и прогнозируй доход вдоволь. Как подобрать подход к моделированию расскажет статья в блоге Альфа-банка.
#дайджест
Т-Банк сделал языковые модели доступными всем. Толя Потапов, руководитель команды разработки фундаментальных моделей, рассказал про новую разработку: большие языковые опенсорс-модели T-Lite на 7 млрд параметров и T-Pro на 32 млрд. Чем параметров больше, тем модель умнее, быстрее и мощнее. Компания целилась в опенсорс специально. Так Т-Банк подтверждает звание технологической компании и дает толчок к развитию всей индустрии. Помимо прочего, опенсорс позволяет получать большое количество фидбеков и знаний с рынка.
Исходные данные всегда содержат дубликаты, ошибки и выбросы. Чтобы они не повлияли на выводы, нам требуется избавиться от лишнего. Дата-аналитик Nikita Prasad на Medium (VPN) рассказала про пять часто используемых SQL-запросов для очистки сырых данных: работа с NULL-значениями, форматирование и стандартизация данных, удаление «нежелательных» символов вроде лишних пробелов и знаков пунктуации, удаление дубликатов и работа с выбросами. Если тебе показалось, что это базовая база — так и есть. Но я за то, чтобы время от времени освежать теорию.
Сколько ты зарабатываешь?
#дайджест
200+ экспертов и каналов, за которыми следят аналитики
Мои друзья NEWHR поделились первыми инсайтами из масштабного исследования аналитиков, которое они провели в 2024 году. Это рейтинги и списки экспертов отрасли и каналов.
Выборка в исследовании получилась солидная — 1293 человека.
Вот кого опрошенные ребятами аналитики чаще всего отмечали в списке экспертов:
1. Анатолий Карпов
2. Валерий Бабушкин
3. Роман Бунин
А рейтинге каналов самыми известными оказались:
1. karpov.courses
2. Reveal the Data
3. настенька и графики
🔗 Изучить полные рейтинги и списки экспертов из исследования можно по ссылке.
🎄 Команда NEWHR продолжает обрабатывать полные результаты исследования аналитиков: это данные о зарплатах, местах работы, желанных работодателях и многое другое. Обещают выложить в начале 2025 года. Ждем.
Мои друзья NEWHR поделились первыми инсайтами из масштабного исследования аналитиков, которое они провели в 2024 году. Это рейтинги и списки экспертов отрасли и каналов.
Выборка в исследовании получилась солидная — 1293 человека.
Вот кого опрошенные ребятами аналитики чаще всего отмечали в списке экспертов:
1. Анатолий Карпов
2. Валерий Бабушкин
3. Роман Бунин
А рейтинге каналов самыми известными оказались:
1. karpov.courses
2. Reveal the Data
3. настенька и графики
🔗 Изучить полные рейтинги и списки экспертов из исследования можно по ссылке.
🎄 Команда NEWHR продолжает обрабатывать полные результаты исследования аналитиков: это данные о зарплатах, местах работы, желанных работодателях и многое другое. Обещают выложить в начале 2025 года. Ждем.
Что я осознал за этот год
Год подходит к концу — время подводить итоги и рефлексировать. Вместо списка достижений, хочу поделиться тем, что я осознал за этот год.
🔹Работа должна вдохновлять.
Если каждый день — рутина и мысли только о зарплате и ипотеке, пора что-то менять. Настоящий драйв рождается из страсти к тому, что ты делаешь.
🔹 Глубокое знание своей сферы — ключ к успеху.
Чтобы действительно преуспеть, нужно не просто разбираться в своем продукте, а стать его активным пользователем.
🔹 Технологии — инструмент, но не замена.
Алгоритмы и машины могут взять на себя многие задачи, но они никогда не смогут заменить человеческий дух, креативность и стремление к совершенству.
🔹 Мир меняется каждый день.
За всем уследить невозможно и это нормально. Главное — выбрать свою траекторию развития и не пытаться догнать всё сразу.
🔹 Насмотренность — ваша суперсила.
Чтобы быть действительно опытным, важно добирать насмотренность, иначе можно застрять в старых представлениях.
🔹 Умение хвалить себя — важный навык.
Признавать свои успехи и ценить пройденный путь — не менее важно, чем ставить новые цели.
Теперь ваша очередь! Поделитесь в комментариях тем, что стало для вас главным уроком в этом году.
Год подходит к концу — время подводить итоги и рефлексировать. Вместо списка достижений, хочу поделиться тем, что я осознал за этот год.
🔹Работа должна вдохновлять.
Если каждый день — рутина и мысли только о зарплате и ипотеке, пора что-то менять. Настоящий драйв рождается из страсти к тому, что ты делаешь.
🔹 Глубокое знание своей сферы — ключ к успеху.
Чтобы действительно преуспеть, нужно не просто разбираться в своем продукте, а стать его активным пользователем.
🔹 Технологии — инструмент, но не замена.
Алгоритмы и машины могут взять на себя многие задачи, но они никогда не смогут заменить человеческий дух, креативность и стремление к совершенству.
🔹 Мир меняется каждый день.
За всем уследить невозможно и это нормально. Главное — выбрать свою траекторию развития и не пытаться догнать всё сразу.
🔹 Насмотренность — ваша суперсила.
Чтобы быть действительно опытным, важно добирать насмотренность, иначе можно застрять в старых представлениях.
🔹 Умение хвалить себя — важный навык.
Признавать свои успехи и ценить пройденный путь — не менее важно, чем ставить новые цели.
Теперь ваша очередь! Поделитесь в комментариях тем, что стало для вас главным уроком в этом году.
Дорогие друзья, от всего сердца поздравляю вас с наступающим Новым годом!
Желаю счастья, мира и тепла в каждый дом. Пусть этот год принесет вам вдохновение, яркие моменты и множество поводов для радости.
Берегите себя и своих близких, мечтайте смело и двигайтесь к своим целям с уверенностью!
С Новым годом! Пусть он будет добрым и светлым для всех нас!
Желаю счастья, мира и тепла в каждый дом. Пусть этот год принесет вам вдохновение, яркие моменты и множество поводов для радости.
Берегите себя и своих близких, мечтайте смело и двигайтесь к своим целям с уверенностью!
С Новым годом! Пусть он будет добрым и светлым для всех нас!
Личные OKRs — планируем цели на год
Вот и завершились новогодние праздники, а это значит, что пришло время снова окунуться в ежедневную рутину. Но для начала хочу поделиться с вами своим подходом к планированию целей на год.
Я люблю заниматься этим в первые дни января, когда праздничная суета позади, а рабочие будни ещё не начались. Это идеальное время, чтобы побыть наедине с собой, осмыслить прошедший год и спланировать следующий.
Раньше я просто составлял список желаний в заметках на телефоне. Иногда их просматривал в течение года, но часто эти планы забывались, теряя свою актуальность. Всё изменилось, когда я понял, что методики, которые мы используем в работе, могут быть так же эффективны и в обычной жизни. Так я начал применять фреймворк OKR для постановки личных целей.
Что такое OKR и как это работает?
OKR расшифровывается как Objectives and Key Results, или Цели и Ключевые Результаты.
▪ Objective — это ваша большая, вдохновляющая цель. Она должна быть мотивирующей, амбициозной, но при этом достижимой.
▪ Key Results — это конкретные и измеримые показатели, которые помогают понять, насколько вы продвинулись к своей цели.
Ранее я подробно рассказывал про OKR и даже рекомендовал книгу.
Разделяй и властвуй: категории целей
Для удобства я разбиваю свои цели на несколько сфер жизни. В моем случае это:
▪ Здоровье
▪ Семья
▪ Саморазвитие
▪ Работа
▪ Путешествия
Для каждой из них я прописываю одну или несколько целей с двумя-тремя ключевыми результатами. Это помогает создать баланс между различными аспектами жизни и уделить внимание всем важным направлениям.
Пример из личной практики:
Сфера: Здоровье
Objective: Пробежать свой первый полумарафон в сентябре!
Key Results:
1. Бегать три раза в неделю не менее 1 часа.
2. Увеличивать дистанцию на 1 км каждую неделю.
3. Увеличивать скорость на км на 5 секунд еженедельно.
Регулярный трекинг — ключ к успеху
Самое важное в этом процессе — регулярный трекинг. Просто записать цели недостаточно. Нужно сделать привычкой ежемесячно анализировать свой прогресс: что удалось, а над чем стоит ещё поработать.
Маленькие победы, вроде выполнения одного из KR, мотивируют и поддерживают ваш настрой. К тому же регулярный анализ помогает корректировать цели по мере необходимости.
Почему это работает?
Метод OKR позволяет не только структурировать планы, но и делает их более достижимыми. Вы видите свой прогресс, фиксируете результаты и учитесь работать с долгосрочными задачами.
Был рад поделиться своим опытом планирования целей. А какие методы используете вы? Расскажите в комментариях, буду рад узнать что-то новое!
Давайте сделаем этот год продуктивным и ярким! 🚀
#опыт
Вот и завершились новогодние праздники, а это значит, что пришло время снова окунуться в ежедневную рутину. Но для начала хочу поделиться с вами своим подходом к планированию целей на год.
Я люблю заниматься этим в первые дни января, когда праздничная суета позади, а рабочие будни ещё не начались. Это идеальное время, чтобы побыть наедине с собой, осмыслить прошедший год и спланировать следующий.
Раньше я просто составлял список желаний в заметках на телефоне. Иногда их просматривал в течение года, но часто эти планы забывались, теряя свою актуальность. Всё изменилось, когда я понял, что методики, которые мы используем в работе, могут быть так же эффективны и в обычной жизни. Так я начал применять фреймворк OKR для постановки личных целей.
Что такое OKR и как это работает?
OKR расшифровывается как Objectives and Key Results, или Цели и Ключевые Результаты.
▪ Objective — это ваша большая, вдохновляющая цель. Она должна быть мотивирующей, амбициозной, но при этом достижимой.
▪ Key Results — это конкретные и измеримые показатели, которые помогают понять, насколько вы продвинулись к своей цели.
Ранее я подробно рассказывал про OKR и даже рекомендовал книгу.
Разделяй и властвуй: категории целей
Для удобства я разбиваю свои цели на несколько сфер жизни. В моем случае это:
▪ Здоровье
▪ Семья
▪ Саморазвитие
▪ Работа
▪ Путешествия
Для каждой из них я прописываю одну или несколько целей с двумя-тремя ключевыми результатами. Это помогает создать баланс между различными аспектами жизни и уделить внимание всем важным направлениям.
Пример из личной практики:
Сфера: Здоровье
Objective: Пробежать свой первый полумарафон в сентябре!
Key Results:
1. Бегать три раза в неделю не менее 1 часа.
2. Увеличивать дистанцию на 1 км каждую неделю.
3. Увеличивать скорость на км на 5 секунд еженедельно.
Регулярный трекинг — ключ к успеху
Самое важное в этом процессе — регулярный трекинг. Просто записать цели недостаточно. Нужно сделать привычкой ежемесячно анализировать свой прогресс: что удалось, а над чем стоит ещё поработать.
Маленькие победы, вроде выполнения одного из KR, мотивируют и поддерживают ваш настрой. К тому же регулярный анализ помогает корректировать цели по мере необходимости.
Почему это работает?
Метод OKR позволяет не только структурировать планы, но и делает их более достижимыми. Вы видите свой прогресс, фиксируете результаты и учитесь работать с долгосрочными задачами.
Был рад поделиться своим опытом планирования целей. А какие методы используете вы? Расскажите в комментариях, буду рад узнать что-то новое!
Давайте сделаем этот год продуктивным и ярким! 🚀
#опыт
В Штатах с 60-х существует телешоу «Let’s Make a Deal», в котором люди из зрительного зала заключают сделки с ведущим Монти Холлом. Одну из таких сделок описал математик Стив Селвин. Так родился парадокс Монти Холла.
Представь себя на шоу. У тебя есть шанс выиграть автомобиль. Для этого угадай, какая из трех дверей ведет в комнату с призом. В остальных комнатах блеют козы. Вероятность выигрыша — 1/3. Ты указываешь на дверь номер 1. Теперь, по правилам, Монти открывает одну из оставшихся дверей с козой. Например, это дверь номер 3. Ведущий предлагает тебе изменить первоначальное решение. Поменяешь ли ты дверь?
И вот ты стоишь перед тремя дверьми: первая и вторая закрыты, третья открыта. Кажется, что вероятности нахождения машины в первой и второй комнатах — 50 на 50. Зачем метаться?
В начале игры автомобиль действительно находился за каждой дверью с равной вероятностью. Затем человек выбирает дверь номер 1. Это действие делит двери на две группы: выбранная дверь и невыбранные двери 2 и 3. Шанс выиграть приз в первой группе — 1/3, тогда как во второй — 2/3.
Открывается дверь с козой из второй группы. В изначальные условия добавилась новая информация, которая изменила вероятность исхода. Теперь шанс обнаружить авто за дверью номер 2 увеличился до 2/3 и стал больше вероятности для первой двери. Значит, статистически смена двери повышает шанс на выигрыш. Это то же самое, как если бы ты открывал сразу две комнаты.
Ответ станет понятнее, если взять десять дверей. Ты выбираешь одну. Шанс обнаружить машину за твоей дверью — 1/10, а за другими — 9/10. Теперь Монти открывает восемь из девяти дверей и за каждой из них стоят козы. Оставшаяся из девяти дверей второй группы ведет к машине с вероятностью 9/10, что в разы больше, чем 1/10.
Выигрышная стратегия — менять выбор двери после открытия комнаты с козой. Так ты увеличиваешь шансы на победу. Можешь проверить сам. Если и это не убедило, то тут лежит код симуляции парадокса Монти Холла.
#искажения
Представь себя на шоу. У тебя есть шанс выиграть автомобиль. Для этого угадай, какая из трех дверей ведет в комнату с призом. В остальных комнатах блеют козы. Вероятность выигрыша — 1/3. Ты указываешь на дверь номер 1. Теперь, по правилам, Монти открывает одну из оставшихся дверей с козой. Например, это дверь номер 3. Ведущий предлагает тебе изменить первоначальное решение. Поменяешь ли ты дверь?
И вот ты стоишь перед тремя дверьми: первая и вторая закрыты, третья открыта. Кажется, что вероятности нахождения машины в первой и второй комнатах — 50 на 50. Зачем метаться?
В начале игры автомобиль действительно находился за каждой дверью с равной вероятностью. Затем человек выбирает дверь номер 1. Это действие делит двери на две группы: выбранная дверь и невыбранные двери 2 и 3. Шанс выиграть приз в первой группе — 1/3, тогда как во второй — 2/3.
Открывается дверь с козой из второй группы. В изначальные условия добавилась новая информация, которая изменила вероятность исхода. Теперь шанс обнаружить авто за дверью номер 2 увеличился до 2/3 и стал больше вероятности для первой двери. Значит, статистически смена двери повышает шанс на выигрыш. Это то же самое, как если бы ты открывал сразу две комнаты.
Ответ станет понятнее, если взять десять дверей. Ты выбираешь одну. Шанс обнаружить машину за твоей дверью — 1/10, а за другими — 9/10. Теперь Монти открывает восемь из девяти дверей и за каждой из них стоят козы. Оставшаяся из девяти дверей второй группы ведет к машине с вероятностью 9/10, что в разы больше, чем 1/10.
Выигрышная стратегия — менять выбор двери после открытия комнаты с козой. Так ты увеличиваешь шансы на победу. Можешь проверить сам. Если и это не убедило, то тут лежит код симуляции парадокса Монти Холла.
#искажения
Думаю, вы заметили, что с начала года не вышло ни одного дайджеста. За этим скрывается злодейский план — перевести рубрику в ежемесячную. Сегодня, кстати, пилотный пост.
Встречайте: лучшие статьи месяца по версии This is Data!
Этих январских красавчиков я прочитал с большим удовольствием и вынес много полезного.
Первая статья о насущном. IT-компании продолжают оптимизировать затраты на ресурсы: уменьшать число сотрудников, сокращать бюджет и ускорять принятие решений. Обычно первое, что идет под нож, — привлечение, PR, исследования и валидация гипотез. При возникающем недостатке данных бизнес соглашается на результаты, не самые эффективные из возможных. Но качество гипотез не обязано пробивать дно. Сергей Тихомиров и Сергей Колосков предлагают способы, как при недостатке времени, денег и точности данных генерировать решения приемлемого качества.
Но как бы мы ни гнались за финансовыми показателями, важно думать и о технических аспектах продукта. Аналитик из Avito Ксения Беленя подсветила важность перформанс-метрик — показателей, которые отражают скорость и качество работы приложений и веб-сервисов. Ребята экспериментально подтвердили: пользователи меньше взаимодействуют с приложением при заметных ухудшениях. Поэтому, если забыть про перформанс, то просядут и продуктовые, и бизнес-метрики.
Помимо практических статей, мне запомнилась история Дмитрия Аникина из Лаборатории Касперского. Он метафорически сравнил шестилетний опыт в машинном обучении с путешествием Бильбо к Одинокой горе и обратно. Первая часть статьи посвящена пути к вершине — позиции сеньора. Дмитрий рассказал, какой аспект помогал ему на каждом этапе карьеры. Во второй части он с высоты опыта подытожил, что еще можно было бы взять на вооружение. Автор также высказался о культуре в команде, хорошо подметив, что ответственность за ее развитие лежит на более опытных сотрудниках.
#дайджест
Встречайте: лучшие статьи месяца по версии This is Data!
Этих январских красавчиков я прочитал с большим удовольствием и вынес много полезного.
Первая статья о насущном. IT-компании продолжают оптимизировать затраты на ресурсы: уменьшать число сотрудников, сокращать бюджет и ускорять принятие решений. Обычно первое, что идет под нож, — привлечение, PR, исследования и валидация гипотез. При возникающем недостатке данных бизнес соглашается на результаты, не самые эффективные из возможных. Но качество гипотез не обязано пробивать дно. Сергей Тихомиров и Сергей Колосков предлагают способы, как при недостатке времени, денег и точности данных генерировать решения приемлемого качества.
Но как бы мы ни гнались за финансовыми показателями, важно думать и о технических аспектах продукта. Аналитик из Avito Ксения Беленя подсветила важность перформанс-метрик — показателей, которые отражают скорость и качество работы приложений и веб-сервисов. Ребята экспериментально подтвердили: пользователи меньше взаимодействуют с приложением при заметных ухудшениях. Поэтому, если забыть про перформанс, то просядут и продуктовые, и бизнес-метрики.
Помимо практических статей, мне запомнилась история Дмитрия Аникина из Лаборатории Касперского. Он метафорически сравнил шестилетний опыт в машинном обучении с путешествием Бильбо к Одинокой горе и обратно. Первая часть статьи посвящена пути к вершине — позиции сеньора. Дмитрий рассказал, какой аспект помогал ему на каждом этапе карьеры. Во второй части он с высоты опыта подытожил, что еще можно было бы взять на вооружение. Автор также высказался о культуре в команде, хорошо подметив, что ответственность за ее развитие лежит на более опытных сотрудниках.
#дайджест
AI и Big Data — самые востребованные навыки будущего
В январе прошел ежегодный Мировой экономический форум; в рамках него был опубликован отчет о том, как будет выглядеть рынок труда в 2025–2030 гг. Он составлен на основании опросов более 1 000 крупных работодателей по всему миру.
Исследования говорят однозначно: будущее за ИИ и большими данными. Берем на карандашик ✍🏻
Главный тренд, влияющий на рынок труда, — расширение доступа к информационным технологиям. Это влечет рост числа IT-вакансий и востребованность технических навыков. Быстрее всего появляются позиции дата-специалистов, финтех-инженеров и специалистов по машинному обучению. В топ–10 самых быстрорастущих навыков вошли ИИ и большие данные, кибербезопасность и технологическая грамотность.
Помимо хард-скиллов, работодатели ищут стрессоустойчивых и гибких сотрудников со способностью аналитически и креативно мыслить, с огоньком в глазах и страстью к учебе.
В целом, вся IT-сфера, а также автоматизация и робототехника, продолжают развиваться и оставаться востребованными. А вот графическим дизайнерам повезло меньше — число вакансий для них летит вниз.
#новости #аналитика #WEF25 #datascience #AI
В январе прошел ежегодный Мировой экономический форум; в рамках него был опубликован отчет о том, как будет выглядеть рынок труда в 2025–2030 гг. Он составлен на основании опросов более 1 000 крупных работодателей по всему миру.
Исследования говорят однозначно: будущее за ИИ и большими данными. Берем на карандашик ✍🏻
Главный тренд, влияющий на рынок труда, — расширение доступа к информационным технологиям. Это влечет рост числа IT-вакансий и востребованность технических навыков. Быстрее всего появляются позиции дата-специалистов, финтех-инженеров и специалистов по машинному обучению. В топ–10 самых быстрорастущих навыков вошли ИИ и большие данные, кибербезопасность и технологическая грамотность.
Помимо хард-скиллов, работодатели ищут стрессоустойчивых и гибких сотрудников со способностью аналитически и креативно мыслить, с огоньком в глазах и страстью к учебе.
В целом, вся IT-сфера, а также автоматизация и робототехника, продолжают развиваться и оставаться востребованными. А вот графическим дизайнерам повезло меньше — число вакансий для них летит вниз.
#новости #аналитика #WEF25 #datascience #AI
Ранее я рассказывал про различные подходы к работе с метриками, и мой фаворит — фреймворк «Пирамида метрик». Почему? Потому что он превращает хаос в стройную структуру. Суть пирамиды проста: метрики распределяются по слоям — сверху самые глобальные, бизнесовые, а ниже уже финансовые, продуктовые и так далее. Универсального шаблона нет, каждая компания строит свою пирамиду индивидуально, исходя из целей и задач.
В Т-Банке мы используем пирамиду как каркас для объединения метрик различных команд работающих над одним продуктом. Это позволяет понимать, как каждая команда влияет на общий успех и не замыкать ее саму на себя.
Но хватит теории! Сегодня заглянем в самый верх пирамиды — бизнесовый слой. Этот уровень нужен для фокусировки всех команд на достижении конкретных целей. Какие показатели обычно сюда попадают? Пример:
▪️GMV (Gross Merchandise Value) — совокупная стоимость товаров или услуг. Отлично подходит для понимания масштабов бизнеса.
▪️Revenue (Выручка) — главный показатель дохода, который напрямую показывает, насколько эффективна работа компании.
▪️EBITDA — прибыль до вычета налогов, амортизации и процентов. Эта метрика позволяет понять реальную прибыльность бизнеса без учёта финансовых манёвров.
▪️Net Profit (Чистая прибыль) — итоговая сумма, которая остаётся после всех расходов. Это конечный результат, ради которого всё и делается.
Выбор метрик зависит от целей компании. Например, если в приоритете масштабирование, то упор делается на GMV. Если важно увеличить объем выручки, то в центре внимания — Revenue, EBITDA и Net Profit. Ну а если нужно максимизировать выплаты акционерам, то Net Profit ваше всё.
В следующих постах я разберу метрики нижних уровней пирамиды. Это поможет вам понять, как вся система метрик связана между собой и как её использовать для достижения целей.
Забирайте пост в закладки, делитесь с коллегами, и не забывайте: метрики — это не просто цифры, это ваш компас на пути к успеху!
***
Пост подготовлен совместно с CFOblog, каналом про финансы для нефинансистов.
#разбор_метрик #метрики
В Т-Банке мы используем пирамиду как каркас для объединения метрик различных команд работающих над одним продуктом. Это позволяет понимать, как каждая команда влияет на общий успех и не замыкать ее саму на себя.
Но хватит теории! Сегодня заглянем в самый верх пирамиды — бизнесовый слой. Этот уровень нужен для фокусировки всех команд на достижении конкретных целей. Какие показатели обычно сюда попадают? Пример:
▪️GMV (Gross Merchandise Value) — совокупная стоимость товаров или услуг. Отлично подходит для понимания масштабов бизнеса.
▪️Revenue (Выручка) — главный показатель дохода, который напрямую показывает, насколько эффективна работа компании.
▪️EBITDA — прибыль до вычета налогов, амортизации и процентов. Эта метрика позволяет понять реальную прибыльность бизнеса без учёта финансовых манёвров.
▪️Net Profit (Чистая прибыль) — итоговая сумма, которая остаётся после всех расходов. Это конечный результат, ради которого всё и делается.
Выбор метрик зависит от целей компании. Например, если в приоритете масштабирование, то упор делается на GMV. Если важно увеличить объем выручки, то в центре внимания — Revenue, EBITDA и Net Profit. Ну а если нужно максимизировать выплаты акционерам, то Net Profit ваше всё.
В следующих постах я разберу метрики нижних уровней пирамиды. Это поможет вам понять, как вся система метрик связана между собой и как её использовать для достижения целей.
Забирайте пост в закладки, делитесь с коллегами, и не забывайте: метрики — это не просто цифры, это ваш компас на пути к успеху!
***
Пост подготовлен совместно с CFOblog, каналом про финансы для нефинансистов.
#разбор_метрик #метрики
Уф, февраль уже пролетел! Сегодня собираем самые сочные статьи последних тридцати дней.
Начну со статьи Андрея Корнеева, аналитика команды Origination в Т-Банке, который знает все о том, как правильно подглядывать. Автор поделился знанием о последовательном анализе или Group Sequential Testing (GST). Это метод проведения A/B-теста, при котором мы абсолютно легально подглядываем в тест на промежуточных точках и проверяем результаты до завершения эксперимента. При значительном эффекте мы можем завершить тест досрочно и сэкономить время и ресурсы. Инструмент мощный, но с ограничениями. Например, он не подходит для метрик с долгим периодом созревания. Так что используйте метод с умом.
Далее предлагаю погрузиться в эволюцию одной платформы и почерпнуть идеи для своих проектов. Архитектор данных Наталья Горлова описала шестилетнюю трансформацию платформы данных CDEK, крупной компании по доставке документов и грузов. То, что началось с монолита на MySQL и C++, к 2024 году обросло хранилищем данных Greenplum с управлением через Apache Airflow, микросервисами на Java и базами данных PostgreSQL. Оглядываясь назад, Наталья подчеркивает, как важно продумывать кодовую базу проекта, не бояться пробовать новое и помнить о качестве данных.
Теперь стоит включить безопасное соединение, потому что на Medium вышла трилогия статей от Павла Левчука, посвященная RF-матрице. Это таблица распределения клиентов на сегменты в зависимости от времени (Recency) и частоты покупок (Frequency). Имея данные о поведении, мы можем, например, выявить малоактивных клиентов, давно не совершавших покупку, и предложить им скидку. Результаты анализа позволяют влиять на другие метрики, такие как CAC и LTV. Подробнее о самой матрице читайте в водной статье, а материалы о Recency и Frequency позволят углубиться в их расчеты.
А чем интересным запомнился февраль вам?😃
#дайджест
Начну со статьи Андрея Корнеева, аналитика команды Origination в Т-Банке, который знает все о том, как правильно подглядывать. Автор поделился знанием о последовательном анализе или Group Sequential Testing (GST). Это метод проведения A/B-теста, при котором мы абсолютно легально подглядываем в тест на промежуточных точках и проверяем результаты до завершения эксперимента. При значительном эффекте мы можем завершить тест досрочно и сэкономить время и ресурсы. Инструмент мощный, но с ограничениями. Например, он не подходит для метрик с долгим периодом созревания. Так что используйте метод с умом.
Далее предлагаю погрузиться в эволюцию одной платформы и почерпнуть идеи для своих проектов. Архитектор данных Наталья Горлова описала шестилетнюю трансформацию платформы данных CDEK, крупной компании по доставке документов и грузов. То, что началось с монолита на MySQL и C++, к 2024 году обросло хранилищем данных Greenplum с управлением через Apache Airflow, микросервисами на Java и базами данных PostgreSQL. Оглядываясь назад, Наталья подчеркивает, как важно продумывать кодовую базу проекта, не бояться пробовать новое и помнить о качестве данных.
Теперь стоит включить безопасное соединение, потому что на Medium вышла трилогия статей от Павла Левчука, посвященная RF-матрице. Это таблица распределения клиентов на сегменты в зависимости от времени (Recency) и частоты покупок (Frequency). Имея данные о поведении, мы можем, например, выявить малоактивных клиентов, давно не совершавших покупку, и предложить им скидку. Результаты анализа позволяют влиять на другие метрики, такие как CAC и LTV. Подробнее о самой матрице читайте в водной статье, а материалы о Recency и Frequency позволят углубиться в их расчеты.
А чем интересным запомнился февраль вам?😃
#дайджест
Привет, друзья! 👋
После прошлого поста про бизнес-цели мне в личку пришло несколько вопросов и я решил разобрать, как из GMV получается чистая прибыль Net Profit.
Давайте разложим всё по полочкам!
▪️GMV (Gross Merchandise Value) — это общий объем продаж. Представьте, вы продали товаров на 1 млн рублей. Вау! Но это не ваши деньги. Это просто цифра, которая показывает, сколько денег всего «прокрутилось» через ваш бизнес. Сюда входят и себестоимость, и доставка, и возвраты. Так что не спешите праздновать.
▪️Revenue (выручка) — эта метрика уже ближе к делу. Это деньги, которые компания получила за свои товары или услуги. Если из GMV вычесть возвраты, скидки, комиссии и прочие «но», получится Revenue. Например, из того же 1 млн рублей выручка может быть 800 тыс. рублей. Уже лучше, но это ещё не прибыль.
▪️Operational Profit (операционная прибыль) — это то, что осталось после всех переменных расходов: сырье, доставка, сдельная зарплата и прочее. Если из Revenue вычесть все эти затраты, получится Operational Profit. Например, из 800 тыс. рублей выручки после всех расходов осталось 200 тыс. рублей. Уже теплее!
▪️EBITDA — это прибыль после вычета фиксированных расходов, но до вычета процентов, налогов, амортизации и износа. Например, из тех же 200 тыс. рублей Operational Profit EBITDA может быть 150 тыс. рублей. Это любимая метрика инвесторов, потому что она показывает, насколько эффективно работает бизнес «в вакууме» и можно сравнивать разные бизнесы между собой.
▪️Net Profit (чистая прибыль) — это то, что осталось после всех расходов, налогов, процентов по кредитам и прочих обязательных платежей. Например, из 150 тыс. рублей EBITDA после всех вычетов может остаться 100 тыс. рублей. Вот это уже ваши деньги!
Итог: GMV → Revenue → Operational Profit → EBITDA → Net Profit.
Ставьте лайк, чтобы я знал, что тема полезная. И делитесь постом с теми, кто думает, что GMV = прибыль. 😉
***
Пост подготовлен совместно с CFOblog, каналом про финансы для нефинансистов.
#разбор_метрик #метрики
После прошлого поста про бизнес-цели мне в личку пришло несколько вопросов и я решил разобрать, как из GMV получается чистая прибыль Net Profit.
Давайте разложим всё по полочкам!
▪️GMV (Gross Merchandise Value) — это общий объем продаж. Представьте, вы продали товаров на 1 млн рублей. Вау! Но это не ваши деньги. Это просто цифра, которая показывает, сколько денег всего «прокрутилось» через ваш бизнес. Сюда входят и себестоимость, и доставка, и возвраты. Так что не спешите праздновать.
▪️Revenue (выручка) — эта метрика уже ближе к делу. Это деньги, которые компания получила за свои товары или услуги. Если из GMV вычесть возвраты, скидки, комиссии и прочие «но», получится Revenue. Например, из того же 1 млн рублей выручка может быть 800 тыс. рублей. Уже лучше, но это ещё не прибыль.
▪️Operational Profit (операционная прибыль) — это то, что осталось после всех переменных расходов: сырье, доставка, сдельная зарплата и прочее. Если из Revenue вычесть все эти затраты, получится Operational Profit. Например, из 800 тыс. рублей выручки после всех расходов осталось 200 тыс. рублей. Уже теплее!
▪️EBITDA — это прибыль после вычета фиксированных расходов, но до вычета процентов, налогов, амортизации и износа. Например, из тех же 200 тыс. рублей Operational Profit EBITDA может быть 150 тыс. рублей. Это любимая метрика инвесторов, потому что она показывает, насколько эффективно работает бизнес «в вакууме» и можно сравнивать разные бизнесы между собой.
▪️Net Profit (чистая прибыль) — это то, что осталось после всех расходов, налогов, процентов по кредитам и прочих обязательных платежей. Например, из 150 тыс. рублей EBITDA после всех вычетов может остаться 100 тыс. рублей. Вот это уже ваши деньги!
Итог: GMV → Revenue → Operational Profit → EBITDA → Net Profit.
Ставьте лайк, чтобы я знал, что тема полезная. И делитесь постом с теми, кто думает, что GMV = прибыль. 😉
***
Пост подготовлен совместно с CFOblog, каналом про финансы для нефинансистов.
#разбор_метрик #метрики
Исследование рынка аналитиков 2024: полные результаты
Ребята из NEWHR завершили работу над исследованием, посвящённом рынку аналитиков 2024 года и выпустили результаты в виде лендинга. Получилось действительно круто!
Главные инсайты:
🔹 Зарплаты аналитиков продолжают расти. В 2024 году доходы быстрее росли в российских компаниях, но всё ещё отстают от зарубежных.
🔹 Зарплата — ключевой фактор удержания. В 2024 году её значимость как причины оставаться в компании выросла с 25% до 52%.
🔹 Зарубежные компании теряют привлекательность. Российские аналитики всё чаще ориентируются на локальный рынок, а специалисты из ближнего зарубежья рассматривают оба варианта.
🔹 Интерес к смене работы снижается. Доля аналитиков, лояльных текущему работодателю, выросла с 35% до 46%, но интерес к собеседованиям остаётся стабильным.
🔹 Самый привлекательный работодатель — «Авито». Компания обошла «Яндекс» и «Т-банк», которые немного потеряли популярность в 2024 году.
🔹 Удалёнка доминирует. Полностью офисный формат теряет позиции, а гибрид остаётся наиболее предпочтительным.
🔹 Гендерное равенство? Пока нет. Женщины и мужчины в аналитике представлены равномерно, но женщины реже занимают руководящие позиции и получают меньшие зарплаты.
▶️ Ссылка на лендинг с полными результатами.
#новости
Ребята из NEWHR завершили работу над исследованием, посвящённом рынку аналитиков 2024 года и выпустили результаты в виде лендинга. Получилось действительно круто!
Главные инсайты:
🔹 Зарплаты аналитиков продолжают расти. В 2024 году доходы быстрее росли в российских компаниях, но всё ещё отстают от зарубежных.
🔹 Зарплата — ключевой фактор удержания. В 2024 году её значимость как причины оставаться в компании выросла с 25% до 52%.
🔹 Зарубежные компании теряют привлекательность. Российские аналитики всё чаще ориентируются на локальный рынок, а специалисты из ближнего зарубежья рассматривают оба варианта.
🔹 Интерес к смене работы снижается. Доля аналитиков, лояльных текущему работодателю, выросла с 35% до 46%, но интерес к собеседованиям остаётся стабильным.
🔹 Самый привлекательный работодатель — «Авито». Компания обошла «Яндекс» и «Т-банк», которые немного потеряли популярность в 2024 году.
🔹 Удалёнка доминирует. Полностью офисный формат теряет позиции, а гибрид остаётся наиболее предпочтительным.
🔹 Гендерное равенство? Пока нет. Женщины и мужчины в аналитике представлены равномерно, но женщины реже занимают руководящие позиции и получают меньшие зарплаты.
▶️ Ссылка на лендинг с полными результатами.
#новости
В феврале ProductSense совместно с МТС опубликовал ежегодное исследование продуктового сообщества в рамках конференции PRODUCTSENSE'25. В докладе отражены портрет участников, профиль компаний и, мое любимое, — профессиональное развитие.
Если вы еще не читали доклад, пролистайте его по ссылке выше. Обратите особое внимание на последний раздел, где приведены ссылки на книги, статьи и подкасты для самообразования.
Какие навыки развивать?
В 2025 году большинство сотрудников планируют сконцентрироваться на изучении управления командой, growth management, экономики и аналитики. В топе навыков у сеньоров оказалось развитие управленческих навыков, у CPO — знание экономики продукта, а Head of Product выделяли навыки ведения переговоров.
Интересно, что есть расхождение между навыками, которые респонденты планируют прокачивать, и навыками, которые ценят руководители у сотрудников данного грейда. Поэтому исследователи советуют изучить, какие скиллы наиболее востребованы на вашем этапе карьеры, и развивать именно их.
Кроме грейда, следует учитывать, какие навыки актуальны для компании на текущем этапе развития. Например, если вы планируете работать или уже работаете в крупной корпорации, уделяйте внимание управленческим навыкам и growth management. Если же планируете развиваться в небольшой компании на этапе роста, фокусируйтесь на аналитических навыках и изучайте экономику.
Кстати, что с LLM?
Примерно треть сотрудников, особенно с опытом работы в IT от шести лет, уже делегировали моделям рутинные задачи. А каждый пятый CPO решает сложные задачи с помощью LLM.
#новости #PRODUCTSENSE25
Если вы еще не читали доклад, пролистайте его по ссылке выше. Обратите особое внимание на последний раздел, где приведены ссылки на книги, статьи и подкасты для самообразования.
Какие навыки развивать?
В 2025 году большинство сотрудников планируют сконцентрироваться на изучении управления командой, growth management, экономики и аналитики. В топе навыков у сеньоров оказалось развитие управленческих навыков, у CPO — знание экономики продукта, а Head of Product выделяли навыки ведения переговоров.
Интересно, что есть расхождение между навыками, которые респонденты планируют прокачивать, и навыками, которые ценят руководители у сотрудников данного грейда. Поэтому исследователи советуют изучить, какие скиллы наиболее востребованы на вашем этапе карьеры, и развивать именно их.
Кроме грейда, следует учитывать, какие навыки актуальны для компании на текущем этапе развития. Например, если вы планируете работать или уже работаете в крупной корпорации, уделяйте внимание управленческим навыкам и growth management. Если же планируете развиваться в небольшой компании на этапе роста, фокусируйтесь на аналитических навыках и изучайте экономику.
Кстати, что с LLM?
Примерно треть сотрудников, особенно с опытом работы в IT от шести лет, уже делегировали моделям рутинные задачи. А каждый пятый CPO решает сложные задачи с помощью LLM.
#новости #PRODUCTSENSE25
Слышали про подкаст «Это считается»?
Подкаст и одноимённый канал от Т-Банка о буднях продуктовых аналитиков — с шутками, без скучных цифр.
В новом сезоне ещё больше крутых авторов, новые рубрики, статьи, лайфхаки и личные рассуждения.
А ещё я теперь среди авторов! Вот мой первый пост — заходите, комментируйте, подписывайтесь.
https://www.tgoop.com/eto_schitaetsya/489
Подкаст и одноимённый канал от Т-Банка о буднях продуктовых аналитиков — с шутками, без скучных цифр.
В новом сезоне ещё больше крутых авторов, новые рубрики, статьи, лайфхаки и личные рассуждения.
А ещё я теперь среди авторов! Вот мой первый пост — заходите, комментируйте, подписывайтесь.
https://www.tgoop.com/eto_schitaetsya/489
Telegram
Это считается
Привет 👋
Меня зовут Рома, и в Т-Банке я отвечаю за экосистемную аналитику, создание деревьев метрик и хранилища Metrics Store.
А еще я люблю писать посты на злобу дня. Сегодня поговорим про продуктовых аналитиков: кто они, зачем нужны и почему быть «калькулятором»…
Меня зовут Рома, и в Т-Банке я отвечаю за экосистемную аналитику, создание деревьев метрик и хранилища Metrics Store.
А еще я люблю писать посты на злобу дня. Сегодня поговорим про продуктовых аналитиков: кто они, зачем нужны и почему быть «калькулятором»…
Прежде чем искать подвох в данных, стоит понимать работу собственного процессора. Когнитивные искажения — это систематические ошибки в восприятии и мышлении во время обработки информации. Они ведут к ложным суждениям, основывающимся на личных предпочтениях и эмоциях, а не на объективных данных.
Одним из искажений мозга называют предвзятость подтверждения (Confirmation bias). Это склонность замечать доказательства собственной точки зрения и игнорировать данные, которые ей противоречат.
Допустим, дата-аналитик берется за задачу определить, какой канал привлечения клиентов наиболее эффективен. Он считает, что это соцсети. Убеждение искажает изначальную гипотезу в голове аналитика. Неосознанно он ставит задачу доказать, что соцсети эффективнее других каналов.
Дальнейшие действия заведомо необъективны. Он выбирает ключевые метрики, которые могли бы выявить преимущества соцсетей, и собирает исторические данные только за период, когда соцсети были особенно успешны. В итоге компания направляет больше средств в соцсети, не зная реальной рентабельности каждого канала.
Реальность многогранна. Мозг не в состоянии обработать всю информацию о мире. Чтобы не сойти с ума, он научился на основе кусочков данных формировать обобщающие убеждения. Они работают как фильтры, через которые информация попадает (или не попадает) в мозг на обработку. Предвзятость — не бага, а фича, экономящая время и энергию. Но то, что помогает выживать, мешает анализировать данные.
Чтобы быть менее предвзятым, попробуй:
1️⃣ Четко сформулировать вопрос бизнеса, гипотезу и цель сбора данных. Выработай привычки всегда допускать, что твои убеждения повлияли на результат.
2️⃣ Растождествить себя с точкой зрения. Задай себе вопросы: почему я так считаю? Основываюсь ли я на фактах?
3️⃣ Сыграть в игру: если бы я был не прав, какие факты могли указать на это? Ищи доказательства, опровергающие твое убеждение. Можно позвать коллегу-оппонента и выслушать его доводы.
#искажения
Одним из искажений мозга называют предвзятость подтверждения (Confirmation bias). Это склонность замечать доказательства собственной точки зрения и игнорировать данные, которые ей противоречат.
Допустим, дата-аналитик берется за задачу определить, какой канал привлечения клиентов наиболее эффективен. Он считает, что это соцсети. Убеждение искажает изначальную гипотезу в голове аналитика. Неосознанно он ставит задачу доказать, что соцсети эффективнее других каналов.
Дальнейшие действия заведомо необъективны. Он выбирает ключевые метрики, которые могли бы выявить преимущества соцсетей, и собирает исторические данные только за период, когда соцсети были особенно успешны. В итоге компания направляет больше средств в соцсети, не зная реальной рентабельности каждого канала.
Реальность многогранна. Мозг не в состоянии обработать всю информацию о мире. Чтобы не сойти с ума, он научился на основе кусочков данных формировать обобщающие убеждения. Они работают как фильтры, через которые информация попадает (или не попадает) в мозг на обработку. Предвзятость — не бага, а фича, экономящая время и энергию. Но то, что помогает выживать, мешает анализировать данные.
Чтобы быть менее предвзятым, попробуй:
1️⃣ Четко сформулировать вопрос бизнеса, гипотезу и цель сбора данных. Выработай привычки всегда допускать, что твои убеждения повлияли на результат.
2️⃣ Растождествить себя с точкой зрения. Задай себе вопросы: почему я так считаю? Основываюсь ли я на фактах?
3️⃣ Сыграть в игру: если бы я был не прав, какие факты могли указать на это? Ищи доказательства, опровергающие твое убеждение. Можно позвать коллегу-оппонента и выслушать его доводы.
#искажения
Закончился март, и я готов подвести итог прочитанных статей за месяц. В этот раз зацепили истории с полей российской аналитики.
Первая статья от ребят из Циана о наболевшем — дублях. Аналитики всех платформ регулярно ломают головы над избавлением от них, а клиенты (часто те же аналитики, только дома и в тапочках) не могут выбрать квартиру, плутая среди одинаковых объявлений. Автор, ML-инженер Кирилл Сергеев, рассказал о проблемах поиска дубликатов, методах их нахождения и об архитектуре решения компании. Если ты подозреваешь, что однажды будешь реализовывать такое сам, то советую добавить статью в закладки.
Вторая статья от команды Авито Тех связана с релизом на внешний рынок платформы для автоматизации A/B-тестирования и комплексной аналитики Trisigma. Ребята долго разрабатывали ее для себя и теперь решили предложить другим компаниям. Я с большим любопытством изучил опыт коллег, так как в Т-банке у нас есть похожая платформа. Ведь гонять A/B-тесты вручную — значит каждый раз неэффективно тратить время на повторяющиеся действия и нагружать аналитика рутинной работой. Многие крупные компании осознают «бутылочное горлышко» в работе команды, но не все готовы выделять ресурсы на создание своих платформ. Для таких бизнесов Trisigma может оказаться отличным решением.
Завершает топ марта статья об истории A/B-тестирования. Погружение в истоки инструментов всегда позволяло мне взглянуть на привычные вещи по-новому и глубже понять их смысл. Прародитель A/B-тестов — рандомизированное контролируемое исследование — зародился в медицине, а первый знакомый нам вариант теста начали применять (surprise, surprise!) Amazon и Microsoft. Статья небольшая и легко читается — можно пробежаться по ней на обеденном перерыве. Если увлечет, автор обещает продолжение.
А что посоветуете почитать вы?😏
#дайджест
Первая статья от ребят из Циана о наболевшем — дублях. Аналитики всех платформ регулярно ломают головы над избавлением от них, а клиенты (часто те же аналитики, только дома и в тапочках) не могут выбрать квартиру, плутая среди одинаковых объявлений. Автор, ML-инженер Кирилл Сергеев, рассказал о проблемах поиска дубликатов, методах их нахождения и об архитектуре решения компании. Если ты подозреваешь, что однажды будешь реализовывать такое сам, то советую добавить статью в закладки.
Вторая статья от команды Авито Тех связана с релизом на внешний рынок платформы для автоматизации A/B-тестирования и комплексной аналитики Trisigma. Ребята долго разрабатывали ее для себя и теперь решили предложить другим компаниям. Я с большим любопытством изучил опыт коллег, так как в Т-банке у нас есть похожая платформа. Ведь гонять A/B-тесты вручную — значит каждый раз неэффективно тратить время на повторяющиеся действия и нагружать аналитика рутинной работой. Многие крупные компании осознают «бутылочное горлышко» в работе команды, но не все готовы выделять ресурсы на создание своих платформ. Для таких бизнесов Trisigma может оказаться отличным решением.
Завершает топ марта статья об истории A/B-тестирования. Погружение в истоки инструментов всегда позволяло мне взглянуть на привычные вещи по-новому и глубже понять их смысл. Прародитель A/B-тестов — рандомизированное контролируемое исследование — зародился в медицине, а первый знакомый нам вариант теста начали применять (surprise, surprise!) Amazon и Microsoft. Статья небольшая и легко читается — можно пробежаться по ней на обеденном перерыве. Если увлечет, автор обещает продолжение.
А что посоветуете почитать вы?😏
#дайджест
Ребят, сегодня первое апреля так-то. Я тут на минутку задумался. А чего тут все собрались? Почему вы подписались на мой канал?
Anonymous Poll
24%
Потому что я гик аналитики, люблю статьи, книги и делать умный вид в баре.
2%
Однажды я здорово облажался, теперь изучаю чужие факапы, чтобы облажаться с научным подходом.
27%
Искал работу, мечтал быть «Data Analyst at Google», а в итоге работаю «Data Intern at Дядя Ваня».
25%
Слежу за трендами и новостями, чтобы знать, когда ИИ заменит меня и можно будет не работать.
13%
Случайно нажал «подписаться», а отписаться стыдно – вдруг ты заметишь.
10%
Меня ты не раскусил, я тут не просто так. Всё расскажу в комментариях... или нет.