АННА В ДАННЫХ

Развлечения для аналитика

Жизнь аналитика полна загадок, сложных логических цепочек и… желания иногда закрыть ноут и разбить его об стену 🤓 Нашла два отличных способа экологично прожить и то, и другое

1.Для применения аналитических навыков 🔎

Во время работы я иногда ощущаю себя детективом, который ищет улики. Недавно я решила развлечься и заодно примерить на себя схожую роль: пошла в иммерсивный театр, который имитирует заседание суда присяжных

За основу там взяли реальное дело об убийстве. На входе выдали красивую папку «Дело» с описанием всех событий и улик. Нас присяжных было 50 человек + еще 8 актеров: судья, секретарь, сторона обвинения, защита, свидетели и сам подсудимый

Нужно было всё изучить, выслушать процесс и вынести вердикт большинством голосов. До финального голосования была часть с обсуждением, где мы выдвигали свои версии и спорили

В итоге большинство проголосовало за то, что подсудимый невиновен. Но я была уверена в обратном и проголосовала иначе. Как потом оказалось, реальные присяжные как и я единогласно решили, что он виновен! Мой внутренний сыщик был очень доволен 👀

2.Для снятия стресса

Если у вас на работе бывают дни, когда хочется просто взять и разбить монитор, есть абсолютно легальныйспособ выпустить пар без ущерба для собственной техники - сходить в комнату ярости

Перед входом тебя наряжают в защитную экипировку и предлагают выбрать инструмент для крушения: кувалду, бейсбольную биту и тд. В самой комнате расставлена старая мебель, телевизор, магнитофон, горы дисков, кассет и прочий хлам

Можно крушить это всё на мелкие кусочки со всей силы и просто орать🤪 Фотки с моего такого похода будут в комментариях

А какие необычные активности вы можете посоветовать?

Подборка полезных статей по статистике и АБ-тестам

Собрала для вас классные статьи с Хабра, в которых затрагиваются важные темы - в том числе регулярно всплывающие на собесах

💙 Как оценить валидность A/B-тестов
В статье описываются проблемы, которые могут возникнуть при проведении АБ-тестов еще на этапе дизайна

💙 Switchback-эксперименты: часть 1 и часть 2
Тут вы найдете, как сетевой эффект ломает классические АБ-тесты и как Switchback-эксперименты помогают обойти эту проблему

💙 Разбираемся в нормальном распределении
Нормальное распределение - это чуть ли не основа всех основ. В статье объясняется концепция и препарируется формула плотности вероятности

💙 Основные типы распределений
Практический гайд по распределениям с конкретными примерами и визуализацией

💙 Парадоксы в данных, и почему визуализация бывает необходима
Доказательство тому, почему нельзя верить агрегированным показателям "вслепую". На понятных примерах разбирается Парадокс Симпсона и другие феномены

🔖Сохраняйте в закладки!

#статистика_анна_в_данных
#аб_тесты_анна_в_данных

Аналитика рабочих встреч

Идеальный рабочий день - это когда у тебя есть время на ту самую работу. Но так бывает не всегда и порой причиной этому - слишком большое количество встреч 🫠

Мне как правило везло и практически везде количество регулярных созвонов было адекватным

Но в одной компании их было какое-то адское количество. Уже перед моим уходом одну двухчасовую встречу посвятили разбору, почему же мы не все успеваем 🤓 Когда один из коллег высказался, что его календарь забит и времени на работу не остается, тимлид его загазлайтил

Вот такие регулярные встречи чаще всего попадались мне на разных работах:

▶️Daily (Дейли)
Ежедневная встреча, на которой обсуждаются статусы по задачам, как продвигается работа, какие есть блокеры

Мое мнение: для аналитика такой формат считаю избыточным. Возможно, у разработчиков постоянно все меняется и требует обсуждения, но аналитику каждый день подключаться, чтоб сказать «работаю над задачей»🤓 Какого-нибудь синка в середине спринта считаю достаточным

▶️Планирование
Как понятно по названию - это планирование задач на определенный временной промежуток (спринт / квартал) - важная встреча

▶️Спринт ревью
Встреча для обсуждения, как прошел спринт, какие задачи выполнились и какой по ним результат - тоже важная встреча

▶️Ретроспектива (ретро)
Ретро направлено на укрепление командного духа, анализ того, что прошло хорошо, а что прошло плохо и почему (с выработкой плана действий). Ретро идет около 2 часов и часто бывает тематическим, чтобы было не так скучно. Некоторые вопросы обсуждаются анонимно (на доску, например, в Миро, клеятся стикеры без указания авторства)

Мое мнение: проводить ретро каждый спринт не вижу смысла. Максимум раз в месяц, а лучше раз в квартал

▶️1-1 (one-to-one, one-on-one)
Регулярная встреча руководителя и подчиненного один на один. На ней подчиненный может обсудить волнующие его моменты, а руководитель - дать обратную связь

Мое мнение: считаю встречу очень важной, но 1-1 больше раза в месяц может быть избыточным

▶️Демо
Встреча, на которой команда показывает стейкхолдерам, заказчикам или другим командам результат своей работы (за спринт / квартал)

▶️Олл-хэндс / Таунхолл
Общая встреча всей компании или направления. Топ-менеджмент делится глобальными новостями, результатами квартала, планами на будущее и отвечает на вопросы

Мое мнение: на действительно важные вопросы на таких встречах обычно не отвечают, а новости редко бывают хорошими 😐

А как у вас на работе выстроен процесс регулярных встреч? Какие форматы созвонов считаете абсолютно бесполезными?

Проблемы данных: 5 кругов ада для аналитика

Когда аналитик может быстро взять нужные, чистые, понятные данные, чтобы принести пользу бизнесу - это базовый минимум или роскошный максимум?

Я успела поработать в компаниях с разной инфраструктурой, объемом данных и квалификацией дата-инженеров. И очень рада, что весь треш пришелся именно на первую половину моей карьеры!

1. Селекты на несколько часов
❌ Как НЕ надо - мой опыт: В одной из компаний, где я работала, была ужасная инфра и данных было так много, что в основном приходилось использовать уже агрегированные, чтобы сделать SELECT за какое-то вменяемое количество времени. Но когда нужно было лезть в сырые.. я ставила запрос на ночь, чтобы пройти в питоновском цикле хотя бы несколько дней

✅ Как надо - мой опыт: Последующие компании меня разбаловали. СУБД Google BigQuery и ClickHouse в этом вопросе очень радуют! И я привыкла в большинстве случаев получать результат запроса сразу или в течение минуты

2. Данные второй свежести
❌ Как НЕ надо - мой опыт: Данные за вчерашний день были доступны в лучшем случае к утру, а в случае (частых) задержек - после обеда или позже. Каждый такой раз у продактов случалась истерика😱

✅ Как надо - мой опыт: Сейчас я уже привыкла, что через несколько минут после того, как покликаю в приложении / на сайте, данные об этом прилетят в таблицу

3. Мусор
❌ Как НЕ надо - мой опыт: Пропавшие куски данных, какие-то дубли.. У одной из компаний было хотя бы оправдание в огромном количестве данных и легаси. В другой же, данных хоть и не было много, с ними постоянно что-то случалось. Ох, если бы те дата инженеры меньше выясняли отношения и больше работали..🤓 Но тогда я очень круто прокачалась в том, чтобы выискивать такие проблемы и их источник

✅ Как надо - мой опыт: Была компания, где я за 1.5 года по-моему вообще ни разу не сталкивалась с подобным, это был какой-то рай на Земле

4. Дата-ребусы
❌ Как НЕ надо: Когда столбцы в таблицах выглядят так, будто их называл кот, пробежавший по клавиатуре. Документации, разумеется, нет. И много важной информации лежит в гигантских JSONах

5. Бюрократия
❌ Как НЕ надо: Когда чтобы получить доступ к данным, нужно создать тикет в Jira, согласовать его с безопасниками, владельцами данных, тимлидом и папой римским. И ждать недели две

Сталкивались с подобными проблемами? Какая бесит больше всего?

Мои заблуждения до того, как я стала аналитиком

Давным-давно, когда я была юной наивной девой - еще до того, как начала учиться на аналитика, я немного иначе представляла себе какую информацию и в каком виде видят о нас владельцы сайтов и приложений

Да, в начале карьеры я работала интернет-маркетологом и пользовалась всякими Google Analytics и Яндекс Метрикой, но свято верила, что возможности компании так ограничены, просто потому что она маленькая и бедная 🤓

Заблуждение 1:
Я была уверена, что компании могут посмотреть как бы запись всего, что ты видел и делал на сайте/приложении, по всем пользователям. Некий усовершенствованный вебвизор

Вебвизор - фича Яндекс Метрики, такая своеобразная «запись с экрана» пользователя, на которой видны клики, скроллы, движения мышки на вашем сайте (с довольно ограниченными лимитами на объем и хранение)

Реальность: Данные в виде табличек, да еще и не по всем действиям, а только то, что разметили (мое видео про разметку можно посмотреть тут). И возможности ограничены, и банально не выгодно хранить слишком много данных

Заблуждение 2:
Я думала, что если резко перестану пользоваться каким-то сервисом, в котором оставляю много (по моим меркам) денег, то они сразу это поймут и захотят все исправить 🤓

Реальность: могут быть настроены алерты на падение метрик в общем по всем посетителям - если, например, какое-то изменение испортило сервис, и от него отказалось достаточно много людей, чтобы повлиять на метрики

Так же у маркетологов могут быть настроены механики реактивации, чтобы возвращать клиентов, которые давно не заходили и давно не совершали покупок (например, массовая рассылка промокода всем, кто более полугода ничего не покупал)

Но к сожалению такого, чтобы все очень расстроились из-за ухода одного человека - нет 🥺

А пост о том, что меня удивило, когда я уже начала работать с данными, можно почитать тут

Признавайтесь, какие иллюзии были у вас и как вы представляли себе хранение данных до знакомства с аналитикой?

Бесплатные SQL-песочницы: подборка 😎

Я уже делилась бесплатными SQL-тренажерами в одном из своих прошлых постов.

Но если хочется попрактиковать какой-то конкретный тип задач или на определенных данных, вместо тренажеров лучше использовать SQL-песочницы. Так можно тренироваться писать SELECT *, еще не имея доступа к реальным базам данных - без страха и регистрации

1️⃣ SQLite Online
Здесь можно писать запросы в популярных диалектах MySQL, PostgreSQL, MS SQL Server. Готовые таблицы можно как залить в виде csv-файлов, так и создать через CREATE TABLE.

Например, попросить нейронку нагенерить код создания таблиц на интересную вам тематику и придумать к ним задания.

🔥Пример промпта ищи в первом комментарии к посту🔥

2️⃣ Google BigQuery
А это вариант для тех, кто хочет выйти на следующий уровень и пощупать настоящий Big Data инструмент, который используют в крупных компаниях.

Внутри уже зашиты десятки огромных публичных датасетов - можно легально покопаться в реальных данных поездок на такси, проанализировать транзакции блокчейна или статистику GitHub.

3️⃣ Библиотека DuckDB
Если пользуетесь Jupyter Notebook, можно легко установить и импортнуть удобную библиотеку duckdb. С ней можно писать SQL-запросы прямо к датафреймам или вообще сразу к файлам:

%%sql
SELECT
user_id
FROM 'my_data.csv'

📌 Сохраняйте в закладки и не забудьте реально попрактиковать! Сколько бы статей про оконные функции вы ни прочитали, реальный навык SQL придет только с практическим опытом

Опытные коллеги, делитесь в комментариях, где тренировали SQL для поиска первой работы?

Кто еще учится, расскажите, что дается труднее всего?

#sql_анна_в_данных

Оцениваем задачи в… «попугаях»?

Кто и как оценивает задачи очень важно: именно это влияет на то, делаются ли они с горящей жопой и нарушаются ли сроки

За время работы в аналитике я успела поработать с разными системами оценки:

➡️В майках🔙
Это такая абстрактная система, где задача оценивается, словно это размер майки: XXS, XS, S, M, L, XL, XXL. Маленький - означает легкую задачу, большой - сложную

В компании, где она применялась, нам нужно было на встрече по планированию за минут 5 оценить сразу несколько десятков задач всей команды: каждый отдельно голосовал за ее размер напротив, затем сверялись

Естественно, так как я только пришла и не была в контексте происходящего, мне было сложно понять, как оценить задачи, тем более в таком большом количестве. В результате для меня планирование превращалось в игру «Угадай, как ответит большинство»🤡

Потому что, если моя оценка сильно отличалась от большинства, я могла услышать что-то типа «Ах, так ты считаешь, что это S, а не XXL, как считает вся команда? Давай тогда отдадим ее тебе, и ты будешь делать за S, я посмотрю!»

➡️В сторипоинтах🔙
Также абстрактная оценка, но в числах - часто используют последовательность Фибоначчи. У нас были просто числа, условно 10 - это самая жесткая задача, а 1 - легкая

В компании, где применялась такая система, процесс не происходил так хаотично, поэтому несмотря на точно такую же абстрактность, у меня от нее более положительные впечатления

➡️В часах/днях🔙
Самый понятный и нормальный для меня метод оценки, который встречался мне чаще всего. Я ненавижу абстрактную муть, я хочу четко понимать, сколько у меня времени

А как у вас оценивают задачи? И какой метод самый любимый?

#карьера_анна_в_данных

Не все мечтают об айти

Когда одни думают как бы попасть в айти, другие мечтают из него выйти 😳

Да, все мы периодически фантазируем, кем работали бы, если бы ушли из айти - по своей воле или если станем не нужны

Но есть люди, которые реально это сделали. Многие считают их сумасшедшими, а я всегда очень горжусь: ведь для того, чтобы уйти с высокооплачиваемой престижной работы, последовать за мечтой и начать все с нуля - нужна невероятная смелость

Я могу вспомнить несколько людей из своего окружения, кто так поступил, и вот кем они стали:

📌Дизайнер интерьеров📌
Я подписана на своего бывшего продакта, и в какой-то момент она начала выкладывать много контента с ремонтом. Сначала я решила, что она просто делает ремонт у себя, потом сочла это за хобби. Но в последствии оказалось, что она действительно сменила профессию. Я лайкаю все ее рилсы и пишу комменты 🧡

📌Актер📌
Не знаю, как сейчас сложилась его судьба, и довел ли он дело до конца, но у меня был коллега, который хотел стать актером. Я даже ходила на его спектакль! Он реально крут! Уже позже я слышала, что он пытался уволиться из аналитики, но его отговорили

📌Психолог📌
Коллега продуктовый аналитик уволилась, чтобы полностью посвятить себя получению высшего образования по специальности, а затем действительно стала практикующим психологом

А встречали ли вы людей, кто не просто мечтал, а реально ушел из айти? Считаете, стоит уходить из "сытой" сферы за зовом сердца или это безрассудство?

#карьера_анна_в_данных
#поболтать_анна_в_данных

Самые интересные данные

Данные действий пользователей в приложении/на сайте - это конечно хорошо. Можно посчитать все важные метрики, построить карту пользовательского пути, провести АБ-тест и понять, успешна ли новая фича

Но это сухие факты. В них мало жизни и нет ответов "почему?"

Поэтому таблицы в БД с названиями feedbacks или reviews вызывают у меня особенный интерес 🙂🔎 Именно там скрывается настоящая "золотая жила"

Когда я работала аналитиком в клининговом сервисе, я обожала читать отзывы клиентов. Некоторые из них были весьма комичны

Например, как клинер, пока клиента не было дома, нарядила ему елку и сделала небольшую перестановочку 🤓 Как потом выяснилось, она перед этим еще и заглянула к нему в паспорт: убедилась, что холостой, и чекнула знак зодиака (об этом она случайно проболталась, когда объясняла свою своевольность в уборке)

Или неловкая ситуация, как клинеру стало жарко во время уборки: она решила снять и кинуть свой бюстгальтер и забыла об этом. Жена в паре хозяев квартиры, придя домой, была "в восторге" от неожиданной находки 🤓

Клинеры тоже оставляли отзывы, но их читать было скорее грустно. Некоторые клиенты вели себя просто ужасно, самоутверждаясь за счет клинеров

Еще я обожаю читать итоги по UX-интервью. По метрикам можно увидеть, что на кнопку новой фичи мало кликают и гадать о ее ненужности. А уже на интервью узнать от пользователя, что для него она, например, слилась с остальным интерфейсом

Цифры показывают "что" происходит, но всегда интересно узнать от живых людей "почему"

А вы на своей работе сталкиваетесь с такими "человеческими" данными? И в какие неочевидные таблицы в базе любите заглядывать?

#карьера_анна_в_данных
#поболтать_анна_в_данных