rafanalytics

Самый жизненный раздел из ML 😱

Вы наверняка видели видосы, где ИИ обучают играть в разные игры: к примеру тут Open AI ещё до появления ChatGPT выпускал довольно хайповый видос про обучения ботов игре в прятки. Подобные идеи относятся к теме Reinforcment Learning (или RL), которую я, почему-то, в университете так и не изучал, хотя вроде брал разные курсы на тему ML 🤔

Но так уж вышло, что недавно преподавание заставило меня разобраться в этой теме подробнее, и больше всего мне понравилось, как идеи из ML можно переносить в целом на процессы в повседневной жизни. Вот две интересных для меня идеи:

1) Мы постоянно прогнозируем свой «профит» и часто завышаем его 🤫

В RL игрок не знает заранее, какой "профит" принесёт то или иное действие. Всё что у него есть — накопленный опыт, на основе которого он учится предсказывать "выгодность" каждого следующего шага. Для этого в RL вводят конкретную Q-функцию, которая оценивает суммарную ожидаемую награду за конкретное действие в конкретной ситуации.

Вот только есть один неприятный момент — так называемый "overestimation bias": это когда игрок склонен завышать свои ожидаемые награды, особенно когда данных ещё мало. Мы делаем то же самое: думаем, что новая работа окажется идеальной, а переезд сразу изменит жизнь к лучшему. Иногда так и выходит, но чаще реальная награда оказывается скромнее ожидаемой, да?))

2) Сначала исследование, а потом эксплуатация 🧑‍🎓

В RL есть два режима.
Во время обучения игрок специально исследует разные действия, даже если некоторые выглядят неоптимально — это так называемый "exploration". Только так можно найти по-настоящему лучшую стратегию. На инференсе же агент переключается в "exploitation": берёт лучшую из найденных стратегий и действует максимально эффективно.

Это хорошая метафора для жизненных этапов: пока есть "ресурс на ошибки" — можно быть в режиме exploration и пробовать разные сферы, роли, проекты (так скажем быть открытым к возможностям). Когда понял, что работает — переключаешься в exploitation.

Так что вывод простой:

Чтобы избежать overestimation bias — можно чуть занизить свои ожидания, а ещё убедиться, что собрал достаточно вводных данных перед тем, как переходить в режим exploitation. И это не всегда про машинное обучение))

Ставь ❤️ если нравятся посты такого формата, где идеи из DS перекладываются на рутину (таким образом я смогу скорректировать наиболее подходящие для блога форматы)

Гайд по аналитикам: какие они бывают? 📊

Когда я говорю, что работаю аналитиком, то часто слышу: «О, а ты бизнес/системный/крипто аналитик?» 🤔

Давайте разберёмся, кто есть кто в мире аналитиков 👇

📈Продуктовый аналитик (Product Analyst)
Чем занимается:
• Строит воронки конверсии — анализирует путь пользователя от первого касания до целевого действия
• Проводит A/B-тесты — проверяет гипотезы по улучшению продукта
• Анализирует поведение пользователей — изучает, почему одни остаются с продуктом надолго, а другие уходят после первого дня
Средняя ЗП*:
150к - 320к ₽ 💰
Вакансий на hh: ~2500

🔍 Аналитик данных (Data Analyst)
Чем занимается:
• Строит дашборды и отчёты — создаёт визуальные панели и регулярные отчёты для разных отделов компании
• Ищет инсайты в данных — находит аномалии, выявляет тренды, объясняет, почему метрики изменились
• Работает с базами данных — извлекает нужную информацию с помощью SQL-запросов и превращает её в понятные выводы для бизнеса
Средняя ЗП*:
100к - 250к ₽ 💰
Вакансий на hh: ~6700

🏢Бизнес-аналитик (Business Analyst)
Чем занимается:
• Работает на стыке бизнеса и IT — собирает требования от бизнеса и переводит их на язык, понятный разработчикам
• Описывает бизнес-процессы — документирует, как работают процессы в компании
• Анализирует эффективность процессов — предлагает конкретные улучшения для ускорения и упрощения бизнес-операций
Средняя ЗП*:
110к - 250к ₽ 💰
Вакансий на hh: ~8600

💼Финансовый аналитик (Financial Analyst)
Чем занимается:
• Работает с деньгами компании — управляет финансовыми данными и помогает бизнесу эффективно распоряжаться ресурсами
• Анализирует рентабельность — оценивает доходность разных направлений бизнеса и продуктов
• Строит модели unit-экономики — считает, сколько стоит привлечь клиента и сколько он принесёт денег за всё время взаимодействия с компанией
Средняя ЗП*:
140к - 250к ₽ 💰
Вакансий на hh: ~4600

🤖Data Scientist
Чем занимается:
• Строит ML-модели для предсказаний — создаёт системы машинного обучения, которые автоматически анализируют данные и делают прогнозы
• Предсказывает отток клиентов — строит модели, которые заранее определяют, кто из клиентов может уйти
• Работает на стыке аналитики, программирования и математики — использует продвинутую статистику, алгоритмы и ML для решения бизнес-задач
Средняя ЗП*:
130к - 360 000 ₽ 💰
Вакансий на hh: ~1000

🖥Системный аналитик (System Analyst)
Чем занимается:
• Описывает, как должна работать IT-система — создаёт детальную техническую документацию
• Собирает требования от бизнеса — общается с заказчиками и превращает их пожелания в чёткую техническую документацию для разработчиков
• Рисует схемы процессов — создаёт диаграммы, описывает логику работы функций, продумывает сценарии использования системы
Средняя ЗП*:
140к - 310к ₽ 💰
Вакансий на hh: ~4100

📊BI-аналитик (Business Intelligence Analyst)
Чем занимается:
• Строит дашборды и витрины данных — создаёт централизованные наборы данных с ключевыми метриками компании для быстрого доступа
• Создаёт удобные интерактивные отчёты — создаёт визуальные панели и регулярные отчёты для разных отделов компании
• Помогает всем отделам принимать решения — от маркетинга до финансов обеспечивает визуализированными данными для обоснованных бизнес-решений
Средняя ЗП*:
150к - 300к ₽ 💰
Вакансий на hh: ~1600

* - зарплаты указаны примерно для Москвы и крупных IT-компаний, в регионах суммы могут быть на 20-40% ниже

Лайфхак:

Честно говоря, за годы работы аналитиком данных я постоянно оказывался на пересечении всех этих ролей, и теперь знаю точно — есть набор знаний, которые нужны каждому аналитику 💯

Именно о них я и рассказывал в своём бесплатном туториале для начинающих аналитиков 👀

Ставь ❤️ если зашло