🎯 Карьера аналитика — страница 11

Задачи на даты SQL на собеседовании

Подборка задач на работу с датами в SQL: DATE_TRUNC, INTERVAL, расчёт разницы, когортный анализ, праздники.

Задачи на подзапросы SQL на собеседовании

Подборка задач на подзапросы SQL с собеседований аналитика: скалярные, коррелированные, вложенные. Разборы и решения.

ARIMA: классический метод прогнозирования временных рядов

ARIMA модель: компоненты, параметры, когда применять. Альтернативы (Prophet, экспоненциальное сглаживание). С примерами.

Attribution models: как распределить заслугу между каналами

Модели атрибуции: first-touch, last-touch, linear, time-decay, data-driven. Примеры и когда что использовать.

CAC Payback Period: за сколько окупается клиент

CAC payback period — за сколько месяцев клиент окупает затраты на его привлечение. Формула, бенчмарки, улучшение.

Case interview для аналитика: как решать и готовиться

Case interview у аналитика данных: типы кейсов, framework решения, примеры вопросов и рекомендации.

ACV (Annual Contract Value): что это и зачем

ACV простыми словами: годовая стоимость контракта в B2B SaaS. Формула, чем отличается от ARR и MRR, примеры расчёта для многолетних контрактов.

Causal inference: как отличить корреляцию от причинности

Causal inference — методы оценки причинно-следственных связей. Чем отличается от корреляции, AB-тесты, DiD, IV, propensity score и matching. С примерами для аналитика.

Customer Health Score: как предсказать churn

Health score — комбинированная метрика здоровья клиента. Компоненты, веса, использование для customer success.

ICP: Ideal Customer Profile для B2B SaaS

Как определить ICP — ideal customer profile. Критерии, процесс разработки, применение в маркетинге и продукте.

TAM, SAM, SOM: размер рынка для B2B и стартапов

TAM, SAM, SOM: что это, как считать top-down и bottom-up. Market sizing для презентаций инвесторам и планирования.

Design дашбордов: best practices для аналитика

Как проектировать эффективные дашборды: структура, метрики, layout, визуализация. Для Tableau, Power BI, Metabase.

Data storytelling: как рассказывать истории через данные

Искусство data storytelling: структура, визуализация, нарратив. Как сделать insights actionable для бизнеса.

DBSCAN: кластеризация на основе плотности

DBSCAN — алгоритм плотностной кластеризации. Как работает, параметры, отличие от KMeans, примеры в Python.

Difference-in-Differences: метод quasi-экспериментов

DiD — метод оценки causal effect без рандомизации. Формула, assumptions, примеры применения в бизнесе.

DuckDB для аналитика: OLAP прямо в Python

DuckDB: быстрая аналитическая БД встраиваемая в Python. Примеры использования с parquet, CSV, pandas и jupyter.

Expansion revenue в SaaS: как измерить и растить

Expansion revenue — ключевой источник роста SaaS. Виды expansion, как считать, типичные стратегии.

EXPLAIN ANALYZE: как читать план запроса

Как читать EXPLAIN ANALYZE в PostgreSQL: seq scan, index scan, hash join, nested loop. Поиск узких мест.

Full text search в PostgreSQL: tsvector и tsquery

Полнотекстовый поиск в Postgres: tsvector, ранжирование, русский язык, индексы GIN. Для аналитика и разработчика.

Hyperparameter tuning: методы подбора гиперпараметров

Подбор гиперпараметров в ML: Grid Search, Random Search, Bayesian Optimization, Optuna. С примерами.

Как документировать аналитические задачи

Структура хорошего аналитического документа: вопрос, методология, находки, рекомендации. Шаблоны и примеры.

Как задавать правильные вопросы стейкхолдерам

Искусство уточнять бизнес-задачи: фреймворк вопросов, типичные ловушки, шаблоны для аналитика.

Оффер аналитика: как получить и договориться об условиях

От финального интервью до подписания оффера: оценка, переговоры, сравнение. Практические советы.

Карьерный путь аналитика данных: от junior до lead

Траектория карьеры аналитика: junior, middle, senior, lead. Навыки, ожидания, переходы между уровнями.

Magic Number: метрика эффективности роста SaaS

SaaS Magic Number — отношение нового ARR к затратам на S&M. Формула, бенчмарки, применение.

Мультиколлинеарность в регрессии: как обнаружить и решить

Мультиколлинеарность — когда фичи сильно коррелируют. Проявления, VIF, методы борьбы, когда не страшно.

Первые 30-60-90 дней аналитика на новой работе

Как стартовать на новой позиции аналитика: онбординг, первые задачи, знакомства, быстрые победы. План на 3 месяца.

Propensity Score Matching: оценка эффектов в observational data

PSM — метод мэтчинга treated и control по propensity score. Как работает, шаги, плюсы, минусы.

Как аналитик работает с ML-командой

Роль аналитика в ML-проектах: data preparation, feature analysis, model evaluation, production monitoring.

Резюме аналитика данных: структура, советы, примеры

Как составить сильное CV аналитика данных: секции, ключевые achievements, ошибки. С примерами для junior и senior.

Rule of 40: баланс роста и прибыльности в SaaS

Rule of 40 — сумма роста выручки и FCF margin. Формула, бенчмарки, применение в оценке SaaS.

Работа со стейкхолдерами для аналитика: как работать с PM и руководством

Как управлять ожиданиями стейкхолдеров, презентовать работу, говорить «нет». Практика для аналитиков.

Streamlit для аналитика: data apps за час

Streamlit: как сделать интерактивный data app из Python-скрипта. Примеры для аналитика и демо ML-моделей.

Survival analysis в продуктовой аналитике

Survival analysis — метод для анализа time-to-event данных. Kaplan-Meier, Cox regression, примеры для churn и retention.

Декомпозиция временного ряда: тренд, сезонность, шум

Decomposition временного ряда на trend, seasonality, residual. Additive vs multiplicative модели, STL, примеры.

Window functions advanced: ROWS BETWEEN и LAG-трюки

Продвинутые оконные функции: frame clauses, LAG/LEAD с offset, скользящие окна, отслеживание изменений.

Airflow для аналитика: шпаргалка

Apache Airflow для аналитика: DAG, operators, scheduling. Шпаргалка для junior-middle.

Аналитик данных vs Data Scientist

Чем отличается аналитик данных от Data Scientist в 2026: задачи, навыки, зарплаты, путь входа. Какую профессию выбрать.

Аналитик в банке: особенности работы

Работа аналитика в банке: задачи, стек, зарплаты, отличия от IT-компаний. Для тех, кто идёт в финтех.

Аналитик в e-commerce: особенности

Работа аналитика в e-commerce: ключевые метрики (GMV, AOV, CR, retention), задачи, стек, зарплаты.

Аналитик в финтехе: особенности

Работа аналитика в финтехе: задачи, отличия от банка и IT, зарплаты, стек. Тинькофф, Revolut, Райффайзен.

Аналитик в gaming: особенности

Работа аналитика в игровой индустрии: метрики (ARPDAU, D1-D30 retention), специфика mobile и PC, зарплаты.

Аналитик в маркетплейсе: особенности

Работа аналитика в маркетплейсе (Ozon, Wildberries, Яндекс.Маркет): задачи, метрики, зарплаты.

Аналитик в медиа: особенности

Работа аналитика в медиа и контент-продуктах: метрики просмотров, retention читателей, монетизация.

Аналитик в SaaS: особенности

Работа аналитика в SaaS: метрики MRR / ARR / NRR, retention подписки, специфика B2B и B2C.

API для аналитика: практический гайд

API для аналитика данных: REST, GET/POST, JSON, requests в Python. С примерами для marketing и продукта.

Что нужно знать аналитику данных: навыки для junior

Полный список навыков, которые нужны аналитику данных в 2026: SQL, Python, статистика, метрики, BI, soft skills. С приоритетами и ссылками.

Что такое активация и activation метрика

Activation metric: определение, примеры (aha moment), как измерять. Для продуктового аналитика.