🎯 Карьера аналитика — страница 14

Примеры North Star метрик

Примеры NSM из Facebook, Netflix, Airbnb, Spotify, Uber. Как выбрать для своего продукта.

С чего начать изучение аналитики данных: первые 30 дней

С чего начать путь в аналитику: установка PostgreSQL, первые SQL-запросы, бесплатные ресурсы. Реалистичный план на первый месяц.

Seaborn: шпаргалка для аналитика

Seaborn: histplot, boxplot, scatterplot, heatmap, facet grid. Шпаргалка с примерами и задачами с собеседования.

Синдром самозванца в аналитике

Imposter syndrome у аналитиков: почему возникает, как с ним работать. Практические советы.

Сколько учиться на аналитика данных в 2026

Сколько нужно учиться, чтобы стать аналитиком данных: интенсив 2 месяца, стандарт 4-6, вечерний формат 8-12. Реалистичные сроки и от чего они зависят.

Структура собеседования на аналитика

Как проходит собеседование на аналитика данных: этапы, что спрашивают, сколько времени. Подготовка.

Техническое собеседование аналитика

Как проходит техническое собеседование аналитика: SQL, Python, статистика. Что спрашивают и как готовиться.

Валидация данных в аналитике

Валидация данных: проверки целостности, consistency, completeness, timeliness. Практики и инструменты для аналитика.

Вопросы по продуктовой аналитике на собеседовании

25 вопросов по продуктовой аналитике: метрики, кейсы, A/B, фреймворки. С короткими ответами.

Введение в Machine Learning для аналитика

Основы машинного обучения для аналитика: supervised/unsupervised, метрики, классификация, регрессия.

Задачи на продуктовые метрики на собеседовании

Задачи на DAU, MAU, ARPU, LTV, Retention, NPS с собесов аналитика. С решениями, декомпозицией и интерпретацией.

Задачи на визуализацию на собеседовании аналитика

Задачи по визуализации данных на собесах: выбор графика, ошибки визуализации, matplotlib, seaborn, dashboards. С разборами.

Задачи на воронки конверсии на собеседовании

Задачи на воронки с собесов аналитика: конверсия шагов, sequential funnel, drop-off analysis. SQL и pandas решения.

Apache Airflow — что это и зачем аналитику

Apache Airflow: что это, DAG, операторы, как работает ETL-пайплайн. Зачем аналитику знать Airflow. Вопросы с собеседования.

BI-инструменты для аналитика — какой выбрать

BI-инструменты: Tableau, Power BI, Metabase, DataLens, Looker. Сравнение, когда что использовать. Вопросы с собеседования аналитика.

Аналитик данных — кто это, что делает и сколько зарабатывает

Кто такой аналитик данных: обязанности, навыки, зарплата, типичный день. Как стать аналитиком и что спрашивают на собеседовании.

Что такое API и зачем оно аналитику данных

API простыми словами: что это, REST, JSON, как аналитик использует API для получения данных. Python-пример и вопросы с собеседования.

Что такое база данных и зачем она аналитику

Что такое база данных: таблицы, строки, столбцы, ключи. Реляционные и нереляционные БД. Зачем аналитику и какую выбрать.

Data Science — что это и чем отличается от аналитики данных

Data Science: что это, чем отличается от аналитики данных, какие навыки нужны. Data Scientist vs Data Analyst. Вопросы с собеседования.

Data Governance — что это и зачем аналитику

Data Governance простыми словами: управление данными, каталоги, lineage, качество данных. Что спрашивают на собеседовании аналитика.

Yandex DataLens — бесплатный BI-инструмент

Yandex DataLens: подключение данных, создание дашбордов, сравнение с Tableau и Power BI. Бесплатный BI для аналитика в России.

dbt — что это и зачем аналитику

dbt (data build tool): что это, как работает, модели, refs, тесты. Зачем аналитику знать dbt. ELT vs ETL. Вопросы с собеседования.

ETL — что это и зачем аналитику данных

ETL (Extract, Transform, Load): что это, как работает, инструменты. Зачем аналитику данных знать про ETL. Вопросы с собеседования.

Git для аналитика данных — зачем нужен и основные команды

Git для аналитика: зачем нужен, основные команды (init, add, commit, push, pull), GitHub. Вопросы с собеседования и практические примеры.

Jupyter Notebook — что это и зачем аналитику

Jupyter Notebook: установка, интерфейс, ячейки, горячие клавиши. Зачем аналитику данных и как начать работу.

Как аналитику использовать AI в работе

ИИ для аналитика данных: генерация SQL, очистка данных, гипотезы, визуализация. Как ChatGPT и Copilot помогают аналитикам в 2026.

Как перейти в аналитику данных из другой профессии

Пошаговый план перехода в аналитику данных: что учить, какие навыки нужны, как составить резюме и найти первую работу. Опыт реальных переходов из маркетинга, финансов, IT.

Тест Манна-Уитни — когда t-test не подходит

Тест Манна-Уитни (U-тест): когда применять вместо t-test, как работает, Python-пример. Вопросы с собеседования аналитика данных.

Машинное обучение — что это и зачем аналитику данных

Машинное обучение простыми словами: что это, типы (supervised, unsupervised), примеры задач. Зачем аналитику и вопросы с собеседования.

Ошибки на собеседовании аналитика — и как их избежать

Типичные ошибки на собеседовании аналитика данных: SQL, статистика, продуктовые кейсы, поведенческие промахи. Как их избежать.

Первые 90 дней аналитика в компании — пошаговый план

Первые 90 дней аналитика данных в новой компании: что изучить, с кем познакомиться, какие quick wins показать. Гайд для junior и middle.

RFM-анализ — сегментация клиентов для аналитика

RFM-анализ: Recency, Frequency, Monetary. Как сегментировать клиентов, SQL-расчёт, примеры сегментов. Вопросы с собеседования аналитика.

Собеседование junior аналитика — что спрашивают

Собеседование junior аналитика данных: типичные вопросы по SQL, Python, статистике. Что ожидают от джуна и как подготовиться за 2 недели.

Soft skills аналитика данных — что проверяют на собеседовании

Soft skills аналитика: коммуникация, презентация данных, работа с заказчиком, приоритизация. Что спрашивают и как отвечать на собеседовании.

Apache Spark для аналитика: когда Pandas не хватает

Apache Spark для аналитика: архитектура, PySpark, Spark SQL, сравнение с Pandas. Примеры кода и вопросы с собеседований.

SRM (Sample Ratio Mismatch) — что это и почему важно

SRM в A/B-тестах: что такое Sample Ratio Mismatch, почему возникает, как обнаружить. Хи-квадрат тест для SRM и вопросы с собеседования.

Tableau vs Power BI — что выбрать аналитику

Tableau vs Power BI: цена, визуализация, DAX, расчётные поля, источники данных. Какой BI выбрать аналитику. Вопросы с собеседования.

Вопросы рекрутеру и нанимающему менеджеру на собеседовании

30 вопросов, которые аналитик данных должен задать на собеседовании: про данные, стек, команду, процессы, рост. Что спрашивать и что ответы говорят о компании.

ARPU vs ARPPU — в чём разница и когда что считать

Разница между ARPU и ARPPU: формулы, когда что использовать, SQL-расчёт. Вопросы с собеседования продуктового аналитика.

CAC — что это и как считать стоимость привлечения клиента

CAC (Customer Acquisition Cost): что это, как считать, связь с LTV. SQL-примеры и вопросы с собеседования аналитика данных.

Чек-лист подготовки к собеседованию аналитика

Чек-лист подготовки к собеседованию аналитика данных: SQL, Python, статистика, A/B-тесты, продуктовые кейсы. План от 2 недель до дня X.

Как построить дашборд аналитика данных

Как построить дашборд аналитика: выбор метрик, структура, инструменты (Tableau, DataLens, Metabase). Вопросы с собеседования и примеры.

LTV — что это и как считать Lifetime Value

LTV (Lifetime Value): что это, как считать, формулы для подписок и e-commerce. SQL-примеры расчёта и вопросы с собеседования аналитика.

matplotlib для аналитика данных — гайд с примерами

matplotlib для аналитика данных: основные типы графиков, настройка, подписи. Какой график для какой задачи. Вопросы с собеседования.

Медиана vs среднее — в чём разница и когда что использовать

Разница между медианой и средним: когда что использовать, влияние выбросов, примеры из аналитики. Вопросы с собеседования аналитика данных.

Нормализация базы данных — 1NF, 2NF, 3NF простыми словами

Нормализация базы данных: 1NF, 2NF, 3NF простыми словами с примерами. Денормализация для аналитики. Вопросы с собеседования аналитика данных.

NSM (North Star Metric) — что это и как выбрать метрику Полярной звезды

North Star Metric (NSM): что это, как выбрать, примеры для разных продуктов. Вопросы с собеседования продуктового аналитика.

Продуктовая аналитика: полное руководство

Продуктовая аналитика от А до Я: ключевые метрики, фреймворки, инструменты. Retention, воронки, LTV, когорты, North Star — с примерами.