🎯 Карьера аналитика — страница 7
Карьерная часть: как готовиться, что писать в резюме, сколько платят и как проходят этапы отбора.
690 материалов · страница 7 из 15
Как найти причину падения метрики
Фреймворк расследования причины падения метрики. Сегментация, timeline, диагностика.
Как написать аналитический отчёт
Структура аналитического отчёта: executive summary, methodology, findings, recommendations.
Как общаться на английском на собесе аналитика
English для аналитика: common phrases, vocabulary, tips для international interviews.
Как обсудить оффер и контроффер
Переговоры по офферу аналитика: как торговаться, обсудить зарплату, контроффер.
Как отличить корреляцию от причинности
Practical guide: как определить причинно-следственную связь в данных. Confounders, RCT, observational studies.
Как отвечать на market sizing вопросы
Market sizing вопросы на собесе: фреймворк Ферми, примеры, частые ошибки.
Как перейти из разработчика в аналитика
Карьерный переход из developer в аналитика данных. Shared skills, что учить, как позиционировать.
Как писать postmortem в аналитике
Шаблон post-mortem после инцидентов в аналитике: как structure, что включить, как avoid blame.
Как писать техспеку для дашборда
Технические требования (спека) дашборда аналитики: шаблон, что включить, примеры.
Как попасть в big tech аналитиком
Что полезно знать русскоязычному аналитику, который рассматривает карьеру в международных tech-компаниях: процесс, подготовка, альтернативы.
Как построить ETL-pipeline для аналитика
ETL vs ELT, архитектура, tools. Practical guide analytical pipelines.
Как писать commit messages аналитику
Git best practices для аналитика: commit messages, branches, code review.
Как пройти собес с PM
Раунд продакт-менеджера на собесе: чего ждать, как готовиться, типичные вопросы.
Как пройти поведенческое собеседование
Behavioral round для аналитика: STAR метод, типичные вопросы, примеры ответов.
Как пройти собеседование аналитика в финтех
В чём специфика собесов в финтех-компаниях и банках: SQL, статистика, риск и скоринг, продуктовая аналитика.
Как пройти собес в стартап аналитиком
Чем собеседование в стартап отличается от корпоративного: скорость, широта задач, equity, риски.
Как продвигать data-driven культуру
Как аналитику продвигать принятие решений на данных в компании. Практические приёмы.
Как проверить гипотезу в продукте
Hypothesis testing в продукте: формулировка, проверка без A/B, validation framework.
Как проводить Root Cause Analysis
RCA в аналитике: методы 5 Whys, fishbone, Pareto. Как докопаться до корневой причины.
Как развить data-intuition
Data intuition: как развить sense для numbers. Tricks, практика, frameworks.
Как успевать учиться в аналитике
Self-learning стратегия для аналитика: что учить, где брать, как найти время.
Что делать после увольнения аналитику
План действий аналитика после увольнения / layoff: emotion, поиск работы, preparation.
Как выбрать правильную метрику для фичи
Как выбрать главную метрику запускаемой фичи. Framework и примеры.
Как построить систему метрик продукта
Как выстроить иерархию метрик продукта: NSM, inputs, team-level. С примерами.
Как заслужить влияние как аналитик
Как аналитик получает влияние в компании: повторяющиеся победы, отношения, коммуникация.
Как показать ROI от аналитики
Как measure и communicate impact аналитики. Примеры, frameworks, reporting к стейкхолдерам.
Какие вопросы задавать на собесе аналитика
Правильные вопросы, которые покажут ваш уровень и помогут выбрать работу аналитика.
Как закрепиться в аналитике за первый год
Первый год analyst: что learn, что achieve, как grow. Roadmap для junior.
K-nearest neighbors для аналитика
KNN простыми словами: алгоритм ближайших соседей для classification и recommendations.
Lead scoring для аналитика
Lead scoring: как ранжировать потенциальных клиентов. Методы, метрики, применение.
Линейная регрессия для аналитика
Линейная регрессия для аналитика: интерпретация коэффициентов, assumptions, когда использовать.
Looker и LookML для аналитика
Looker и LookML: BI для enterprise. Semantic layer, Explores, dashboards.
Metabase для аналитика
Metabase: open-source BI. Обзор возможностей, настройка, сравнение с альтернативами.
Mixpanel для аналитика
Mixpanel для аналитика: events, funnels, retention. Сравнение с Amplitude.
ML vs Deep Learning для аналитика
Difference между classical ML и deep learning. Когда что использовать для аналитика.
Monte Carlo симуляция для аналитика
Monte Carlo для аналитика: симуляция, prediction intervals, risk analysis. С примерами.
NLP для аналитика: базовое
Базовые NLP задачи для аналитика: tokenization, sentiment, topic modeling, embeddings.
Как выбрать North Star метрику
North Star: единая главная метрика продукта. Критерии выбора, примеры из топ-компаний.
PCA для аналитика
PCA (метод главных компонент): dimensionality reduction. Интуиция, применение.
Первые 90 дней аналитика в новой компании
Что делать аналитику в первые 3 месяца в новой компании. Онбординг, быстрые победы, отношения.
Почему A/B-тесты проваливаются
Common reasons A/B tests fail: false positives, methodological errors, misinterpretation.
PostHog для аналитика
PostHog: open-source product analytics. Events, funnels, feature flags, session recordings.
Продуктовое мышление для аналитика
Как развивать продуктовое мышление аналитику. От «SQL-обезьянки» до продуктового аналитика.
Random Forest для аналитика
Random Forest: bagging + trees. Когда использовать, hyperparameters, сравнение с XGBoost.
Рекомендательные системы для аналитика
Recommendation systems: collaborative, content-based, hybrid. Метрики и применение.
Шпаргалка BI и визуализации
BI-инструменты, типы графиков, dashboard design. Quick reference.
Классические SQL задачи собесов
Классические задачи собеса: Second highest, Top-N per group, Running total, Duplicates. С решениями.
Шпаргалка по ML для аналитика
ML концепции для аналитика: алгоритмы, метрики, evaluation. Quick reference.