Последние посты
Аналитика данных / Data Study
22 сент., 11:53
Задумываетесь ли вы, что AI-агенты уже сейчас сами принимают решения в физическом мире?И я хочу сказать, что это происходит в крупных бизнесах, которыми мы с вами пользуемся ежедневноПослушал доклад Станислава Макеева «AI-managed Лавка: как AI становится управляющим слоем физического мира»Главные мысли, которые зацепили:🎒 Самой Лавке уже 7 лет и, как и любой оффлайновый бизнес, она обросла множеством процессов, завязанных на людей. Встроить в эти процессы AI-агентов становится непростой задачей, поэтому внедрение идет постепенное: сначала AI-агент дает рекомендации по процессу, супервайзер валидирует эти решение. Потом, AI можно отдавать принятие решений и валидировать их на более высоком уровне через бизнес-метрики и других агентов.🎒 Второй подход - это представить, что Лавка строится с нуля, но естьАналитика данных / Data Study
21 сент., 13:51
Команда DevCrowd запустила ежегодное исследование специалистов по работе с данными.В этом году фокус на том, как меняется профессия: что AI реально сделал с составом работы, где проходят границы между дата-сайентистом, ML- и MLOps-инженером, что происходит с порогом входа в профессию и рынком труда. Часть вопросов задается третий год подряд, что дает реальную динамику, а не просто срез.Опрос анонимный, у меня занял до 15 минут. В ноябре ребята опубликуют отчет с результатами.Пройти опрос здесь ➡️ https://survey.devcrowd.ru/data-2026Аналитика данных / Data Study
20 сент., 11:25
🎯 Задача с собеседованияЕсть таблица transactions с транзакциями клиентов. Для каждого клиента нужно посчитать выручку за последние 90 дней, а также долю выручки от топ‑3 категорий в этой сумме. При этом в отчёт должны попасть только клиенты, у которых общая выручка за период больше 50 000 ₽Это часто попадающиеся формулировки задач на интервью, здесь проверяют сразу несколько вещей — работу с датами, оконные функции, агрегацию с фильтрацией по результату и умение не усложнять запрос лишними слоями.Решение: WITH client_stats AS ( SELECT client_id, category, amount, SUM(amount) OVER (PARTITION BY client_id) AS total_client_revenue, RANK() OVER ( PARTITION BY client_id ORDER BY SUM(amount) OVER (PARTITION BY client_id, category) DESC ) AS category_rank FROM transactions WHERE created_at >= CURRENT_DATE - INTERVAL '90 days' )Аналитика данных / Data Study
18 сент., 16:03
Автоматизация процессов - одна из самых популярных задач аналитиков, это подтверждают и опросники.Это очень точно подметили в подкасте «Доверительный интервал». Но самое интересное в том, как аналитики уже используют AI для своих задач.Очень близка мысль от Саши Исакова (руководитель группы разработки аналитических ИИ-решений в Лавке) про Knowledge Base. Это единое место, где описываются данные, метаданные, методологии расчета метрик, созданные дашборды и многое другое.Это позволяет использовать все накопленные знания и работы аналитиков для использования в AI-инструментах.Представьте, у вас есть чат с ИИ, который в курсе всего, что сделала когда-либо ваша аналитическая команда. И это может ускорить работу самому аналитику над написанием новых скриптов, поиском данных, разработки дерева метрик. Так и снять с него часть рутины, например adhoc-задачи, ответы на вопросы в чате иАналитика данных / Data Study
16 сент., 12:21
«Пока отложу обучение, т.к. нет сейчас возможности применять это на работе»➡️А может ты не видишь возможность, потому что не знаешь как ее реализовать?➡️Может ты сам не можешь создать эту возможность и поменять подход к работе, потому что насмотренности нет, которую обучения дают?➡️Может ты не можешь найти другую работу, потому что не хватает тех самых навыков, которые пока откладываешь изучать?Лично мне приходят идеи как применять тот или иной навык после того, как я на обучении пойму на примерах и практике как другие люди используют это.И после у тебя открываются глаза как-будто шире, начинаешь видеть и притягивать возможности к себе, а не «ждать» когда меня спросят и после этого идти учиться этому.У маленьких детей кажется больше желания узнавать новое и находить тут жеАналитика данных / Data Study
16 сент., 08:28
простая уловка с алиасами колонок в SQLдело в том, что обычно СУБД названия столбцов таблицы воспринимают на латинице в нижнем регистре. А если нужно использовать смешанный регистр или перейти на кириллицу, то нужно применять кавычки.COALESCE(cost, 0) AS CurrentPrice — колонка будет в итоге в нижнем регистре currentpriceCOALESCE(cost, 0) AS "CurrentPrice" — колонка будет с названием точно таким как его указали в кавычкахCOALESCE(cost, 0) AS "Текущая цена" - или так сразу на русском задать название для выгрузки, а не менять его потом в Python или вручную.Аналитика данных / Data Study
14 сент., 07:02
Как усилить навыки, чтобы получить повышение 💰 уже в ближайшее времяБизнесу важен результат. И чем быстрей и лучше может дать результат сотрудник, тем больше ему готовы платить.А теперь сравните 2 сотрудников:Петя - умеет писать SQL запросы, выгружать результат в файлы и вручную собирать из них отчеты. Если задача сложнее, то придется писать ТЗ на другой отдел, чтобы реализовали задачу.Маша - умеет работать как Петя, но может делать лучше. Она автоматизирует те задачи, которые понимает что должны выполняться периодически. Если ей нужно построить отчет, для этого она сама может собрать данные, обработать их, подготовить отчет и поставить весь этот процесс на автоматику. Ей не нужно тратить время на ТЗ и ждать выполнение задачи от другого отдела.Кто в рамках одной компании из этих сотрудников имеет все шансы получать больше другого?Конечно Маша. Результат для компании и в том
Аналитика данных / Data Study
12 сент., 08:45изменён
Вся правда про текущий рынок трудоустройстваОлег, ученик июльского потока курса, столкнулся с реальностью текущего рынка труда.Рынок работодателя это: - высокий конкурс на вакансию - компания управляет вилкой зарплаты и находится в более сильной позиции чем кандидат, потому что желающих много - меньше «хантинга» и предложений в личку, активность идет больше от соискателей работыПоэтому компания чувствует себя так скажем «вальяжно» в плане выбора кандидатов и это сказывается на скорости их обратной связи.ПОЧЕМУ МОГУТ ВЫБРАТЬ ДРУГОГО, А НЕ ТЕБЯ? Не надо сразу искать изъяны в себе, с тобой и твоими компетенциями может быть все хорошо. Но вот несколько хотя бы примеров, которые могу повлиять на выбор:- человек оценивает себя ниже чем ты. В виду всех прочих равных конечно компания захочет сократить затраты на те же задачи- отвечали более уверенно, без стеснения, произвели по
Аналитика данных / Data Study
10 сент., 16:13
Кейс с собеседований на SQLВ истории заказов хранится несколько строк на один order_id с разными статусами и датами обновления. Необходимо оставить строки с последним актуальным статусом, не применяя JOIN.➡️ Решение: используем ROW_NUMBER(), чтобы пронумеровать версии по дате и взять последнюю актуальнуюWITH ranked_orders AS ( SELECT , ROW_NUMBER() OVER ( PARTITION BY order_id ORDER BY updated_at DESC ) AS rn FROM orders_history ) SELECT order_id, status, updated_at, amountАналитика данных / Data Study
10 сент., 09:36
Такая мысль крутитсяВсе чем мы пользуемся, создано другими людьми. А эти созданные продукты собраны на компонентах, созданных еще другими людьми. И так множество шагов вниз, пока не дойдешь до ФИЗИКИ.Например, я как аналитик пишу SQL и пользуюсь для этого программой DBeaver .🔹Я - пользователь, а есть разработчики и аналитики этой программы. 🔹Дальше эта программа работает на операционных системах. У каждой системы есть свои разработчики и аналитики. 🔹Сами операционные системы работают на девайсах (ноутбуки, телефоны и т.п.). Девайсы разрабатывают огромное число вовлеченных в процесс людей - инженеры, конструкторы, дизайнеры и т.д. 🔹Девайсы собраны из компонентов: процессор, память, экран батарея и т.д. Каждый компонент - это отдельный сложный процесс производства с своими умными людьми. 🔹А дальше самый интересный и загадочный уровень - ФИЗИКА. Чтобы любое физическое устройствоАналитика данных / Data Study
9 сент., 08:02
Нам пришлось сломать стандартный подход DWH, чтобы повысить качество данныхКажется странным, да? Вроде стандарты создаются, чтобы улучшать подходы, процессы, продукты. Но в нашем случае привычный подход просто не работал.Мы всё время не сходились по количеству пользователей и актуальности данных между источником и DWH.Дело в том, что нужная нам таблица отличается от всего остального. Стандарты DWH заточены на событийные данные, где каждое событие хранится в своей строке или одни типы событий агрегируются по части полей.Но у нас одна строка должна содержать и агрегировать внутри себя множество событийных данных клиента из разных источников: регистрации, авторизации, удаления, коммуникации, установки приложений и т. д.Стандартный подход DWH: инкремент по дате.Наш подход: инкременты по дате каждого типа событий + общий инкремент по ID пользователей, исходя из первых инкрементов.
Аналитика данных / Data Study
7 сент., 09:50
Каждый день сталкиваюсь с какими-то трудностями с доступом к сервисам. Сейчас вот Cursor перестал работать на территории РФ, теперь только под впн отвечает(Сами впн постоянно меняются, бывают частично недоступны и это вызывает кучу неудобств для ведения канала, а вам для чтения.Основной канал все равно планирую вести здесь, но настроил все таки репостинг в MAX. Кому там удобней читать материалы без танца с бубнами, велкомКанал в MAXАналитика данных / Data Study
3 сент., 12:46изменён
🎯 Всего один фактор в разы увеличивает успех прохождения собеседованийЭто не накрученный опыт, ИИ-агент или зубрежка теории.➡️Это уверенность в себе: в своих знаниях и своем практическом опыте.Недавно получил сообщение от ученика с курса, он сейчас проходит технические собеседования.Потому что когда не делал вживую все равно чувствуется неуверенность. А когда хотя бы раз сделал сам или по примеру то другое дело. даже сложный дашборд готов был сверстать хоть из таблицы хоть с построением витрины))) За виды витрин и типы обновлений так рассказал,как будто каждый день делаю.Именно это чувство «как будто делаю каждый день» и есть главный маркер сильной кандидатуры и уверенности на собеседовании. Когда не просто догадываешься или размышляешь как сделать задачу, а когда ты уже прожил подобный опыт и рассказываешь как это сделал бы повторно. И
Аналитика данных / Data Study
2 сент., 14:29
Чем мне помогает ИИ на реальных задачах аналитика данныхПо моим наблюдениям есть 3 лагеря людей 1. "ИИ не может помочь мне в моих задачах потому что ..." 2. "Я делаю практически все через ИИ, хотя сам этого никогда не делал" 3. "Использую ИИ как помощника, который ускоряет мой процесс работы и снимает часть рутины и объема, но главные вещи я делаю сам"Первый и второй лагерь - это две крайности. Одни игнорируют удобство ИИ, а другие им злоупотребляют и с небольшими собственными техническими навыками сильно полагаются на него. Я отношусь к 3-му лагерю и называю это "осознанное использование" 😁, где ИИ реально экономит 3–5 часов в неделюНапример, часть моих сценариев🔹 Генерация и проверка SQL и Python кода по ТЗ/задаче. Даёшь ИИ описание и сэмпл данных: «Нужно посчитать LTV по когортам, окно 12 месяцев, исключить возвраты, группировка по source и country» — и получаешь рабочий
Аналитика данных / Data Study
1 сент., 08:36
🎉 С Днём знаний, друзья! 📚Пусть новые знания даются в радость, а не через «надо», и сразу находят применение — в крутых запросах, в аккуратных витринах, в решениях, за которые не стыдно. Пусть каждая строчка кода становится не просто упражнением, а маленьким шагом к уверенному «я это умею». 💪А если хочется, чтобы теория не висела в воздухе, а сразу ложилась в практику — я как раз готовлю группу к старту 14 сентября. Там всё про реальные задачи, инструменты и навыки, которые реально спрашивают на собеседованиях.Обучение созданию аналитических витрин и автоматизации потоков данныхdatastudy.ruПродвинутый SQL и автоматизация витрин данныхЗа 1.5 месяца научитесь создавать витрины данных с помощью SQL и автоматизировать их обновление в Apache Airflow и не толькоАналитика данных / Data Study
26 авг., 17:31
Счастливый на рыбалке в месте, где провел все незабываемое детство 😊
Аналитика данных / Data Study
24 авг., 13:25
CTE + рекурсия: когда нужно «пройтись» по иерархии данныхЕсть задачи, где данных недостаточно «плоских» таблиц: нужно подняться по иерархии (от подчинённого к руководителю), спуститься по дереву категорий или пройти по цепочке транзакций. Тут выручают рекурсивные CTE — мощная штука, про которую многие вспоминают только тогда, когда обычный JOIN уже не спасает.Конструкция простая по форме, но очень эффективная: WITH RECURSIVE имя_cte AS ( -- Базовый случай (с чего начинаем) SELECT ... UNION ALL -- Рекурсивный шаг (как переходим дальше) SELECT ... FROM имя_cte JOIN ... ) SELECT FROM имя_cte;Есть типичный формат иерархической таблицы, где фиксируется сам объект и его родительский id. К примеру давайте посмотрим на категории товаров, когда например для товара есть целый путь категорий ("Для мужчин" - "Верхняя одежда" - "Зима" - "Куртки"). В итоге с помощью рекурсии для каждого объектаАналитика данных / Data Study
17 авг., 16:49изменён
Мой любимый, но редкий вид офисаСпасибо моей профессии, что она позволяет работать из любой точки 🙏В целом по жизни заметил, что моя одна из основных ценностей - это свобода. Терпеть не могу, когда нужно быть загнанным в работе, жизни, отдыхе, досуге в какие-то рамки. Хочу принимать решение сам, делать то что я внутри себя желаю и хочу, но при этом это никогда не выражается во мне как «бунтарство», или не выполнение своих обязанностей. Когда процессы выстроены правильно, они в любом случае оставляют человеку свободу выбора, частичку творчества и разнообразие решений, будь то рабочие процессы или бытовые вопросы.Увы, сейчас глобально все тяжелее ощущать вокруг себя то что мне ценно. ВСЕ вокруг вызывает неудобства и постоянную тревожность. Думаю, что сейчас я далеко не один такой.Желаю каждому из вас вокруг себя по максимуму создавать и удерживать ту уютную и спокойную среду, на
Аналитика данных / Data Study
11 авг., 14:16
Кормили нутрий в Туле, рекомендую 😉Аналитика данных / Data Study
6 авг., 16:35
Применяю SQL потому что лень писать на Python)Решал типовую рабочую задачу. Суть в том, что данные были получены с помощью python и по датасету нужно было сделать несколько преобразований и вычислений метрик.Преобразования сами по себе стандартные: фильтрация, агрегация, сортировка. Можно взять написать все эти операции с помощью pandas к уже имеющемуся датафрейму.Но мне так стало лень писать несколько строк кода на python, что для меня было проще написать всю логику в одном select запросе на sql 😁 Вы спросите "нафига так делать???" чтобы применить sql данные нужно положить в базу данных Нет, точнее не всегда) Данные остались в том же датафрейме, а обработку я сделал с помощью pandasql.Простой пример применения и сравнения pandas VS pandasql 👇 import pandas as pd from pandasql import sqldfdata = { 'product_id':
