Рилсы вам точно заходят, а этот даже залетел неплохо

Всем хороших выходных 😌

Прочитай это перед тем, как работать в E-grocery 💙🍔🛒

Предположим, что ты уже подготовился к собеседованиям по гайду и обладаешь базовыми навыками аналитика.
Теперь ты собеседуешься аналитиком в Лавку, Самокат, Купер, Озон Фреш или другую подобную компанию, и тебя от заветного оффера отделяет лишь финал с командой 😱


Гарантирую, что тебе будет полезно знать метрики, которые используются в сфере e-grocery, чтобы быстрее решать кейсы и при этом проявить свою экспертизу/насмотренность. Я проработал в Лавке (не только курьером, но и аналитиком) уже более 1.5+ года и за это время успел ознакомиться с большинством метрик, применямых в решении задач бизнеса. Их понимание настроит тебя на нужный контекст и сэкономит время при решении кейсов на собеседовании, да и в рабочих задачах точно пригодится.

Основные метрики в ритейле/е-коме/e-grocery:

- GMV (Gross Merchandise Value): общая стоимость всех проданных товаров за определенный период. Ключевая метрика для оценки объема продаж и понимания масштабов бизнеса 🌟

- Маржинальность (Margin): показывает, какая доля прибыли остается после вычета себестоимости из GMV. Высокая маржинальность — это показатель эффективности ценообразования 💹

- Количество заказов (Orders) и продаж (Sales): простой и одновременно важный показатель, который позволяет следить за динамикой и трендами спроса 📦

- Количество SKU (Stock Keeping Unit): общее количество уникальных товарных позиций. Эта метрика помогает управлять разнообразием ассортимента и анализировать, какие товары больше всего интересуют покупателей 📊

- Списания товара (Write-offs): объем товара, который списан в связи с истечением срока годности или повреждением. Управление этой метрикой помогает минимизировать потери и улучшить контроль качества ⚖️

- OSA (On-Shelf Availability): доступность товара на полке. Например, если молоко было доступно для покупки только половину времени от времени работы магазина, то OSA будет равна 0,5. Таким образом метрика показывает, насколько эффективно пополняются запасы в магазине 🛒

- CTE (Click to Eat): время от создания заказа до доставки пользователю. Это ключевой показатель для оценки оперативности и логистической эффективности, а также важный фактор удовлетворенности клиентов ⏱️

- OPH (Orders per hour): количество доставляемых/собираемых заказов за час. При помощи этой метрики можно мониторить эффективность курьеров или спрос в конкретном районе 🛍

Кстати, сейчас пишу статью на Хабр про аналитику ценообразования в торговых сетях, поэтому в ближайшее время получится порадовать вас конкретными примерами, где эти метрики могут помочь

Что из аналитики в ритейле тебе интересно узнать на примере Лавки? Напиши в комментариях ⬇️

Мог бы танцевать на камеру в 2017, но теперь приходится работать в айти

Data Science теперь в ЕГЭ? 😳

Вместо того, чтобы лечь спать вовремя, я как обычно решил заняться саморазвитием и наткнулся в рилсах на обзор пробника ЕГЭ 2025 года по информатике 😦

Оказывается, в ЕГЭ по информатике теперь есть задание на кластеризацию из блока повышенного уровня сложности (см. условие задачи на картинке)

На всякий случай поясняю:
Кластеризация - это разбиение элементов некоторого множества на группы на основе их схожести

Например, у тебя есть данные о подписчиках телеграм-канала @rafalytics, которых при помощи алгоритма кластеризации можно разбить на 2 группы, в одной из которых окажутся неактивные пользователи, а в другой - самые лучшие подписчики канала 💋

В самом задании предлагается написать базовый и оптимизированный алгоритм кластеризации на основе Евклидова расстояния и применить его к набору данных 🤯

Вообще я очень люблю такие задачи, когда на примере несложной математики (без матриц и интегралов) показывают, что даже школьных знаний часто оказывается достаточно для решения практических задач. В доказательство этого, кстати, вспоминаю ученика из 11-го класса, которому я помогал подготовиться к направлению аналитики на стажировки и летние школы: в итоге он смог пройти в школу аналитиков обладая лишь хорошими знаниями школьной математики и сильным желанием 🧑‍🎓

Вернёмся к теме: теперь официально можно заявить, что в ЕГЭ проверяются знания из области анализа данных. Я даже готов сделать ставку, что в ближайшие ~4 года там появится задание на обучение линейной регрессии. И вместо соревнований на Kaggle у нас будет kЕГЭle 😻

А как вы относитесь к подобным заданиям на ЕГЭ? Норм или стрём? Отпишись в комментариях 👇

Обещанного повышения 3 года не ждут: советы от HR для аналитика, если ты решил искать работу в 2025 году

Я Марго, IT-рекрутер в Яндексе, нанимаю аналитиков, веду инст и тг-канал про карьеру. Ежедневно общаюсь с крутыми дата-специалистами и хочу поделиться лайфхаками, которые помогут в поиске лучшей работы.

1️⃣ Подготовь кейсы
На интервью часто просят рассказать про свои успешные (да, нужно уметь себя хвалить😏) и провальные кейсы (и как ты с ними разбирался). Лучше подготовь кейсы заранее, чтобы не лить воду и не уходить в сторону.

Схема для описания кейсов:
🔵Понять проблему (что болит у бизнеса?)
🔵Фреймворк решения (какие данные, методы и метрики используешь?)
🔵Выводы и next steps (что делать дальше?)

2️⃣ Развивай бизнес-мышление
Компании ценят аналитиков, которые понимают не только цифры, но и бизнес-контекст. Читайте про юнит-экономику, метрики в разных сферах (маркетинг, продукт, финансы), изучайте отчеты публичных компаний. Перед собесом почитайте подробнее про предметку этой компании.

3️⃣ Прокачай резюме
Резюме аналитика должно быть чётким, цифрованным и без воды. Для описания опыта используй формулу: что делал + при помощи какого инструмента + как это измерить.

4️⃣ Нетворкайся
Подписывайся на Telegram-каналы про аналитику, участвуй в митапах и хакатонах, посещай конференции. Нетворкинг — мощный инструмент поиска работы, особенно в 2025 году, когда рекомендации ценятся всё больше.

5️⃣ Расширяй стек и область задач
SQL — это база, а Python повышает вашу стоимость на рынке и открывает новые интересные задачи. Осваивайте BI-инструменты, чтобы уметь делать дашборды, изучайте ML, погружайтесь в исследовательские задачи и АБ-тесты. Чем больше разных задач вы решаете, тем больше возможностей открывается перед вами.

Желаю успехов с поисками, заклинаю всех на лучшие офферы🔮

Ну огонь же! Давай поддержим реакцией 🔥

Кстати, напоминаю, что на стажировку в Яндексе можно оформить рекомендацию. Сотруднику сделать рефку ничего не стоит, а вам будет полезно. Поэтому перед подачей заявки на сайте можно написать мне @rafaeldks, и мы оформим рекомендацию 🤝

А ещё давайте наберем над постом выше 100 реакций и я выложу ещё один бомбовый пост с советами, но уже с точки зрения рекрутера (на примере моей знакомой рекрутера из Лавки)

Что нужно знать аналитику, чтобы найти работу в 2025 году?

В марте и апреле происходит самый разгар набора на летние стажировки в бигтехе 🔥

Рассказываю с точки зрения аналитика, как увеличить свои шансы на успех:

1) Хард-скиллы 🧑‍🎓
Обязательно нужно знать всё, что ниже:

- SQL (select, where, group by, join, оконные функции) и Python с библиотеками анализа данных (Pandas, Matplotlib)

- Теория вероятности (комбинаторика, дискретная вероятность, условные вероятности, формула полной вероятности, теорема Байеса)

- Мат. статистика (точечное и интервальное оценивание, тестирование гипотез, дизайн экспериментов, доверительные интервалы)

- Моделирование: различные способы измерения поведения пользователей, основные продуктовые метрики

- Полезно (но не всегда обязательно) знать машинное обучение (лин. и лог.регрессия, решающие деревья, ансамбли, бустинги. Нейросети - это необязательно)

- Именно для ❤️ также полезно знать алгоритмы анализа и обработки данных, а также активно применяемые структуры данных (списки, стеки, деки, множества, словари, деревья)

Как это всё изучить смотри в этом посте

2) Резюме 📑
Оно нужно чтобы пройти первичный скриннинг и увеличить количество заинтересованных команд на финалах, если получится пройти все собеседования. Есть отдельный пост, как его написать с примером ✏️

3) Структура собеседований 💬
Недавно я искал стажёра-аналитика в нашу команду Лавки, вследствие чего получилось провести несколько собеседований, в том числе финальных. Исходя из этого могу дать банальный, но просто жесть какой рабочий совет: посмотреть примеры собеседований на ютубе (примеры: раз, два, три), чтобы понимать, как они проходят и что там могут спросить.

4) Уметь продавать себя 🛍
Подготовь и отрепетируй рассказ о себе, а также адаптируй его под сферу деятельности команды. Судя по опыту, только ~20% стажёров на финалах предварительно изучили, чем занимается собеседующая их команда до собеса. А ведь это по сути бесплатный способ увеличить свои шансы на успех, получив +respect от команды и, возможно, даже получить ответы на вопросы, которые тебе зададут на финальном собеседовании.

5) Оставить ❤️ на удачу под этим постом.
Без этого никак. Точка.

Как подготовиться к финальному собеседованию 😱

Помнишь, я рассказывал о том, как подготовиться к собеседованиям на аналитика?
Если да, то самое время поделиться с тобой волшебной таблеткой лайфхаками, как подготовиться к финальному собеседованию с командой, чтобы увеличить свои шансы на успех

Финальное собеседование (или "финал") - встреча или созвон с руководителем команды, в которой ты потенциально будешь работать. Команда со своей стороны хочет убедиться, что нанимает подходящего по своим запросам кандидата, а ты в свою очередь знакомишься с ней, принимая для себя решение, хочешь ли ты работать в такой команде и заниматься подобными задачами.

И в таком формате возникает проблема: у финального собеседования нет определённого формата. В зависимости от собеседующего и его настроения тебя могут спросить всё, что угодно: начиная от задачки на алгоритмы, заканчивая обычной беседой за жизнь, чтобы проверить что ты адекватный чел и с тобой можно комфортно взаимодействовать.

Исходя из таких вводных данных предлагаю следующий алгоритм подготовки:

1️⃣ После назначения финального собеседования попроси у рекрутера информацию о команде, мб ссылку на вакансию (чем подробнее, тем лучше, но сильно душнить тоже не надо). После этого ты идёшь в интернет и изучаешь там статьи/выступления экспертов на тему деятельности этой команды, смотришь на ключевые метрики, которые там могут использоваться 🌐
Например, тебе говорят, что собеседование будет с командой аналитики ценообразования Яндекс.Лавки.
В таком случае мы ищем материалы по запросу "ценообразование в ритейле" и находим видос, в котором слушаем про базовые подходы и обретаем некоторую экспертность в сфере деятельности команды 🧐
Ура! После этого тебе будет на порядок легче пройти собес в отличие от кандидата, который не позаботился о том, чтобы узнать об этом. Одно только это действие уже даёт тебе бОльшую часть результата

2️⃣ Подумай о том, как ты будешь презентовать себя свой предыдущий опыт в контексте новой команды. Если позаботишься об этом, то сможешь лучше себя "продать", а ещё на собеседовании не сложится ощущение, что твой предыдущий опыт вообще неприменим к текущим запросам команды.
И да, не нужно затягивать рассказ о себе, пусть он будет на пару минут и с выделением основных достижений, его можно отрепетировать в спокойной обстановке 🤟

3️⃣ Подготовь вопросы. Немного странно, когда у кандидата нет вопросов к команде, поэтому позаботься об этом заранее
Например, какой формат работы? Будет ли сотрудник, помогающий в адаптации? Какими задачами я буду заниматься? 👨‍💻

Не забывай, что успешных финальных собеседований у тебя будет намного меньше, нежели технических и других предварительных. Например, я успешно прошёл лишь 2 из 8 финальных собеседований в Яндексе за время моей работы - и это норм 🫡

Делись постом с другом, который проходит финалы, а также согрей пост огоньком 🔥 и клубникой 🍓