Два отзыва моих менти Две истории с разной скоростью. Это слова самих ребят, убрал только имена и названия компаний. Оффер мидла за шесть месяцев Шесть месяцев в сумме: подготовка, а потом около двух месяцев активных собесов. Хоть и молод, со всеми требованиями справлялся и выполнял их без проблем. Всего за два месяца активных собесов дали оффер на позицию мидла дата аналитика. На входе у меня было: база sql, немного питона и, самое главное, желание устроиться сразу на мидла, дабы не тратить пол года на стажировку без гарантии о трудоустройстве в штат. Самому проделать такой путь было бы долго, поэтому я обратился к Богдану - моему ментору, с которым успешно удалось вкатиться в аналитику. Началось все с роадмапа и резюме, таким образом не торопясь изучал только нужные технологии и, как оказалось, узнал много нового. Так же проходил с Богданом мок-собесы, в результате чего получал обратную связь о пробелах в той или иной теме. Изучив весь нужный стек и написав красивое резюме, я отправился на рынок проходить собесы, записывая каждый из них. Богдан разбирал записи собесов и возвращался с обратной связью, что значительно ускорило получение заветного оффера. Собесов у каждого начинающего будет много, и в самом начале зачастую работодатели будут заваливать вас и кидать реджект - тут главное не останавливаться, а делать выводы, пересматривать эти созвоны и двигаться дальше. В любой момент можно обратиться к Богдану с любым вопросом и получить подробный ответ. По итогу, я настоятельно рекомендую менторство с Богданом, это действительно ускоряет процесс получения оффера и понимания самой сферы аналитики. А Богдану отдельная благодарность за проделанный путь, уже завтра трудоустройство и начало испытательного срока. Из маркетинга в аналитику за девять месяцев Богдан, огромное спасибо тебе за этот путь! Я пришла с маркетинговым бэкграундом и изначально хотела полностью уйти из текущего направления в аналитику. Но уже в процессе погружения поняла, что аналитика не заменяет мои наработанные навыки, а усиливает их. Мой путь получился небыстрым, во многом из-за моей прокрастинации. Отдельно благодарю тебя как ментора за терпение и умение вовремя подтолкнуть к действию. Картина по срокам далека от идеальной: на новую позицию я вышла спустя 9 месяцев, но главное для меня результат. К урокам я отношусь очень внимательно. Спасибо, что, несмотря на пометки «не вникать слишком глубоко», когда мне не хватало материала, ты назначал дополнительные встречи или в тот же день присылал дополнительные практические разборы и теоретические конспекты. По итогам нашей работы мне удалось выйти в IT-компанию с аккредитацией, повысить уровень дохода и узнать много нового. Я по-настоящему полюбила такой подход к работе с данными. Что касается резюме: до сих пор мне приходят приглашения от крупных компаний, в том числе из бигтеха. При этом я так и не внесла все правки по кейсам, но результат появился сразу, как только резюме немного отлежалось. Разговоры о том, что на hh нет вакансий и работу не найти, не соответствуют действительности: с грамотно проработанным резюме рынок полон возможностей. Спасибо за рекомендации и за умение раскрыть грейд под мой индивидуальный запрос. Благодаря мок собесам я знала, что и когда говорить, и не боялась завалиться ни на одном этапе собеседования. Хочу, чтобы мой кейс показал твое менторство не только в смене профессии, но и в усилении профиля специалиста. Если вернуться к началу, пошла бы я на эту авантюру снова? Да, на 100%. Выбрала бы другого наставника? На 100% нет) Спасибо тебе! И отдельное спасибо за возможность прийти за советом и после завершения этого пути. Если хочешь так же Сроки у всех разные, многое зависит от базы, времени и рынка. Как это выглядит у меня: ➖ Роадмап под цель ➖ Созвоны раз в неделю и связь между ними ➖ Резюме и легенда ➖ Мок-собесы и разбор записей ❤️‍🔥 Подписывайтесь и поддержите канал бустом ↗️ Менторю и помогаю выйти на оффер, записаться можно в боте ❓ А вы записываете свои собесы и пересматриваете их после? @data_driven_bogdan

Ratio-метрики: почему обычный t-тест тут обманывает CTR, заказы на сессию, выручка на заказ, доля отказов. Эти метрики считают каждый день, и именно на них чаще всего ломаются A/B-тесты. Причина простая: это отношение двух величин, а рандомизируют обычно людей. Разберем, где тут ловушка и как считать честно. Что такое ratio-метрика Метрика вида числитель / знаменатель, где обе части набираются по-разному у каждого пользователя: клики / показы, заказы / сессии, выручка / заказы. Главный признак: единица, на которую вы делите, не совпадает с единицей рандомизации. Группы делятся по людям, а метрика считается на показ, сессию или заказ. Отношение сумм это среднее отношений по людям, взвешенное по знаменателю: кто больше показов, тот сильнее влияет на метрику. Почему тут не работает обычный t-тест: он рассчитан на среднее независимых значений, по одному числу на человека. У отношения сумм такого числа нет. Оно собрано из двух сумм, и его разброс зависит от разброса числителя, знаменателя и от связи между ними. Если считать как для обычного среднего, интервалы выходят неверными, а ложных срабатываний может стать больше заявленных 5%. Три способа ошибиться ➖ Считать по строкам. Каждую сессию берем как независимое наблюдение и сравниваем доли. Но сессии одного человека связаны между собой, и интервал выходит слишком узким. Это та же беда, что в посте про кластерный бутстрап. ➖ Усреднять отношения по пользователям. Считаем CTR у каждого и берем среднее. Это уже другая метрика: человек с одним показом весит как человек со ста. Пример: у A 1 показ и 1 клик (100%), у B 99 показов и 1 клик (около 1%). Среднее по людям 50,5%, а общий CTR это 2 клика на 100 показов, то есть 2%. ➖ Считать как обычное среднее. Но числитель и знаменатель связаны: у кого больше показов, у того обычно больше кликов, и формула этого не видит. Как считать правильно Во всех трех случаях помогает одно: единицей анализа остается пользователь. Для каждого берем пару (x, y), например клики и показы, и дальше есть три рабочих пути. ➖ Дельта-метод. Дисперсия отношения сумм R считается через дисперсию числителя, знаменателя и их ковариацию: Var(R) ≈ (Var(x) + R² · Var(y) − 2R · Cov(x, y)) / (n · ȳ²). Дальше обычный z-тест для разницы групп. ➖ Линеаризация. Превращаем ratio в обычную метрику на пользователя: L = x − κ · y, где κ это общее отношение в контроле. Дальше обычный t-тест по L. Удобно тем, что работают все привычные приемы вроде CUPED и стратификации. ➖ Бутстрап по пользователям. Ресемплируем людей, а не строки, и в каждом ресемпле заново считаем отношение сумм. Самый простой вариант, но медленный, разбирали тут. Пример на Python: линеаризация import numpy as np from scipy import stats # x, y: массивы по пользователям (например, клики и показы) kappa = x_ctrl.sum() / y_ctrl.sum() # общее отношение в контроле l_test = x_test - kappa * y_test l_ctrl = x_ctrl - kappa * y_ctrl stats.ttest_ind(l_test, l_ctrl, equal_var=False) ps в контроле среднее L равно нулю по построению, а в тесте оно равно ȳ · (R_test − R_ctrl). Поэтому знак разницы совпадает со знаком разницы отношений, а значимость считается корректно: L это обычная метрика, одна строка на человека. Когда можно обойтись без всего этого Если задача позволяет, возьмите метрику на пользователя: заказы или выручку на человека. Одна строка на человека и обычный t-тест. Ratio нужен, когда важна именно эффективность: качество показа, конверсия сессии, средний чек. На что смотреть еще ➖ Пользователи без знаменателя. Если у человека 0 показов, в отношении сумм он просто ничего не добавляет. Следите, чтобы тест не менял долю таких людей. ➖ Эффект через знаменатель. Фича могла увеличить число показов, и CTR упал, хотя кликов стало больше. Смотрите числитель и знаменатель отдельно. Коротко: отношение считаете, а рандомизируете людей, значит единицей анализа остается человек. ❤️‍🔥 Подписывайтесь и поддержите канал бустом ↗️ Менторю и помогаю выйти на оффер ❓ Какие ratio-метрики у вас в A/B-тестах и как вы считаете по ним интервалы? @data_driven_bogdan

Собрал бота с гайдами к собеседованиям Меня часто спрашивают, как готовиться к собесам на аналитика, и я собрал все в одном месте. Бесплатно, в боте: ➖ Топ-20 вопросов с собесов DA, PA и DE: к каждому ответ простыми словами и вопрос, которым добьют следом ➖ 11 гайдов с задачами и разбором: SQL, JOIN и NULL, Python и pandas, статистика и A/B, метрики, вероятность, бизнес-кейсы, как рассказать про себя и что спросить у работодателя ➖ Подбор под тебя: три вопроса про уровень и цель, и гайды придут в том порядке, который подходит именно тебе Гайды открываются по одному, в течение полутора месяцев, чтобы успеть все переварить. Первые три доступны сразу, а между гайдами я расскажу истории ребят, которые прошли путь через менторство. 👉 Забрать в боте Если захочется разобрать свой случай вживую, первая консультация бесплатная, записаться можно прямо в боте. @data_driven_bogdan