Никогда такого не было — и вот опять!

Я снова побежала впереди паровоза.
Паровоз, разумеется, меня догнал. И аккуратно переехал 🚂

Помните мой первый факап с тестовым заданием? Там, где я торопилась и не проверила форматы данных.
После этого я пообещала себе:
всегда внимательно изучать данные перед анализом.

Я даже нашла отличный чек-лист и теперь честно по нему прохожусь: полнота, адекватность, форматы, NULL’ы — всё чётко.

Но, как выяснилось, проверить данные и познакомиться с данными — это вообще-то два разных действия.

Сейчас мы поговорим об очередном факапе: первом проекте по e-com'у.

Для проекта я взяла данные из заданий Олимпиады DANO 2025.
Выбрала датасет SM Lab: воронка онлайн-продаж (Спортмастер).
Файл здоровый — около 7 миллионов строк. В Excel такое, понятно, не покрутишь, поэтому сразу пошла в DBeaver.

Пишу своему верному другу GPT:
— Давай проверим данные по чек-листу.

Проверили. Всё красиво. Можно работать.

И вот тут я делаю ключевую ошибку: начинаю проект «по-взрослому».

Я говорю GPT:
— Делаем проект. С дашбордом. Executive-level. Чтобы ух!

GPT мгновенно входит в роль ментора:
— Отлично. Давай я тебе сейчас без суеты распишу весь план...

В план проекта входила визуализация, поэтому Metabase мы поставили через Docker. Кстати, это реально несложно, особенно если есть нормальная видео-инструкция.

И дальше мы начали считать метрики через questions, то есть через визуальный конструктор.

Я не сопротивлялась.
Во-первых, Metabase у меня всё равно в плане изучения.
Во-вторых, конструктор действительно снижает порог входа.

По ощущениям, для простых запросов конструктор — ок, а вот для вычисляемых столбцов и трендов — танцы с бубном!
Я думаю, что через SQL я бы сделала это быстрее.

В результате я сделала 4 карточки.
Четыре. Карточки. Карл.

Для executive-дашборда.
Которые показывают состояние воронки…
и при этом даже не в виде воронки!

И только в самом конце я вдруг задаю себе вопросы:
🟠 А что вообще происходит с данными?
🟠 Какая общая картина?
🟠 А на что ещё стоило посмотреть?

Спойлер: задавать эти вопросы надо было в самом начале, а не на четвёртый день.

Что получилось по факту

Проект:
🟠 не демонстрационный
🟠 дашборд — откровенно слабый
🟠 времени убито — 4 дня

Зато README от GPT — просто конфетка.
Там даже в разделе «Next steps» аккуратно написано всё то, что мы будем делать в следующий раз.

Я злюсь.
Потому что снова полезла делать «красиво», не разобравшись в сути.
Я даже толком не поняла, что такое executive dashboard, но полезла его строить. Самооценка уровня «Илон Маск, подвинься».

Но есть и хорошая новость.

Я снова на собственных шишках убедилась, как делать не надо.
А это, к сожалению, самый рабочий способ обучения.

Если хотите посмотреть на этот проект и поугарать — добро пожаловать на GitHub 👉 [ссылка на README].
Если есть идеи, замечания или рекомендации на будущее — буду рада.
Только давайте экологично! Что всё плохо и надо дальше учиться я и сама догадываюсь 😎

💬 А у вас бывали моменты, когда вы понимали, что убили кучу времени на ерунду?
Как вы выходили из состояния «Халк крушить»?

#портфолио_аналитика