Продуктовая аналитика одно из самых простых направлений для вката в айти, если вы умеете хоть капельку думать, то вы вполне можете претендовать на дабл грейдапы и прыжки сразу через грейд при устройстве (тут важно подчеркнуть, что без ЛЛМ, а то всё чаще на рынке с позиции мидлов приходят с высоким самомнением те самые промт-инженеры, которые из себя ничего не представляют на практике, а их скилы - это закрывать кучу эдхоков за короткий промежуток времени). Давайте разберем на примере одной вакансии как можно выучить харды на аналитика за 12 недель. Это вакансия продуктового аналитика с вилкой 400к+ gross + премиии. В отдел маркетинга. Давайте пройдёмся по требованиям:
1. Python
- уверенный Python;
Тут нужны базовые знания питона, на уровне написания классов/декараторов и библиотек для анализа данных (numpy, pandas, scipy и т п). Тут еще важно отметить, что достаточно часто маркетинговые агенства живут в прошлом веке и у них нет нормального сбора данных, аналитики, поэтому для того чтобы на стороне т банка анализирвоать эти результаты, придется писать достаточно много софта для сбора данных, передачи и т п (под такие задачи зачастую не выделяют dwh-шников и бэкендеров, поэтому придется самостоятельно писать такие скрипты, по типу парсеров и т п). В силу существования ЛЛМ, такой навык достаточно просто покрывается и можно закрыть базовыми знаниями и пониманием питона, такое у нас даётся на аналитике старт.
2. SQL
- уверенный SQL;
В тиньке достаточно хорошая БД, приведенная в нормальную форму, поэтому любой запрос по сути сводится к большому количеству джоинов. Поэтому на самих собесах достаточно углубленно не должны спрашивать SQL, то есть максимум могут дать достаточно объёмную задачку с кучей подзапросов/джоинов/с оконками, такое у нас как раз разбирают на стартовом курсе. А если же они потребуют более углубленные знания на оптимизацию запросов, что вполне вероятно учитывая жесткие лимиты по времени и памяти на каждый запрос, то такие вопросы мы отдельно разбираем на наших продвинутых курсах.
3. Матстат и AB-тестирование
- хорошее знание матстата и умение применять его в реальных задачах;
Тут опять же есть два этапа, потребуются, как достаточно базовые знания так и чуть продвинутых. Никто не будет требовать строгих определений и формул, но знание той же трогой базы поможет вам в понимании идей более продвинутых методов. На собеседовании нужно будет знать всё: от классических методов аб-тестирования (базовой терминологии, той что на курсе старт разбирается: pvalue, mde, ошибки 1-го/2-го рода, z/t-критерии и т п ) до более продвинутых методов (методы понижения дисперсии cuped/стратификация - все эти методы разбираются же в продвинутом курсе и не только на уровне теории, а на уровне скиллов применения в кейсах на собеседованиях)
4. ML
- понимание ML хотя бы на уровне базовых принципов;
Все продвинутые методы в аналитике сводятся к применению классического МЛ, те же double ml/cupac, требует умение строить и тюнить классические модели. На самом собесе будут вопросы про построение бустингов и их разновидностей. На курсе про будут разобраны базовые модели, которые потребуются для подведения резов АБ.
5. Эконометрика
causal inference;
Особенно в маркетинге, методы causal inference наиболее актуальны. Тот же матчинг необходим как минимум для тестов которые позволят описывать более подробно поведение каждого пользователя. Или же регрессии 4 c инструментальными переменными. А также самая базовая идея, которая применяется практически во всех тестах - например did(постнормировка). Знания эконометрики необходимы для проектирования фреймворков оценки тестов. Поэтому применение этих методов в кейсе очень сильно оценят, тем более это описывается в вакансии как дополнительный пункт. Все нужные методы затронут на курсе про.
Подписаться: @ProdAnalysis