rafanalytics

Пост-знакомство и навигация по каналу 🙋

Вкратце обо мне:
- меня зовут Рафаэль, но чаще называют Раф (лавандовый, миндальный и т.д.) ☕️
- закончил бакалавриат факультет компьютерных наук НИУ ВШЭ 🧑‍🎓
- на 2-ом курсе начал свой путь в айти в роли стажера-аналитика Яндекс.Браузера ❤️
- после стажировки 2 года работал мидлом в аналитике ценообразования Яндекс.Лавки ❤️💙
- сейчас работаю мидлом в аналитике комиссий для продавцов в Авито 😎

Шарю за образование:
- преподаю машинное обучение в Центральном Университете Т-Банка 💳
- 2 года был репетитором по программированию и выпустил 50+ учеников 🎓
- окончил курс по Data-Science от Яндекс.Практикума и стал их амбассадором 📖

Люблю вызовы:
- вырастил блог с нуля и без закупок рекламы
- набрал более 10 млн. просмотров на коротких видео (возможно, они тебе попадались)
- балуюсь спортом и саморазвитием (но без душноты)

И самое интересное:
- обо всём этом 4 года назад я и не мог мечтать, но теперь делюсь этим опытом в канале бесплатно 🤝

📍Авторские материалы канала:
- туториал для старта в аналитике
- сборник метрик для собеседований

📍Самые популярные посты на канале:
- На кого идти учиться в IT
- Универсальный гайд: как пройти на стажировку в Яндекс
- Что будет если не угадать с направлением в университете
- Как изучить анализ данных с нуля, чтобы собеседоваться на начинающего аналитика
- Что изучать перед поступлением на IT специальность в университете
- Как оформить резюме на стажировку + шаблоны

📍Популярные видосы/статьи с моим опытом:
- про ФКН ВШЭ и работу аналитиком в Яндексе
- как набрать 492 баллов на ЕГЭ или с чего всё начиналось
- 3 аналитические концепции, которые я усвоил за 3 года работы в бигтехе
- 5 советов как получить оффер на стажировку в Яндекс
- как пройти в Яндекс на аналитику в конце 2 курса - рассказываем из офиса Яндекса
- как Data Science стала моей работой и вдохновением
- 15+ полезных ссылок для начинающего специалиста по Data Science

Услуги: провожу карьерные консультации (как правило для аналитиков данных и DS'ов)

По всем вопросам (даже самым "глупым") можно написать мне в ЛС - @rafaeldks

Подпишись. Поделись ссылкой на канал с друзьями. Обнял ❤️
rafanalytics

3️⃣ аналитические концепции, которые я усвоил за 3️⃣ года в бигтехе

Именно с такой темой неделю назад я выступал на конференции IT-link 2025 в столице Чувашии 🤖

На треке аналитики рассказывал про концепции:
- аналитических разменов и отсутствия правильных решений
- необходимости ошибок для положительного развития
- упрощения решений для быстрого достижения результата

Подобных концепций можно придерживаться не только в аналитике, но и в других сферах жизни, так что доклад может быть полезен на практике

Записи можно найти тут:
- YouTube
- RuTube

Спасибо большое организаторам за приглашение и конференцию, а Авито за командировку 🫶
Если есть возможность, то зовите выступать - мне нравится)

А если был рад увидеть пост в канале, то ставь 🍾 и делись мнением в комментариях 👇

Если хочешь разобраться в теме - начни её преподавать 🤯

Уже больше месяца я веду семинары по машинному обучению в Центральном Университете, и вот пара неочевидных мыслей, которых я не видел ранее:

- это очень эффективный способ образования, причем я говорю именно про себя))
Если раньше благодаря курсам и универу я оценивал свои знания по ML на 7-8/10, то сейчас перед каждым семинаром мне приходится погружаться в тему настолько глубоко, чтобы суметь ответить на всевозможные вопросы студентов, что подгоняет мои знания до 9-10/10 🤢

- это создаёт дисциплину. Когда я в 12 ночи прихожу домой после футбола/падела, то не могу просто лечь спать и зачиллиться. А всё потому, что на следующее утро надо провести семинар, предварительно повторив материал и проверив все скрипты перед ним. Разумеется в состоянии усталости мне почти никогда не хочется это делать, но в условиях отсутствия альтернатив я просто обязался ботать материалы прямо как на 1-ом курсе универа 🔥

- студенты получают большое количество пользы даже при таком подходе (судя по положительным опросам и фидбеку), когда преподавтель может не знать предмет на все 100. И действительно, если бы обучали только эксперты, идеально разбирающиеся в теме, то такое количество преподавателей было бы невозможно найти. А ещё в такой парадигме у меня появляется лучшее понимание студентов, ведь я беру роль не только преподавателя, но и студента в том числе 👨‍🎓

В общем, идея поста была такая: не бойтесь преподавать и обучать, особенно если вы испытываете синдром самозванца. Разумеется, нужно иметь уровень понимания темы "выше среднего", но стремиться к перфекционизму как всегда не следует 🤷‍♂️

А теперь давайте вместе поможем мне справиться с творческим кризисом - наберём 100 ❤️
Кстати, если у тебя есть актуальный вопрос/тема, о которой хотелось бы увидеть пост - можно оставить её тут ✍️

Сборник метрик для собеседований 📊

У тебя бывало такое, что для решения бизнес-кейса на собеседовании тебе не хватало знания какой-то метрики из предметной области?

Например, при собеседовании в маркетплейс тебе жизненно необходимо знать что такое GMV, а в маркетинговой аналитике не обойтись без LTV 😶

Если ты боишься зафакапить аналитический собес из-за незнания метрики, то рекомендую забрать PDF-файл, куда я собрал и описал самые частые аналитические метрики, а также разделил их по предметным областям.

Например, если тебе предстоит собеседование в компанию банковской сферы, то просто открываешь соответствующий раздел в файлике и впитываешь основные метрики 📕

Пригодится как начинающим аналитикам, так и опытным смешарикам

Забрать файл можно в боте, это бесплатно - @raf_banana_it_bot (нужно написать /start)

Пост надо поддержать реакцией 🍌, не зря же я этот сборник 3 ночи собирал 😴

Большой туториал для старта в аналитике 😶

Фуууух 😮‍💨
Последние 3 недели я усердно снимал и монтировал для вас видео, в котором рассказал:

- кто я такой
- кто такой аналитик и какие задачи он решает
- какие виды аналитиков бывают
- сложно ли начать карьеру аналитиком
- что для этого нужно знать и по каким материалам можно научиться
- где начать карьеру аналитиком

Теперь я смело могу поделиться им с вами 📹
- YouTube
- RuTube

Ссылки на бесплатные материалы сможешь найти в описании под видео, а для записи на консультацию (подробнее рассказал в конце видоса) можно написать в ЛС @rafaeldks, описав твой кейс в паре предложений ✍️

Туториал абсолютно бесплатный, поэтому надо поддержать реакцией ❤️

Делись видосом с друзьями, сохраняй себе и обязательно делись впечатлением в комментариях 👇

Вот вам обещанный спойлер: в ближайшее время занимаюсь съемкой бесплатного вебинара для всех начинающих аналитиков, где будет покрыто 80% вопросов, возникающих у студентов и подписчиков канала 📹

А еще вы могли заметить, что во всех моих блогах последние 2 месяца не продавалась реклама - все потому что сейчас хочу сосредоточиться на генерации ценности для вас, поэтому ваша отдача реакциями и обратной связью - лучшая благодарность ❤️🔥

Кстати, в комментарии можно написать вопросы по карьере аналитика, которые вы бы хотели закрыть - самые частые постараюсь разобрать в видео ⏬

Пока я готовлю для вас кое-что очень крутое (скоро будут спойлеры), можно посмотреть обзор ровера, который подарили мне коллеги из ❤️

Выглядит очень необычно, но нужно найти этому роверу применение 🤔

Может у вас есть идеи? Напишите в комментарии 🙏

Как мы делали "Раф из Авито"🧋😎

Над редизайном предыдущей аватарки я думал немало - но я всё-таки больше аналитик, нежели дизайнер, поэтому хотелось делегировать эту задачу эксперту (chat-GPT исключаю, потому что хотелось душевности и ручной работы 🪡)

И мне повезло, потому что ещё в школе я учился с Матвеем - моим хорошим другом, который владеет дизайнерской студией "Многоугольники". Особо не раздумывая, я скинул ему визуальные стили Авито и попросил задизайнить аватарку. Результат вы видите сами🔥

Дизайн мне очень понравился, поэтому хочу порекомендовать Матвея и "Многоугольники" - там и портрет можно заказать, так и дизайн запросить. В общем, красота 😍

Если мне надоест аналитика или не пройду испытательный срок - запущу баночки в продажу 😳

Яндекс - всё? ❤️

Да, это не кликбейт
Я действительно ушёл из Яндекса, но мы разошлись на хорошей ноте 🍫

В Яндексе я провёл 2.5 года, из которых последние 2 занимался ценообразованием товаров в Лавке. Именно там я вырос из стажёра в уверенного аналитика, познакомился с невероятными людьми и вдохновлялся ими. И я всё ещё искренне рекомендую начать карьеру аналитика именно там 💯

Несмотря на это, помимо Яндекса мне хотелось получить опыт и в другой бигтех-компании, чтобы иметь более широкий кругозор на работу аналитиком, а также поработать и с другими инструментами, которые используются на рынке вне Яндекса 👨‍💻

Что дальше?

Выбирать было непросто: на рынке есть несколько бигтехов, которые предлагают классные задачи. Суммарно я прошёл более 10 собеседований в разные компании, получив самые разные грейды (от junior+ до senior 😅).. Как-нибудь обязательно поделюсь с вами улучшенной методологией подготовки к собесам на основании моего нового опыта).

И вот спешу дать апдейт: сегодня закончилась моя первая неделя работы аналитиком в Авито 😎
Здесь я буду заниматься ценообразованием комиссий за доставку для продавцов. Несмотря на некоторые отличия от Яндекса, аналитическая культура здесь действительно очень сильная (первое впечатление), т.е. мне действительно есть чему научиться. Расскажу чего-нибудь интересного в следующих постах (в рамках NDA, конечно - не увольняйте сразу 🙏)

Ну и напоследок: у меня всё ещё осталась возможность реферить как в Яндекс, так и в Авито - так что не стесняйтесь писать в ЛС @rafaeldks, чтобы залутать рефу от рафа

Несмотря на новую аву канала Лавка и Яндекс остаются в сердечке ❤️, а я пойду дальше учиться аналитике в Авито 🙏

Кстати, как вам новая аватарка?)

Какой НЕ должна быть скидка? 🆓

Недавно в Лавке мы решали задачу про скидки, и мой стажёр вывел интересный факт:

оказывается, оптимальная скидка для максимизации выручки (GMV) никогда не превышает 50% при линейной зависимости спроса от цены🤔

Доказывается это несложно: берём функцию выручки, где цена уменьшается пропорционально скидке, а спрос растёт линейно. Если посчитать производную и найти точку максимума, то получится, что оптимальная скидка всегда ≤ 50%.

Простыми словами: давать скидку больше 50% смысла нет — только если цель состоит в том, чтобы максимально быстро распродать товар, а также возможно привести трафик покупателей 📊

Если интересно заглянуть в математику — я вынес доказательство отдельно в комменты (просто берём производную по функции зависимости спроса от размера скидки и находим экстремум для GMV) 🧮

Важно отметить, что всё это справедливо именно для линейной зависимости спроса от скидки, а также для зависимостей, похожих на неё. В ценообразовании мы моделируем и другие виды спроса, но так красиво получается только с линейностью!)

Теперь ты будешь знать, почему скидка больше 50% зачастую невыгодна. Акции с огромными скидками — это не всегда про оптимальность, а скорее про маркетинг или утилизацию товара (наверняка ты вспомнишь такие скидки на маркетплейсах). И это отличный пример задачи, которую может решать аналитик 🤓

Ставь 🍌, если удивлён — и в ближайшее время я поделюсь с вами парочкой интересных новостей 🤫

Новости и материалы по ML

Начну с новости:

с сентября буду вести семинары по машинному обучению для 2-го курса бакалавриата в Центральном Университете 🎓🎉

Для меня это крутая возможность вернуться в преподавание, изучить запросы студентов и поделиться с вами стратегией по изучению ML 🤖

За такую возможность благодарю бывшего коллегу и автора курса - Рому Васильева 🤝

Теперь к полезному: в прошлом посте я обещал поделиться материалами по ML. Делюсь))

На первом курсе я начинал с лекций курса по интеллектуальному анализу данных от топового лектора ФКН Вышки - Евгения Соколова 🧐
Плюс этого курса в том, что лекции курса можно смотреть даже не освоив программирование, а из математики потребуются лишь определения матрицы и производной, всё остальное будет поясняться прямо на лекциях 📹

Из такого описания может показаться, что курс поверхностный, однако это вообще не так, и спустя несколько лекций уже будут разбираться сложные модели, но вы уже будете к этому готовы. А для самых ненасытных есть подобный курс по нейросетям и прикладным задачам анализа данных (их я тоже закончил, рекомендую)

Помимо лекций должна быть практика. На сайте остались записи семинаров по этим курсам, можно посмотреть их или же в идеале применить изученные методы на интересных тебе датасетах (одно время я предсказывал стоимость футболиста по его признакам) - скорее всего в этом случае у тебя будет больше желания ✍️

Поздравить меня можно реакцией 🎉
Скидывай пост другу, который изучает ML 🤖

Обязательно ли аналитику знать ML? 🤔

Именно такой вопрос я часто получаю от подписчиков, поэтому давайте разберёмся)

Предположим, что ты хорошо знаешь классическую аналитику и совсем не шаришь за машинное обучение 🧑‍🎓

Хорошая новость: есть много задач в аналитике, где ты можешь обойтись без понимания ML.
Сюда относятся:

➖визуализация, BI отчётности и дашборды для мониторинга

➖классическое AB тестирование и проверка гипотез (за исключением продвинутых ML методов проверки гипотез)

➖аналитические оценки на основе исторических данных, построение пайплайнов обработки данных при помощи SQL и Pandas

Плохая новость: следующие задачи в аналитике требуют знания ML.
Вот частые примеры:

➖кластеризация данных для выявления закономерностей

➖построение прогнозов для временных рядов, оценка важности признаков и их влияния на сложные метрики

➖обработка и анализ текстовых данных, картинок и видео

➖автоматизация процессов на основе AI-моделей

Кстати, из всех моих задач в аналитике ценообразования Яндекс.Лавки 💙 примерно 20-25% так или иначе затрагивали ML.

Из всего вышеупомянутого можно сделать вывод:

Всё будет зависеть от вакансии и задач, которые она включает. На определённые вакансии (и по ощущениям таких прям много) будет достаточно лишь хорошего знания классической аналитики.
Однако точно можно сказать, что понимание машинного обучения будет твоим хорошим преимуществом и откроет перед тобой новый инструментарий для решения задач 🛠

Набираем под этим постом 150 ❤️ и я сразу же начинаю писать пост о том, как я изучал машинное обучение и как это проще делать сейчас 🧑‍🎓

А также поделюсь с вами крутой новостью о том, где я в ближайшее время буду преподавать ML 🤖

Размены в аналитике и жизни ⚖️

Гуляя по набережной в Казани я поймал вдохновение, а поэтому возвращаюсь сюда с аналитической темой, которую можно расширить до более глобальной идеи 📝

1️⃣Размены в аналитике

➖начнём с аналитической идеи: представим, что у тебя есть продуктовый магазин и ты принимаешь решение: поднимаешь в нём цены на товары. Как правило, рост цен приведёт к снижению продаж, и, как следствие, к уменьшению выручки 📉

Таким образом мы размениваем выручку на маржинальность (т.е. сколько мы зарабатываем с одной продажи за счет наценки)

➖другой классический пример — размен точности (precision) на полноту (recall) в задачах машинного обучения. Например, чтобы предсказать отток покупателей и предложить им скидку, нужно выбрать порог уверенности. Чем выше этот порог — тем точнее прогнозы, но тем меньше людей мы охватываем (и меняем точность на полноту) 📈

Если задуматься, в таких задачах размена не может быть «правильного» и «неправильного» решения. Тут можно говорить лишь про «более» и «менее» эффективные решения для определённой цели: если хотим расти на рынке, то снижаем цены и растим выручку, иначе же работаем на эффективность денежного потока и маржинальность 💰🫰

2️⃣ Размены в жизни (для таких же как и я, любителей подумать о хаосе в жизни)

Очень часто наше решение тоже влечёт за собой размен одной метрики на другую:
➖решение устроиться на работу меняет твоё время на N-ое количество денег ⚖️
➖рост социальных кругов приносит в жертву их «душевность» и «чувственность» ⚖️
➖достигаторство жертвует твоим душевным спокойствием и «нирваной» ⚖️

И это не плохо. И не хорошо. Это просто «оптимально» или «неоптимально» в зависимости от конкретной цели.

И самое интересное: жалеть об упущенной альтернативе в таком случае с разменами ты будешь всегда - и это по определению нормально)

Поэтому важно понимать, какую задачу ты решаешь (и это не только про аналитику)

А я тем временем соскучился по вам и новым постам 🫂
➖ Ставь❤️, если ты тоже соскучился
➖ Ставь 🔥, если согласен с идеей разменов (в противном случае - welcome в комменты)

Почему одни магазины кажутся дороже других? 🛒🛒🛒🍔

Если я спрошу тебя:

- Как ты определяешь, что магазин дорогой?

То скорее всего ты посмотришь цены на конкретные товары — например, молоко или хлеб 🥛🍞
На самом деле часто оказывается так, что наше восприятие цены магазина складывается из того, какие цены стоят на привычные для нас товары, стоимость которых нам уже давно хорошо знакома.

В коммерческом ритейле позиции делят на KVI и BB (нет, это не ВкусВилл 🛒)

KVI 🥝 — это товары, которые покупатель приобретает регулярно и обычно помнит их среднюю цену. К ним обычно относят базовые категории: молоко, яйца, хлеб, яблоки, сахар. По этим позициям покупатель очень быстро замечает любые изменения в цене и легко сравнивает их между магазинами, поэтому крупные сети стараются держать по KVI максимально конкурентные и “выгодные” цены, иногда даже продавая товары себе в убыток. Таким образом можно создать образ: если в магазине дешёвый хлеб — значит, всё остальное тоже должно быть недорогим.

Back Basket (BB)🪣 — это нерегулярные товары, на которые мы часто плохо помним цену: это могут быть специи, средства для ухода, сменные насадки для зубной щётки и т.п. Вспомнить цену на такие позиции у конкурентов довольно сложно, поэтому магазины могут ставить на Back Basket более высокую наценку или используют их для компенсации “дешёвых” KVI. Например, если фольга стоит не 79, а 99 рублей — это мало кто заметит, пока не сравнит чеки.

На практике это значит, что когда магазины хотят улучшить своё ценовое восприятие, они почти всегда сначала работают с KVI, а остальные категории могут выступать источником основной маржи 💵

Если узнал что-то новое - ставь ❤️ и делись с тем самым другом, чтобы я не писал про ценообразование чаще

Давно не показывал вам, что происходит в офисах Яндекса, поэтом пишу сейчас: вчера во дворе одного из офисов открыли два падел корта

Подробнее в видосе 🔽

Как думаете, чего еще не хватает для полного счастья айтишникам?

Почему тебе дают скидку? 🤔

А ты задумывался, почему покупателю предлагают скидку на конкретный товар? Спустя 1.5 года работы в ценообразовании я узнал, что скидки могут выдавать для самых разных целей. Начнём с базовых причин и закончим самыми неочевидными:

- Скидка для увеличения выручки: с уменьшением цены товара растут его продажи, что позволяет нарастить свой объём на рынке. Такой товар начинают покупать чаще и обсуждают — получается бесплатный органический маркетинг 🗣
Сюда же можно отнести скидки на комбо — идеальный повод купить несколько товаров вместо одного 1️⃣➕1️⃣

- Скидка по сроку годности: когда продукт вот-вот “спишется” по сроку годности, его можно попытаться продать по уценке, чтобы отбить себестоимость и потенциальные косты. В Лавке такая скидка отображается с названием "Годен сегодня", например 💙

- Скидка для распродажи неактивного ассортимента: если ассортимент продаётся плохо, его проще заменить чем-то более ликвидным и популярным. Для этого “залежалый” товар можно отдать по уценке, быстро освободив место для новинок 🆕

- Пользовательская скидка: такой бонус может спровоцировать нового пользователя сделать первый заказ или вернуться старому клиенту. Иногда скидки включают в соцпакет сотрудников — работает на их лояльность и удержание 🙌
Кстати, выдавать скидку выборочно по пользователям — юридически абсолютно легально, если вдруг кто-то сомневается))

- Скидка для замера эластичности спроса: такой вариант скидки позволяет проверить как изменится спрос при движении цены. Если продавец понимает, как продажи реагируют на изменение цены, он может подобрать оптимальную цену: максимальную для выручки (что актуально для условного “Магнита”) или для маржинальности (например, применимо для “Азбуки Вкуса”). Об этом подходе я писал в одном из постов ✏️

Однако из-за такого изобилия скидок вокруг наше восприятие к ним сильно притупилось за последние годы. Теперь обычным жёлтым ценником “-20%” уже никого не удивишь, и, как следствие, “Большинство россиян (63%) больше не считают скидки главным критерием выгодной покупки” (источник)

Мораль? Скидка — это не просто вариант “сделать дешевле”, а инструмент с кучей разных задач: от стимулирования продаж и тестирования гипотез до утилизации непродающегося товара. Иногда она как по учебнику, а иногда нет — тут всё зависит от фантазии и задач бизнеса.

Если было полезно или ты знаешь ещё более креативные сценарии для скидок — напиши в комментариях👇
А если открыл для себя что-то новое — ставь лайк, буду знать что стоит писать больше про цены ❤️

Как пройти собеседование: опыт аналитика Яндекс Лавки 💙

Совместно с Яндекс.Практикумом написали лаконичную статью на Хабре на эту тему из предыдущих постов в канале, рекомендую! 👆

📝 Статья 📝

Можно делиться критикой и реакциями клубники 🍓