Симулейтив

Открыли доступ к вебинару «Как аналитику покорить рынок в 2026 году? Отвечают NEWHR и Simulative»

Мы учли вашу обратную связь и выложили запись вебинара в открытый доступ! Напомним, о чём он был:

➖ Тренды 2026: что происходит на рынке труда для аналитиков прямо сейчас и куда он движется;
➖ Эффективный поиск: как перестать отправлять резюме в пустоту и выстроить стратегию;
➖ Собеседование: на что действительно смотрят HR и наниматели, когда берут в команду.

Смотрите там, где удобно:
📺 YouTube
📺 VK Видео

📊 Simulative

Ещё раз спасибо всем за вопросы! Видим вашу вовлечённость и интерес к таким сессиям 😊

И напоминаем про наш курс «Инженер данных», где вы с нуля научитесь разрабатывать архитектуру данных и уже через 5 месяцев обучения начнёте работать по специальности!

Из чего состоит курс:
🟠 Практика на реальных бизнес-кейсах и современный стек: PostgreSQL, Python, ClickHouse, Metabase и многое другое;
🟠 Поддержка ментора на каждом этапе — разбор сложных вопросов, советы из реальной практики, регулярные Q&A-сессии;
🟠 Портфолио из пет-проектов: вы не просто учитесь, а создаёте проекты, которыми можно гордиться и показывать работодателям;
🟠 Доступ к платформе навсегда — учитесь в своём темпе, возвращайтесь к материалам в любой момент;
🟠 Карьерная поддержка: помощь с резюме, консультации, подготовка к собеседованиям.

➡️ До встречи на курсе! Записаться на поток: simulative.ru/data-engineer

📊 Simulative

Вопрос:

Какие изменения в требованиях к знаниям DA в 2026 году?

Кратко:
Использование AI — это теперь насущная необходимость.
Для всех, особенно в IT. В остальном — без особых изменений.

Длинно в кружочке:

Вопрос:

Выбираю между DE и DevOps. Понятно, что профессии разные, но что-то общее в них есть. Можете сравнить, какая профессия проще для старта, чем они схожи, чем отличаются, куда проще пробиться джуном? Есть мнение, что DevOps-джунов вообще не существует)

Начну здесь, продолжу кружочком.

Давайте сразу проясним — DE сильно проще для старта с точки зрения хард скиллов. И вот почему:

➖ Data Engineer — это тот же разработчик, только не приложений, а моделей данных и дата-пайплайнов.

➖ DevOps — инфраструктурный инженер, мастер на все руки в настройке железа и специализированного софта, гарант стабильности пайплайнов, автоматизатор и лучший друг разработчика. В аналитической инфраструктуре есть подобные спецы: DataOps и Data Platform Engineer, также встречаются более специализированные Hadoop Engineer, Spark Engineer и т. п.

В любом случае акцент у них будет сделан на том, как поддерживать стабильность инфраструктуры, на которой крутятся пайплайны, а не логику обработки данных.

Вопросы:

1) Нужна ли математика в работе?
2) Что посоветуете делать: сейчас джунам тяжело найти работу, у меня нет образования в айти, набираться опыта в тех поддержку не берут. Что изучать, даже не знаешь, так как кажется и это завтра заменят через лет 5.

Друзья, математика нужна всем, не только в работе. Вопрос в широте и глубине этих познаний. На собеседовании Data Engineer вы вряд ли услышите вопросы по матанализу и статистике, но задачи на алгоритмы точно будут. Да, там важно понимать концепцию (асимптотической) вычислительной сложности алгоритмов. Но для этого достаточно прочитать пару статей на Хабре с наглядными картинками и запомнить. Это всё про здравый смысл и логическое мышление.

На второй вопрос у меня нет хорошего ответа. Но есть хороший совет — прямо сейчас используйте AI везде, где только можно. Начинайте кодить вместе с ним (или генерировать контент, если вам интереснее это), учитесь у него. И следите за трендами. Каждый начинающий проходит этот путь. Кто-то в жизни умудряется начинать с нуля по несколько раз. В конечном итоге вы найдете работу. А по дороге, надеюсь, поймете, что вас на самом деле зажигает.

Q&A-сессия с Георгием Семёновым началась!

Спасибо большое вам за вопросы, присланные в форму — в течение дня поделимся его ответами 👑

📊 Simulative

Напоминаем: уже завтра стартует тренинг с Анастасией Кузнецовой

Если вы хотите выйти на новый уровень в создании дашбордов, будь вы начинающий или уже практикующий специалист — это ваш билет.

На тренинге вы научитесь делать не просто красивые графики, а осмысленные дашборды, на основе которых бизнес принимает выгодные решения. А такие специалисты ценятся на вес золота.

Почему стоит успеть:

✅ Не зависит от инструмента: делайте задания в Power BI, Tableau, ClickHouse + Superset или Metabase. Нужны только базовые знания любой BI-системы.
✅ Сразу в бой — практика на каждом шаге: домашки, разборы и мини-кейсы из реального бизнеса.
✅ Бонусы для самых быстрых: на продвинутом и VIP-тарифах — дополнительные модули в подарок, которые можно начать проходить сразу же.

Завтра двери тренинга закроются, и группа отправится в интенсивное путешествие к дашбордам, которые понимает бизнес и ценят работодатели.

➡️ Успейте занять своё место: simulative.ru/bi-training

📊 Simulative

Какое направление в аналитике выбрать?

Всех, кто задумывается о карьере в аналитике, но пока не уверен, с чего начать, мы вас понимаем ☺️

Чтобы помочь вам сделать осознанный первый шаг, мы подготовили короткий профориентационный тест. Всего 4 вопроса — они помогут сопоставить ваш склад ума и интересы с подходящей профессией в аналитике.

✨ Пройти квиз и узнать свой вариант: clck.ru/3RVoQU

После прохождения делитесь результатами в комментариях! Интересно, какое направление лидирует в нашем комьюнити 😉

📊 Simulative

5 привычек, которые убивают доверие к BI-специалисту

Всем привет! На связи Анастасия Кузнецова, BI-эксперт и автор тренинга «Осмысленные дашборды» 👋🏻

Возможно, ваши дашборды технически безупречны, но к вам всё равно не прислушиваются. С чем это может быть связано? Я собрала в карточках 5 главных врагов доверия к аналитику и как их победить.

И ненавязчиво напоминаю, что уже 30 января стартует мой тренинг «Осмысленные дашборды», где вы погрузитесь по полной в создание эффективных дашбордов для бизнеса и прокачаете BI-скиллы. Жду вас на курсе, и не затягивайте!

✅ Забронировать место на тренинге: simulative.ru/bi-training

📊 Simulative

Чем различаются аналитик данных, дата-сайентист и ML-инженер?

Ментор курса «ML-инженер» Мария Жарова объяснила разницу в профессиях на простом примере 👆🏻

📊 Simulative

🗣 Задайте вопрос дата-инженеру

Видим, что вам понравился наш формат Q&A-сессии с экспертами. Поэтому рады представить вам следующего эксперта, который ответит на ваши вопросы — Георгий Семёнов!

Более 14 лет Георгий управляет IT-проектами и продуктами, командами инженеров и аналитиков. Последние 7 лет внедрял и развивал аналитические решения и платформы на сеньорных и руководящих позициях в компаниях VK, Wildberries, СТС, ЦУМ, ВТБ.

Георгий имеет богатый опыт в области Data Governance, Data Architecture, Data Engineering, Business Intelligence. Работал с различными технологиями и архитектурами данных, инфраструктурами от одного до сотен серверов, десятков петабайт данных и десятков тысяч датасетов. Вывел в прод сотни пайплайнов и десятки дата-продуктов, включая ML-сервисы.

Если у вас есть вопросы по дата-инженерии, кейсам или карьере в аналитике, да и вообще любые — самое время его задать! Георгий выберет самые интересные вопросы и разберёт их здесь, в канале @simulative_official.

Не упустите шанс получить совет от топового эксперта!

✍️ Задать вопрос: https://forms.gle/Q5pumwYytwsnLkSD6

📊 Simulative

Привет, аналитики! На связи Вячеслав Потапов, ментор курса «Аналитик данных» 👋🏻

Скоро стартует новый поток обучения, и я хочу сказать одну вещь, которую редко говорят вслух.

Курс нужен не для того, чтобы выучить SQL, BI или Python. Он про то, чтобы научиться думать как аналитик в реальном бизнесе.

Почти у всех новичков в первые недели происходит один и тот же сценарий: сначала кажется, что всё понятно, первые уроки заходят легко и появляется мотивация, драйв, даже азарт.

А потом резко становится сложно: JOIN’ы начинают ломать голову, метрики путаются, в задачах появляются подвохи, а в какой-то момент возникает мысль: «Кажется, я туплю. Наверное, аналитика не моё».

И вот это самый важный момент. Это нормально.

Аналитика — это профессия, где мозг постоянно учится: задавать правильные вопросы, сомневаться в цифрах и искать причины, а не просто строить графики. Если вам в какой-то момент стало трудно, это не значит, что вы не «не подходите» — вы реально прокачиваетесь.

💡 Я как ментор, буду помогать вам пройти этот этап:
— Делиться примерами из работы;
— Объяснять, где чаще всего ошибаются новички;
— Подсказывать, как выглядит правильное мышление в аналитике.

Чтобы по итогу курса вы не просто «что-то прошли», а смогли уверенно сказать: «Я понимаю, как это применять в задачах бизнеса».

Если вы давно хотели войти в аналитику — это отличный момент. Новый поток стартует уже в эту пятницу, и я буду рядом на протяжении обучения.

➡️ Присоединяйтесь к потоку: simulative.ru/data-analyst

📊 Simulative