Секреты аналитики | Data Science, BI, Tableau

Будущее современного стека для анализа данных Это перевод поста из блога The Analytics Engineering Roundup про тенденции в индустрии данных и аналитики, стратегические преимущества и проблемы, с которыми сталкиваются компании в ней, влияние основных облачных провайдеров на её будущее и роль стандартов в формировании в ней технологических экосистем. Секреты аналитики

Опенсорсные альтернативы Google Analytics на своём хостинге Дегуглификация онлайновой жизни требует внедрения свободных альтернатив во всех областях. Есть ряд свободных, опенсорсных альтернатив Google Analytics, которые к тому же работают быстрее, поскольку скрипты меньше по размеру и загружаются с вашего собственного хостинга, а не со стороннего сервера. Информация о пользователях никуда не отправляется, а многие сервисы не используют куки и соответствуют законодательству GDPR о защите личных данных. Секреты аналитики

Настройка Data Science окружения на вашем компьютере После прохождения различных курсов и обучения на различных образовательных платформах, вроде Datacamp, вашим следующим шагом станет использование полученных знаний о Python, R, Git или Unix Shell на персональном компьютере. Однако, многие затрудняются с тем, какие пакеты и программное обеспечение нужно установить, чтобы начать работу с различными технологиями. Именно об этом эта статья. Секреты аналитики

А/В эксперименты. Ускорение вычислений с помощью бакетизации В современном мире больших данных и высокопроизводительных вычислений оптимизация времени выполнения алгоритмов играет ключевую роль. Одним из эффективных методов ускорения вычислений является бакетизация данных. Секреты аналитики

Совместные конфиденциальные вычисления: как работает технология, которая через 5 лет может изменить мир Сложно конкурировать с крупными компаниями, опираясь только на собственные данные. Чтобы видеть максимально полную картину, нужно комбинировать разные источники, в том числе и базы данных партнеров. Но прямо обменяться данными не получится — российские и международные законы жестко регулируют этот процесс. Именно здесь на сцену выходят алгоритмы конфиденциальных вычислений и MPC — технология, которая позволяет делать сводную аналитику легально, без риска раскрытия и «слива» данных. Секреты аналитики

Чем занимаются специалисты по работе с данными и как стать Data-инженером В этом материале автор рассказывает, чем отличаются подходы к построению распределённых хранилищ данных Data Warehouse и Data Lake, и в чём специфика задач специалистов, работающих с данными. Секреты аналитики

Реальный путь в data science Эта статья описывает путь автора к первой работе в Data Science. Путь был длинным и пройден за 2,5 года. Статья поможет вам сократить время обучения и быстрее пройти его. Секреты аналитики

Чем занимается продуктовый аналитик? В этом ролике автор рассматривает, чем занимаются продуктовые аналитики, и подробно разбирает их основные задачи. 0:00 Введение 0:58 Кто такой продуктовый аналитик? 1:18 Примеры работ 2:07 Задачи 4:00 Зарплата 4:30 Инструменты продуктового аналитика Секреты аналитики

Apache Spark и PySpark для аналитика Есть много статей, которые дают инструкции по оптимизации Spark. Но, всё-таки, оптимизация запросов — штука непростая. По мнению автора статьи это не первый навык, который нужно освоить аналитику. Важнее как можно раньше научиться читать план запроса и следить за прогрессом исполнения расчётов в SparkUI. В этой статье автор разберёт: • что такое план запроса и чем он может помочь; • как Apache Spark формирует план запроса; • как пользоваться Spark UI, чтобы следить за планом запроса и прогрессом его исполнения; • практические советы. Секреты аналитики

Все, что нужно знать о профессии аналитика данных В этом видео автор разбирает кто такой аналитик данных и какие навыки ему нужны. Вы узнаете как освоить одну из самых востребованных профессий нашего времени, что ждет вас на старте карьеры и чем занимаются специалисты каждый день. Смотреть это видео на youtube: youtu.be/MwlgWMK_GZE Секреты аналитики

Какую математику сегодня проверяют работодатели при найме Data Analysts & Scientists Всемирный экономический форум в своем прогнозе самых востребованных профессий до 2025 года поставил Data Analysts & Scientists на первое место рейтинга... Секреты аналитики

Краткий гайд — резюме для Data Scientist И, хотя каждый обладает базовой необходимой экспертизой по составлению резюме, всё же есть правила HR-кухни, которые лучше соблюдать, чтобы получить наибольшее количество ответов от работодателей. Секреты аналитики

Анализ вакансий и зарплат в Data Science Исследование вакансий и зарплат в сфере data science и data engineering. Спрос на специалистов растет, или рынок уже насытился, какие технологии теряют, а какие набирают популярность, размер зарплатных вилок и от чего они зависят? Секреты аналитики

Основы ЛИНАЛА для Data Science за 15 минут: векторы, матрицы, базис В этом видео автор разбирает основы линейной алгебры, которые пригодятся для изучения Data Science: 00:10 Векторы 00:34 Координаты вектора 01:42 Пример с пространством векторов 02:15 Единичные векторы 03:00 Сложение векторов 04:37 Линейная комбинация векторов 04:55 Линейное преобразование векторов 05:57 Матрицы 06:59 Операции над матрицами 07:54 Транспонирование матрицы 08:18 Ранг и определитель матрицы 11:18 Пример, отображающий суть машинного обучения 13:08 Собственный вектор матрицы Смотреть это видео на youtube: youtu.be/cGxK2-_0x40 Секреты аналитики

Дублирующий скрипт: как с его помощью мы ускорили бизнес-процесс В этой статье на примере большого и сложного процесса выдачи экспресс-кредитов автор расскажет, как смог реализовать полноценный дубль процесса на стороне одного проверочного скрипта и ускорить процесс выдачи экспресс-кредитов с двух рабочих дней до семи минут. Секреты аналитики

Что делают и сколько зарабатывают аналитики в крупных компаниях Из-за того что профессия относительно новая, рынок ещё не определился, кто же такой дата-сайентист. Пока это «человек — швейцарский нож», который должен и анализировать, и программировать, и модели строить. А между тем каждая сфера — отдельная область знания, которую изучают и шлифуют годами. На одноимённую позицию в разных компаниях может требоваться разный набор знаний. Впрочем, если просмотреть несколько десятков вакансий, можно выделить общие, уже устоявшиеся тенденции на рынке Data Science. Секреты аналитики

Язык 1С: плюсы и минусы для аналитических платформ Мы часто сталкиваемся с несколько устаревшим мнением, что язык 1С – это только про финансовые системы. На самом деле 1С — это давно не только язык локальной бухгалтерской или финансовой программы, а мощное решение, проверенное огромным количеством компаний. В этой статье автор подробно разберет, что он из себя представляет, где мы его применяем, какие плюсы и минусы у 1С есть. Секреты аналитики

Интервью с Data Scientist 0:00:00 Начало 0:27:20 Переход в IT 0:38:17 Что такое Data analysis и Data Science 0:44:25 Big Data 0:45:40 Кто такой аналитик 0:46:06 Data mining 0:49:22 Машинное обучение, Deep learning, Нейронные сети 0:52:53 Data Set и обучение нейронных сетей 1:02:34 Как оценить сколько стоит Data Scientist 1:03:46 На чем пишут DS 1:08:54 Инструменты: Tableau, R, Wolfram 1:10:51 По каким процессам работает Data Scientist 1:22:37 Как развиваться чтобы стать DS и что предстоит пройти 1:26:50 Минимальные навыки, которыми должен обладать DS 1:31:25 Где брать практический опыт 1:35:05 Что спрашивают на собеседовании 1:36:17 Источники информации для обучения Смотреть это видео на youtube: youtu.be/tQYCd8tg56U Секреты аналитики

А зачем это бизнесу? Экономическое обоснование использования ML для прогнозирования спроса на ж/д Бизнес всегда хочет сократить затраты, и аналитик может ему в этом помочь за счет прогнозирования спроса. Зная спрос на железной дороге, мы понимаем, где в ближайшем будущем будут основные точки возникновения грузопотоков, куда имеет смысл заадресовывать наши вагоны, чтобы сократить порожние пробеги (когда вагон едет пустым) и остаться в прибыли. Секреты аналитики

Как собирать данные, где искать специалистов и куда всё движется Какие байки ярче всего иллюстрируют заблуждения о больших данных? Какой на самом деле можно получить профит от Big Data? Сколько его придётся ждать и сколько денег необходимо в это вложить? Что лучше — построить свою внутреннюю службу или привлечь консультанта? И, конечно, главное — как правильно произносить это магическое словосочетание? Всё это обсуждается в данном материале. Секреты аналитики