Product Analytics

описание

Шпаргалка продуктового аналітика, актуальні матеріали закладок аналітиків Автор: @osiyuk

← к каналу @ProductAnalytics

5 764

подписчиков

Охват к подписчикам

53,3%

ERR

Реакции к просмотрам

0,00%

0 на 20 постов

Пересылки к просмотрам

0,68%

418

Постов в день

0,0

всего 20

Где отзываются чаще

доля реакций к просмотрам

26 июн.📊 Data Engineering — один із найшвидше зростаючих напрямів у роботі з даними. Попит росте швидше, ніж кількість спеціалістів, які реально мають необхідний скілсет. Розберіться з Big Data, ETL/ELT, Spark, Airflow, Docker та AWS та опануйте трендову професію, — на курсі «Data Engineering» від robot_dreams. За 20 занять ви: – розберетеся зі скілсетом Data Engineer і ключовими інструментами – навчитеся працювати з великими обсягами даних і будувати підходи до їх обробки – зможете проєктувати повноцінні Big Data системи – попрацюєте з Hadoop, Apache Spark, Airflow та іншими технологіями – зрозумієте, як створювати рішення, які масштабуються У результаті — зможете переходити від окремих задач до побудови систем роботи з даними. Вас навчатиме Ілля Хороших — Data Engineer із досвідом у Lyft, EPAM, Luxoft. Працює з системами, які обробляють терабайти даних і масштабуються на мільйони користувачів. Старт: 13 липня Деталі, програма та реєстрація ⬅️0,00%
30 мар.Claude AI - моє головне відкриття цього року. Написав статтю про те, як за допомогою Claude можна значно спростити реалізацію складних технічних рішень - на прикладі моделювання кривої оплат підписки (resubscription). Якщо коротко, Claude не просто генерує код - він: - розуміє складні наукові статті, - допомагає перекласти їх у робочу модель, - і робить це буквально за секунди. У моєму кейсі - функція, яку я намагався реалізувати різними способами, була згенерована і запрацювала майже одразу. В статті показав: - як я перейшов від простого curve fitting до probabilistic model, - як реалізував це в Google Sheets, - і додав сам код з інстукцією для використання. @BigQuery0,00%
30 мар.Microsoft запустив AI Performance у Bing Webmaster Tools (public preview) — звіт, який показує, як ваш контент цитується в AI-відповідях Copilot та Bing. Це перший кейс, коли велика пошукова платформа дає структуровану аналітику не по кліках чи позиціях, а по цитуваннях в generative answers. Що можна подивитись: 📊 Total citations — скільки разів ваш сайт був джерелом 📄 Average cited pages — скільки унікальних URL цитуються щодня 🔎 Grounding queries — фрази, якими AI “дістає” ваш контент 📈 Visibility trends — динаміка цитувань у часі 📌 Page-level activity — які сторінки найчастіше використовуються як source ⚠️ Важливо: це не про кліки і не про трафік. Це про факт використання вашого контенту в AI-відповідях. Це цікаво навіть якщо Bing не є вашим основним каналом, оскільки Copilot інтегрований у Windows, Edge, Microsoft 365, а реальних точок контакту ще більше. Майже гарантовано щось подібне з часом зʼявиться і в Google Search Console. Офіційний анонс: https://bit.ly/4lblS9V via @WebAnalyst0,00%
18 мар.📊 Дані щодня зростають у геометричній прогресії — в таблицях, базах і звітах. Якщо робота з ними стала рутиною — час впроваджувати AI. Навчіться будувати повний AI-аналітичний процес: EDA (розвідковий аналіз даних), очищення та валідація даних, SQL-аналіз, візуалізація, ML та інтерпретація результатів — на курсі «AI для аналізу даних» від robot_dreams. Після 10 занять ви навчитеся: ⚙️ використовувати AI для очищення, валідації та первинного аналізу даних ⚙️ застосовувати ML для прогнозування метрик і виявлення аномалій ⚙️ створювати ефективні промпти для EDA, SQL, візуалізацій та перевірки якості результатів AI ⚙️ генерувати, оптимізувати й пояснювати SQL-запити для ефективної роботи з базами даних Лекторка: Кристина Ісакова — PhD в області математичного моделювання з 7 роками досвіду в Data Science. Розробляла моделі передбачень та моніторингу метрик у німецькій транспортній компанії FlixBus і будувала рекомендатори для страхових компаній в CHECK24. Старт: 24 березня Деталі, програма та реєстрація ⬅️0,00%
15 янв.Дуже цікава стаття про те, як LLM-ки змінюють маркетплейси. Якщо коротко, то якщо ваш саплай дуже просто агрегувати, і ви додатково їм не керуєте, то ваш бізнес з високою вірогідністю з’їдять LLMки (агрегатори квитків, агрегатори рев’ю). Якщо ваш саплай складно збирати, ви сильно їм керуєте і він має відповідати певним стандартам платформи, то високою вірогідністю LLM-ки стануть для вас аквізішн каналом. Це все не я придумав, а розумні люди тут: https://www.danhock.co/p/llms-vs-marketplaces0,00%
26 нояб.Пастки аналітики: коли цифри говорять не все https://medium.com/@ttatus/пастки-аналітики-коли-цифри-говорять-не-все-e81076d391c0 @ProductAnalytics0,00%
26 нояб.📊 Looker Studio тепер підтримує умовне форматування для Bar Charts! Тепер можна задавати правила, за якими стовпчики змінюють колір залежно від значення — наприклад, зелені для успішних показників і червоні для тих, що нижче цілі 🔴🟢 Це допомагає швидше помічати відхилення, виділяти тренди й робити дашборди більш інтуїтивними 💡 👉 Приклади та поради від Google: https://bit.ly/4omgnWt via @WebAnalyst0,00%
2 окт. 2025 г.⚙️ Світ давно говорить мовою даних — будь-який застосунок, сервіс чи бізнес-рішення починаються з архітектури Big Data, яка визначає масштабованість і надійність усієї системи. Опануйте трендову професію Data Engineer, розширте стек для роботи з Big Data та скоротіть час на підготовку даних до аналізу — на курсі «Data Engineering» від robot_dreams. За 19 занять ви навчитеся: 🔹 знаходити коректні дані 🔹 налаштовувати ETL- та ELT-процеси 🔹 запускати автоматичне оновлення пайплайнів 🔹 працювати з Hadoop, Apache Airflow, Apache Spark, SparkSQL, HDFS та іншими інструментами Лектор: Ілля Хороших — Data Platform Engineer у Lyft, який бере участь у створенні рішень для обробки Big Data для сервісу, що має понад 23 млн користувачів. Працював як на аутсорсі (EPAM, Luxoft, Newxel), так і в продуктових компаніях (Lyft). Старт: 29 жовтня Деталі, програма та реєстрація ⬅️0,00%
1 окт. 2025 г.Цікавий підхід до аналізу віддотку користувачів. Автор розглядає, як будувати правильний набір даних для аналізу причин відтоку у продуктовій аналітиці. Особлива увага приділяється тому, як вибирати спостереження (дату, точку “зрізу”) як для користувачів, що пішли, так і для тих, що залишилися. @ProductAnalytics0,00%
29 сент. 2025 г.Гарний матеріал про тестування ігор. Стаття пояснює, як грамотно планувати та зупиняти тести, щоб отримати максимум корисних висновків з мінімальними витратами. Коли і на яких стадіях робити тести, і як зрозуміти, що “достатньо”. Додаткові поради: - Дешевше зробити ранній тест, ніж відкладати всі проблеми на кінець, коли виправлення дорогі, - Фокусуйтеся спочатку на ризикових рішеннях (що може піти не так, що найскладніше реалізувати) — саме там тести дають найбільшу віддачу. @ProductAnalytics0,00%
29 сент. 2025 г.Минулого року на конференції Measure Summit Siavash Kanani показав крутий концепт — ✨ Telepathy + Triggers для Looker Studio, який може перетворити простий дашборд в інтерактивний інструмент, що може: - ✉️ надсилати повідомлення по певним умовам на основі даних, - 💬 відображати коментарі і чат (як в Google Docs), - 🚀 запускати різні процеси по API. Так от, нещодавно Siavash публічно відкрив репозиторій такого рішення, щоб всі бажаючі могли ним 🎁 безкоштовно скористатись та законтріб'ютити: https://github.com/siavak-dev/telepathy 👉 Подивитись повну демонстрацію всіх можливостей: https://www.youtube.com/watch?v=tAoankCaPuI 📌 P.S. Чисто по фану за допомогою цього рішення він побудував повноцінний софт для кав’ярні прямо у Looker Studio — з замовленням, дашбордом для баристи і екраном готових замовлень. via @WebAnalyst0,00%
14 авг. 2025 г.📊 Замість «ну, директору ніби подобається» → «працює, маємо +12 % до retention». Замість «запускаємо, а там подивимося» → А/B-тести, гіпотези та чіткі показники. Навчіться аналізувати продукт комплексно на курсі «Продуктова аналітика»: від метрик до A/B-тестів та гіпотез, від SQL-запитів до наочної візуалізації, актуальні інструменти й курсовий проєкт. За 24 заняття ви навчитесь: 🔸 формулювати гіпотези, будувати дерево метрик та оцінювати зміни 🔸 використовувати продуктові метрики 🔸 працювати з гіпотезами 🔸 аналізувати юніт-економіку 🔸 працювати з SQL, Amplitude, Firebase, GA4 🔸 візуалізувати дані у Tableau Курсовий проєкт від продуктової компанії Brainstack — створите аналітичний дашборд, що допоможе виявляти продуктові закономірності, формувати гіпотези та знаходити точки для оптимізації Лекторка: Юлія Пузанова — Staff Product Analyst у Bolt, очолює аналітику команд, які автоматизують зростання бізнесу та оптимізують розподіл інвестицій. Старт: 20 серпня Деталі, програма та реєстрація 🔗0,00%