data.hub

Проверь себя за 10 секунд! Можешь по памяти написать SQL-запрос, который вытащит топ-5 клиентов по выручке? Если завис, дело, то ничего страшного. Просто теории было много, а практики почти ноль. Лечится это одним способом: садишься и решаешь задачи. Ровно для этого я собрал data.hub. Что внутри: 🔹 SQL-тренажёр на 300+ задач с автопроверкой 🔹 Песочница для свободных запросов к базе 🔹 Чек-лист навыков, гайд по портфолио и топ-50 вопросов с собесов Всё устроено как игра: задачи по уровням от SELECT до оконных функций, звёзды за решения, прогресс и стрик. Заходишь на 5 минут, а залипаешь на час и незаметно набиваешь руку. Начать можно сегодня, это пара минут: 1. Открываешь data-analytics-hub.ru 2. Жмёшь SQL-тренажёр 3. Решаешь первую задачу и ловишь первую звезду И подарок для тех, кто не откладывает на потом: первым 5 людям, кто напишет мне в личку слово PRO, дам 50% скидку на PRO-режим. Это полный доступ ко всем задачам, разборам и продвинутым темам без ограничений. Погнали 👇 data-analytics-hub.ru

Путь в аналитику похож на игру 🎮 Ты вроде и хочешь начать: статьи читаешь, курс присмотрел, ролики смотришь. А на каждом шаге вылезает свой босс и бьёт по мотивации. Я сам прошёл этих ребят и вижу, как об них спотыкаются почти все новички. Собрал главных в карусель выше, а тут разберу подробнее, как каждого закрыть. 👾 Босс 1. Без опыта не берут. Самый частый босс, на нём сдаётся больше всего людей. Кажется, что это тупик: опыта нет, а без опыта не зовут. Но работодателю нужен не стаж, а доказательство, что ты умеешь. Такое доказательство это портфолио. Берёшь открытый датасет, задаёшь к нему вопросы, отвечаешь и красиво оформляешь. Два-три проекта, и босс повержен. 👾 Босс 2. Сложная математика. Есть миф, что аналитика это сплошные интегралы и матстат уровня универа. На деле процентов 80 работы это выгрузить данные, посчитать, сравнить и объяснить человеческим языком. Проценты, средние, доли, чуть-чуть логики. Тяжёлый матан оставь дата-сайентистам, на старте он тебе не нужен. 👾 Босс 3. Учу всё подряд. Открываешь ютуб, а там SQL, Python, Power BI, статистика, и хочется схватить всё сразу. В итоге по чуть-чуть везде и глубины ноль. Иди по порядку: сначала таблицы и Excel, потом SQL, потом визуализация. Один инструмент до уверенного уровня даёт больше, чем пять на уровне что-то слышал». 👾 Босс 4. Теория без практики. Самый коварный, потому что маскируется под работу. Смотришь лекции, киваешь, всё вроде понятно. А сел за реальную задачу и завис. Понимать и уметь это разные вещи. Правило простое: с первого дня больше делай руками, чем смотри. Разобрал один приём, сразу примени его на своих данных. 👾 Босс 5. Страх откликаться. Тебе кажется, что надо ещё чуть-чуть подготовиться: добить курс, выучить ещё одну тему, и вот тогда точно. Это ловушка, в ней можно сидеть годами. Отклики это тоже часть обучения. Из пары собеседований ты быстрее поймёшь, чего не хватает, чем из ещё одного курса. Откликайся раньше, чем почувствуешь себя готовым. ☠️ Финальный босс. Первое собеседование. Сюда сбегаются все страхи разом. Но у тебя уже есть оружие: твои проекты. Не пересказывай теорию, веди собеседующего по проекту. Какой был вопрос, как ты искал ответ, что вышло, какой сделал вывод. Покажи ход мысли, а не зазубренные определения. Это и есть финальный удар, после которого падает оффер. Если застрял на каком-то из этих боссов, ты не один, через них проходят все. В канале я как раз показываю, как бить каждого: с чего начать, что учить и в каком порядке, как собрать портфолио и не слиться на полпути. Напиши в комментариях, с каким боссом воюешь прямо сейчас. Разберём, как его закрыть 👇

Первое портфолио аналитика: 3 проекта, которые заменят «опыт работы» 🚀 Давай честно. Ты хочешь в аналитику, открываешь вакансии, а там везде требуется опыт. А где его взять, если без опыта не берут? Тот самый замкнутый круг, из-за которого сдаётся большинство новичков. Хорошая новость: круг легко разрывается. Работодателю по сути всё равно, где ты получил навык. Ему важно увидеть, что ты умеешь. И показывает это портфолио. Один нормальный проект на реальных данных убеждает сильнее, чем стопка сертификатов с курсов. 😎 Вот три проекта, которых хватит для первых собеседований SQL-разбор. Берёшь открытый датасет (продажи, такси, рейтинги фильмов), придумываешь 5-7 бизнес-вопросов и достаёшь ответы запросами. Важен не идеальный код, а логика и выводы. Дашборд. Собираешь в Tableau Public или Power BI. Пара ключевых метрик, фильтры, и вся картина видна за секунду. Ровно то, чем аналитик занят каждый день. Мини-исследование. На мой взгляд самый ценный формат. Ставишь гипотезу,проверяешь на данных в Python или даже в Google Sheets и даёшь конкретную рекомендацию бизнесу. Где брать данные? Бесплатно: Kaggle, открытая статистика, публичные API. Выдумывать ничего не нужно. И самое важное, о чём все забывают - визуал. Рекрутер тратит на твой проект максимум секунд десять. Поэтому вывод должен быть на первом экране, а не спрятан под сотней строк кода. Держи простую структуру: вопрос, данные, анализ, вывод. Код на GitHub, дашборды на Tableau Public, а всё вместе собери одной аккуратной страницей в Notion, чтобы кидать одной ссылкой. А если хочешь собрать портфолио не наугад, а под конкретную цель и с обратной связью - пиши в личку. Разберём твой уровень и составим план. С чего начнёшь: с SQL или сразу с дашборда?

Возвращаю активный набор на менторские программы 🙌 Долго к этому шёл и наконец готов. Брал паузу не просто так: хотел пересобрать всё по уму, а не возвращаться к старому формату. И теперь со мной новая команда менторов. Это ребята с реальным опытом в продуктовой и дата-аналитике, которые сами прошли путь от первых SQL-запросов до офферов и знают, где обычно всё застопоривается. Так что если кто-то хотел попасть в аналитику и при этом сделать довольно таки быстро - жду в личных сообщениях тут @ivanoff_dennis. Подберем индивидуальную план развития в профессии. 😎 Плюс запускаю групповые занятия. Это для тех, кому заходит живой формат: разборы в группе, общие созвоны, домашки с обратной связью и компания людей, которые идут к той же цели рядом с тобой. И дешевле, чем личное менторство, если бюджет пока ограничен. И это только начало. В ближайшее время будет много интересных анонсов: новые форматы, бесплатные материалы, разборы кейсов и кое-что, о чём пока рано говорить. Так что не пропадайте, дальше будет интереснее! Ещё кое-что важное. Я полностью обновил сайт. Стало чище, удобнее и быстрее. Там собрано всё, что нужно аналитику в одном месте: тренажёр с задачами, песочница для запросов к базе, разбор резюме, калькулятор зарплат, гайды и комьюнити. Залетайте смотреть: data-analytics-hub

⚽️🥊 SQL Gym Pro 12- Разбор задачи Если бы мы решали задачу с помощью подзапросов , у нас бы получился огромный вложенный запрос, в котором через пять минут будет невозможно разобраться. Пишем по-человечески - через CTE. 1. Мы не пытаемся запихнуть фильтрацию по среднему (AVG) в HAVING основного запроса. Мы вынесли это в отдельный блок global_stats. 2. Использование кросс-джойна для подключения константы (среднего значения) к данным. 3. Средний чек мы считаем как SUM(выручки) / SUM(заказов) внутри группы. Новички часто делают AVG(avg_user_check), что математически неверно (ошибка «среднего от средних»). WITH user_aggregates AS ( -- Шаг 1: Собираем базу по каждому юзеру SELECT user_id, SUM(amount) AS total_revenue, COUNT(order_id) AS orders_count FROM orders GROUP BY user_id ), global_stats AS ( -- Шаг 2: Вычисляем среднюю выручку по всей базе (одно число) SELECT AVG(total_revenue) AS avg_total_revenue FROM user_aggregates ), top_users_categorized AS ( -- Шаг 3: Фильтруем "топов" и вешаем ярлыки SELECT u.user_id, u.total_revenue, u.orders_count, CASE WHEN u.total_revenue > 50000 THEN 'Diamond' ELSE 'Gold' END AS category FROM user_aggregates u CROSS JOIN global_stats g -- Приклеиваем среднее значение к каждой строке WHERE u.total_revenue > g.avg_total_revenue ) -- Шаг 4: Финальная агрегация по категориям SELECT category, COUNT(user_id) AS users_count, ROUND(SUM(total_revenue) / SUM(orders_count), 2) AS avg_order_value FROM top_users_categorized GROUP BY category; Признавайтесь, кто по привычке потянулся писать WHERE total_spent > (SELECT AVG...)? 😉 На самом деле, это не смертельно, но на больших данных ваш сервак скажет досвидос!

⚽️ SQL Gym Pro #12 Условие: Маркетологи хотят выявить самых ценных пользователей (LTV-лидеров) и понять, как их поведение отличается от основной массы. Задача: 1. Найти суммарную выручку по каждому пользователю за всё время. 2. Оставить только тех пользователей, чья общая сумма покупок выше средней по всей базе. 3. Разбить этих «топовых» пользователей на 2 группы: • «Diamond»: сумма покупок > 50 000 руб. • «Gold»: сумма покупок от 0 до 50 000 руб. (но всё ещё выше средней по базе). 4. Вывести для каждой группы (Diamond/Gold): количество пользователей и их средний чек (отношение общей суммы выручки группы к количеству заказов в этой группе). Таблица orders представлена на скрине 👆 💡 Подсказка для решения: Чтобы не запутаться в логике и не плодить вложенные подзапросы, используй цепочку CTE. Пишите свое решение в комментариях 👇

Новый будильник на Android Google выкатил обновление будильника в свежем Android, и это отличный кейс того, как инновации могут конфликтовать со здравым смыслом. Что имеем: 1. На плитке «Сегодня» появилась кнопка «Отключить», которая делает ровно то же самое, что и стандартный переключатель справа. 2. Нижняя плитка стала выше верхней. При этом полезная информация не увеличилась. Вероятно, это попытка выделить иерархию через размер, но в интерфейсе списков это выглядит как ошибка верстки. 3. Кнопка «Отключить» есть только на ближайшем будильнике. Мое мнение на этот счет: Ресурс команды разработки и дизайна - самый дорогой актив. И глядя на этот экран, хочется спросить: какую именно метрику вы пытались здесь вырастить?? Интересно было бы посмотреть на результаты A/B-тестов: насколько быстрее пользователь стал отключать будильник и не вырос ли процент случайных кликов из-за увеличения высоты плитки? Иногда лучший продуктовый фикс - это оставить все как есть. Вы что думаете на этот счет?

SQL Gym Pro 11 - Задача с собеса в Сбер В таблице на картинке представлена активность пользователей в сервисе. У нас есть лог активности пользователей: когда заходили, с какого устройства и сколько песен послушали. Каждая строка представляет собой запись о пользователе, который вошел в систему и послушал несколько треков. (user_id, event_date) - это primary key (комбинация столбцов с уникальными значениями) этой таблицы. Задание: найти дату первого логина для каждого из пользователей Пишите свои ответы в комменты 👇

🔥Знаете, где чаще всего ломается процесс поиска работы? Не на слабом резюме или нехватке хардов. Он сыпется, когда мы пытаемся управлять им «под настроение». 📉 Сегодня есть ресурс - закинули десяток откликов. 📉 Получили отличный фидбэк от какой-то компании, залипли на нее и остановили поиск. Пришел отказ - словили выгорание и вообще выпали. Проблема в том, что поиск - это процесс, работающий по принципу воронки. Когда вы постоянно то запускаете, то бросаете, весь прогрев рынка каждый раз обнуляется. Чаще всего эмоции ломают стратегию в двух точках: 1️⃣ Вас похвалили на интервью, вы расслабились и перестали искать дальше. 2️⃣ Неудачное собеседование заставляет сомневаться в собственной экспертизе. Хотя скорее всего, вы просто не попали в нужный сегмент и ца компании. ❗️А работает системная модель - регулярные касания рынка В такой системе любой фидбэк - это просто данные. Они ничего не меняют в рутине: вы не расстраиваетесь и не празднуете раньше времени. А как у вас сейчас движется поиск работы?

Разбираем очень популярный кейс с собеседований 🧐 Открываешь ноут утром в пн и видишь конверсия в покупку упала. Твои действия? 1️⃣ Уточнить продукт, формулу расчета, глубину падения и базу для сравнения (вчера/прошлый год). 2️⃣ Исключить баги трекинга, ошибки в базе или изменения в дашборде. 3️⃣ Проверить сезонность (праздники/пн vs пт), погоду и активность конкурентов. 4️⃣ Проверить последние релизы, новые фичи, А/В тесты и маркетинговые кампании. 5️⃣ Сегментировать данные по платформам (iOS/Android), гео, источникам трафика и типам юзеров. 6️⃣ Декомпозировать путь пользователя и найти этап, на котором возник «затык». 7️⃣ Проверить смежные метрики: средний чек, Retention и время на сайте - они подсвечивают суть проблемы. 8️⃣ Посмотреть реальное поведение пользователей, чтобы увидеть ошибки в интерфейсе. Итого: главное в этом кейсе отвечать структурно. Кстати, если хочешь научиться щелкать такие кейсы, приходи ко мне на менторство. Разберем твой запрос по полочкам здесь: @ivanoff_dennis

🧩 Задача на «сеньорность» или детский сад? На одном из финальных интервью в одну известную компанию мне предложили выбрать лишнюю фигуру. Я, конечно, сразу выдохнул, потому что ожидал хардовые задачи.. но все ли так просто?