Блог
Статьи о подготовке к собеседованию аналитика данных — практические гайды, реальные кейсы, разборы
259 постов
13 тематических серий
3073+ мин чтения
11+ компаний разобрано
SQL с нуля для аналитика 11
10-частная серия от «что такое БД» до Оконные функции — основа для новичков
Открыть курс →SQL с нуля: учебник для аналитика — 10 частей
Бесплатный учебник SQL для начинающего аналитика: 10 частей от азов до оконных функций. Тренажёр с автопроверкой, реальные примеры — пройди бесплатно.
SQL с нуля. Часть 1: Что такое БД и SQL — и зачем аналитику?
Часть 1 учебника SQL. Что такое реляционная БД, чем отличается от Excel, популярные БД 2026 (PostgreSQL, ClickHouse). Как установить PG за 5 минут.
SQL с нуля. Часть 2: SELECT FROM WHERE — твой первый запрос
Часть 2 учебника SQL. SELECT — главная команда чтения данных. FROM — откуда. WHERE — фильтр. Операторы сравнения, AND, OR, NOT, IS NULL.
SQL с нуля. Часть 3: ORDER BY, LIMIT, DISTINCT, OFFSET
Часть 3 учебника SQL. Сортировка через ORDER BY, лимит количества строк, уникальные значения DISTINCT, пагинация через OFFSET. Когда что использовать.
SQL с нуля. Часть 4: агрегаты, GROUP BY и HAVING
Часть 4 учебника SQL. Агрегатные функции (COUNT, SUM, AVG, MIN, MAX). GROUP BY для группировки данных. HAVING для фильтра агрегатов. Реальные примеры.
SQL с нуля. Часть 5: JOIN — INNER, LEFT, RIGHT, FULL, CROSS
Часть 5 учебника SQL. Все типы JOIN: INNER, LEFT, RIGHT, FULL OUTER, CROSS. Диаграммы Венна, типичные ошибки, fan-out, когда какой брать.
SQL с нуля. Часть 6: подзапросы и CTE (WITH)
Часть 6 учебника SQL. Подзапросы во WHERE/FROM/SELECT. CTE через WITH — читаемая альтернатива. Когда что выбирать. Соображения о производительности.
SQL с нуля. Часть 7: NULL, COALESCE, CAST, CASE
Часть 7 учебника SQL. NULL — главный источник багов. Типы данных PG. COALESCE для значения по умолчанию. CAST для конверсии. CASE WHEN для условной логики.
Дата и время в SQL: date_trunc, EXTRACT, INTERVAL
Работа с датами в SQL: date_trunc для группировки по периодам, EXTRACT для частей даты, INTERVAL для арифметики, часовые пояса и TO_CHAR. С примерами.
SQL с нуля. Часть 9: строки — LIKE, SUBSTRING, regex
Часть 9 учебника SQL. Работа со строками в PostgreSQL. LIKE и ILIKE для поиска, SUBSTRING для обрезки, CONCAT для соединения, regex для сложных паттернов.
SQL с нуля. Часть 10: оконные функции (ROW_NUMBER, RANK)
Часть 10 учебника SQL. Оконные функции для аналитика. ROW_NUMBER, RANK, DENSE_RANK для нумерации. LAG/LEAD для соседних значений. Когда брать вместо GROUP BY.
Подготовка к собеседованию 10
150+ вопросов, поведенческое, мок-собес, советы и планы подготовки
ANTI JOIN и LATERAL JOIN в PostgreSQL: когда нужны
ANTI JOIN = строки без пары: NOT EXISTS или LEFT JOIN ... IS NULL. LATERAL = коррелированный подзапрос для top-N на группу. Примеры SQL и производительность.
«Расскажите о себе»: ответ аналитика на собесе
Как ответить на «расскажите о себе» на собесе аналитика: структура настоящее-прошлое-почему вы плюс мостик к вакансии, разбор и пример за 90 секунд.
10 ошибок на собеседовании аналитика данных
10 ошибок на собеседовании аналитика, которые валят собес: молчат над SQL, путают корреляцию с причинностью, забывают про бизнес. И как их избежать.
Market sizing: как оценить размер рынка на собесе
Оценка размера рынка на собесе аналитика: top-down и bottom-up, как рассуждать вслух, какие числа держать в голове и типичные ошибки.
UNION vs UNION ALL в SQL: в чём разница
UNION и UNION ALL разница на примерах: почему UNION дедуплицирует и потому медленнее, требования к колонкам, потерянные строки и мини-бенчмарк на объёме.
Self join в SQL: самосоединение таблицы, примеры
Self join SQL — как соединить таблицу саму с собой через алиасы: иерархия сотрудник-менеджер, сравнение соседних строк, поиск пар и дубликатов, ловушки.
EXISTS, IN и NOT IN в SQL: ловушка с NULL
exists vs in sql: когда брать EXISTS, а когда IN, почему NOT IN молча возвращает пустой результат из-за одного NULL и чем NOT EXISTS безопаснее.
Тестовое задание аналитика: 4 задачи с решением на SQL
Тестовое задание аналитика на маркетплейсе с полным решением на SQL: выручка и MoM, воронка, retention по когортам, разбор «почему упал GMV».
p-value простыми словами: что это и как читать
p-value простыми словами для аналитика: что это на самом деле, чем не является, порог alpha, пример A/B-теста, частые ошибки и p-hacking.
North Star метрика: как выбрать главную метрику
North Star метрика: критерии выбора, отличие от OKR и KPI, дерево input-метрик, 4 примера реальных продуктов, типичные ошибки и как защитить NSM аналитику.
Собес в РФ-компаниях 11
Yandex, Ozon, Тинькофф, Сбер, Avito, Wildberries, VK, Lamoda, X5, МТС — реальные вопросы
Kaspi.kz собес аналитика: SQL, метрики, зарплаты 2026
Собес аналитика данных в Kaspi.kz: раунды, SQL-задачи, метрики финтеха и маркетплейса, грейды и зарплаты в тенге 2026. Гайд по подготовке.
Вопросы собеса в Яндекс на аналитика: 25+ с разбором
25+ реальных вопросов с собеса аналитика в Яндекс по 5 раундам: SQL, Python, A/B-тесты, продуктовый кейс, behavioral. Грейды G14-G18, зарплаты, red flags.
Вопросы собеса в Ozon на аналитика: 25+ с разбором
25+ реальных вопросов с собеса аналитика Ozon: SQL (ClickHouse), Python, маркетплейс-метрики (GMV/AOV/Take Rate), search ranking, ML. Грейды и зарплаты.
Вопросы собеса в Тинькофф (T-Bank) на аналитика: 25+
25+ реальных вопросов с собеса аналитика T-Bank/Тинькофф: SQL, Python, fintech-метрики (LTV/CAC/credit risk), фрод-детекция, A/B-тесты. Грейды и зарплаты.
Вопросы собеса в Сбер на аналитика: 25+ с разбором
25+ реальных вопросов с собеса аналитика Сбер: SQL (Oracle/PostgreSQL), Python, статистика, банковские метрики, ETL, регуляторика. Грейды и зарплаты.
Вопросы собеса в Avito на аналитика: 25+ с разбором
Реальные вопросы с собеса аналитика Avito: SQL (Vertica/ClickHouse), Python, метрики classifieds, A/B-тесты. Грейды и зарплаты — с разбором.
Вопросы собеса в Wildberries на аналитика: 25+ с разбором
Реальные вопросы с собеса аналитика Wildberries: GMV, return rate, RecSys, ClickHouse, A/B-тесты. Грейды и зарплаты крупнейшего маркетплейса РФ.
Вопросы собеса в VK на аналитика 2026: 25+ реальных + разбор
Реальные вопросы с собеса аналитика VK: соцсеть-метрики (DAU/sticky/feed-ranking), ML-feed, ClickHouse, A/B-тесты. Грейды, зарплаты, особенности.
Вопросы собеса в Lamoda на аналитика: 25+ с разбором
Реальные вопросы с собеса аналитика Lamoda: fashion e-com метрики, return rate, когорты, ClickHouse, A/B-тесты. Грейды, зарплаты, специфика.
Вопросы собеса в X5 на аналитика 2026: 25+ реальных + разбор
Реальные вопросы с собеса аналитика X5 (Пятёрочка/Перекрёсток/Чижик): retail метрики (баскет, корзина, geo, форматы магазинов), ClickHouse, A/B-тесты.
Вопросы собеса в МТС на аналитика: 25+ с разбором
Реальные вопросы с собеса аналитика МТС: telecom-метрики (churn, ARPU), ClickHouse, A/B-тесты, ML/Bigdata. Грейды, зарплаты, специфика отрасли.
Метрики и продуктовая аналитика 10
AARRR, LTV/CAC, юнит-экономика, продуктовые метрики на конкретных примерах
YoY, QoQ, MoM, CAGR: формулы и SQL динамики
YoY = (текущий − прошлогодний) / прошлогодний. Разбираем QoQ, MoM, CAGR: формулы, SQL с LAG и date_trunc, когда какую брать и как не сравнить несравнимое.
AOV, GMV, Take Rate: метрики маркетплейса
GMV = сумма заказов, AOV = GMV / число заказов, Take Rate = выручка / GMV. Формулы, SQL-расчёт, связь метрик и типичные ошибки аналитика.
Как оценить эффект фичи, если A/B невозможен
A/B возможен не всегда. Как оценить эффект раскатки фичи без теста: difference-in-differences, синтетический контроль и до/после — с кодом и оговорками.
Метрики сессий: длительность, глубина и сессионизация в SQL
Как определить сессию через таймаут 30 минут, посчитать длительность, глубину и bounce и сессионизировать поток событий в SQL через LAG и нарастающую сумму.
Когортный анализ retention в Python и pandas
Как построить когортный retention в pandas: когорты по месяцу регистрации, матрица удержания, heatmap. Пошагово с кодом, без SQL.
LLM-метрики: как оценивать качество ответов модели
Метрики качества LLM для аналитика: hallucination rate, faithfulness, answer relevance, context recall (RAGAS). Как измерять RAG-систему. С примерами.
Модели атрибуции в маркетинговой аналитике
Модели атрибуции простыми словами: last/first touch, linear, time decay, position-based и data-driven. Как выбрать модель под свой продукт и посчитать её в SQL
ROC-AUC vs PR-AUC: какую метрику выбрать
ROC-AUC и PR-AUC простыми словами: чем отличаются и почему при сильном дисбалансе классов ROC-AUC обманывает, а PR-AUC честнее. С разбором.
OKR vs KPI: в чём разница и зачем это аналитику
KPI следят за здоровьем продукта, OKR двигают его вперёд. Разбираю разницу на пальцах, показываю, как аналитик считает baseline, ставит target и трекает прогрес
NPS, CSAT и CES: метрики лояльности для аналитика
Разбираю три метрики удовлетворённости — NPS, CSAT и CES: как считать в SQL и Python, какие шкалы, когда что применять, где ловушки (культ NPS, малые выборки, к
Python и pandas для аналитика 8
pandas, polars, NumPy, scipy, A/B на Python — практические гайды
Pandas или SQL: когда что выбирать аналитику данных
Когда аналитику брать SQL, а когда pandas: где что удобнее, как построить связку из тяжёлой агрегации в SQL и тонкой доводки в pandas, плюс таблица соответствия
Оптимизация памяти в pandas: dtype, downcast и category
Как ужать DataFrame, который не влезает в память: downcast int в int16, object в category, chunksize при чтении больших CSV. С замерами memory_usage(deep=True)
Генераторы и yield в Python для аналитика
Генераторы и yield в Python: как обрабатывать большие файлы и потоки построчно, не загружая всё в память. Ленивые вычисления, генераторные выражения, chunk-обра
SRM в A/B-тесте: как поймать перекос выборки
Что такое sample ratio mismatch (SRM), почему он ломает A/B-тест, как обнаружить перекос выборки тестом хи-квадрат и что делать при его обнаружении. Примеры на
CUPED: как ускорить A/B-тесты снижением дисперсии
CUPED простыми словами: зачем нужна ковариата, как снижается дисперсия и сокращается размер выборки. Формула словами и пример на Python.
Кластеризация k-means в Python для аналитика
Разбираю k-means на практике аналитика: как работают центроиды и итерации, зачем масштабировать признаки, как выбрать число кластеров через метод локтя и силуэт
Прогнозирование временных рядов в Python: с чего начать
Тренд, сезонность и остатки, наивные бейзлайны, стационарность, decompose, метрики точности (MAE, MAPE, WAPE) и честный обзор инструментов от Prophet до ARIMA —
Jupyter Notebook для аналитика: гайд с нуля
Практический разбор Jupyter Notebook для аналитика данных: ячейки code и markdown, магические команды, горячие клавиши, «грязное состояние» и порядок выполнения
DWH, BI, ETL 12
ClickHouse, dbt, Airflow, DataLens, Power BI, Tableau, Superset
Идемпотентность ETL: повторный запуск без дублей
Как сделать ETL-загрузку идемпотентной: UPSERT, MERGE, DELETE+INSERT по партиции, дедуп по ключу и watermark. At-least-once vs exactly-once на практике аналитик
SCD (Slowly Changing Dimensions): типы 1, 2 и 3 — как хранить историю
Как хранить меняющиеся атрибуты измерений: SCD Type 1, 2 и 3 на реальных SQL-примерах — valid_from/valid_to, is_current, dbt snapshots и корректный историчный д
Power Query в Excel: ETL для аналитика без кода
Power Query простыми словами: как чистить, объединять и разворачивать данные в Excel без кода и почему это надёжнее ручного ВПР.
Схема звезда и снежинка в хранилище данных: как моделируют DWH
Разбираю на примерах, как моделируют хранилище данных: факты и измерения, схема звезда против снежинки, surrogate keys, гранулярность факта, Кимбалл против Инмо
Medallion-архитектура: слои bronze, silver, gold на практике
Разбираю, как раскладывать данные по слоям bronze, silver и gold: какие трансформации живут на каждом уровне, как это ложится на dbt и lakehouse и что даёт для
PIVOT в SQL: строки в столбцы (сводная таблица)
PIVOT в SQL без нативного оператора: как превратить строки в столбцы через CASE WHEN и FILTER, собрать сводную таблицу выручки и сделать обратный UNPIVOT.
OLAP и OLTP: разница простыми словами
OLAP и OLTP: разница простыми словами. Почему аналитик живёт в ClickHouse и DWH, а приложение — в Postgres, колоночное против строкового хранения.
ETL и ELT: в чём разница простыми словами
ETL и ELT разница на конкретном пайплайне Postgres → ClickHouse → dbt: что означает каждая буква, почему DWH выбирают ELT и где аналитик встречает то и другое.
Условная агрегация в SQL: SUM(CASE WHEN) и FILTER
Условная агрегация SQL: считаем конверсии по этапам, выручку по сегментам и несколько метрик одним запросом через SUM(CASE WHEN) и FILTER в Postgres.
JSON и JSONB в PostgreSQL: гайд для аналитика
JSON и JSONB в PostgreSQL для аналитика: операторы -> ->> #> #>>, jsonb_array_elements для массивов, фильтры @> и ?, GIN-индексы. Разбор event-логов и UTM на…
Gaps-and-islands в SQL: серии подряд идущих дней
Gaps-and-islands в SQL: находим серии подряд идущих дней через ROW_NUMBER и разность с датой. Стрики, периоды подписки, серии продаж — код на PostgreSQL.
Дедупликация данных в SQL: ROW_NUMBER и DISTINCT ON
Как убрать дубли в SQL и оставить свежую строку на ключ: DISTINCT, GROUP BY, ROW_NUMBER и DISTINCT ON в PostgreSQL — с кодом, tie-break и производительностью.
SQL продвинутый 10
Оконные функции, CTE, JOIN тонкости, performance, антипаттерны
Парадокс Симпсона: почему агрегат врёт (пример)
Парадокс Симпсона — когда A лучше B в каждом сегменте, но хуже в сумме. Разбираем на числах (90% vs 80%), mix-shift, SQL-разбивку и взвешивание.
CAST в SQL: преобразование типов данных без сюрпризов
Как приводить типы в SQL: CAST(x AS type) и оператор ::type в PostgreSQL. Строка в число, число в дату, почему 5/2=2, округление ROUND над numeric, ошибки каста
UNPIVOT в SQL: как развернуть столбцы в строки
Как развернуть столбцы в строки: UNPIVOT через UNION ALL и LATERAL VALUES в PostgreSQL, оператор UNPIVOT в SQL Server и Oracle, аналог melt в pandas. С примерам
DuckDB для аналитика: быстрая локальная аналитика
DuckDB простыми словами: аналитическая СУБД в одном файле, чтение Parquet/CSV, SQL без сервера, сравнение с pandas и SQLite. С примерами кода.
Как читать и разбирать чужой SQL-запрос
Пошаговый метод разбора незнакомого SQL: как раскрутить подзапросы и CTE, заметить фан-аут и проверить, что запрос считает именно то, что нужно.
ROW_NUMBER, RANK и DENSE_RANK: разница и когда что
Разбираю три ранжирующих оконных функции SQL на одном примере с одинаковыми значениями: где номера идут подряд, где с пропусками, а где плотно. Плюс подвох с OR
Транзакции и ACID в SQL простыми словами
Понятное объяснение транзакций и ACID в SQL на примере перевода денег: BEGIN/COMMIT/ROLLBACK, уровни изоляции, аномалии чтения и консистентность выгрузок для ан
Коррелированный подзапрос в SQL: что это и когда нужен
Разбираю на живых примерах, чем коррелированный подзапрос отличается от обычного, где он реально нужен (зарплата выше средней по отделу, EXISTS) и как переписат
LAG и LEAD в SQL: как сравнить строку с предыдущей и следующей
Разбираю на реальных примерах, как оконные функции LAG и LEAD достают значение из соседней строки: рост выручки месяц к месяцу, разница между событиями, флаг но
SQLAlchemy: подключить Python к базе данных
Практический разбор для аналитика: engine и строка подключения, pd.read_sql_query, параметризованные запросы, chunksize для больших выгрузок, пулы соединений и
A/B-тесты и статистика 8
CUPED, MAB, DiD, sample size, scipy.stats — все про эксперименты
MDE в A/B-тесте: формула и размер выборки
MDE — минимальный эффект, который тест уловит при заданной мощности. Формула размера выборки n ≈ 16·σ²/Δ², дельта-метод для ratio-метрик и код на Python.
Z-тест vs t-тест: когда какой применять
Чем z-тест отличается от t-теста, почему для средних берут t, а для конверсии в A/B — z, при чём тут ЦПТ и как посчитать оба в Python на scipy.
ANOVA (дисперсионный анализ) простыми словами
Дисперсионный анализ (ANOVA) для аналитика: почему нельзя гонять много t-тестов, как читать F-статистику, post-hoc Tukey, предпосылки и пример на scipy.
Размер эффекта и Cohen's d: почему одного p-value недостаточно
p-value говорит «есть ли эффект», Cohen's d — «насколько он большой». Расчёт размера эффекта для средних, шкала 0.2/0.5/0.8, связь с MDE и практической значимос
Центральная предельная теорема простыми словами
Разбираю ЦПТ на пальцах: почему средние выборок стремятся к нормальному распределению даже для кривых данных, при чём тут A/B-тесты и доверительные интервалы, с
Дисперсия и стандартное отклонение простыми словами
Разбираю на пальцах, что такое разброс данных, чем дисперсия отличается от стандартного отклонения, зачем делят на n-1, как связаны z-оценка, выбросы и правило
Тест хи-квадрат: когда и как применять в аналитике
Разбираю тест хи-квадрат на пальцах: таблица сопряжённости, ожидаемые и наблюдаемые частоты, тест независимости и согласия, условие частот ≥5 и пример на scipy.
Сколько длить A/B-тест: как определить длительность
Длительность A/B-теста — это размер выборки, делённый на трафик, но не меньше одного-двух недельных циклов. Разбираю расчёт в неделях, недельную сезонность, nov
Карьера и зарплаты 8
Roadmap, грейды, зарплаты в РФ, переход между ролями
Инструменты аналитика данных 2026: полный стек
Стек аналитика данных 2026: SQL, Python (pandas), BI (DataLens/Superset), ClickHouse, dbt, A/B-платформы. Что учить, что можно пропустить и в каком порядке.
Как презентовать дашборд и данные стейкхолдерам
Как аналитику доносить выводы: структура истории с данными, выбор графика, что говорить у дашборда, частые ошибки презентации. Практичный разбор с примерами.
Переход в аналитику из другой профессии: план
Как перейти в аналитику из экономики, маркетинга, бухгалтерии, инженерии или тестирования: какие навыки уже переносимы, минимальный стек SQL → pandas → статисти
Первые 90 дней аналитика данных: план онбординга
Пошаговый план первых 90 дней аналитика данных на новой работе: разобраться в данных, первый быстрый win, своя зона метрик, доверие. Чек-листы, ошибки, что с…
SQL или Python: что учить первым аналитику данных
SQL или Python для аналитика: что учить первым, почему SQL быстрее доводит до оффера и когда добавлять Python. Честное сравнение и план на 3 месяца.
Зарплата аналитика данных в Казахстане 2026
Зарплата аналитика данных в Казахстане 2026: вилки в тенге по грейдам Junior/Middle/Senior/Lead, топ-компании Kaspi, Halyk, Kolesa, inDrive, сравнение с РФ.
Аналитик данных vs системный vs бизнес-аналитик 2026
Чем отличаются аналитик данных, системный и бизнес-аналитик: задачи, стек, зарплата 2026, как выбрать роль и перейти между ними.
AI-промпты для аналитика: резюме, собес, SQL 2026
15+ готовых AI-промптов для аналитика данных: резюме, сопроводительное, подготовка к собесу, разбор SQL-задач и метрик. ChatGPT, Claude, DeepSeek.
AI/LLM в аналитике 2
YandexGPT/ChatGPT для SQL, Cursor, RAG, vector DB для аналитика
Cursor AI для аналитика данных: 3 паттерна работы
Cursor — AI-first IDE для аналитика. 3 паттерна: SQL генерация по описанию, рефакторинг Python, Jupyter notebook автоматизация. Production советы.
YandexGPT и ChatGPT для аналитика: генерация SQL
Как аналитику использовать YandexGPT API и ChatGPT для генерации SQL, объяснения чужого кода, code review. Промпт-инжиниринг, ограничения, где LLM врёт.
Real-time, Lakehouse, OLAP 4
Kafka + Flink, Iceberg + Trino, ClickHouse vs Druid vs StarRocks
Lakehouse 2026: Iceberg + Trino + ClickHouse для DWH
Современная архитектура DWH 2026: Apache Iceberg как storage, Trino для federation, ClickHouse для real-time. 4-зонная схема vs Kimball/Inmon/Data Vault.
Real-time пайплайн на Kafka + Flink + ClickHouse
Real-time пайплайн: Kafka для ingestion, Flink для агрегации, ClickHouse для хранения. Latency меньше 1 сек, exactly-once, troubleshooting.
Когда брать ksqlDB или Kafka Streams вместо Flink?
ksqlDB и Kafka Streams в 2026: лёгкое stream processing без Flink. Когда хватит SQL-интерфейса, как масштабировать, чем отличается от Flink. Реальные сценарии.
Real-time OLAP: ClickHouse vs Druid vs StarRocks vs Pinot
Real-time OLAP-базы 2026: ClickHouse, Apache Druid, StarRocks, Apache Pinot. Бенчмарки concurrency, latency, cost, миграционные истории. Когда что выбрать.
Инструменты и тренды 2026 6
Excel/Power Query, pet-проекты, GitHub Actions, тренды индустрии
ВПР в Excel: примеры, ошибки, XLOOKUP
ВПР в Excel на примерах: точное и приблизительное совпадение, почему вылетает #Н/Д, поиск по двум условиям, левый поиск, XLOOKUP и переход на SQL JOIN.
Сводные таблицы Excel для аналитика с нуля
Сводные таблицы Excel с нуля: строим отчёт по продажам за пять шагов, группируем по датам, добавляем вычисляемое поле и срезы, повторяем в pandas.
Функция ЕСЛИ в Excel: вложенные, ЕСЛИМН, примеры
Функция ЕСЛИ в Excel на задачах аналитика: флаги, сегменты, грейды. Вложенные ЕСЛИ, ЕСЛИМН (IFS), связки И/ИЛИ и мостик к CASE WHEN в SQL.
Разбор тестового на A/B-тест: как решать
Тестовое задание на A/B-тест: полное решение с кодом. Конверсии, z-тест пропорций, доверительный интервал, практическая значимость и вывод.
Разбор SQL тестового задания аналитика
SQL тестовое задание аналитика с разбором: от таблицы транзакций до выводов. Оконные функции, CTE, топ-N, помесячная разбивка, оптимизация.
Разбор Python тестового задания аналитика
Python тестовое задание аналитика: сессионизация лога на pandas. groupby.diff, флаг новой сессии, cumsum, векторизация вместо циклов.
Другие материалы 30
Прочие гайды и заметки
Утечка данных (data leakage) в ML: как распознать и не пустить в прод
Что такое утечка данных (data leakage) в ML: target leakage и загрязнение теста до сплита, отличие от переобучения, симптомы и чек-лист, как поймать утечку до п
Дисбаланс классов в машинном обучении: как с ним бороться
Почему при редком классе (фрод 0.1%) модель предсказывает всё нулём и как это чинить: PR-AUC и F1 вместо accuracy, веса классов, undersampling, SMOTE и его риск
Случайный лес (random forest): как работает и где подводит
Как работает случайный лес: bagging, случайные подвыборки строк и признаков, усреднение деревьев. Подвохи feature importance, отличие от бустинга и пример на sk
SHAP: как объяснить предсказания ML-модели
SHAP простыми словами: как значения Шепли делят вклад признаков в предсказание, чем это лучше feature importance и где метод обманывает на коррелированных данны
Логистическая регрессия простыми словами для аналитика
Разбираю логистическую регрессию на пальцах: как предсказать вероятность оттока или клика, почему не подходит линейная модель, что такое сигмоида, log-odds и od
PySpark для аналитика: основы на понятных примерах
Когда pandas упирается в память и нужен Spark. DataFrame API (select, filter, groupBy, join), lazy evaluation, действия vs трансформации, partitions и почему sh
Регулярные выражения в Python для аналитика
Практический гайд по regex в Python для очистки данных: телефоны, email, парсинг логов и URL. Модуль re (search/findall/sub), pandas .str.extract/.str.contains,
List comprehension в Python простыми словами
Разбираю list comprehension на понятных примерах: синтаксис с if и else, вложенные и dict/set-варианты, скорость против цикла и map/filter, и когда лучше вернут
Бутстрап: доверительные интервалы без формул
Как построить доверительный интервал для медианы, конверсии и ratio-метрик пересэмплированием с возвращением, когда формулы нет или данные не нормальные. Перцен
Байесовский A/B-тест vs частотный: в чём разница на практике
Частотный (p-value, отвергаем H0) против байесовского (P что B лучше A, ожидаемые потери). Beta-Binomial для конверсий на пальцах, приор, ранняя остановка и ког
A/A-тест: зачем нужен и что он на самом деле проверяет
A/A-тест — две одинаковые группы, где эффекта быть не должно. Разбираю на SQL и Python: как ловить SRM, проверять калибровку p-value, оценивать дисперсию для ра
Множественные сравнения: Бонферрони и Бенджамини-Хохберг
Почему при проверке многих метрик растёт риск ложного открытия. FWER и FDR, поправки Бонферрони и Бенджамини-Хохберга, когда какую брать — с примером на пяти ме
Product-Market Fit: как измерить по данным, а не на ощупь
PMF — это не ощущение, а сигналы в данных: retention-плато, опрос Шона Эллиса, органический рост и NPS. Разбираю на SQL и pandas, как аналитик собирает эти сигн
Виральность и k-factor: формула и как считать по когортам
Разбираем k-factor: формула (приглашения на юзера × конверсия), k>1 против k<1, длина вирального цикла, честный расчёт по когортам, связь с CAC и ограничения ме
Градиентный бустинг для аналитика: как это работает
Разбираю на пальцах, как работает градиентный бустинг, чем он отличается от случайного леса, какие гиперпараметры крутить и что выбрать — XGBoost, LightGBM или
Временные таблицы vs CTE в SQL: что выбрать и когда
CTE, временные таблицы и подзапросы в SQL: когда что выбрать, почему CTE не всегда материализуется, чем помогает индекс на temp-таблице и в чём диалектные отлич
Feature engineering для аналитика: примеры признаков
Разбираю на реальных примерах, как из таблиц orders, users и events собрать признаки для модели: агрегаты по пользователю, временные признаки, кодирование катег
GROUPING SETS, ROLLUP и CUBE в SQL: подытоги
Как одним запросом посчитать несколько уровней агрегации в SQL: подытоги и общий итог без UNION ALL через ROLLUP, CUBE и GROUPING SETS, плюс функция GROUPING()
UPSERT в SQL: INSERT ON CONFLICT и MERGE без боли
Разбираю UPSERT на практике аналитика: PostgreSQL INSERT ... ON CONFLICT DO UPDATE/DO NOTHING, псевдотаблица EXCLUDED, стандартный MERGE, идемпотентная загрузка
STRING_AGG и GROUP_CONCAT: как склеить строки в группе
Как собрать значения группы в одну строку через разделитель: STRING_AGG в PostgreSQL, GROUP_CONCAT в MySQL и SQLite, arrayStringConcat в ClickHouse. ORDER BY и
Ошибка выжившего в аналитике: как не попасться
Разбираю ошибку выжившего на реальных примерах из продуктовой аналитики: retention по активным, выжившие когорты, отменённые заказы вне выборки. Как её ловить и
Корреляция не значит причинность: примеры и как проверять
Почему связь двух метрик не доказывает, что одна вызывает другую: конфаундеры, обратная причинность, ложные корреляции. Продуктовые примеры и как приблизиться к
Тест Манна-Уитни и непараметрические критерии
Разбираю на практике, когда параметрический t-тест ломается и его пора менять на ранговые критерии: Манна-Уитни для двух групп, Уилкоксона для парных измерений
Выборка и генеральная совокупность: репрезентативность
Генеральная совокупность vs выборка, параметр vs статистика, виды выборок и смещение (selection bias). Почему опросы врут, как влияет размер выборки и почему лю
Кросс-валидация в ML: зачем и как для аналитика
Почему одного train/test split мало и как k-fold кросс-валидация даёт устойчивую оценку модели. Stratified k-fold, TimeSeriesSplit, утечка данных и пример cross
Метрики регрессии: MAE, MSE, RMSE, R² простыми словами
Разбираю метрики регрессии на пальцах: MAE устойчива к выбросам, RMSE штрафует крупные ошибки, R² показывает долю объяснённой дисперсии. Когда что выбирать, поч
Precision, Recall и F1: метрики классификации без магии
Разбираю precision, recall и F1 на живых примерах: матрица ошибок, trade-off через порог, F-beta, когда важнее точность, а когда полнота, и связь с ROC-AUC и PR
Ratio-метрики в A/B: почему дисперсия обманывает
CTR и средний чек ломают обычный t-тест: единица рандомизации (юзер) не совпадает с единицей метрики (показ). Разбираю, почему наивная дисперсия занижена, как р
Секвенциальное тестирование: можно ли подглядывать в A/B-тест
Почему остановка на первом «значимо» раздувает ошибку первого рода и как смотреть в A/B-тест многократно честно: alpha-spending (Pocock, O'Brien-Fleming), mSPRT
Закон Гудхарта и контр-метрики в продукте
Почему метрика ломается, когда становится целью, и как аналитику защищаться: guardrail-метрики, пары «скорость + качество» и North Star вместо прокси.