Блог

Бесплатный учебник SQL для начинающего аналитика. 10 связанных частей от «что такое БД» до Window Functions. 5 часов чтения, тренажёр с автопроверкой, реальные примеры.

Часть 1 учебника SQL. Что такое реляционная БД, чем отличается от Excel, популярные БД 2026 (PostgreSQL, ClickHouse). Как установить PG за 5 минут.

Часть 2 учебника SQL. SELECT — главная команда чтения данных. FROM — откуда. WHERE — фильтр. Операторы сравнения, AND, OR, NOT, IS NULL.

Часть 3 учебника SQL. Сортировка через ORDER BY, лимит количества строк, уникальные значения DISTINCT, пагинация через OFFSET. Когда что использовать.

Часть 4 учебника SQL. Агрегатные функции (COUNT, SUM, AVG, MIN, MAX). GROUP BY для группировки данных. HAVING для фильтра агрегатов. Реальные примеры.

Часть 5 учебника SQL. Все типы JOIN: INNER, LEFT, RIGHT, FULL OUTER, CROSS. Диаграммы Венна, типичные ошибки, fan-out, когда какой брать.

Часть 6 учебника SQL. Подзапросы во WHERE/FROM/SELECT. CTE через WITH — читаемая альтернатива. Когда что выбирать. Performance соображения.

Часть 7 учебника SQL. NULL — главный источник багов. Типы данных PG. COALESCE для значения по умолчанию. CAST для конверсии. CASE WHEN для условной логики.

Часть 8 учебника SQL. Работа с датами в PostgreSQL. DATE_TRUNC для группировки. EXTRACT для извлечения. INTERVAL для арифметики. Часовые пояса, TO_CHAR.

Часть 9 учебника SQL. Работа со строками в PostgreSQL. LIKE и ILIKE для поиска, SUBSTRING для обрезки, CONCAT для соединения, regex для сложных паттернов.

Часть 10 учебника SQL. Window Functions для аналитика. ROW_NUMBER, RANK, DENSE_RANK для нумерации. LAG/LEAD для соседних значений. Когда брать вместо GROUP BY.

150+ вопросов SQL, Python, A/B-тесты, метрики с разбором. Тренажёр с автопроверкой кода в браузере, AI мок-собес. Первые 5 задач каждого типа бесплатно.

Что такое мок-собес, чем отличается peer vs paid vs AI-формат, типичный flow на 60 минут, 15 примеров вопросов с разбором, 10 главных ошибок. Бесплатный AI мок-собес внутри.

Поведенческое собеседование аналитика: что такое STAR, SAR, CAR методы, 20 типичных вопросов про конфликты/провалы/лидерство с разбором сильного и слабого ответа. Готовые шаблоны.

15 РЕАЛЬНЫХ тестовых заданий с собесов 2026 (Yandex/Ozon/Тинькофф/Сбер/Avito) с подробными разборами. SQL, Python, A/B, продуктовые кейсы.

Реальные SQL-вопросы с собеседований Yandex, Avito, Ozon, Wildberries, Tinkoff. JOINs, оконные функции, CTE, оптимизация — с разборами и подвохами.

Real-time OLAP-базы 2026: ClickHouse, Apache Druid, StarRocks, Apache Pinot. Бенчмарки concurrency, latency, cost, миграционные истории. Когда что выбрать.

WITH и рекурсивные CTE: иерархии, временные ряды, отличия PostgreSQL/ClickHouse/MySQL. Типовые задачи с собеседований.

INNER, LEFT, RIGHT, FULL OUTER, CROSS, SELF JOIN — где применять. USING vs ON, NULL и дубликаты, оптимизация на больших таблицах.

GROUP BY vs DISTINCT, HAVING vs WHERE, GROUPING SETS / ROLLUP / CUBE, FILTER (WHERE) для условных агрегатов, типичные ошибки с NULL.

Реальные 50 вопросов с собесов Яндекс/Ozon/Сбер/Авито/Тинькофф/VK/X5: SQL, Python, A/B-тесты, метрики, статистика. С разбором ответов + ссылка на тренажёр.

Реальные 25+ вопросов с собеса аналитика в Яндекс по 5 раундам: SQL (8), Python (5), A/B-тесты (5), продуктовый кейс (5), behavioral (2). Грейды G14-G18, зарплаты, red flags.

Реальные 25+ вопросов с собеса аналитика Ozon по 5 раундам: SQL (ClickHouse), Python, маркетплейс-метрики (GMV/AOV/Take Rate), search ranking, ML recommendations. Грейды, зарплаты, red flags.

Реальные вопросы с собеса аналитика T-Bank/Тинькофф по 5 раундам: SQL, Python, fintech-метрики (LTV/CAC/credit risk), фрод-детекция, A/B-тесты. Грейды, зарплаты, особенности банка.

Реальные вопросы с собеса аналитика Сбер по 4 раундам: SQL (Oracle/PostgreSQL), Python, классическая статистика, банковские метрики, ETL, регуляторика. Грейды, зарплаты, отличия от Тинькофф.

Реальные вопросы с собеса аналитика Avito по 4-5 раундам: SQL (Vertica/ClickHouse), Python, classifieds-метрики (listing quality, search ranking, seller-buyer dynamics), A/B-тесты. Грейды, зарплаты.

Реальные вопросы с собеса аналитика Wildberries: маркетплейс-метрики (GMV, return rate, RecSys), ClickHouse, A/B-тесты. Грейды, зарплаты, особенности крупнейшего маркетплейса РФ.

Реальные вопросы с собеса аналитика VK: соцсеть-метрики (DAU/sticky/feed-ranking), ML-feed, ClickHouse, A/B-тесты. Грейды, зарплаты, особенности крупнейшей соцсети РФ.

Реальные вопросы с собеса аналитика Lamoda: fashion e-comm метрики (return rate, cohort, size analytics), ClickHouse, A/B-тесты. Грейды, зарплаты, специфика fashion-маркетплейса.

Реальные вопросы с собеса аналитика X5 (Пятёрочка/Перекрёсток/Чижик): retail метрики (баскет, корзина, geo, форматы магазинов), ClickHouse, A/B-тесты.

Реальные вопросы с собеса аналитика МТС: telecom метрики (churn, ARPU, network analytics), ClickHouse, A/B-тесты, ML/Bigdata. Грейды, зарплаты, специфика telecom-индустрии.

Как считать LTV, CAC, Payback Period и LTV:CAC ratio. Бенчмарки 3:1, 4:1. Формулы, ошибки расчёта, cohort SQL-запросы для PostgreSQL и ClickHouse. С реальными примерами из B2B SaaS.

Сколько пользователей нужно для A/B-теста — онлайн калькулятор для пропорций (CR) и средних (AOV). Учёт MDE, alpha, power. Формула с разбором.

Retention по когортам в SQL: M+0/M+N, classic vs unbounded retention, разбивка по когортам и edge cases с NULL.

Как поделить клиентов на сегменты по Recency, Frequency, Monetary в SQL. Примеры для PostgreSQL и ClickHouse, готовая матрица сегментов.

Воронка конверсии (visit → signup → purchase) в SQL: кохортные воронки, удержание шага, сравнение групп. Код для PG/CH.

Acquisition, Activation, Retention, Referral, Revenue — 5 метрик любого продукта. Формулы, бенчмарки, применение на собесе.

CUPED (Controlled pre-Experiment Data) для variance reduction. Математика + Python код + benchmark лифт. Снижает sample size в 1.5-2 раза.

DiD для quasi-experiments (rollout новых фич, marketing campaigns). Математика + SQL + Python примеры на реальных кейсах.

Cursor — AI-first IDE для аналитика. 3 паттерна: SQL генерация по описанию, рефакторинг Python, Jupyter notebook автоматизация. Production советы.

Сравнение polars и pandas: ленивые вычисления, многопоточность, query optimization. Бенчмарки на 50M строках, миграция SQL-логики, DuckDB как альтернатива.

A/B-тесты в Python: t-test, chi-square, Mann-Whitney, бутстрап, MDE. Когда какой критерий и как избежать ошибок 1-го рода.

rolling, shift, resample, cumsum, rank, nlargest, pct_change, diff, expanding, transform — что отличает аналитика от джуна. Примеры кода и вопросы собесов.

Пошаговый план входа в аналитику данных: навыки, инструменты, зарплаты, собеседование. SQL, Python, метрики, A/B-тесты — от нуля до оффера.

Когда MaterializedView, когда Projections, как они работают изнутри. Примеры для Wildberries/Avito-style витрин. ENGINE сравнение.

strategy=timestamp vs check_cols, dbt_valid_from / dbt_valid_to, snapshot frequency в production. Примеры на Snowflake/PostgreSQL.

DAX в Power BI пошагово: ROW vs FILTER context, CALCULATE, SUMX, RANKX, FILTER, ALL. 6 примеров мер от Sales YTD до running totals. Что спрашивают на собесах в РФ-компаниях.

Level of Detail expressions в Tableau: FIXED, INCLUDE, EXCLUDE — зачем, чем отличаются, когда какой. 6 примеров: % of total, average per cohort, ratio к total per region.

Гайд по Yandex DataLens 2026: подключение к ClickHouse, создание датасета, чарты, RLS, AI-сценарии. От нуля до первого production-дашборда за полчаса.

Гайд по EXPLAIN ANALYZE: разбор плана запроса, Seq Scan vs Index Scan, Hash Join vs Nested Loop, как находить bottleneck. 4 примера оптимизации реальных запросов.

Какой индекс выбрать в PostgreSQL: B-tree, GIN, BRIN, GiST, partial и covering. Когда что использовать, как тестировать селективность, разбор реальных кейсов.

Практические dbt macros для аналитика: dynamic SQL, generate_schema_name, dbt_utils, audit-логирование, parametrized тесты. Реальные сценарии и подводные камни.

Как выбрать CODEC в ClickHouse: LZ4 для скорости, ZSTD для размера, Delta+T64 для time-series. Бенчмарки на реальных данных, подводные камни и стратегии.

Современная архитектура DWH 2026: Apache Iceberg как storage, Trino для federation, ClickHouse для real-time. 4-зонная схема vs Kimball/Inmon/Data Vault.

DataLens advanced 2026: row-level security, ML-датасеты, embed в продукт, кастомизация UI через CSS, параметры дашбордов. Кейсы Яндекс Лавки и Avito.

Power Query (M-язык) для аналитика: ETL без программирования, 12 must-know формул Excel, переход с Excel на SQL/Python, советы по производительности.

Как аналитику использовать YandexGPT API и ChatGPT для генерации SQL, объяснения чужого кода, code review. Промпт-инжиниринг, ограничения, где LLM врёт.

Pet-проект для портфолио junior-аналитика: 5 идей проектов на SQL/Python, шаблон README, как загрузить на GitHub, что писать в резюме. Реальные примеры.

ksqlDB и Kafka Streams в 2026: лёгкое stream processing без Flink. Когда хватит SQL-интерфейса, как масштабировать, чем отличается от Flink. Реальные сценарии.

SELECT *, функция в WHERE, NOT IN с NULL, COUNT(DISTINCT), пропущенный LIMIT — топ-10 SQL ошибок и как их чинить. Примеры PostgreSQL/ClickHouse.

Чем отличаются ROWS, RANGE и GROUPS в OVER(): running totals, moving avg, peer-groups. Примеры PostgreSQL и подводные камни default frame.

Где прокачать SQL для собеседования: LeetCode, StrataScratch, DataLemur, Hackerrank, Karpov + русские альтернативы. Плюсы и цены.

ROW_NUMBER, RANK, DENSE_RANK, LAG, LEAD, SUM OVER, NTILE: PARTITION BY, ORDER BY, frame clauses. Схемы, benchmark скорости, задачи с собеседований.

Multi-armed bandit (MAB): Thompson Sampling, UCB, epsilon-greedy. Когда лучше A/B, когда MAB. Python код + production cases.

Реальные различия между ролями в 2026: ежедневные задачи, нужные навыки, зарплаты (Москва/СПб/регионы), карьерный путь, переход между ролями.

План перехода аналитика в DE: какие технологии учить (Airflow, dbt, Spark, Kafka), как переписать резюме, к каким собесам готовиться. Зарплаты, риски, кейсы.

Зарплатные вилки DE в РФ 2026: Junior 120-200K, Middle 250-400K, Senior 400-650K. Топ-компании, премии за Spark/Kafka/Iceberg, удалёнка vs офис.

Реальные вилки зарплат Data Analyst, Product Analyst, ML Analyst в Москве, Питере, регионах и удалёнке. С учётом грейда (junior/middle/senior/lead) и НДФЛ.

Детальный план обучения аналитика данных с нуля до первого оффера. По неделям: что учить, какие задачи решать, как собирать портфолио, готовиться к собесу.

Чем отличаются Junior, Middle и Senior аналитик данных. Зарплаты, навыки, ответственность. Чек-лист для самооценки и роста.

Что бесит рекрутеров в резюме аналитика. 12 типичных ошибок, на которых режут на просмотре. Готовый шаблон с правильной структурой. Чек-лист «что должно быть».

Зарплаты аналитиков в РФ на апрель 2026 со ссылками на Levels.fyi: median 2.59M ₽/год, top-3 Wildberries/Avito/Yandex, грейды G14-G18.

Real-time аналитический пайплайн: Kafka для ingestion, Flink для stateful aggregation, ClickHouse для storage. Latency <1 сек, exactly-once семантика, troubleshooting.

Зачем аналитику Git, как работать с SQL/Python в репозитории. 12 команд которые покрывают 95% задач. Workflow для команды, conflict resolution, пуш в прод.

Тестовые задания в Яндекс, Ozon, Сбер, Тинькофф: 8 типов, реальные примеры, сколько времени тратить и как сдавать.

Apache Superset 2026: deploy за 1 час, подключение к ClickHouse / PostgreSQL, RBAC, alerts, SQL Lab. Сравнение с Tableau / DataLens. Реальные нагрузки.

Metabase, Apache Superset, Redash — сравнение 2026 года. Стоимость, deploy, fit к команде. Реальные benchmarks, миграционные истории, граничные случаи выбора.

Три стратегии incremental в dbt: append, merge, delete+insert. unique_key, is_incremental(), late-arriving data, CI/CD проверки на PG/Snowflake.

not_null, unique, accepted_values, relationships, dbt-utils. Custom singular tests. store_failures. Schema test config для прод-надёжности.

Практический гайд по dbt: setup за 30 минут, первая модель, инкрементальные таблицы, тесты, SCD2 через snapshots. Реальные примеры для аналитика.

ClickHouse для аналитика: ReplacingMergeTree, ARRAY JOIN, materialized views, FINAL и его подводные. Реальные паттерны с примерами SQL.

Практический гайд по Airflow: TaskFlow API, idempotent operators, sensors, dynamic DAGs, мониторинг. Реальные паттерны без bullshit.

Почему ClickHouse быстрее Postgres в 100×, как выбрать ENGINE (MergeTree, ReplacingMergeTree), партиционирование, типичные ошибки новичков.

Что такое dbt, зачем аналитику, как написать первую модель. Установка, структура проекта, materialized views, тесты. Практический гайд за 30 минут.

Конкретный план подготовки к собеседованию аналитика данных на месяц. Что делать каждый день: задачи SQL, Python, метрики, мок-собесы. Чек-лист готовности.

Сравнение BI-инструментов для аналитика в РФ 2026. Tableau ушёл — что использовать вместо. Цены, функционал, поддержка, доступность для российских команд.