Постоянное развитие и прокачка навыков — must do для любого IT-специалиста. Аналитики — не исключение. Что читают каждый день, попивая свой утренний кофе, самые крутые (не побоимся этого слова 😁) аналитики Москвы — читайте в этой подборке.
Что читает Леша Никушин
Алексей Никушин, аналитик, организатор конференции «Матемаркетинг»
Вот мой список из интернет-ресурсов:
Telegram-каналы:
Блоги:
Люди:
Страница аналитика Павла Левчука на FB
Страница аналитика Ивана Иванова на FB
Подкасты:
Конечно, никуда и без книг. Ранее я уже рассказывал, что всегда лежит у меня на рабочем столе. Но это — классика. Сейчас я в процессе подготовки к сложному онлайн-мероприятию, и, конечно, это накладывает свой отпечаток на то, какую информацию я потребляю.
В чем отличие онлайн-конференции и офлайн? Онлайн — не структурирован. Систематизировать обе стороны процесса — спикера и слушателя — помогают принципы TED-лекций, тайм-менеджмента и стратегии, представленные книгой «Искусство войны».
Фазовый переход из офлайна в онлайн — стресс для меня и всей команды. Силы и вдохновение берем из истории Netflix, Pixar, Nutella, Sony. Все эти компании вывели на изменившийся рынок новый продукт, который сначала даже не был понятен потребителю.
Что читает Толя Карпов
Анатолий Карпов, ведущий аналитик Mail.ru, основатель KarpovCourses
Итак, что я обычно читаю:
- Блог EXPF, где можно найти все о продвинутых А/Б-тестах и статистике.
- Ламповый блог в VK Артема Попова, тим-лида отдела машинного обучения «ВКонтакте». В блоге разбираются самые свежие статьи и доклады с конференций из области data science и машинного обучения.
- Эпатажный блог в Telegram «Мамкин Data Scientist» о том, где учиться data science. Вместе с блистательной иронией автора вас ждет масса полезного материала о том, как выстроить карьеру в DS.
- В качестве бонуса блог моей команды в Telegram. Берем интервью у известных и начинающих специалистов из области data science, разбираем сложные темы по статистике, аналитике и машинному обучению.
Что читает Чернобровов Алексей
Чернобровов Алексей, кандидат физико-математических наук, консультант по монетизации данных, chernobrovov.ru
Я больше читаю про data science, чем про аналитику. В порядке приоритета:
1) Читаю и пишу в https://t.me/bdscience Всем советую на него подписаться. :) Там самые интересные новости из мира data science.
2) Я использую поиск по arXiv.org, YouTube, Google, GitHub (в таком порядке) по каким-то конкретным вопросам, в которых хочу разобраться.
3) Регулярно стараюсь смотреть последние конференции. Data science summit'20 — последняя, где участвовал и что сам с удовольствием слушал. Скоро будет «Матемаркетинг» — тоже буду слушать.
4) Если говорить про книги, то «DAMA-DMBOK. Свод знаний по управлению данными».
Кстати, ее лучше читать на английском, если вы можете, потому что перевод на русский, на мой взгляд, местами не совсем корректный. Она довольно дорого стоит, но зато ей можно пользоваться как справочником, и она затрагивает абсолютно все аспекты, связанные с работой с данными, аналитикой, культурой работы, зонами ответственности и т.д.
Редко обращаюсь к книгам «Аналитическая культура» Андерсона, Python for Data Analysis МакКинни. К сожалению, книги очень быстро устаревают. Последняя, которую прочитал, — Recommender Systems Handbook вышла в 2015 году. Там много полезных фундаментальных вещей, но она уже явно устаревшая.
5) Также есть много каналов в Telegram по ML, аналитике, digital, но все на Mute. Читаю, когда становится скучно. :)
Что читает Андрей Казаков
Андрей Казаков, продакт-менеджер CoMagic
1. Люди (не их каналы) типа Алексея Никушина, Ильи Красинского и т.п. Почему? Даже в крутых каналах много воды, а крутые аналитики у себя ссылаются на реально нужные штуки. Плюс у них в комментариях всегда ведутся интересные обсуждения.
2. Книга «Статистика в комиксах».
Здесь базовые статистические вещи, которые будут понятны любому, кто разбирается в цифрах. Доступно и наглядно объяснено. Рекомендую для каждого маркетолога-аналитика, который хочет понять, как работать с цифрами.
3. Data.csv. Здесь собраны интересные данные из различных сфер — очень вдохновляет на идеи.
Что читает Алена Кучушева
Алена Кучушева, Data Visualization Lead в компании Analytics Ninja
Основная моя работа проходит в стеке Google (Google Analytics, Tag Manager, BigQuery, Data Studio), поэтому в основном читаю и изучаю блоги по этой теме. Нет какого-то определенного блога или аналитика, читаемого мною регулярно. Обычно специально ищу что-то нужное по теме текущей работы.
Основной источник информации для меня — не определенный набор блогов, а Twitter. Подпишитесь, например, хотя бы на:
И вы уже будете в курсе всех основных новостей, релизов публикаций в блогах и экспериментов с Google Analytics. Да и сами Google Analytics в Twitter часто постят хорошие статьи из разных блогов.
Еще, пожалуй, отмечу блог bounteous.com — тут собраны все базовые материалы по теме GA, и если у вас возник вопрос: «Что и как сделать в GA/GTM/Data Studio?» — с большей долей вероятности ответ найдется в блоге Bounteous.
Ну и третий источник: Measure Slack — measure.chat.
Это такое большое сообщество, где в принципе можно найти ответы на все вопросы, спросить совета коллег или даже попросить помощи в решении какой-то задачи. Для вступления в чат нужно подать заявку.
Что читает Макс Годзи
Максим Годзи, основатель инструментов аналитики Retentioneering
Кого я обычно читаю?
- algorithmic-marketing.online — интересная книга по экономике цифровых продуктов
- towardsdatascience.com — блог статей по data science и аналитике, лучшее место, с которого можно начинать поиск статей про интересующий вас метод
- www.listendata.com — Research Studies Archive
- arXiv.org — статьи по ML, прикладной математике и экономике
- https://medium.com/statistics-experiments — лучший в мире сборник статей по A/Б-тестам
С большим интересом читаю посты Паши Левчука, Леши Никушина, Вита Черемисова, Искандера, Димы Ильина, Алексея Макарова, Елены Серегиной и группу Python для анализа данных.
Очень советую эти красочные ролики по математике:
Реальный кладезь полезной для аналитика информации — сам GitHub:
https://github.com/vinta/awesome-python#e-commerce
https://github.com/Jcharis/DataScienceTools
https://github.com/retentioneering/retentioneering-tools
И начинающим, и самым сильным аналитикам я бы посоветовал сделать упор на более глубокое изучение программирования не только в практическом аспекте. Нужно системно начать изучать структуры данных, сложность алгоритмов, паттерны проектирования, глубже изучать ООП и элементы функционального программирования.
Крутого аналитика делает сильным его умелое владение методами обработки данных, его выбор алгоритмов и здравый смысл, которые позволяют без переусложенения находить инсайты в данных, делать это уверенно и воспроизводимо. Мне кажется, нет лучшего способа зафиксировать для себя и для коллег метод, который вы используете, чем записать его в виде удобного продуманного кода, в котором легко находить возможные ошибки и ограничения, с которым легко разобраться и который легко поддерживать.
Другой источник вдохновения, навыков и знаний — это задачи по построению моделей. Попробуйте сделать свои модели для агентского моделирования или численного решения через диффуры каких-либо интересных вам явлений. Сначала это может показаться сложно, но когда вы построите первые такие симуляторы, возможность исследовать, как параметры влияют на результаты моделирования, или обрабатывать разными способами выходные данные, зная, что вы заложили на вход, покажется вам потрясающе интересной.
––––––––––––––––––––––––––––––––––––––
Надеемся, вы сохранили для себя пару (десятков 😁) полезных ссылок. Не забывайте подписаться и на нас: блог на сайте и канал в Яндекс.Дзен. Там материалы выходят каждый день — интервью с самыми крутыми экспертами отрасли, лайфхаки для интернет-маркетинга и аналитики, исследования, чек-листы, анонсы на наши онлайн-конференции.
Присоединяйтесь к #comagicpeople, прокачивайтесь как специалист и развивайте свой бизнес!
