Тагир Анализирует

Геймификация — как мы отличаемся от того самого мошенника? В прошлом году я опубликовал Хабр статью о том, как мы развиваем геймификацию в Альфе. В качестве примера игры выступил “Симулятор мошенника”, на что я получил шквал негативных комментариев, а заголовок поста — пример такого комментария. В посте мы разберемся, можно ли назвать подобные игровые механики мошенник_чеством Я уже писал про свой продукт в Альфе здесь и здесь. Если хотите ознакомиться с большой статьей про геймификацию, наши метрики и подходы, переходите по этой ссылке. Геймификация в контексте моего продукта — игры, которые мы запускаем для наших клиентов внутри банка Симулятор мошенника — благородная игра (на мой взгляд), цель которой — обучать людей борьбе с мошенниками. В игре нужно было выбрать, кто с вами связался — мошенник или сотрудник банка. Происходило это через вопросы в разных механиках: где-то нужно послушать аудио со звонком, где-то посмотреть на письмо и запомнить правильный адрес банка, где-то прочитать ситуацию Не всем людям понравился такой подход. Если быть точным, то комментаторам Хабра не понравился тот факт, что запуски подобных игр приносят пользу банку — в статье я описал те метрики, которые мы отслеживаем, а потом добавил, что они растут. Идея в том, чтобы привить пользователю привычку чаще пользоваться приложением “Вот я только не понимаю чем вы отличаетесь от того мошенника, — вся эта ваша игровая механика это ровно тa-же самая цель — заставить человека для вашей выгоды сделать то, что ему не надо…” — один из комментариев на Хабре. Но так ли это? В наших играх можно выиграть много приятных призов — деньги, карты кэшбэк и многое другое. К примеру, в одной из последних игр на внутриигровую валюту я выкупил себе самые ходовые категории кэшбэка, увеличил месячный лимит на сумму и добавил +1 категорию Если отойти от призов и рассмотреть целевые действия, которые мы можем продвигать, то и здесь мало плохого. Настолько ли плохо, что человек начнет оплачивать ЖКХ онлайн, разберется в функционале приложения и включит автоматическую оплату штрафов? К тому же, эти игры не так просто найти. Некоторые мои знакомые, которые активно пользуются банком, так и не могут самостоятельно попасть в игру. Мы не бомбим пользователей коммуникациями и не злоупотребляем разными плашками Делитесь в комментариях, считаете ли вы использование геймификации мошенничеством? Согласны ли вы с комментаторами на Хабре? Если материал вам понравился, то приглашаю вас в свой Telegram канал. Там я рассказываю про карьеру, работу аналитиком, Data Science, новости и мероприятия в IT.

Как сделать свой pet-проект и рассказать о нём на собеседовании? Бытует мнение, что у аналитиков не может быть профиля на GitHub, а их личные проекты ограничиваются какими-нибудь дэшбордами. Сегодня на своем примере я расскажу о том, как и зачем я делал pet-project, не находясь при этом в поиске работы. Люди участвуют в хакатонах и других соревнованиях, потому что там им приходится заниматься тем, чем они не занимаются на своей работе. Ты можешь бесконечно углубляться в оконные функции, оптимизировать свои SQL запросы и виртуозно крутить таблички в Pandas, но на стороннем проекте тебе нужно будет написать парсер, развернуть Docker, обработать кучу JSON'ок или придумать алгоритм антифрода. Та же история касается и собственных проектов. Перед начинающими [и не очень] специалистами открывается возможность с нуля построить что-то свое, разобраться в технологии или просто покодить для души. Если проект интересный, то его можно приложить и в резюме, что я и сделал. Но об этом в конце. Какое-то время назад, когда инвестиции в ценные бумаги были обычным занятием, мне захотелось сделать свой аналог Google Finance — наглядный и удобный инструмент для получения рыночных данных, мониторинга своих акций и многого другого. Я хотел сделать нечто похожее, что можно было бы кастомизировать под себя. Примерно в то же время Тинёк запустил Tinkoff Invest Robot Contest, в рамках которого участникам на базе их API нужно было создать робота, который реализует торговые стратегии. Я подумал, что было бы интересно углубиться в технический анализ, поэтому это было отличной возможностью научиться на реальной задаче. Я решил сделать инвестиционного бота в Telegram, который предоставляет аналитику инвестиционного портфеля пользователя и данных по компаниям, присылает алерты при определённых паттернах рынка или акций, предоставляет прогнозы аналитиков или важные новости по компаниям, напоминает о датах выплаты дивидендов и все остальное, до чего дойдет фантазия. Бота я написал на Python, базу развернул на SQLite, хоститься всё это залил на PythonAnywhere. Для получения данных рынка я использовал Yahoo Finance API, а основным аналитическим инструментом выступил тот же Pandas. К примеру, когда пользователь через чат отправляет данные о своих акциях, в базу вносятся записи об операции. После этого человек может смотреть на динамику своих бумаг, которую бот отправляет ему в виде скриншота графиков. Я делал всё это в рамках проекта по программированию в Вышке. Изначально мне хотелось углубиться в анализ тональности новостного фона вокруг бумаг и прогнозирование курса акций, но я решил остановиться на чем-то более практичном. Когда я проходил финальный собес в Райф, лид аналитики обратил внимание на мой GitHub, а потом мы обсудили этот проект. На мой взгляд, это классно, когда специалист развивается и делает что-то помимо своей работы. Если материал вам понравился, то приглашаю в свой Телеграм. Там я рассказываю про карьеру, работу аналитиком, Data Science, новости и мероприятия в IT. Буду очень рад поддержке и вашим комментариям. Всем спасибо!

Откуда Spotify знает, какая музыка нам нравится?🎵 Создатели Spotify одними из первых поняли, что нельзя создать сервис стриминга без персонализированного подбора контента. Сегодня я расскажу, как работают рекомендации на платформе Spotify, какие методы используются для анализа ваших музыкальных предпочтений и как система определяет, какие композиции, артисты и плейлисты могут вам понравиться 👍 Я являюсь большим поклонником Spotify, много лет слежу за их развитием и активно использую их платформу с первых дней выхода в России. Я прочитал книгу, в которой детально описывается, как создавалась эта чудесная компания. Авторы книги рассказали, что стояло за теми технологическими решениями, которые сделали компанию лидером рынка. Всем советую к прочтению 🥺 Рекомендательные системы — это комплекс сервисов и алгоритмов, который анализирует предпочтения пользователей и пытается предсказать, что может их заинтересовать 🥃 Spotify использует гибридную рекомендательную систему, которая комбинирует коллаборативную фильтрацию и контентную фильтрацию. Это означает, что система учитывает не только предпочтения пользователей, но и свойства самой музыки, чтобы дать наиболее подходящие рекомендации 🫢 Коллаборативная фильтрация основана на истории прослушивания пользователя и его рейтингах песен. Система анализирует данные о том, какие песни и артисты пользователь слушает, и сравнивает его предпочтения с другими пользователями, которые слушают похожие песни. Это позволяет системе предложить пользователю новые песни и артистов, которые могут ему понравиться 🎧 Контентная фильтрация, с другой стороны, основана на свойствах музыки, таких как жанр, темп, инструменты. Система анализирует музыкальные характеристики песен, которые пользователь слушает, и использует эту информацию для предложения новых песен, которые имеют схожие свойства 🎧 Кроме того, Spotify использует анализ текста песен и других аудио-функций, чтобы помочь вам найти новую музыку. Это означает, что если вы ищете что-то специфическое, такое как романтические песни, система может рекомендовать вам подходящую музыку на основе текстов песен ❤️ Одним из главных инструментов, используемых Spotify для рекомендаций, является функция Discover Weekly. Это персонализированный плейлист, который создается каждую неделю и составляется на основе истории прослушивания пользователя и предпочтениях аналогичных слушателей 👫 Наконец, Spotify также предлагает пользователю различные функции и инструменты для настройки своего аккаунта, в том числе возможность блокировать определенные исполнителей и песни, чтобы улучшить рекомендации 🧘 В этом посте мы рассмотрели, как работают их рекомендательные системы, какие методы используются для анализа пользовательских данных и как эти системы помогают пользователям находить новую музыку, которая соответствует их вкусам и настроению 🥇 Вы можете воспользоваться API Spotify и создать свою рекомендательную систему. Как вам такой pet-project? Пишите в комментариях, если хотите, чтобы мы рассмотрели рекомендательные системы OZON или TikTok. А как вам рекомендательные системы Spotify? Если материал вам понравился, то приглашаю в свой Телеграм. Там я рассказываю про карьеру, работу аналитиком, Data Science, новости и мероприятия в IT. Буду очень рад поддержке и вашим комментариям. Всем спасибо!

Репост

Почему стоит работать только 4 дня в неделю? Я уже не первый год замечаю, что работать в первой половине ноября комфортнее всего, а причина тому — праздники и сокращенная рабочая неделя. В этот раз мы получили 2 недели, в которых было по 4 рабочих дня. Какой эффект это оказывает на сотрудников? Я перестал выгорать и начал жить в моменте, не убегая от постоянных дедлайнов. Работа стала приносить больше удовольствия, я не успевал уставать от рутины и мне хватало времени на личную жизнь. Недавно я наткнулся на пост тимлида команды разработки одного из ведущих e-com’ов страны. Автор рассказал, как ему удалось перевести свою команду на четырехдневную рабочую неделю. Предпосылками для этого служили постоянные пожары, переработки, проблемы с коммуникацией и постоянное выгорание сотрудников, что приводило к низкой продуктивности. После того, как команда начала устраивать себе выходной в среду, её производительность выросла, о чем свидетельствуют графики в Jira и хороший фидбек от заказчиков. Нужно понимать, что они не стали трудиться 4 дня по 10 часов — их рабочее время осталось тем же, но количество выполненных задач, как и их качество, не уменьшилось. Сотрудники стали испытывать меньше стресса, увеличили эффективность и перестали выгорать. В России такая практика ещё не применяется, но Европа сейчас активно переходит на четырехдневную рабочую неделю. Например, одни из самых продуктивных стран в мире, такие как Норвегия, Дания, Германия и Нидерланды в среднем работают 27 часов в неделю. С другой стороны, Япония, известная за переработки, находится на 21 месте из 42 в списке самых продуктивных стран. В исследовании от Stanford University была выявлена взаимосвязь между производительностью и часами в рабочей неделе. Перегруженные сотрудники оказывались менее продуктивными, чем те, кто работали в меньше. Я с радостью работал бы 4 дня по 10+ часов или пожертвовал бы частью дохода в пользу такого графика. А вы? Если материал вам понравился, то приглашаю в свой Телеграм. Там я рассказываю про карьеру, работу аналитиком, Data Science, новости и мероприятия в IT. Буду очень рад поддержке и вашим комментариям. Всем спасибо!