💻 Ищу руководителя маркетинговой аналитики в команду
Для тех, кто забыл, я руковожу аналитикой международного поиска Яндекса. Мы разрабатываем Поиск для новых стран и активно продвигаем его. Основные рынки сейчас — Турция и Казахстан.
Наш успех основан на двух принципах:
- Гиперлокальный продукт: исследуем потребности пользователей в странах и помогаем им решать вопросы быстрее (в том числе используя различные LLM).
- Разнообразные маркетинговые механики продвижения наших сервисов
Ищу человека, который возглавит маркетинговую аналитику. В команде восемь замечательных аналитиков, занимающихся разными аспектами маркетинговой аналитики: от анализа охватных кампаний до сравнений стратегий продвижения приложений.
Что хочется от кандидата:
- Опыт в аналитике и смежных областях 4+ года.
- Опыт руководства командами и выстраивания процессов.
- Владение базовыми техническими инструментами (SQL, Python и т. д.).
- Базовый английский (для общения с заказчиками), так как часть процессов у нас на английском.
- Очень круто если у вас есть опыт в маркетинговой аналитике или в смежных областях
Со своей стороны предлагаю уникальный опыт в международном стартапе внутри корпорации:
- конкурентоспособный доход;
- участие в крупных проектах (мы строим многомиллиардных бизнес в новых странах);
- быстрый профессиональный рост (команда растёт очень быстро, за последний год аналитика стала в 2 раза больше);
- тесное взаимодействие с отделом маркетинга, которым руководит бывший CMO Google в СНГ;
- работа в дружной международной команде, с командировками в новые страны и
Здесь подробное описание вакансии. Если вакансия вам интересна - обязательно пишите в личку, расскажу подробнее. 🙂
Для тех, кто забыл, я руковожу аналитикой международного поиска Яндекса. Мы разрабатываем Поиск для новых стран и активно продвигаем его. Основные рынки сейчас — Турция и Казахстан.
Наш успех основан на двух принципах:
- Гиперлокальный продукт: исследуем потребности пользователей в странах и помогаем им решать вопросы быстрее (в том числе используя различные LLM).
- Разнообразные маркетинговые механики продвижения наших сервисов
Ищу человека, который возглавит маркетинговую аналитику. В команде восемь замечательных аналитиков, занимающихся разными аспектами маркетинговой аналитики: от анализа охватных кампаний до сравнений стратегий продвижения приложений.
Что хочется от кандидата:
- Опыт в аналитике и смежных областях 4+ года.
- Опыт руководства командами и выстраивания процессов.
- Владение базовыми техническими инструментами (SQL, Python и т. д.).
- Базовый английский (для общения с заказчиками), так как часть процессов у нас на английском.
- Очень круто если у вас есть опыт в маркетинговой аналитике или в смежных областях
Со своей стороны предлагаю уникальный опыт в международном стартапе внутри корпорации:
- конкурентоспособный доход;
- участие в крупных проектах (мы строим многомиллиардных бизнес в новых странах);
- быстрый профессиональный рост (команда растёт очень быстро, за последний год аналитика стала в 2 раза больше);
- тесное взаимодействие с отделом маркетинга, которым руководит бывший CMO Google в СНГ;
- работа в дружной международной команде, с командировками в новые страны и
Здесь подробное описание вакансии. Если вакансия вам интересна - обязательно пишите в личку, расскажу подробнее. 🙂
🔥20❤12👍8
📚 Подборка полезных и интересных докладов в одном месте (в большинстве своём вокруг GPT и развития Продукта)
Все четыре лектора — настоящие мастера своего дела. Уверен, каждый найдет что-то интересное для себя. Мне очень зашло то, что все доклады очень лаконичные, структурные и чётко отвечают на заданные вопросы
Ниже — краткое саммари от меня о том, на какие вопросы вы сможете найти ответы внутри
Дима Тимко: Кто такие продакты и где они обитают? (ссылка с таймкодом)
- Как можно почувствовать, что продакт-менеджмент для тебя
- Какими качествами обладает хороший продакт
- О чём стоит думать и на что обращать внимание, если вы хотите развиваться в этой профессии
Илья Кацев: Зачем нужен анализ данных, или как мы делали Нейро? (ссылка с таймкодом)
- Как Яндекс собирал ответочку на первые версии ChatGPT
- Какие проблемы возникали при обучении Нейро и как их решали
- Какова роль аналитика данных в обучении языковых моделей
- Какой философии по жизни стоит придерживаться, если хочешь создавать крутые вещи
Денис Озорнин: Что значит быть продакт-менеджером в эпоху GPT? (ссылка с таймкодом)
- Что общего между продактами и GPT-подобными моделями?
- Как развивалось применение GPT-подобных моделей в повседневных технологиях.
- Как изменились задачи продакта без GPT и с GPT?
- Какие повседневные и не очень задачи можно решать с помощью языковых моделей?
Саша Крайнов: Исследования и разработка в ML (ссылка с таймкодом)
- Какая строчка в резюме открывает двери в большинство технологических компаний?
- В чём смысл конференций по ML и как туда попадают?
- Как устроен научный мир (публикации, авторства, цитирования и т. д.)?
- Как научные достижения доходят до продакшена?
---
Ссылки на набор лекций:
- VK
- YouTube
Все четыре лектора — настоящие мастера своего дела. Уверен, каждый найдет что-то интересное для себя. Мне очень зашло то, что все доклады очень лаконичные, структурные и чётко отвечают на заданные вопросы
Ниже — краткое саммари от меня о том, на какие вопросы вы сможете найти ответы внутри
Дима Тимко: Кто такие продакты и где они обитают? (ссылка с таймкодом)
- Как можно почувствовать, что продакт-менеджмент для тебя
- Какими качествами обладает хороший продакт
- О чём стоит думать и на что обращать внимание, если вы хотите развиваться в этой профессии
Илья Кацев: Зачем нужен анализ данных, или как мы делали Нейро? (ссылка с таймкодом)
- Как Яндекс собирал ответочку на первые версии ChatGPT
- Какие проблемы возникали при обучении Нейро и как их решали
- Какова роль аналитика данных в обучении языковых моделей
- Какой философии по жизни стоит придерживаться, если хочешь создавать крутые вещи
Денис Озорнин: Что значит быть продакт-менеджером в эпоху GPT? (ссылка с таймкодом)
- Что общего между продактами и GPT-подобными моделями?
- Как развивалось применение GPT-подобных моделей в повседневных технологиях.
- Как изменились задачи продакта без GPT и с GPT?
- Какие повседневные и не очень задачи можно решать с помощью языковых моделей?
Саша Крайнов: Исследования и разработка в ML (ссылка с таймкодом)
- Какая строчка в резюме открывает двери в большинство технологических компаний?
- В чём смысл конференций по ML и как туда попадают?
- Как устроен научный мир (публикации, авторства, цитирования и т. д.)?
- Как научные достижения доходят до продакшена?
---
Ссылки на набор лекций:
- VK
- YouTube
YouTube
Лекторий Яндекса на ФКН — 11 июня
С чего начать карьеру в IT-компании, какие навыки нужны для управления командой и как создать продукт, которым захотят пользоваться миллионы?
Спикеры: Илья Кацев, руководитель отдела аналитики и метрик Яндекс Поиска, Денис Озорнин, CPO голосового ассистента…
Спикеры: Илья Кацев, руководитель отдела аналитики и метрик Яндекс Поиска, Денис Озорнин, CPO голосового ассистента…
👍15❤7🔥5
ML vs Аналитика: в чём разница? В чём миссия аналитики в широком смысле этого слова?
За свою карьеру я успел плотно познакомиться с обеими профессиями: с ML я начал работать ещё в 2018 году и преподаю его до сих пор, а аналитика - моя любовь последние 4 года 🙂 Часто меня спрашивают, в чём же отличие между ними и почему я решился на этот переход. Попробую ответить этим постом!
Важно уточнить, что речь идёт о среднестатистическом ML-специалисте и среднем аналитике. Конечно, это обобщение не применимо ко всем случаям. Профессия аналитика очень многогранна: в одной компании это человек, перекладывающий json-файлы, а в другой - собирающий ключевые метрики бизнеса.
Ключевое отличие, на мой взгляд, такое:
Аналитики мыслят широко, а ML-специалисты копают глубоко, но в более узком направлении.
Пример того, как это работает в классическом сетапе:
- Аналитики заявляют: "Нам нужна модель оптимального ценообразования, мы создали MVP, и он работает, вот результаты A/B-теста"
- ML-специалисты подхватывают: "Отлично, а теперь мы создадим алгоритм, который наилучшим образом будет оптимизировать целевую метрику"
Если смотреть на детали более глубоко:
- Аналитики отвечают за ключевые метрики бизнеса. На мой взгляд, это очень важно: именно к нам обращаются с вопросами типа "что происходит с DAU сервиса, почему мы растём/падаем?", "что будет с основными метриками к концу года?" и т.д. Это влечёт за собой большую ответственность и порой ощутимый стресс, но именно на основе наших данных принимаются ключевые решения.
- Благодаря пункту 1, аналитики имеют больше бизнес-контекста. Широкий контекст позволяет нам более точно оценивать метрики и перспективы. Поэтому для аналитика важно понимать, что сейчас делает бизнес, какие проблемы и вызовы перед ним стоят, что и в каком направлении разрабатывают продуктовые команды и менеджеры и т.д. Для ML-инженеров широкий бизнес-контекст менее критичен.
- Если ML-специалист может быть суровым технарём, оптимизирующим конкретные алгоритмы под конкретные задачи, то аналитику без понимания процессов будет крайне тяжело. Поэтому без понимания происходящего в бизнесе, а также без хороших софтов будет сложно. Бывает такое, что некое направление аналитики сконцентрировано на конкретных технических задачах, но даже в этом случае очень важно чётко понимать что мы делаем и как контрибьютим в процессы/метрики бизнеса.
Если мыслить широко, на мой взгляд, у хорошей аналитики (высокоуровнево, как у отдела) есть три основных фокуса:
- Давать ясность в процессах и чётко показывать компромиссы (размены). Обеспечивать бизнес корректными и актуальными данными настолько, насколько это возможно.
- Помогать принимать неочевидные решения на основе данных и следить за тем, чтобы данные применялись корректно
- Честно оценивать эксперименты и быть “независимым судьёй” там, где это необходимо
---
К слову, давайте проверим сколько нас здесь :)
Ставьте ❤️ если вы ML-специалист и ❤️🔥 если вы аналитик!
За свою карьеру я успел плотно познакомиться с обеими профессиями: с ML я начал работать ещё в 2018 году и преподаю его до сих пор, а аналитика - моя любовь последние 4 года 🙂 Часто меня спрашивают, в чём же отличие между ними и почему я решился на этот переход. Попробую ответить этим постом!
Важно уточнить, что речь идёт о среднестатистическом ML-специалисте и среднем аналитике. Конечно, это обобщение не применимо ко всем случаям. Профессия аналитика очень многогранна: в одной компании это человек, перекладывающий json-файлы, а в другой - собирающий ключевые метрики бизнеса.
Ключевое отличие, на мой взгляд, такое:
Аналитики мыслят широко, а ML-специалисты копают глубоко, но в более узком направлении.
Пример того, как это работает в классическом сетапе:
- Аналитики заявляют: "Нам нужна модель оптимального ценообразования, мы создали MVP, и он работает, вот результаты A/B-теста"
- ML-специалисты подхватывают: "Отлично, а теперь мы создадим алгоритм, который наилучшим образом будет оптимизировать целевую метрику"
Если смотреть на детали более глубоко:
- Аналитики отвечают за ключевые метрики бизнеса. На мой взгляд, это очень важно: именно к нам обращаются с вопросами типа "что происходит с DAU сервиса, почему мы растём/падаем?", "что будет с основными метриками к концу года?" и т.д. Это влечёт за собой большую ответственность и порой ощутимый стресс, но именно на основе наших данных принимаются ключевые решения.
- Благодаря пункту 1, аналитики имеют больше бизнес-контекста. Широкий контекст позволяет нам более точно оценивать метрики и перспективы. Поэтому для аналитика важно понимать, что сейчас делает бизнес, какие проблемы и вызовы перед ним стоят, что и в каком направлении разрабатывают продуктовые команды и менеджеры и т.д. Для ML-инженеров широкий бизнес-контекст менее критичен.
- Если ML-специалист может быть суровым технарём, оптимизирующим конкретные алгоритмы под конкретные задачи, то аналитику без понимания процессов будет крайне тяжело. Поэтому без понимания происходящего в бизнесе, а также без хороших софтов будет сложно. Бывает такое, что некое направление аналитики сконцентрировано на конкретных технических задачах, но даже в этом случае очень важно чётко понимать что мы делаем и как контрибьютим в процессы/метрики бизнеса.
Если мыслить широко, на мой взгляд, у хорошей аналитики (высокоуровнево, как у отдела) есть три основных фокуса:
- Давать ясность в процессах и чётко показывать компромиссы (размены). Обеспечивать бизнес корректными и актуальными данными настолько, насколько это возможно.
- Помогать принимать неочевидные решения на основе данных и следить за тем, чтобы данные применялись корректно
- Честно оценивать эксперименты и быть “независимым судьёй” там, где это необходимо
---
К слову, давайте проверим сколько нас здесь :)
Ставьте ❤️ если вы ML-специалист и ❤️🔥 если вы аналитик!
❤🔥93❤39🔥12👍7👎2
🔁 Размены в аналитике. Или почему “никак” — не ответ
В прошлом посте я писал, что у хорошей аналитики (высокоуровнево, как у отдела) есть три больших фокуса, и один из них
- Давать ясность в процессах и чётко показывать компромиссы (размены). Обеспечивать бизнес корректными и актуальными данными настолько, насколько это возможно.
Сегодня поговорим про размены.
---
Что такое размен?
Это ситуация, когда за одно решение приходится платить чем-то другим.
Когда у бизнеса есть ограниченный ресурс — деньги, время, усилия команды — и его нужно распределить между несколькими направлениями. Как это сделать эффективно — не всегда очевидно.
Задача аналитика — не просто сказать “да” или “нет”, а показать что будет, если… и какой будет цена такого решения.
А в идеале — дать инструмент, в котором можно самому поиграть с параметрами: табличку с расчётами, калькулятор, дэш. Главное — чтобы это помогло осознать ситуацию и принять верные решения.
Чтобы такая аналитика работала, важно, чтобы:
— расчёты были прозрачны
— выводы были понятны (их можно объяснить даже не погружённому менеджеру за 5 минут)
— результатами можно было управлять
---
На старте карьеры такие запросы могут вызывать ступор.
Инстинктивный ответ: “Никак, это наш таргет на ближайший год”. Но сначала важно понять, насколько всерьёз обсуждается этот сценарий. Иногда достаточно сказать: “в это не стоит идти — дорого и неэффективно”.
Однако если запрос звучит серьёзно или повторяется — лучше один раз посчитать и сохранить расчёт. Такой шаблон пригодится и в будущем.
Как в этом случае может выглядеть решение:
- Да, теоретически мы можем открутить годовой маркетинговый бюджет за несколько дней и добиться роста x2 на горизонте месяца.
- Но: стоимость привлечения пользователя вырастет с 1 до 6 монеток, эффективность резко просядет, около 60% новых пользователей оттекут в течение пары недель. Да, в моменте мы получим всплеск, но уже к концу года результат окажется хуже, чем при постепенном, устойчивом росте.
Чтобы это было не просто словами, важно явно посчитать и сравнить несколько сценариев: резкий буст, равномерный рост, равномерно ускоряющийся рост и текущая стратегия. По этим расчётам видно: стратегия с резким ростом даёт краткосрочный эффект, но сильно проигрывает в долгосрок. А значит — это просто не та ставка, на которую сейчас стоит делать бизнес.
Это и есть классический размен: краткосрочный всплеск vs. долгосрочная устойчивость.
И подобные размены встречаются не только в росте, например:
- реклама продукта через соцсети vs. через поиск локальных партнёров
- выход на развитый рынок vs. на растущий
- фокус на массовую аудиторию vs. на узкую, но лояльную
Именно такие развилки аналитика и должна уметь показывать.
---
Подобные размены встречаются часто.
Не всегда их можно прямо посчитать, но к этому точно стоит стремиться: разные сценарии, разные последствия, разные ставки.
Причём размены — это не только про рост и привлечение.
Иногда это просто про повседневные решения внутри команды:
— куда направить усилия: в срочную задачу или в плановый техдолг
— на кого делать упор в найме: на джунов и мидлов с горящими глазами, или долго искать сильных синьоров
— продолжать поддерживать старую метрику, к которой все привыкли, или переехать на новую — более точную, но менее стабильную
Во всех этих ситуациях нет правильного ответа — есть последствия.
И задача аналитика — подсветить развилки и показать, к чему каждая из них может привести.
---
Очень длинный получился пост.
Ставьте ❤️ если заходит такой контент и ❤️🔥 если ждёте здесь скорее более компактные посты 🙂
В прошлом посте я писал, что у хорошей аналитики (высокоуровнево, как у отдела) есть три больших фокуса, и один из них
- Давать ясность в процессах и чётко показывать компромиссы (размены). Обеспечивать бизнес корректными и актуальными данными настолько, насколько это возможно.
Сегодня поговорим про размены.
---
Что такое размен?
Это ситуация, когда за одно решение приходится платить чем-то другим.
Когда у бизнеса есть ограниченный ресурс — деньги, время, усилия команды — и его нужно распределить между несколькими направлениями. Как это сделать эффективно — не всегда очевидно.
Задача аналитика — не просто сказать “да” или “нет”, а показать что будет, если… и какой будет цена такого решения.
А в идеале — дать инструмент, в котором можно самому поиграть с параметрами: табличку с расчётами, калькулятор, дэш. Главное — чтобы это помогло осознать ситуацию и принять верные решения.
Чтобы такая аналитика работала, важно, чтобы:
— расчёты были прозрачны
— выводы были понятны (их можно объяснить даже не погружённому менеджеру за 5 минут)
— результатами можно было управлять
---
На старте карьеры такие запросы могут вызывать ступор.
Пример:
Мы работаем над развитием поисковика по мемам в Гватемале. Сейчас у нас 100 тысяч активных пользователей в день.
Приходит топ-менеджер и говорит:
“Знаю про ваши планы, но нужно вырасти в 2 раза за один месяц. Как?”
Инстинктивный ответ: “Никак, это наш таргет на ближайший год”. Но сначала важно понять, насколько всерьёз обсуждается этот сценарий. Иногда достаточно сказать: “в это не стоит идти — дорого и неэффективно”.
Однако если запрос звучит серьёзно или повторяется — лучше один раз посчитать и сохранить расчёт. Такой шаблон пригодится и в будущем.
Как в этом случае может выглядеть решение:
- Да, теоретически мы можем открутить годовой маркетинговый бюджет за несколько дней и добиться роста x2 на горизонте месяца.
- Но: стоимость привлечения пользователя вырастет с 1 до 6 монеток, эффективность резко просядет, около 60% новых пользователей оттекут в течение пары недель. Да, в моменте мы получим всплеск, но уже к концу года результат окажется хуже, чем при постепенном, устойчивом росте.
Чтобы это было не просто словами, важно явно посчитать и сравнить несколько сценариев: резкий буст, равномерный рост, равномерно ускоряющийся рост и текущая стратегия. По этим расчётам видно: стратегия с резким ростом даёт краткосрочный эффект, но сильно проигрывает в долгосрок. А значит — это просто не та ставка, на которую сейчас стоит делать бизнес.
Это и есть классический размен: краткосрочный всплеск vs. долгосрочная устойчивость.
И подобные размены встречаются не только в росте, например:
- реклама продукта через соцсети vs. через поиск локальных партнёров
- выход на развитый рынок vs. на растущий
- фокус на массовую аудиторию vs. на узкую, но лояльную
Именно такие развилки аналитика и должна уметь показывать.
---
Подобные размены встречаются часто.
Не всегда их можно прямо посчитать, но к этому точно стоит стремиться: разные сценарии, разные последствия, разные ставки.
Причём размены — это не только про рост и привлечение.
Иногда это просто про повседневные решения внутри команды:
— куда направить усилия: в срочную задачу или в плановый техдолг
— на кого делать упор в найме: на джунов и мидлов с горящими глазами, или долго искать сильных синьоров
— продолжать поддерживать старую метрику, к которой все привыкли, или переехать на новую — более точную, но менее стабильную
Во всех этих ситуациях нет правильного ответа — есть последствия.
И задача аналитика — подсветить развилки и показать, к чему каждая из них может привести.
Хорошая аналитика — это не “нельзя”.
Это: “можно — вот так, но вот цена”.
---
Очень длинный получился пост.
Ставьте ❤️ если заходит такой контент и ❤️🔥 если ждёте здесь скорее более компактные посты 🙂
❤86👍13🔥8❤🔥2
🥷 Знать — не значит уметь применять
(или чем харды на самом деле отличаются от софтов)
Чем дальше двигаюсь по управленческому треку, тем отчётливее замечаю: софт-навыки становятся всё важнее. Умение фокусироваться, держать внимание, разговаривать с людьми, принимать неочевидные решения, рефлексировать — всё это начинает играть ключевую роль. Не потому что так модно. А потому что без этого просто никак. Без этого легко утонуть в повседневности, даже если ты хорошо разбираешься в технике и понимаешь глубинную суть проектов.
Однако у софтов есть одно неочевидное отличие от хардов. С хард-скиллами всё достаточно прозрачно. Ты либо знаешь, как написать функцию, либо нет. Либо умеешь посчитать интеграл, либо нет. Конечно, важна насмотренность, важно количество повторений — но в целом навык остаётся навыком: освоил → применяешь. Не освоил — идёшь, читаешь, тренируешься, и через какое-то время получаешь нужный результат. Это зона довольно чётких определений. Всё работает в логике: есть задача — есть способ её решить.
А вот с софтами так не работает.
Ты можешь знать, что режим сна влияет на продуктивность и при этом стабильно ложиться в два ночи. Знать, что приоритизация задач помогает выжить в завалах и продолжать тонуть в срочных мелочах. Можешь прочитать 10 статей про делегирование и всё равно делать всё сам.
Проблема не в том, что ты чего-то не знаешь. Проблема в том, что софты не встраиваются сразу. Они не «осваиваются» так же, как SQL или pandas. Их нужно прожить, обкатать, встроить в себя. Найти, где в голове клинит. Понять, почему снова скатился в старую стратегию. Попробовать по-другому. И сделать это не один раз.
Это проявляется и в работе с командой. У меня сейчас двухуровневая структура: я руковожу руководителями. И иногда бывает такое, что мы обсуждаем что-то про управление командой или проектами, и ребята говорят: «да блин, я ж это знаю всё, зачем мы про это снова говорим». Да, знаешь. Но не всегда получается. А значит — не полностью встроилось. В такие моменты важно вместе с человеком посмотреть на ситуацию с разных сторон. Помочь прожить, прочувствовать, подсветить неочевидные моменты, поделиться опытом. Потому что когда человек переходит из роли исполнителя (например, аналитика) в управленческую роль, приходится заново выстраивать очень многое — и в мышлении, и в действиях.
Ровно по этой причине мне всегда казались полезными хорошие нон-фикшн книги. Большинство из них устроены одинаково: одна мысль, но с десятка разных ракурсов. Сначала кажется, что автор просто растекается мыслью — но на деле он даёт тебе шанс наконец прочувствовать, а не просто «понять». Ты сталкиваешься с этой мыслью в разных ситуациях, контекстах, историях. И в какой-то момент она начинает проходить глубже. Не в голову — в поведение.
У меня так было, например, с книгой Франкла «Сказать жизни “Да”». Мысль в ней максимально простая: человеку нужна цель в жизни. Всё. Вроде бы очевидно. Но особенность книги в том, что автор прошёл через концлагеря, повидал много ужасов — как вокруг, так и на себе. И при этом сумел сохранить внутреннюю опору. Он пишет о том, как стремление к чему-то может буквально удержать человека в жизни. Местами — бегут мурашки. В какой-то момент ты не просто соглашаешься с этой мыслью, а ловишь ощущение: «вот теперь я по-настоящему понял, о чём речь».
С софтами почти всегда так. Недостаточно просто узнать о каком-то подходе или инструменте. Нужно об него несколько раз споткнуться, по-разному попробовать, понять, почему в какой-то момент снова скатился в старую стратегию. И только через какое-то время оно начинает работать — сначала в действиях, потом в результатах.
Софтами действительно непросто обрасти. Это не про знание, а про проживание, внутренние сдвиги и постепенные изменения в поведении. Кажется, почти у всех этот путь неровный.
Если узнаёшь себя — ставь сердечко ❤️
(или чем харды на самом деле отличаются от софтов)
Чем дальше двигаюсь по управленческому треку, тем отчётливее замечаю: софт-навыки становятся всё важнее. Умение фокусироваться, держать внимание, разговаривать с людьми, принимать неочевидные решения, рефлексировать — всё это начинает играть ключевую роль. Не потому что так модно. А потому что без этого просто никак. Без этого легко утонуть в повседневности, даже если ты хорошо разбираешься в технике и понимаешь глубинную суть проектов.
Однако у софтов есть одно неочевидное отличие от хардов. С хард-скиллами всё достаточно прозрачно. Ты либо знаешь, как написать функцию, либо нет. Либо умеешь посчитать интеграл, либо нет. Конечно, важна насмотренность, важно количество повторений — но в целом навык остаётся навыком: освоил → применяешь. Не освоил — идёшь, читаешь, тренируешься, и через какое-то время получаешь нужный результат. Это зона довольно чётких определений. Всё работает в логике: есть задача — есть способ её решить.
А вот с софтами так не работает.
Ты можешь знать, что режим сна влияет на продуктивность и при этом стабильно ложиться в два ночи. Знать, что приоритизация задач помогает выжить в завалах и продолжать тонуть в срочных мелочах. Можешь прочитать 10 статей про делегирование и всё равно делать всё сам.
Проблема не в том, что ты чего-то не знаешь. Проблема в том, что софты не встраиваются сразу. Они не «осваиваются» так же, как SQL или pandas. Их нужно прожить, обкатать, встроить в себя. Найти, где в голове клинит. Понять, почему снова скатился в старую стратегию. Попробовать по-другому. И сделать это не один раз.
И в этом, по сути, главное отличие софтов от хардов:
харды осваиваются как навык, а софты проживаются. Это не история «знаю → применяю». Это история «понял → попробовал → не получилось → переделал → снова не получилось → постепенно встроилось».
Это проявляется и в работе с командой. У меня сейчас двухуровневая структура: я руковожу руководителями. И иногда бывает такое, что мы обсуждаем что-то про управление командой или проектами, и ребята говорят: «да блин, я ж это знаю всё, зачем мы про это снова говорим». Да, знаешь. Но не всегда получается. А значит — не полностью встроилось. В такие моменты важно вместе с человеком посмотреть на ситуацию с разных сторон. Помочь прожить, прочувствовать, подсветить неочевидные моменты, поделиться опытом. Потому что когда человек переходит из роли исполнителя (например, аналитика) в управленческую роль, приходится заново выстраивать очень многое — и в мышлении, и в действиях.
Ровно по этой причине мне всегда казались полезными хорошие нон-фикшн книги. Большинство из них устроены одинаково: одна мысль, но с десятка разных ракурсов. Сначала кажется, что автор просто растекается мыслью — но на деле он даёт тебе шанс наконец прочувствовать, а не просто «понять». Ты сталкиваешься с этой мыслью в разных ситуациях, контекстах, историях. И в какой-то момент она начинает проходить глубже. Не в голову — в поведение.
У меня так было, например, с книгой Франкла «Сказать жизни “Да”». Мысль в ней максимально простая: человеку нужна цель в жизни. Всё. Вроде бы очевидно. Но особенность книги в том, что автор прошёл через концлагеря, повидал много ужасов — как вокруг, так и на себе. И при этом сумел сохранить внутреннюю опору. Он пишет о том, как стремление к чему-то может буквально удержать человека в жизни. Местами — бегут мурашки. В какой-то момент ты не просто соглашаешься с этой мыслью, а ловишь ощущение: «вот теперь я по-настоящему понял, о чём речь».
С софтами почти всегда так. Недостаточно просто узнать о каком-то подходе или инструменте. Нужно об него несколько раз споткнуться, по-разному попробовать, понять, почему в какой-то момент снова скатился в старую стратегию. И только через какое-то время оно начинает работать — сначала в действиях, потом в результатах.
Софтами действительно непросто обрасти. Это не про знание, а про проживание, внутренние сдвиги и постепенные изменения в поведении. Кажется, почти у всех этот путь неровный.
Если узнаёшь себя — ставь сердечко ❤️
❤125❤🔥20🔥13👍7👎4😱1
👔 Про ревью в корпорациях: для сотрудников и для руководителей (1/2)
Давненько меня тут не было 🙂
Во многом потому, что у нас в Яндексе шло ревью.
В этот раз я впервые калибровал большую команду аналитики, 30+ человек. Это оказалось тем ещё приключением, но в целом справились.
Хочу поделиться, как я на это смотрю: что вообще такое ревью, зачем оно нужно, и как к нему готовиться если ты сотрудник и если ты руководитель.
Что вообще такое ревью
У каждой компании процесс устроен по-своему, но суть почти всегда одна: ревью - точка, в которой оценивают твои достижения. Смотрят, что ты делал, как повлиял на бизнес, и принимают решения - какую дать премию, стоит ли пересмотреть зарплату, повысить грейд и т.д.
Типичный сценарий: руководители собирают достижения → сравнивают сотрудников одного уровня → формируют ранжирование → распределяют кубышку премий и повышений.
Проблема в том, что всех похвалить нельзя. Даже если команда сильная, даже если все реально тащат. В аналитике это особенно непросто. Кто-то настраивал процессы вокруг данных, кто-то приносил прямой бизнес-результат - экономил деньги или прокачивал продукт, кто-то наводил порядок в хаосе метрик. И всех всё равно нужно как-то отранжировать. Причём чем выше грейд, тем больше внимания к масштабу проектов и финальному эффекту на бизнес. Просто много работать уже не считается аргументом.
Плюсы и минусы ревью
Хотя ревью - процесс местами болезненный, в нём есть своя логика и польза. Это не просто способ раздать премии, а точка, где можно оглянуться назад и навести порядок.
Плюсы: ревью помогает понять, кто чем реально занимается, что двигается, а что стагнирует. Это хороший повод остановиться и свериться с курсом: у кого какие задачи, кто в какой роли, какие приоритеты стали лишними. То, что не успели отсечь по ходу периода - отсеивается здесь. Это честная точка ясности - и для сотрудника, и для команды. Нередко сами ребята, готовясь к ревью, оглядываются на свой полугодовой перформанс и удивляются: «нихрена себе, сколько я всего сделал».
Минусы: кто-то почти всегда остаётся недовольным. Кому-то кажется, что его недохвалили, кто-то сравнивает себя с коллегами и расстраивается. А кто-то просто ждёт ревью, чтобы получить бонус и уйти. Это тоже часть игры.
Если ты сотрудник и хочешь расти
Ревью не начинается в тот день, когда тебя оценивают. Оно начинается сильно заранее.
1. Понять, насколько работа сейчас в приоритете и какие у тебя в целом ожидания от себя. Какие задачи тебе интересны, на какую оценку ты готов целиться, при каком раскладе готов развиваться внутри компании в долгосроке. Если сам не понимаешь, чего хочешь, руководителю будет ещё сложнее это угадать.
2. Проговорить всё это с руководителем. Прямо, без намёков. Лучше в начале периода. Чётко спросить, насколько это реалистично, и договориться о контрольных точках, где будет собираться фидбэк. Просто вкинуть идею и ждать что сработает - недостаточно.
3. Выбрать стратегию и придерживаться её. По возможности не отвлекаться на внутренние качели, не сравнивать себя с соседними отделами, не срываться на собесы из скуки. Стабильный рост внутри часто даёт в долгую и больше денег, и больше влияния.
4*. Бонусная штука - можно попробовать найти ментора внутри коопорации. Человека, который уже вырос в этой компании и при этом вам искренне симпатичен. Часто именно такие динозавры могут спокойно и по делу объяснить, как тут всё устроено и что реально работает. Вдвойне круто, если этот человек - ваш руководитель.
Давненько меня тут не было 🙂
Во многом потому, что у нас в Яндексе шло ревью.
В этот раз я впервые калибровал большую команду аналитики, 30+ человек. Это оказалось тем ещё приключением, но в целом справились.
Хочу поделиться, как я на это смотрю: что вообще такое ревью, зачем оно нужно, и как к нему готовиться если ты сотрудник и если ты руководитель.
Что вообще такое ревью
У каждой компании процесс устроен по-своему, но суть почти всегда одна: ревью - точка, в которой оценивают твои достижения. Смотрят, что ты делал, как повлиял на бизнес, и принимают решения - какую дать премию, стоит ли пересмотреть зарплату, повысить грейд и т.д.
Типичный сценарий: руководители собирают достижения → сравнивают сотрудников одного уровня → формируют ранжирование → распределяют кубышку премий и повышений.
Проблема в том, что всех похвалить нельзя. Даже если команда сильная, даже если все реально тащат. В аналитике это особенно непросто. Кто-то настраивал процессы вокруг данных, кто-то приносил прямой бизнес-результат - экономил деньги или прокачивал продукт, кто-то наводил порядок в хаосе метрик. И всех всё равно нужно как-то отранжировать. Причём чем выше грейд, тем больше внимания к масштабу проектов и финальному эффекту на бизнес. Просто много работать уже не считается аргументом.
Плюсы и минусы ревью
Хотя ревью - процесс местами болезненный, в нём есть своя логика и польза. Это не просто способ раздать премии, а точка, где можно оглянуться назад и навести порядок.
Плюсы: ревью помогает понять, кто чем реально занимается, что двигается, а что стагнирует. Это хороший повод остановиться и свериться с курсом: у кого какие задачи, кто в какой роли, какие приоритеты стали лишними. То, что не успели отсечь по ходу периода - отсеивается здесь. Это честная точка ясности - и для сотрудника, и для команды. Нередко сами ребята, готовясь к ревью, оглядываются на свой полугодовой перформанс и удивляются: «нихрена себе, сколько я всего сделал».
Минусы: кто-то почти всегда остаётся недовольным. Кому-то кажется, что его недохвалили, кто-то сравнивает себя с коллегами и расстраивается. А кто-то просто ждёт ревью, чтобы получить бонус и уйти. Это тоже часть игры.
Если ты сотрудник и хочешь расти
Ревью не начинается в тот день, когда тебя оценивают. Оно начинается сильно заранее.
1. Понять, насколько работа сейчас в приоритете и какие у тебя в целом ожидания от себя. Какие задачи тебе интересны, на какую оценку ты готов целиться, при каком раскладе готов развиваться внутри компании в долгосроке. Если сам не понимаешь, чего хочешь, руководителю будет ещё сложнее это угадать.
2. Проговорить всё это с руководителем. Прямо, без намёков. Лучше в начале периода. Чётко спросить, насколько это реалистично, и договориться о контрольных точках, где будет собираться фидбэк. Просто вкинуть идею и ждать что сработает - недостаточно.
3. Выбрать стратегию и придерживаться её. По возможности не отвлекаться на внутренние качели, не сравнивать себя с соседними отделами, не срываться на собесы из скуки. Стабильный рост внутри часто даёт в долгую и больше денег, и больше влияния.
4*. Бонусная штука - можно попробовать найти ментора внутри коопорации. Человека, который уже вырос в этой компании и при этом вам искренне симпатичен. Часто именно такие динозавры могут спокойно и по делу объяснить, как тут всё устроено и что реально работает. Вдвойне круто, если этот человек - ваш руководитель.
👍29❤26❤🔥9👎6🔥3
👔 Про ревью в корпорациях: для сотрудников и для руководителей (2/2)
Если ты руководитель
Чем выше твоя роль, тем больше твой результат = результат команды.
Когда у тебя 3–4 аналитика и ты ещё что-то делаешь руками - это учитывается. Но если ты ведёшь группу с несколькими направлениями, то важен уже не твой личный вклад, а то, как работает система. Тут и начинается настоящее управление: через процессы, фокус, атмосферу и рост людей.
Что важно:
1. Твой результат - результат команды. Не просто «мы все были загружены», а «мы сделали вот это, и это дало бизнесу вот такой эффект». Фокус на ценности, а не на объёме задач.
2. Нужно заранее понимать амбиции каждого. Кто хочет стабильности, кто хочет в рост, кто пока сам не определился. Лучше обсудить это в начале периода и договориться, что для кого будет считаться успешным полугодием. Особенно у синьоров - не всем нужно повышение, и это ок.
3. Выделить тех, кто особенно хочет и может расти. У кого есть энергия, результаты, доверие. Их стоит делать по максимуму видимымии - звать на важные встречи, предлагать взять что-то он-топ, подключать к другим командам. Видимость = шанс.
4. Регулярно давать понятный фидбэк. Не просто всё хорошо, а чётко: что получилось, а где нужно подтянуть. Лучше сказать это по ходу, чем потом ловить недопонимание на ревью.
5. Если в калибровке участвуют другие руководители - подготовь их заранее. Объясни, кто из твоих ребят чем силён, в чём был вклад. Особенно если они не работали с ними напрямую. Здорово если люди на калибровках сразу понимают ценность и оценку ключевых ребят.
Вместо вывода
Ревью - штука не всегда приятная, но нужная. Оно помогает остановиться, оглядеться и понять, куда ты идёшь и с кем. Что работает, а что пора пересобрать. Если воспринимать его не как экзамен, а как точку синхронизации, жить становится сильно проще.
Ставьте ❤️, если нашли здесь что-то полезное для себя.
Если ты руководитель
Чем выше твоя роль, тем больше твой результат = результат команды.
Когда у тебя 3–4 аналитика и ты ещё что-то делаешь руками - это учитывается. Но если ты ведёшь группу с несколькими направлениями, то важен уже не твой личный вклад, а то, как работает система. Тут и начинается настоящее управление: через процессы, фокус, атмосферу и рост людей.
Что важно:
1. Твой результат - результат команды. Не просто «мы все были загружены», а «мы сделали вот это, и это дало бизнесу вот такой эффект». Фокус на ценности, а не на объёме задач.
2. Нужно заранее понимать амбиции каждого. Кто хочет стабильности, кто хочет в рост, кто пока сам не определился. Лучше обсудить это в начале периода и договориться, что для кого будет считаться успешным полугодием. Особенно у синьоров - не всем нужно повышение, и это ок.
3. Выделить тех, кто особенно хочет и может расти. У кого есть энергия, результаты, доверие. Их стоит делать по максимуму видимымии - звать на важные встречи, предлагать взять что-то он-топ, подключать к другим командам. Видимость = шанс.
4. Регулярно давать понятный фидбэк. Не просто всё хорошо, а чётко: что получилось, а где нужно подтянуть. Лучше сказать это по ходу, чем потом ловить недопонимание на ревью.
5. Если в калибровке участвуют другие руководители - подготовь их заранее. Объясни, кто из твоих ребят чем силён, в чём был вклад. Особенно если они не работали с ними напрямую. Здорово если люди на калибровках сразу понимают ценность и оценку ключевых ребят.
Вместо вывода
Ревью - штука не всегда приятная, но нужная. Оно помогает остановиться, оглядеться и понять, куда ты идёшь и с кем. Что работает, а что пора пересобрать. Если воспринимать его не как экзамен, а как точку синхронизации, жить становится сильно проще.
Ставьте ❤️, если нашли здесь что-то полезное для себя.
❤92❤🔥9🥰5👎3👍1🔥1
🏫 Преподавание. Почему это круто и какие навыки позволяет качать
В современном мире толковым специалистам преподавать можно много где. Университеты (Центральный Университет, Вышка, Физтех, ИТМО) охотно берут ребят из индустрии, на онлайн-платформах всегда нужны преподы, а в последнее время даже школы стали нанимать молодых преподавателей.
И это логично. В прикладных предметах важно не только дать навыки, но и зарядить студентов энергией. Я уверен: если вы делаете это в свободное время потому что вам реально нравится, студентам будет и понятнее, и интереснее.
Давайте разбираться, зачем вообще этим заниматься и что это может дать.
Я сам преподаю разные дисциплины ~4-5 лет, так что знаю, о чём говорю. Первые лекции по машинному обучению в МГУ у меня были ещё в 2020 году (репозиторий курса до сих пор существует!). С тех пор многое изменилось: третий год веду пары в Вышке, успел поработать с Ozon Masters, Бауманкой, Карпов Курсес, а сейчас читаю лекции и разрабатываю курс в ЦУ.
Какой опыт преподавание позволяет проживать и какие навыки развивать:
1. Ошибаться и тупить у кучи людей на глазах. Признавать и исправлять свои ошибки.
Понятно, что к каждой паре преподаватель готовится. Но, как говорилось в одной передаче, «знать всё на свете нереально» :)
Поэтому почти на каждом занятии кто-нибудь задаёт умный и неожиданный вопрос, на который у тебя нет готового ответа. И вот стоишь перед 30–60 людьми, пытаешься вместе с ними найти логику и дойти до решения - это очень прокачивает.
2. Находить контакт с новой социальной группой.
В каждой группе студентов есть разные ребята: кто-то слушает материал впервые, кто-то повторяет, кому-то ближе академичный формат, кому-то - прикладной. Понять, как лучше работать именно с этими людьми и как наладить с ними коннект бывает нелегко, но очень интересно!
3. Рассказывать сложное простыми словами.
Любой материал можно подать по-разному: сухо и академично или прикладно и живо. Преподавание учит постоянно искать баланс между глубиной и доступностью. Иногда нужно объяснить формулу через математические аналогии, иногда придумать реальный пример. Когда удаётся и видишь, что ребята реально поняли сложную концепцию - это очень крутое чувство. Этот навык потом здорово помогает и в работе.
4. Заводить новые знакомства.
Через преподавание знакомишься с огромным количеством людей. Среди студентов часто оказываются очень толковые ребята, с которыми потом приятно работать. Некоторых своих бывших студентов я зову в свои проекты, а с кем-то просто поддерживаем контакт и здороваемся в Красной Розе :)
5. Глубже понимать свой предмет.
Каждая пара - это шанс самому разобраться чуть лучше. Студенты задают неожиданные вопросы, заставляют формулировать мысли точнее и искать новые примеры. Почти всегда после лекции остаётся ощущение, что сам понял тему глубже, чем до неё.
Если задумываетесь о преподавании в ML, статистике или математике и у вас есть опыт в индустрии или преподавании - напишите мне.
Сейчас учебный год уже идёт, активного найма нет, но в будущем, возможно, пересечёмся в одном корпусе или соберём вместе новый курс :)
В современном мире толковым специалистам преподавать можно много где. Университеты (Центральный Университет, Вышка, Физтех, ИТМО) охотно берут ребят из индустрии, на онлайн-платформах всегда нужны преподы, а в последнее время даже школы стали нанимать молодых преподавателей.
И это логично. В прикладных предметах важно не только дать навыки, но и зарядить студентов энергией. Я уверен: если вы делаете это в свободное время потому что вам реально нравится, студентам будет и понятнее, и интереснее.
Давайте разбираться, зачем вообще этим заниматься и что это может дать.
Я сам преподаю разные дисциплины ~4-5 лет, так что знаю, о чём говорю. Первые лекции по машинному обучению в МГУ у меня были ещё в 2020 году (репозиторий курса до сих пор существует!). С тех пор многое изменилось: третий год веду пары в Вышке, успел поработать с Ozon Masters, Бауманкой, Карпов Курсес, а сейчас читаю лекции и разрабатываю курс в ЦУ.
Какой опыт преподавание позволяет проживать и какие навыки развивать:
1. Ошибаться и тупить у кучи людей на глазах. Признавать и исправлять свои ошибки.
Понятно, что к каждой паре преподаватель готовится. Но, как говорилось в одной передаче, «знать всё на свете нереально» :)
Поэтому почти на каждом занятии кто-нибудь задаёт умный и неожиданный вопрос, на который у тебя нет готового ответа. И вот стоишь перед 30–60 людьми, пытаешься вместе с ними найти логику и дойти до решения - это очень прокачивает.
2. Находить контакт с новой социальной группой.
В каждой группе студентов есть разные ребята: кто-то слушает материал впервые, кто-то повторяет, кому-то ближе академичный формат, кому-то - прикладной. Понять, как лучше работать именно с этими людьми и как наладить с ними коннект бывает нелегко, но очень интересно!
3. Рассказывать сложное простыми словами.
Любой материал можно подать по-разному: сухо и академично или прикладно и живо. Преподавание учит постоянно искать баланс между глубиной и доступностью. Иногда нужно объяснить формулу через математические аналогии, иногда придумать реальный пример. Когда удаётся и видишь, что ребята реально поняли сложную концепцию - это очень крутое чувство. Этот навык потом здорово помогает и в работе.
4. Заводить новые знакомства.
Через преподавание знакомишься с огромным количеством людей. Среди студентов часто оказываются очень толковые ребята, с которыми потом приятно работать. Некоторых своих бывших студентов я зову в свои проекты, а с кем-то просто поддерживаем контакт и здороваемся в Красной Розе :)
5. Глубже понимать свой предмет.
Каждая пара - это шанс самому разобраться чуть лучше. Студенты задают неожиданные вопросы, заставляют формулировать мысли точнее и искать новые примеры. Почти всегда после лекции остаётся ощущение, что сам понял тему глубже, чем до неё.
Если задумываетесь о преподавании в ML, статистике или математике и у вас есть опыт в индустрии или преподавании - напишите мне.
Сейчас учебный год уже идёт, активного найма нет, но в будущем, возможно, пересечёмся в одном корпусе или соберём вместе новый курс :)
❤40❤🔥15👍10
Forwarded from Yandex Cup
Media is too big
VIEW IN TELEGRAM
Всем участникам привет от Ромы Васильева. Он руководит аналитикой международного Поиска и вместе с рабочей командой готовит задачи — для финала в Стамбуле.
Теория вероятностей, статистика, код — регистрируйтесь до 29 октября и примените все свои скилы на максимум: yandex.ru/cup
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥18❤9👍7
Yandex Cup
Мы с командой в этом году делаем Yandex Cup, финал которого будет в Стамбуле!)
Приходите участвовать, будет круто 🙂
yandex.ru/cup
Приходите участвовать, будет круто 🙂
yandex.ru/cup
❤20🔥15👍5
⏱️ Валюта XXI века — внимание
1. Предпосылки
Сегодня компании борются не столько за деньги напрямую, сколько за внимание. Чем дольше вы находитесь в приложении, тем больше ценности вы создаёте для его владельцев. Пока вы скроллите ленту, вам показывают рекламу, а алгоритмы подстраиваются под ваши интересы, чтобы удержать вас ещё дольше. Так внимание превращается во время, а время - в привычку.
2. Онлайн
В рекламном бизнесе это давно просчитано: за каждый клик и даже просто просмотр бренды платят реальные деньги. Есть теория пяти касаний - человек должен несколько раз столкнуться с брендом, прежде чем начнёт его узнавать и со временем что-то купит. Поэтому платформам выгодно, чтобы вы оставались как можно дольше: чем больше экранного времени, тем выше шанс, что эти касания произойдут.
Два часа в день в TikTok, Reels или Shorts - это не просто “отдохнуть и отвлечься”. Это инвестиция вашего внимания. Только выгоду от этой инвестиции получаете не вы.
3. Оффлайн
Кажется, что без экранов внимание отдыхает. На самом деле просто меняется форма: офлайн тоже устроен так, чтобы мы замечали. Вывески, музыка в кафе, запах кофе у витрины - всё это часть одной системы. Она не давит, но мягко подталкивает: задержись, зайди, купи.
Самый понятный пример - аэропорт. Чтобы попасть в зону вылета, вы проходите через Duty Free. Так повышают шанс, что вы сделаете покупку или хотя бы запомните бренды, с которыми столкнулись.
Внимание измеряется не только временем, но и шагами, запахами, звуками. Просто офлайн делает это чуть изящнее.
4. Что с этим всем делать
Не обязательно отказываться от технологий. Достаточно начать замечать, куда уходит ваше внимание.
Если на что-то уходит несколько часов в неделю - это уже инвестиция. Вопрос только, кому и во что. Иногда это время уходит не на людей или задачи, а на мелочи: бесконечный поиск нужного приложения, прокрутка до нужного чата, проверка «на секундочку», которая превращается в получасовой скролл.
Я для себя вывел несколько простых правил, которые действительно работают:
- Отключить уведомления. Не только звуки, но и цифры на иконках - они создают ложное ощущение срочности.
- Замьютить чаты и аккуратно разложить их по папкам. Чтобы читать тогда, когда нужно
- Систематизировать главный экран смартфона. 95% кликов приходят на первый экран + в приложения в доке
- One Sec (см скриншоты выше, не реклама!). Моё любимое открытие. Перед запуском соцсети - короткая пауза. За эти двадацать секунд мозг успевает спросить себя: «мне это сейчас действительно нужно?» - и часто ответ «нет».
- Проверять статистику времени. Когда видишь, что Instagram, YouTube и Telegram съели двадцать часов за неделю - становится проще навести порядок.
Эти простые вещи помогли мне вернуть фокус.
5. Финал
Очень важно осознавать, куда течёт ваше время, потому что время и внимание - самое ценное. Особенно пока вы молоды, полны сил, когда мозг способен работать на пределе, а тело быстро восстанавливается.
Каждый день к вам приходит поток этой валюты. И только от вас зависит, куда вы его направите. Можно потратить два часа на ленту, а можно - на интересную книгу / встречу с другом / спорт.
Внимание - это ваша валюта. И если не управлять ею самому, найдутся те, кто с радостью сделает это за вас.
Ставьте ❤️ если согласны :)
1. Предпосылки
Сегодня компании борются не столько за деньги напрямую, сколько за внимание. Чем дольше вы находитесь в приложении, тем больше ценности вы создаёте для его владельцев. Пока вы скроллите ленту, вам показывают рекламу, а алгоритмы подстраиваются под ваши интересы, чтобы удержать вас ещё дольше. Так внимание превращается во время, а время - в привычку.
2. Онлайн
В рекламном бизнесе это давно просчитано: за каждый клик и даже просто просмотр бренды платят реальные деньги. Есть теория пяти касаний - человек должен несколько раз столкнуться с брендом, прежде чем начнёт его узнавать и со временем что-то купит. Поэтому платформам выгодно, чтобы вы оставались как можно дольше: чем больше экранного времени, тем выше шанс, что эти касания произойдут.
Два часа в день в TikTok, Reels или Shorts - это не просто “отдохнуть и отвлечься”. Это инвестиция вашего внимания. Только выгоду от этой инвестиции получаете не вы.
3. Оффлайн
Кажется, что без экранов внимание отдыхает. На самом деле просто меняется форма: офлайн тоже устроен так, чтобы мы замечали. Вывески, музыка в кафе, запах кофе у витрины - всё это часть одной системы. Она не давит, но мягко подталкивает: задержись, зайди, купи.
Самый понятный пример - аэропорт. Чтобы попасть в зону вылета, вы проходите через Duty Free. Так повышают шанс, что вы сделаете покупку или хотя бы запомните бренды, с которыми столкнулись.
Внимание измеряется не только временем, но и шагами, запахами, звуками. Просто офлайн делает это чуть изящнее.
4. Что с этим всем делать
Не обязательно отказываться от технологий. Достаточно начать замечать, куда уходит ваше внимание.
Если на что-то уходит несколько часов в неделю - это уже инвестиция. Вопрос только, кому и во что. Иногда это время уходит не на людей или задачи, а на мелочи: бесконечный поиск нужного приложения, прокрутка до нужного чата, проверка «на секундочку», которая превращается в получасовой скролл.
Я для себя вывел несколько простых правил, которые действительно работают:
- Отключить уведомления. Не только звуки, но и цифры на иконках - они создают ложное ощущение срочности.
- Замьютить чаты и аккуратно разложить их по папкам. Чтобы читать тогда, когда нужно
- Систематизировать главный экран смартфона. 95% кликов приходят на первый экран + в приложения в доке
- One Sec (см скриншоты выше, не реклама!). Моё любимое открытие. Перед запуском соцсети - короткая пауза. За эти двадацать секунд мозг успевает спросить себя: «мне это сейчас действительно нужно?» - и часто ответ «нет».
- Проверять статистику времени. Когда видишь, что Instagram, YouTube и Telegram съели двадцать часов за неделю - становится проще навести порядок.
Эти простые вещи помогли мне вернуть фокус.
5. Финал
Очень важно осознавать, куда течёт ваше время, потому что время и внимание - самое ценное. Особенно пока вы молоды, полны сил, когда мозг способен работать на пределе, а тело быстро восстанавливается.
Каждый день к вам приходит поток этой валюты. И только от вас зависит, куда вы его направите. Можно потратить два часа на ленту, а можно - на интересную книгу / встречу с другом / спорт.
Внимание - это ваша валюта. И если не управлять ею самому, найдутся те, кто с радостью сделает это за вас.
Ставьте ❤️ если согласны :)
❤94👍21❤🔥11🔥3👎1😱1
💙 Data Driven 2025.
Яндекс Поиск в Межнаре: как мы масштабируем аналитику на международные рынки
У меня тут накопилось несколько выступлений / подкастов, в которых я принимал участие за последние месяцы. Прихожу к вам рассказать про них!
Внутри этого доклада рассказал о том, что делает наш отдел аналитики международного Поиска, какие вызовы у нас возникают и как мы с ними справляемся.
Для кого может быть полезно:
1. Руководителям аналитики, которые развивают команды в условиях неопределённости
2. Аналитикам данных, которые хотят подсмотреть хорошие практики и позаимствовать проверенные идеи 🙂
Youtube: тут
Vk video: тут
Накидывайте ❤️ если вам интересен подобный контент 🙂
Яндекс Поиск в Межнаре: как мы масштабируем аналитику на международные рынки
У меня тут накопилось несколько выступлений / подкастов, в которых я принимал участие за последние месяцы. Прихожу к вам рассказать про них!
Внутри этого доклада рассказал о том, что делает наш отдел аналитики международного Поиска, какие вызовы у нас возникают и как мы с ними справляемся.
Для кого может быть полезно:
1. Руководителям аналитики, которые развивают команды в условиях неопределённости
2. Аналитикам данных, которые хотят подсмотреть хорошие практики и позаимствовать проверенные идеи 🙂
Youtube: тут
Vk video: тут
Накидывайте ❤️ если вам интересен подобный контент 🙂
YouTube
Яндекс Поиск в Межнаре: как мы масштабируем аналитику на международные рынки / Роман Васильев
Спикер — Роман Васильев, руководитель аналитики международного Поиска
Роман рассказал о том, как создаём аналитику для Яндекс Поиска на рынках Казахстана и Турции. Работаем с новыми географиями внутри корпорации: выстраиваем аналитику полного цикла, от исследования…
Роман рассказал о том, как создаём аналитику для Яндекс Поиска на рынках Казахстана и Турции. Работаем с новыми географиями внутри корпорации: выстраиваем аналитику полного цикла, от исследования…
🔥22❤16❤🔥8
Forwarded from Вокруг Центрального университета
Media is too big
VIEW IN TELEGRAM
Как совмещать работу в Яндексе и преподавание?
Узнали у Романа Васильева, руководителя аналитики международного Поиска в Яндексе и руководителя и лектора курсов по ML в Центральном университете.
Роман начал преподавать еще в 2019 году. Для него работа со студентами — возможность вкладывать частичку себя в других людей.
А мы всегда поможем начать: подберем удобный график, от 5 часов в неделю, чтобы совмещать лекции или семинары с основной работой, подготовим методички, презентации, комфортные аудитории и поддержим смелые идеи.
Знакомьтесь с нашими героями в цикле видео и приходите преподавать: https://cntrluniv.ru/cu_heroes
Узнали у Романа Васильева, руководителя аналитики международного Поиска в Яндексе и руководителя и лектора курсов по ML в Центральном университете.
Жестко 🙂
А если серьезно — жесткий тайм-менеджмент, расстановка приоритетов. И увлеченность тем, что делаю.
Роман начал преподавать еще в 2019 году. Для него работа со студентами — возможность вкладывать частичку себя в других людей.
Поначалу может быть страшно и непросто, но в итоге это невероятно круто и вдохновляюще.
А мы всегда поможем начать: подберем удобный график, от 5 часов в неделю, чтобы совмещать лекции или семинары с основной работой, подготовим методички, презентации, комфортные аудитории и поддержим смелые идеи.
Знакомьтесь с нашими героями в цикле видео и приходите преподавать: https://cntrluniv.ru/cu_heroes
❤26🔥21👍12❤🔥3
🤖 2025 - год LLM’ок в жизни и работе
Для меня самое большое открытие этого года - большие языковые модели (LLM). Процентов 80–90 запросов, которые раньше уходили в поиск, статьи и десятки вкладок, теперь сразу улетают в ChatGPT / Gemini. Просто потому что таким образом можно кратно быстрее решать задачи: переносить свой образ мышления «на бумагу» и получать результат с существенно меньшими затратами времени и усилий.
Этим постом хочу начать цикл про LLM (в том числе GPT) для жизни и работы. Цикл скорее для тех, кто уже сталкивался с этой темой, но не погружался в детали, не до конца понимает, как модели работают внутри, и хочет разобраться, как их можно использовать уже сейчас. Если давно хотелось расставить точки над i, сейчас - самое время.
Что точно войдёт в цикл статей:
1. История LLM, терминология и откуда вообще всё это выросло
2. Какая революция сейчас происходит и с чем её вообще корректно сравнивать
3. Как LLM работают изнутри, на простых аналогиях и примерах (без глубокой математики под капотом, на уровне понимания идей)
4. Как применять их в повседневной жизни и какие задачи туда можно уносить уже сейчас
5. Как применять LLM в работе и бизнесе
6. Куда всё это реально может прийти дальше
Начать хочу с цитаты из книги 2011 года, за 6 лет до статьи Attention Is All You Need, которая положила старт всему этому делу. Мне кажется, она на уровне ощущений очень точно передаёт, как работают LLM. Для контекста: суры в этом произведении - человекоподобные роботы, которые служат для хозяйства и прочих дел.
Почему эта цитата так точно попадает в то, что мы сегодня называем LLM:
- модель не понимает смысл в человеческом смысле слова, но отлично имитирует понимание
- внутри — не знания, а огромная статистика прошлого опыта человечества (точнее, текстов, на которых она училась)
- ощущение «живого диалога» — побочный эффект хорошо собранной симуляции. И, если честно, люди в этом месте не так уж сильно отличаются
Дальше в цикле разберём базу: от истории и устройства LLM до практических сценариев использования в жизни, работе и бизнесе, и того, куда всё это может прийти дальше.
Если LLM уже стали для вас полноценным инструментом для работы или жизни - ставьте 🔥
А если интересно продолжение и хочется разобраться глубже - ставьте ❤️
Для меня самое большое открытие этого года - большие языковые модели (LLM). Процентов 80–90 запросов, которые раньше уходили в поиск, статьи и десятки вкладок, теперь сразу улетают в ChatGPT / Gemini. Просто потому что таким образом можно кратно быстрее решать задачи: переносить свой образ мышления «на бумагу» и получать результат с существенно меньшими затратами времени и усилий.
Этим постом хочу начать цикл про LLM (в том числе GPT) для жизни и работы. Цикл скорее для тех, кто уже сталкивался с этой темой, но не погружался в детали, не до конца понимает, как модели работают внутри, и хочет разобраться, как их можно использовать уже сейчас. Если давно хотелось расставить точки над i, сейчас - самое время.
Что точно войдёт в цикл статей:
1. История LLM, терминология и откуда вообще всё это выросло
2. Какая революция сейчас происходит и с чем её вообще корректно сравнивать
3. Как LLM работают изнутри, на простых аналогиях и примерах (без глубокой математики под капотом, на уровне понимания идей)
4. Как применять их в повседневной жизни и какие задачи туда можно уносить уже сейчас
5. Как применять LLM в работе и бизнесе
6. Куда всё это реально может прийти дальше
Начать хочу с цитаты из книги 2011 года, за 6 лет до статьи Attention Is All You Need, которая положила старт всему этому делу. Мне кажется, она на уровне ощущений очень точно передаёт, как работают LLM. Для контекста: суры в этом произведении - человекоподобные роботы, которые служат для хозяйства и прочих дел.
— Знаете, когда-то люди изобрели опыт под названием «Китайская Комната». Слышали?
— Нет, — сказал я.
— В запертой комнате сидит человек, не знающий китайского языка. В окошко ему дают записки с вопросами на китайском. Для него это просто бумажки с нарисованными закорючками, смысла которых он не понимает. Но у него в комнате полно разных книг с правилами, в которых подробно описано, как и в какой последовательности отвечать одними закорючками на другие. И он, действуя по этим правилам, выдает в другое окошко ответы на китайском, которые создают у всех стоящих снаружи полную уверенность в том, что он знает китайский язык. Хотя сам он совершенно не понимает, о чем ему задают вопросы и в чем смысл его ответов. Представили?
— Ну, представил.
— Сура — это такая же китайская комната, только автоматизированная. Вместо человека со справочниками в ней сканер, который считывает иероглифы, и огромная база референций и правил, позволяющих подбирать иероглифы для ответа.
— Много же там будет правил, — пробормотал я.
— Немало, — согласился консультант. — Она переводит каждую вашу фразу на несколько символических языков, разделяя ее на множество слоев и уровней. Затем каждый слой соотносится со своей базой опыта. После этого происходит обратный синтез инвариантов, и мы получаем комплексную реакцию, имеющую смысловой, стилистический и эмоциональный аспекты, которые взаимно дополняют друг друга, создавая ощущение уникального, живого и адресованного лично вам ответа. Это, конечно, симуляция. Но точно так же дети имитируют своих родителей и сверстников — часто до самой старости. Общаясь с сурой, вы имеете дело с прошлым человечества.
S.N.U.F.F., Виктор Пелевин
Почему эта цитата так точно попадает в то, что мы сегодня называем LLM:
- модель не понимает смысл в человеческом смысле слова, но отлично имитирует понимание
- внутри — не знания, а огромная статистика прошлого опыта человечества (точнее, текстов, на которых она училась)
- ощущение «живого диалога» — побочный эффект хорошо собранной симуляции. И, если честно, люди в этом месте не так уж сильно отличаются
Дальше в цикле разберём базу: от истории и устройства LLM до практических сценариев использования в жизни, работе и бизнесе, и того, куда всё это может прийти дальше.
Если LLM уже стали для вас полноценным инструментом для работы или жизни - ставьте 🔥
А если интересно продолжение и хочется разобраться глубже - ставьте ❤️
❤64🔥46❤🔥9