Mini-MBA: Аналитик данных

До курса работал в Excel и чувствовал, что уперся в потолок. Здесь постепенно перешел от обычных таблиц к Power Query, SQL и Python. Особенно полезно, что инструменты изучаются не отдельно друг от друга. В итоге можно получить данные, обработать их и подготовить отчет уже без постоянной ручной работы.

Самым полезным для меня оказался SQL. Раньше работала только с готовыми выгрузками и постоянно зависела от коллег. После практики могу сама собрать данные из нескольких таблиц, сделать группировку и подготовить выборку для анализа. Это сильно меняет скорость работы, особенно когда вопрос от бизнеса нужно проверить быстро.

Понравился блок по юнит-экономике. Раньше смотрел в основном на общую выручку и прибыль, а здесь разобрался с экономикой продукта на уровне одного клиента и отдельного канала. На рабочем проекте после этого пересчитал несколько метрик и стало понятно, почему один из каналов рос по продажам, но почти не давал результата.

Для меня сильной частью стала бизнес-аналитика. Понравилось, что нужно не просто построить график, а интерпретировать данные, проверить гипотезу и сформулировать вывод. Отдельно разбирали A/B-тесты и то, как из результатов получить нормальные рекомендации для бизнеса. Именно этого мне не хватало в предыдущем обучении.

Больше всего ждал Data Science. Хорошо, что перед моделями подробно разбирают очистку и подготовку данных. На практике очень быстро понимаешь, что алгоритм сам по себе мало что решает, если исходный датасет плохой. После кейсов стало гораздо понятнее, как выбирать признаки, искать взаимосвязи и оценивать результат модели.

Новый модуль по нейросетям оказался полезнее, чем ожидала. Пробовала генерировать черновики SQL-запросов и Python-кода, анализировать текстовые данные и автоматизировать часть отчетности. Особенно понравилось, что ИИ показывают именно как помощника аналитика: результат нужно проверять, а не просто копировать готовый ответ.