Самостоятельные проекты в Яндекс.Практикуме

Самостоятельные проекты в Яндекс.Практикуме

Ранее я уже писала о плюсах и минусах программы “Профессия аналитик данных” от Яндекс.Практикум (далее - Практикум). Статью можно прочитать тут.

Сегодня хочу затронуть тему самостоятельных проектов и рассказать, какие из проектов запомнились мне больше всего (по разным причинам).

image-Yandex-Practicum Источник: Яндекс.Практикум

Стоит отметить, что за 6 месяцев обучения я сделала 15+ проектов из разных сфер: e-commerce, аналитика мобильных приложений, банки, телеком, геймдев, недвижимость и др.

Самые любимые проекты

Учитывая мой интерес к таким сферам как социология и социальная психология, самыми интересными для меня оказались проекты, связанные с сегментацией пользователей, а также с изучением и анализом поведения пользователей в мобильных приложениях.

Так совпало, что таких проектов было больше всего. Вот их описание (со странички Практикума):

:small_blue_diamond: Необходимо сравнить, что и в каком режиме слушают жители Москвы и Петербурга, опираясь на данные Яндекс.Музыки.

:small_blue_diamond: У вас в распоряжении — лог с данными о посещениях сайта Яндекс.Афиши, выгрузка всех заказов, а еще статистика рекламных расходов. Вы изучите, как люди пользуются продуктом, когда они начинают покупать, сколько денег приносит каждый клиент, когда он окупается.

:small_blue_diamond: Вы работаете в стартапе, который продает продукты питания. Нужно разобраться, как ведут себя пользователи вашего мобильного приложения. Изучите воронку продаж и исследуйте результаты А/Б теста.

:small_blue_diamond: Вы работаете аналитиком в Яндекс.Дзене. Почти всё ваше время занимает анализ пользовательского взаимодействия с карточками статей. Подготовьте техническое задание и дашборд по нему вместе с менеджерами продукта.

Выпускной проект, который попался мне, также, был связан с сегментацией и анализом поведения пользователей, чему я была безумно рада! :)

alumni-Yandex-Practicum Источник: Яндекс.Практикум

В каждом из проектов было интересно не только понять, как пользователи мобильного приложения перемещаются внутри приложении, но и попытаться понять, почему они это делают именно так. Ведь, для бизнеса важно понять, почему пользователи не доходят до оплаты сервиса, не переходят на следующий уровень игры (правда, этот пример из тестового, а не из проектов Практикума) или не возвращается в приложении в течение длительного срока.

Кстати, именно во время этих проектов я поистине оценила удобство интерактивных графиков. Несколько ярких примеров:

data-viz-pie-chart

data-viz-funnel

data-viz-sankey-diagram

Пора разбавить ванильное настроение и перейти к проекту, который мне давался тяжелее всего.

Проект, который (почти) довел меня до слез

Привет, проект по статистическому анализу данных!

cookies-Yandex-Practicum Источник: Яндекс.Практикум

Описание проекта (со странички Практикума):

Вы аналитик компании «Мегалайн» — федерального оператора сотовой связи. Клиентам предлагают два тарифных плана: «Смарт» и «Ультра». Коммерческий департамент хочет понять, какой тариф приносит больше денег и скорректировать рекламный бюджет. Вам предстоит сделать предварительный анализ тарифов на небольшой выборке клиентов.

Если большинство из моих проектов наставники принимали с первого раза, то этот проект я переделывала 4 (!) раза.

Самое смешное, что со статистикой я дружила уже давно и по этой части вопросов не было. А вот выбор метрик и все эти merge и pivot tables… Комментарий от наставника:

feedback

Но я очень благодарна, что наставник очень терпеливо снова и снова возвращала проект на доработки, отвечала на мои вопросы в Slack, давала адекватную обратную связь и в общем делала все, чтобы помочь мне разобраться в теме. И когда я, наконец, раскусила логику объединения таблиц, было сложно понять, что, собственно, можно было там не понимать! :))

Далее расскажу о проекте, который сильно отличался от “классических” проектов Практикума.

Проект от партнеров Практикума

У студентов моей когорты была возможность поучаствовать в дополнительном проекте от партнера Практикума, и я с огромным интересом воспользовалась этой возможностью.

Данные и техническое задание предоставила дизайн-студия. Наша задача была провести анализ данных и подготовить тренд-репорт о том, что сейчас в тренде, и что будет в тренде в следующем сезоне, опираясь на данные уже проведенного опроса.

Вот тут то я и оторвалась по полной, ведь была возможность посмотреть на данные не только в разрезе групп (в проекте все респонденты были разделены на 2 группы - “мамы” и “женщины”), но и в зависимости от таких социально-демографических параметров как город, возраст, уровень дохода, тип занятости, семейное положение и тд.

trend-report-2

trend-report-1

Главное вовремя себя остановить, иначе, велика вероятность потерять фокус, сделать огромное исследование, но так и не ответить на вопрос бизнеса.

Кстати, данные нам предоставили в виде .sav файла. В Практикуме мы в основном работали с .csv файлами.

У меня есть опыт работы с .sav файлами в программе SPSS (привет, социологическое прошлое!), но в Python я с данным форматом файла работала впервые. Было интересно гуглить, читать форумы и документации, чтобы найти оптимальное решение для работы с таблицей, которая содержит больше чем 3000 столбцов. Ценный опыт!

pandas-dataframe-info

Еще на протяжении всего проекта у нас была возможность задавать вопросы заказчику, уточнить детали проекта, учиться адекватно реагировать на дополнительные требования заказчика и получить опыт работы в команде. А приятным бонусом в итоге проекта стала онлайн встреча с заказчиками, которые презентовали результат исследования.

В проектах Практикума, несмотря на то, что они максимально приближены к реальной жизни, такого живого общение не было.

Далее немного расскажу о том, как проходит проверка проектов.

Проверка проектов

Каждый проект проходит проверку у наставника, т.е., опытного аналитика. Сейчас эту функцию выполняют project-ревьюеры, но суть та же.

Все довольно просто: выполняешь и отправляешь проект на проверку (все это происходит внутри системы Практикума), и ждешь обратную связь.

pandas-dataframe-info

Обычно проверка проекта занимает 24 часа, но, как вы можете догадаться, бывали и необычные ситуации. Тогда ответ можно было ждать по несколько дней (я уже говорила, что один из моих проектов проверяли 9 дней), но это скорее исключение из правил, нежели стандартная ситуация.

По каждому проекту мы получали индивидуальную обратную связь в виде комментариев к проекту.

Комментарии бывали разные:

:small_blue_diamond: длинные

feedback-2

:small_blue_diamond: короткие

feedback-3

feedback-4

:small_blue_diamond: приятные

feedback-5

feedback-6

:small_blue_diamond: ну оооочень приятные

feedback-7

feedback-8

:small_blue_diamond: такие, где все шло хорошо, НО…

feedback-9

:small_blue_diamond: с рекомендациями

feedback-10

:small_blue_diamond: с подсказками

feedback-11

:small_blue_diamond:

Очень понравился такой индивидуальный подход. К тому же, большим плюсом считаю возможность поработать с разными наставниками, так как у каждого из них свой подход к оценке проекта. Кто-то “топил” за качественную визуализацию, кто-то за подробные выводы, а еще кто-то за оптимизацию кода. Это очень помогает выводить проекты на новый уровень!

На этом сегодня все - кто прочитал до конца, тот молодец и может забрать бонус! :)

Бонус

Если тоже хочешь пройти какой-нибудь из курсов Практикума, напиши мне - я знаю кодовое слово, которое дает 7% скидку при полной оплате курса (суммируется со скидкой Яндекс.Плюс, которая дает 5% скидку).


Автор первой фотографии: cottonbro from Pexels