Елена Булыгина предлагает Вам запомнить сайт «Ленусик»
Вы хотите запомнить сайт «Ленусик»?
Да Нет
×
Прогноз погоды

Блог

Работа по договору ГПХ: плюсы и минусы

 


18 янв 23, 17:07
0 0
Статистика 1
Показы: 1 Охват: 0 Прочтений: 0

Первый программист: кто положил начало профессии

 


5 июн 23, 14:24
0 0
Статистика 1
Показы: 1 Охват: 0 Прочтений: 0

Введение в теорию цвета: как задать настроение дизайну

Перевод статьи Харшиты Ароры An Intro to Color Theory: How to combine colors and set the mood of your designs. Автор — 16-летняя девушка из Индии, разработчик и дизайнер, создатель приложения для отслеживания цен на криптовалюты Crypto Price Tracker.

Мы различаем цвета из-за врожденной способности сетчатки глаза дифференцировать частоты световых волн. Определенные цвета и оттенки вызывают у людей разные ощущения. В этой статье я хочу кратко рассказать о цвете: его восприятии, способах подбирать сочетания и инструментах для работы с ним, которые помогут улучшить ваши проекты.

Цвета задают определенное настроение и помогают добиваться разных целей:

  1. Красный обычно ассоциируется с любовью, энергией, активностью и силой. В рекламе автомобилей всегда используют его оттенки, как и в роликах о том, что связано с отношениями.
  2. Желтый выбирают, чтобы передать радость, внимание, ассоциировать продукт с интеллектом. Это невероятно привлекательный цвет, но не лучший для фона приложения или основного интерфейса — он может утомлять. Тем не менее желтый — хороший вариант для иконок и иллюстраций.
  3. Зеленый ассоциируют со свежестью, безопасностью и развитием. Поэтому вы часто видите, как компании, которые связаны с природой и здоровым питанием, используют зеленый в фирменном стиле.
  4. Синий — стабильность, доверие, спокойствие. Неудивительно, что фейсбук и твиттер синего цвета.

Чтобы увидеть эту теорию в действии, попробуйте проанализировать рекламные объявления. Вы убедитесь, что реклама — продуманный инструмент убеждения и манипулирования. Попробуйте понять, как с помощью дизайна ее делают привлекательной и какие эмоции пытаются вызвать.

Выбор цветовой палитры в проекте — это не только о продвижении и привлечении внимания. Это о том, как продукт будет продаваться, к каким инстинктам и желаниям людей будет обращаться. Поэтому при разработке приложения или сайта сперва подумайте, какие эмоции хотите вызывать и какие идеи доносите пользователю. В соответствии с этим выберите цветовую палитру.

Прочитайте статью Ника Бабича «Создание эмоций в интерфейсе с помощью цвета», чтобы узнать больше.

Как сочетать цвета и создавать цветовые палитры

Надеюсь, теперь вы не будете использовать один цвет во всем приложении. Вам понадобятся гармоничные палитры. Чтобы их подобрать, художники и дизайнеры используют цветовой круг:

Вот несколько способов использовать цветовую теорию для проектов:

Аналоговые цвета (Analogous). Это соседние цвета на круге. Сочетайте их, чтобы создать простой и гармоничный дизайн:

Комплементарные цвета (Complementary). Для этой комбинации выберите два цвета, которые расположены напротив друг друга, как красный и зеленый:

Комплементарные цвета в дизайне чересчур привлекают внимание и не слишком подходят для основного интерфейса и бэкграунда в приложении. Но зато вы можете использовать их для иконок и иллюстраций.

Расщепленные цвета (Split) — выберите один цвет, а затем еще два, которые расположены напротив основного:

Такое сочетание не только привлекает внимание, но и приятно смотрится.

Триады (Triadic). Выберите цвет и нарисуйте в круге равносторонний треугольник. Получится палитра, которая придаст дизайну сбалансированности:

Триаду часто использовали в конце прошлого века, поэтому такое сочетание выглядит устаревшим. У многих сетей быстрого питания из 90-х логотип оформлен в триадной цветовой гамме.

Монохроматические, или однотонные цвета (Monochromatic). Монохромный дизайн красиво смотрится на экранах смартфонов. Чтобы создавать монохроматические тона, просто выберите один цвет и сочетайте его с оттенками белого или черного. Экспериментируйте с пропорциями, чтобы получить нужный контраст. Такие цветовые палитры отлично работают в современном диджитал-дизайне.

Варианты оттенков синего цвета

Советую посмотреть эти статьи:

Базовые цветовые схемы. Введение в теорию цвета

Цветовые схемы

Инструменты для работы с цветом

Мы рассмотрели немного теории о том, как сочетать цвета, чтобы они радовали глаз и работали на определенные ощущения.

Перейдем к практике. В интернете есть множество инструментов для поиска цветовых сочетаний или создания своих. Вот те, что я рекомендую использовать:

  1. Color Hunt. Сервис, куда профессиональные дизайнеры выкладывают любимые цветовые палитры. Они разделены на категории «Новые», «Тренды», «Популярные», «Рандомные» — среди множества вариантов вы подберете что-то для своего проекта.
  2. Flat UI Colors. На сайте — 20 цветовых палитр, созданных для эффективной работы на iOS. Разработчики Android используют палитры с сайта Material Palette.
  3. ColorZilla. Крутое расширение для браузера Chrome, которое определяет код любого цвета на сайте в формате HEX.

Пользуясь этими инструментами, понимая цветовую теорию, смешивая и сравнивая цвета, вы получите цветовую палитру, которая подходит вашему проекту — приложению или сайту. Это поможет сделать продукт более привлекательным и передать определенную идею или настроение пользователю.

Понравилась статья? Посмотрите другие инструменты для работы с цветом:

Pictaculous — сайт, который анализирует и определяет цвета PNG, JPG и GIF

BrandColors — фирменные цвета знаменитых брендов

Сервис для подбора и создания градиента

Материальный дизайн: принципы, примеры, палитры

Создание интерфейсных цветовых палитр

Пройти обучение

5 ноя 18, 11:18
0 0
Статистика 1
Показы: 1 Охват: 0 Прочтений: 0

Такая разная аналитика: как выбрать своё направление

Аналитик — специалист, который работает с информацией, умеет её собирать, обрабатывать и формировать на основе имеющихся данных рекомендации и выводы. Однако словом «аналитик» можно обозначить целую категорию профессий, в одной и той же компании аналитики могут работать и в IT-отделе, и в маркетинге, и в управлении, и их обязанности будут заметно отличаться.

В этой статье мы рассмотрим сразу восемь профессий, которые могут скрываться под словом «аналитик» — и, может, одна из них будет наиболее подходящей именно вам?

Бизнес-аналитик

Начнём со специалиста, который принимает решения, влияющие на работу компании в целом. Бизнес-аналитик – это человек, который продумывает пути оптимизации бизнес-процессов в компании. Под бизнес-процессами при этом подразумеваются действия, направленные на создание продуктов или предоставления услуг клиентам.

 Например, руководство компании, производящей йогурты, отмечает, что заметная часть продукции списывается как брак. Чтобы установить причины и предложить способы решения проблемы, бизнес-аналитик проводит исследование: изучает производство, чтобы отметить, на каком этапе отбраковывается продукция, проверяет внутреннюю документацию, согласно которой проводится списание, изучает отчеты... И, в конечном счёте, находит источник проблемы и предлагает возможные пути решения. 

Бизнес-аналитики также привлекаются на этапе внедрения тех или иных изменений в бизнес-процессах компании — например, дают свою экспертную оценку при введении нового формата планирования внутри компании.

 Бизнес-аналитики могут работать не только над решением конкретных проблем, но и проводить общий аудит — изучать текущие процессы в компании, выявлять «проблемные точки», продумывать возможные пути решения и обосновывать их перед руководством.

Бизнес-аналитику важно:

  • разбираться в основных показателях бизнеса, маркетинга, брендинга. Например — выручка, маржа, ROI и других;

  • владеть знаниями по непосредственно бизнес-анализу (стандарты BABOK) и методологией описания архитектуры предприятий TOGAF;

  • разбираться в методологиях разработки — например, Agile, Scrum;

  • владеть презентационными навыками, уметь формулировать и визуализировать свои идеи — в этом пригодятся Power Point (или KeyNote), Visio, Miro и Mind Map;

  • иметь хорошие коммуникационные навыки, поскольку бизнес-аналитики много общаются с людьми.

Кому подойдет это направление аналитики?

Тем, кому интересно попробовать себя в управлении, разбираться не столько в данных, сколько в процессах. Также это направление может быть интересно и полезно тем, кто в будущем хотел бы открыть свой бизнес или работать в высшем менеджменте.

Узнать больше об этой профессии можно на странице нашего факультета бизнес-аналитики.

 

Продуктовый аналитик 

Продуктовый аналитик занимается развитием конкретного продукта компании (например, приложения или учебного курса) и ищет зоны роста, касающиеся как текущего состояния, так и перспектив развития продукта.

 Продуктовый аналитик также изучает бизнес-показатели, но при этом он уделяет много времени изучению обратной связи от потребителей или пользователей, анализирует, как они используют продукт, чем довольны, на что жалуются. Он внимательно отслеживает реакцию на все нововведения — например, проверяет, используются ли новые фильтры в интернет-магазине. Или изучает, привело ли совершенствование рекомендательной системы в онлайн-кинотеатре к большей досматриваемости фильмов.

 Продуктовый аналитик постоянно изучает поступающие данные, работает с пользовательскими сценариями, воронками продаж, следит за новинками рынка и конкурентами. Он же формирует гипотезы дальнейшего совершенствования продукта, ставит прогнозы по KPI и метрикам после внедрения нововведений.

Первое, с чем должен уметь работать продуктовый аналитик — это рынок. Нужно уметь оценивать продуктовые показатели, поведение пользователей, конкурентов, проводить качественные и количественные исследования.

 Второе — уметь рассчитывать вероятности и строить прогнозы. Для этого обычно используют:

  • системы для продуктовой аналитики — например, Amplitude;

  • системы для работы с данными — SQL, PosgreSQL Power Query; 

  • системы бизнес-аналитики — Power BI, Tableau, Qlik Sense; 

  • инструменты программирования — например, язык Python; 

Также важно уметь проектировать AB-тесты и разрабатывать стратегии развития продукта.

Кому подойдет это направление аналитики?

Тем, кому интересно полностью погрузиться в какой-то один проект и развивать его. Среди аналитических профессий рабочий день и инструменты продуктового аналитика наиболее разнообразны — он работает и с ценами, и с интерфейсами, и с отзывами, поэтому эта профессия может стать хорошей точкой входа в аналитическую сферу в целом.

Узнать больше об этой профессии можно на странице нашего факультета продуктовой аналитики.

 

Маркетинговый аналитик

Этот специалист также имеет большое влияние на работу компании в целом, может повлиять на глобальные процессы и распоряжаться солидными бюджетами. Маркетинговый аналитик определяет, какие маркетинговые каналы (например, наружная реклама, спецпроекты в интернет-СМИ или дегустации) будут использоваться бизнесом в ближайшей перспективе.

Основное, в чем должен разбираться маркетинговый аналитик – это каналы коммуникаций. Важно уметь оценивать потенциал различных рекламных площадок и их аудиторию, рассчитывать стоимость и распределять бюджеты, ставить KPI, а также прогнозировать и оценивать показатели. Задачей маркетингового аналитика может быть, например, определение того, на каких сайтах будет анонсироваться новый вкус йогурта, или оценка влияния недавней благотворительной акции на имидж компании.

 Маркетинговые аналитики активно используют:

  • инструменты digital-аналитики — Google Analytics, Яндекс.Метрика, AppsFlyer, Ajust;

  • инструменты для размещения рекламы — Яндекс.Директ, Google Adwards, MyTarget;

  • системы анализа данных и бизнес-анализа. 

Функционал такого специалиста уже, чем у продуктового аналитика, но шире, чем у веб-аналитика, о котором мы поговорим далее.

Кому подойдет это направление аналитики?

Тем, кто интересуется рекламой и средствами массовой информации, кому интересно работать как со статистикой, так и с бизнес-категориями, имиджем и с креативными материалами.

Отдельного факультета маркетинговой аналитики в GeekBrains пока нет, но многое из того, что важно знать такому специалисту, можно освоить в рамках курса интернет-маркетолог.

 

Веб-аналитик

 Веб-аналитик – это специалист, который отвечает за количественные показатели маркетинговых активностей компании в интернет-пространстве. В зависимости от масштабов компании, веб-аналитик может выполнять часть функций маркетингового аналитика. Но, как правило, он работает на более тактическом и техническом уровне.

 Веб-аналитик постоянно отслеживает текущие маркетинговые активности компании в интернете, выгружает и изучает данные, составляет отчеты и дашборды (визуализированные отчеты, например, инфографики). Затем формирует рекомендации, а иногда и самостоятельно меняет настройки рекламных кампаний. 

Например, увидев, что размещение одного из баннеров обходится компании неоправданно дорого, веб-аналитик оценивает причины. Возможно, баннер размещен на площадке с неподходящей аудиторией, в неправильном месте или с него недостаточно четко считывается сообщение, которое бренд хотел донести до аудитории.

 Веб-аналитик изучает клики, просмотры, переходы на сайт, покупки в интернет-магазинах и в целом поведение пользователей на сайтах и в социальных сетях. Для этого он:

  • работает с Google Analytics и Яндекс.Метрикой; 

  • настраивает рекламные кампании в Яндекс.Директе и Google Adwords; 

  • устанавливает рекламные счетчики, разметки и пиксели с помощью программных инструментов и сервисов. Например, HTML, XML, Javascript, Google Tag Manager, Google Data Studio; 

  • работает с системами CMS, инструментами AB-тестирования и веб-аналитики — например, App Metrica, AppsFlyer, Ajust, Similarweb.

Кому подойдет это направление аналитики?

Тем, кому интересно постоянно отслеживать меняющиеся показатели, быстро формулировать гипотезы – и тут же проверять результат. Проводить эксперименты, наблюдать, измерять, отслеживать — эта работа похожа на труд научного сотрудника или исследователя, только в цифровом мире.

 

Системный аналитик

Профессия системного аналитика одновременно схожа как с бизнес-аналитикой, так и с продуктовой. Системный аналитик занимается проектированием, реализацией и развитием внутренних информационных систем, продуктов и сервисов.

 Он работает в тесной связке с отделом разработки, задает рамки и формирует технические задания и рекомендации для программистов. Например, банк решает автоматизировать процесс отслеживания наличных в своих банкоматах — и просит разработчиков создать соответствующее программное обеспечение (ПО). Системный аналитик продумывает алгоритм и суть работы этой программы, оценивает нагрузку и скорость работы систем, прописывает возможные ошибки и способы их решения. И, на основе всего этого, системный аналитик составляет техническое задание для отдела разработки и участвует в дальнейших контрольных обсуждениях.

 Системный аналитик — одна из наиболее технических специальностей в аналитике, при этом анализирует и описывает он не данные, а IT-системы. Поэтому системному аналитику важно разбираться в графических моделях описания бизнес процессов, так называемых нотаций (BPMN, EPC, Flowchart, UML), в компонентах информационных систем и в разных подходах к разработке.

 Также в обязанности системного аналитика входит создание требований и технических заданий для разработчиков, анализ работы систем, сопровождение разработки, а также самостоятельное проектирование информационных систем.

 Системные аналитики строят модели и алгоритмы, создают прототипы, тестируют ПО и продукт, а также могут обучать новых пользователей системы.

Кому подойдет это направление аналитики?

Людям с техническим и инженерным мышлением, тем, кто знает, что их сильные стороны — внимательность и усидчивость. Если вам интересно разбираться в том, как всё устроено, изучать и продумывать логические связи — то эта профессия непременно вас увлечет.

Подробнее узнать об этой специальности можно на странице нашего курса по системной аналитике.

 

UX-аналитик

UX – это User Experience (пользовательский опыт). UX-аналитик исследует взаимодействие пользователей с цифровыми продуктами, такими как сайт или мобильное приложение. То есть оценивает, насколько существующий продукт или сервис «дружелюбен» по отношению к пользователям — например, насколько комфортно делать покупки в приложении интернет-магазина или смотреть сериалы на видео-платформе.

 UX аналитик — это профессия на стыке аналитики, дизайна и исследований. UX-аналитик изучает интерфейсы, собирает данные о поведении целевой аудитории проекта, анализирует обновления конкурентов и продумывает вектор развития цифрового продукта. Свои выводы и рекомендации UX аналитик презентует команде разработки и специалистам по развитию продукта — и, на основе этого, планируются дальнейшие улучшения.

 UX-аналитик — человек, который стремится сделать продукт максимально эффективным и удобным, а для этого ему важно разбираться в исследованиях, чтобы анализировать клиентский опыт, и дизайне и разработке,чтобы давать грамотные рекомендации дизайнерам и программистам.

 UX-аналитик также частично выполняет и функции веб-аналитик. Но в целом он больше работает с продуктом, чем с рекламными кампаниями, и владеет более сложным и широким набором исследований.

Такой специалист проводит аудит текущих интерфейсов и участвует в разработке новых, поэтому ему стоит разбираться в  JSON, XML, HTML и в основах программирования, а также полезно владеть базовыми инструментами веб-аналитики, знать основы бизнес-анализа, работать с CJM (путями пользователя).

Кому подойдет это направление аналитики?

Тем, кому любопытно изучать сайты и приложения, кто интересуется дизайном и любит анализировать поведение других людей.

 

BI-аналитик

BI (Business Intelligence) — это особые инструменты для сбора, анализа и обработки данных, а BI-аналитик — это специалист, который сводит и визуализирует данные с помощью этих инструментов.

Основной продукт, который создают BI аналитики – это различные отчеты: например, отчет по выполнению плана продаж по выручке или отчет по структуре типов оплат на сайте. При этом функционал BI-аналитика состоит скорее из сбора и визуализации данных, нежели из их глубокого анализа.

BI-аналитики отвечают на запросы коллег из бизнес департаментов, анализируя ключевые для компании процессы и компилируя данные так, чтобы они помогали управленцам быстро оценить текущую ситуацию и принять решение.

Также BI-аналитик владеет и управляет библиотекой показателей команды продаж, собирает требования и пожелания к существующим BI-инструментам и дает рекомендации по их совершенствованию. А также проводит обучение и развивает культуру потребления данных и поиска инсайтов внутри компании. 

Основным рабочим инструментом такого специалиста являются специальные BI-системы (Power BI, Tableau, Qlik Sense), но также ему полезно уметь работать и с классическими базами и системами подготовки данных (SQL, PosgreSQL, Power Query).

Кому подойдет это направление аналитики?

Тем, кому интереснее скорее не погружаться в содержание, а подбирать оптимальную форму представления данных, из большого массива делать понятные выводы. 

Узнать больше о том, что делают и что должны знать BI аналитики, можно на странице нашего факультета BI-разработки в GeekBrains.

 

 Аналитик Big Data 

BigData (Большие Данные) – это термин, обозначающий огромные объемы структурированных и неструктурированных данных, которые можно обработать с помощью особых аналитических инструментов.

В качестве примера BigData можно привести статистику всего поведения всех пользователей крупной социальной сети вроде Facebook за определенный период или данные обо всех торгах на Нью-Йоркской бирже.

Ручная обработка такого массива данных была бы невероятно затяжной и трудоёмкой. Но современные инструменты позволяют эффективно их анализировать, формулировать выводы и рекомендации и даже подстраивать под них поведение систем.

Аналитики BigData занимаются построением рекомендательных и предсказательных моделей, в том числе и для искусственного интеллекта – например, учат его распознавать пол человека по фотографии. Или могут спрогнозировать вероятность покупки платной версии мобильного приложения, исходя из поведения пользователя и данных о том, как вели себя люди, купившие приложение.

Профессия аналитика больших данных скорее ближе к деятельности разработчика, чем к труду других аналитиков, хотя непосредственно написанием кода он практически не занимается. При этом в работе таким специалистам помогают инструменты программирования (Python, Scala, Bash) и системы для работы с данными (Spark, Hadoop). Но основную базу знаний Big Data аналитика составляют продвинутые знания в математической статистике, теории вероятностей, построении математических моделей, линейной алгебре и сложных методах вычислений.

Кому подойдет это направление аналитики?

Тем, кто всегда был на короткой ноге с математикой, и хотел бы применить свои знания в современной развивающейся области. Узнать больше о профессии аналитика больших данных можно на странице нашего факультета по Big Data Analytics.

Таковы наиболее популярные и востребованные аналитические специальности — хотя на самом деле их, безусловно, больше. Также существуют профессии CRM-аналитиков, категорийных аналитиков, аналитиков продуктовых категорий, аналитиков клиентского сервиса, SMM-аналитиков и многие другие.

Надеемся, что эта статья помогла вам лучше разобраться в многообразии аналитических профессий – и, возможно, «присмотреть» свою будущую стезю!  

 


15 июл 21, 13:39
0 0
Статистика 1
Показы: 1 Охват: 0 Прочтений: 0

«Пора учиться!» или 4 истории о том, как приходит озарение

У каждого свой путь к мечте. Кто-то со времён средней школы любит информатику, поступает в профильный вуз, стажируется и строит блестящую карьеру программиста. Кто-то с радостью перенимает семейный бизнес и уже в раннем возрасте становится руководителем.

Но есть и менее очевидные истории профессионального успеха. Например, математик вдруг стал известным режиссёром или учитель физкультуры — востребованным дизайнером. У каждого из них был момент, когда они поняли, чему именно хотят посвятить свою жизнь.

Кардинально изменить направление профессиональной деятельности — очевидный риск. Как правило процесс переквалификации протекает непросто, потому что мы трансформируемся, принимаем новые шаблоны, учимся заново. Если уверенно идти к своей цели, пробовать новое и учиться на ошибках, можно преодолеть сложности и достигнуть успеха.

В своё время наши герои не побоялись рискнуть и решили изменить свою жизнь, сменив профессию. У каждого из них — своя причина и своя мотивация. Мы поговорили с ними и делимся их историями.

Маргарита Суворова, 30 лет, Москва 

Прошла обучение в GeekBrains на факультете дизайна интерьера

 

Об образовании и предыдущем опыте работы

В 2013 году я окончила МГЛУ по специальности лингвистика. После получения диплома стала искать работу и попала в РАН. Пришла на собеседование, и меня взяли. Я не планировала специально связывать свою жизнь с наукой, но мне было приятно, что работа будет по специальности. Значит, 5 лет в университете прошли не зря. 

Я работала и училась в аспирантуре. Создавала и размечала корпусы текстов для разных проектов, писала статьи, выступала на конференциях. Мне нравился коллектив, зарплата, и «я работаю в РАН» звучало гордо. Но все эти годы меня сопровождало ощущение, что я не на своем месте. А ещё частенько приходилось делать работу в стол — например, писать статьи для галочки, чтобы отчитаться ими. Обидно было тратить свою жизнь на марание бумаги, хотелось делать что-то полезное для людей. Конечно, в РАН для этого много возможностей, но я для себя вариантов не видела. Хотелось найти что-то, от чего будут гореть глаза, что будет вызывать желание работать круглыми сутками. Было страшно менять что-то в жизни и совершенно непонятно, в каком направлении. 

О выгорании и мотивации сменить профессию

А потом случились ковид и самоизоляция. Спустя недели три я поняла, что у меня больше нет причин вставать с кровати. Раньше я боялась осуждения со стороны коллег, вставала, чтобы просто приехать на работу, но теперь ушла и эта причина. От этого открытия стало не по себе. Я поняла, что выгорела и погружаюсь в депрессию. С этого момента начался мой путь по поиску себя и дела жизни. 

О поиске направления

С помощью психотерапевта я стала анализировать всю свою жизнь: что для меня ценно и дорого, о чем я мечтала с самого детства… Это помогло мне лучше понять себя, поверить в себя, перестать бояться перемен и ругать себя за неудачи. 

Гипотез было несколько, дизайн — одна из них. Меня всегда тянуло к журналам с красивыми интерьерами. Я убеждена, что окружающая обстановка очень сильно влияет на людей и их удовольствие от жизни. Я стремлюсь делать всё вокруг себя красивым и удобным и помогаю в этом близким, если они готовы принимать помощь. 

В коротких курсах я не видела смысла, хотелось пройти качественную подготовку, чтобы поменять работу, если дизайн интерьера меня зацепит. Я проанализировала рынок, выбрала курсы GeekBrains и начала учиться. Первая четверть, вторая… Меня очень увлекло! Я уже представляла себя на стройках с чертежами. 

О процессе обучения

Непросто начинать осваивать новые инструменты, которые предлагают большой объём возможностей (Archicad или 3ds Max, например). В этой задаче нет ничего творческого, нужно просто перетерпеть. А курсы по рисованию стали для меня настоящим челленджем! Я никогда не училась рисовать, и у меня это получается просто из ряда вон плохо. 

Интересно работать с людьми, которые болеют своим делом. В GeekBrains есть такие преподаватели. Они могут рассказать очень увлекательно даже про «пирог пола» и разводку труб. И после обучения мне бы хотелось оказаться в креативной команде рядом с такими людьми, чтобы брать с них пример и впитывать знания. Я готова к тому, что в начале пути задачи могут быть не самые интересные, а зарплата — ниже, чем на текущей работе. Но мне хотелось бы как можно скорее вырасти в самобытного дизайнера, который может самостоятельно вести проекты и привносить в них что-то своё. 

О work-life balance

Совмещать работу, учёбу и жизнь не всегда просто. Бывают периоды, когда наваливается одновременно очень много задач во всех трех сферах. В такие моменты важно не поддаваться панике и отчаянию, а составить план и следовать ему. Правильно расставить приоритеты. И главное — не забывать отдыхать и заниматься тем, что тебя наполняет, даже в самые тяжёлые времена.

Сева Некрасов, 27 лет, Москва

Прошел обучение в GeekBrains на факультете управления продуктами

О предыдущем месте работы

До того, как попасть в GeekBrains, я пробовал себя в разных сферах. Например, участвовал в разработке мобильного приложения для юридических лиц в качестве заказчика со стороны крупного банка. В свое время также работал в крупной нефтегазовой компании на позиции главного специалиста по реализации проектов, открывал и закрывал отдел e-commerce в одной компании, принимал участие в создании Олимпиадного центра Московской области, помогал частной школе преодолеть кризис из-за пандемии.

О мотивации изменить профессию

Через какое-то время после ухода из нефтегазовой сферы я начал искать работу и понял, что не понимаю 70% слов из описания вакансий, но релевантный опыт у меня был. Я пришел к тому, что нужно срочным образом наверстывать несколько лет информационного провала, который случился благодаря работе в традиционной промышленной отрасли. К тому же я всегда причислял себя к гикам и инноваторам.

Об учебе и цели

У меня был выбор между продакт- и проджект-менеджментом. Остановился на первом варианте. Главной целью было понять, кто такой продакт-менеджер, что он делает, и найти работу по этой специальности.

Самым интересным в процессе учебы для меня стали стажировки, трекеры, хакатоны. Также всегда круто было слушать преподавателей, которые отвечали на вопросы, приводили реальные примеры из своей практики. Самым сложным было в первый месяц овладеть всей терминологией.

О work-life balance

У меня вполне успешно получается совмещать работу и все остальные дела, потому что я веду расписание. Честно говоря, даже нет времени задумываться, и это хорошо.

О работе мечты

Хотелось бы работать над продуктом, который делает людей лучше с каждым днём. Приятно, если в него будут инвестировать. Сфера для меня не так важна. Считаю, что я на пути к успеху.

Алена Федина, 23 года, Москва

Прошла обучение в GeekBrains на факультете Frontend-разработки

Об образовании и предыдущем опыте работы

Мне 23 года, всю жизнь живу в Москве. С образованием у меня как-то не сложилось — я поняла, что не хочу преподавать математику, и бросила учиться. Работала в сфере розничной торговли, а потом забеременела и ушла в декрет. Наверное, это и стало отправной точкой — я поняла, что надо что-то делать, не могу же я всю жизнь работать за кассой.

О мотивации сменить профессию

Мне захотелось изменений по многим причинам: уровень заработной платы, отсутствие интеллектуальной деятельности и др. Как-то раз случайно наткнулась в сети на марафон по веб-разработке, и подумала — почему бы и нет. В итоге увлеклась. Мне нравится копаться, разбираться в чем проблема. Тем более как мать я хочу, чтобы у ребенка было всё, в чём он нуждается.

Об учебе и цели

Я выбирала между Full Stack и Front-end. В итоге выбор пал на Front-end, поскольку мне нравится визуализировать то, что я делаю. Моя цель — стать специалистом, и я уверенно иду к ней шаг за шагом. 

Во время учёбы мне больше всего мне понравился раздел о JavaScript. Отдельно хочу выделить преподавателя Игоря Кубикова — на него стоит равняться каждому из нас! 

Не могу сказать, что я с чем-то не справлялась. Сложности встречаются всегда, в любом курсе и в любой теме. Нужно глубже разбираться, и все получится. Я так и делаю.

О work-life balance

Конечно, сложно совмещать учёбу, воспитание ребёнка и уход за домом. Но я стараюсь, чтобы ничего не страдало. Бывает тяжело, когда что-то не понимаешь по теме, и для того, чтобы разобраться, требуется больше времени. Для этого приходится как-то выкручиваться и порой даже не спать ночами. Но результат однозначно того стоит.

О работе мечты

Компания моей мечты на данный момент — это Wargaming, она занимается разработкой компьютерных игр. Пока я в GeekBrains — я знаю, что мне всегда помогут и подскажут. Это очень помогает не сдаваться и продолжать бороться за мечту!

Наталья Тимошенко, 34 года, Москва

Прошла обучение в GeekBrains на факультете интернет-маркетинга

О предыдущем опыте работы

До начала обучения в GeekBrains я работала координатором клинических проектов в небольшом агентстве по клиническим исследованиям. Клиническое исследование — это научное исследование эффективности и безопасности лекарственного препарата или девайса с участием людей. Я получала, оформляла и согласовывала документы от фармкомпаний и передавала их врачам, которые участвуют в исследовании.

О мотивации сменить профессию

Переломным моментом в моей жизни стал декретный отпуск, когда активная жизнь поменялась на размеренные будни с ребенком. В какой-то момент я поняла, что если дети растут и развиваются, то и взрослые тоже должны постоянно расти и развиваться. Без специализированного медицинского образования пути развития в клинических исследованияху меня не было. Я решила сменить специальность на интернет-маркетинг — быстро растущую широкую и перспективную сферу, в которой всегда есть спрос на специалистов. Для себя я выбрала полуторагодовой курс на факультете интернет-маркетинга, обучение на котором затрагивает все области диджитал-маркетинга и даёт не только теоретические знания, но и большой практический опыт.

О цели

Изначально моя цель была достаточно амбициозна — получить работу в Mail.ru, но постепенно пришло понимание, что хочется объединить опыт в медицинской сфере и навыки интернет-маркетолога и попробовать себя в роли продакт-менеджера.

О процессе обучения

Самым сложным в процессе обучения были первые полгода, когда приходилось пробираться через непонятные аббревиатуры и слова. Тем не менее постепенно язык интернет-маркетолога становился все понятнее. Элементы игры — набор баллов за выполнение домашних заданий — сделали выполнение рутины более интересным. 

Мне понравилось участвовать в хакатонах — конкурсах по продуктовым разработкам уже существующих проектов. Они дают возможность работы в команде, получения новых навыков и знаний.

О work-life balance

Онлайн-обучение дает возможность объединить личную жизнь и образование. Лекцию можно слушать на пробежке, укладывая ребенка спать или убираясь в квартире.

О работе мечты

На данный момент я на пути к компании мечты: недавно разместила свое резюме на одном из ресурсов и уже жду официального оффера от крупной компании.

________

Каждая из историй показывает, что можно совершенно по-разному прийти к идее изменить профессию. Желание расти, выгорание от предыдущей работы, стремление к креативности, мотивация больше зарабатывать и быть востребованным специалистом — это то, что настроило героев историй рисковать и идти вперед.

А как вы поняли, что пора учиться новому, и как выбрали специальность? Расскажите свою историю в комментариях.

 


6 май 21, 15:52
0 0
Статистика 1
Показы: 1 Охват: 0 Прочтений: 0

Бесплатный IT-субботник для будущих разработчиков игр

Привет! Вы слышали, какой шум поднялся из-за конфликта Apple и Epic Games — создателей игры Fortnite? С каким нетерпением все ждут Cyberpunk 2077 и боятся его переноса? Ну или хотя бы что Кодзима — гений, который даже в «Вечернем Урганте» побывал? Это лишь несколько громких событий игровой индустрии, которая уже уверенно получила первую роль в гигантской сфере развлечений.

Многие ребята мечтают связать свою карьеру с играми, но не знают, как к ним подступиться. Это неудивительно — современные игры выглядят так эффектно, что порой бывает сложно представить, что находится с другой стороны. Мы в GeekBrains решили развеять завесу тайны и 12 сентября приглашаем молодых геймеров и их родителей на IT-субботник «Из геймера в разработчики игр».

Что вас ждёт на онлайн-мероприятии

12:00–12:50. Вебинар «Как школьнику найти себя в IT». Расскажем о том, кем в принципе можно стать в гигантской IT-индустрии, которая захватывает и сферу игр.

13:00–13:40. Вебинар «Какую профессию выбрать в индустрии игр». Сфокусируемся на гейм-индустрии и рассмотрим, куда можно стремиться здесь.

13:50–14:30. Мастер-класс «Моя первая игра». С опытным преподавателем вы создадите свою первую игру на Kodu game lab и почувствуете вкус игровой разработки :)

14:30–14:50. Подведение итогов

Ведущие

Илья Афанасьев — декан факультета разработки игр GeekUniversity. Семь лет опыта в геймдеве. В компании AsfoTech создаёт приложения для шлемов виртуальной реальности HTC Vive, с командой единомышленников развивает игровую студию Game Line Studio. 

Алексей Петренко — декан факультета Python-разработки GeekUniversity с опытом разработки более 15 лет. Самостоятельно выучил Pascal и Delphi, основы Java, C/С++, освоил Python. Использует язык для автоматизации глобальных задач МО РФ и в работе над собственными проектами.

Анна Демченко — преподаватель курса «Программирование на Scratch» GeekSchool. Ведёт вебинары на курсе «Python для анализа данных». Опыт преподавания — более трёх лет. Окончила магистратуру по направлению «Педагогика и психология воспитания». Успешно готовит детей к конкурсам по программированию: ученики Анны — победители и призёры межрегиональных олимпиад. 

По итогам IT-субботника вы узнаете о перспективах школьников в IT-сфере, о том, как работает индустрия игровой разработки и что ждёт того, кто решит в ней закрепиться. После каждого вебинара ведущие ответят на все вопросы.

Записывайтесь на мероприятие через форму на его странице и подключайтесь с детьми или родителями :) Ждём вас!

 


31 авг 20, 19:58
0 0
Статистика 1
Показы: 1 Охват: 0 Прочтений: 0

Программисты получают больше за знание Perl и Backbone.js

В этом году социальная платформа для программистов HackerRank в третий раз провела ежегодный опрос пользователей. Это попытка выяснить, что думают специалисты IT-сферы, чего ждут от работы и как меняются их роли по мере развития технологий. На вопросы ответили 116 000 разработчиков из 162 стран. В этом посте мы собрали интересные итоги. 

Молодёжь учится программировать на C

Кодеры старше 40 лет когда-то начинали с BASIC, который разработали в 1964 году специально в учебных целях. Но всё изменилось в 1972 году, когда Bell Labs представила C. Он не стал хитом мгновенно, но растил популярность вместе с распространением Unix. Сегодня этот язык в топе благодаря своей долговечности, гибкости и простоте использования.

Поколение Z получает новые навыки на буткемпах

Программисты, родившиеся в 1996 году и позже, чаще используют этот формат для обучения, чем люди из остальных возрастных категорий. О подобном подходе сообщил каждый шестой респондент этого возраста. При этом они намного реже обращаются к книгам и рабочим тренингам.

За последнее десятилетие посещаемость буткемпов выросла в 11 раз. Так что есть предпосылки, что обучающиеся в этом формате специалисты в ближайшее время сформируют основной кадровый резерв.

Каждый третий HR-специалист нанимает сотрудников после буткемпов

32% опрошенных менеджеров по найму признались, что нанимали разработчиков, которые получили навыки на буткемпах. 49% рассказали, что никогда не приглашали на работу тех, кто учился в таком формате. Примечательно, что статистика примерно одинакова для компаний всех размеров.

Главными преимуществами выпускников буткемпов менеджеры по найму считают способность осваивать новые технологии и языки, практический опыт и стремление взять на себя новые обязанности.

Небольшие компании чаще нанимают разработчиков без диплома

32% программистов в небольших компаниях (до 50 сотрудников) не получили даже степень бакалавра. Крупные компании предпочитают сотрудников с высшим образованием, там 91% разработчиков закончили как минимум бакалавриат.  

Fullstack-разработчики наиболее востребованы

38% менеджеров по найму назвали вакансию фулстек-разработчика самой популярной в 2020 году. Бэкенд-разработчики и дата-сайентисты заняли второе и третье места соответственно.

От fullstack-разработчиков ждут, что они будут иметь базовое понимание всех уровней стека технологий и самостоятельно генерировать максимально жизнеспособный продукт. Именно поэтому таких специалистов часто ищут маленькие компании, где одному сотруднику приходится работать сразу за нескольких.

Fullstack-разработчики вынуждены учиться чаще остальных

60% из них пришлось изучить совершенно новый фреймворк в прошлом году. 45% освоили ещё один язык. Подобная статистика связана с тем, что у fullstack-разработчиков одно из самых туманных описаний должностных обязанностей. И эти описания часто меняются, поэтому в погоне за требованиями рынка «фулстеки» никогда не прекращают обучение.

JavaScript — самый распространённый язык

Его знает наибольшее число разработчиков. В целом, что касается языков, за последние три года в ТОП-10 почти ничего не изменилось. Только C# и PHP поменялись местами на шестой и седьмой строчках.

Стоит отметить, что только 5% респондентов начинали свой путь в разработке с JavaScript, большинство доучили его позднее. То же самое и со вторым по популярности Java: только 13% изучали его первым.

Фреймворки Django и Vue.js уверенно наращивают популярность

Vue.js ежегодно поднимается на одну позицию. Django с прошлого года поднялся сразу на два места. Это связано с тем, что и так популярный Python стал ещё востребованнее с развитием искусственного интеллекта.

Go — первый в очереди на изучение

Уже третий год подряд Go — первый среди языков, который разработчики хотят изучить в будущем. Его популярность возрастает с момента его появления в 2009 году. Одна из причин — известность компании-создателя, Google.

Разработчики планируют освоить React, AngularJS и Django

Изучение React в планах у 32% программистов, AngularJS — у 28%, Django — у 26%. В прошлом году React также был на первом месте, а потому ожидалось, что в 2020 году он станет первым в рейтинге самых популярных из недавно изученных фреймворков. Но этого не произошло, он там по-прежнему на второй позиции.

Программисты Perl лучше зарабатывают 

Во всём мире зарплата разработчиков, знающих Perl, на 54% больше, чем у среднего программиста. За Perl следует Scala (+42%) и Go (+33%). Отчасти причина такого расклада — демографическая. Два первых языка характерны, скорее, для более старшего поколения разработчиков. А у них в среднем обычно зарплата выше, чем у начинающих кодеров.

Для справки: средняя годовая зарплата разработчика составляет 54 491 долларов в год.

За знание Backbone.js платят больше

Разработчики, которые знают этот фреймворк, получают на 49% больше среднего программиста. Cocoa (+35%) и Ruby on Rails (+30%) на втором и третьем месте соответственно. Здесь на размер зарплат также влияет возраст — чем старше программист, тем больше он знает и тем больше получает. Кроме того, только 4% разработчиков знает Backbone.js, что также сказывается на оплате.

39% разработчиков считают, что их зарплата незаслуженно низка

35% программистов думают, что получают столько, сколько заслуживают. 39% уверены, что им недоплачивают, 26% не определились с оценкой и сомневаются.

Программисты ищут работу, где можно учиться

Критерий номер один при выборе места работы — возможность получать новые технические навыки. На втором месте — карьерный рост и расширение обязанностей, на третьем — развитие непрофильных навыков.

Разработчики хотят вырасти в техлидов

Такой приоритет на ближайшие три года поставили для себя 62% программистов. Менеджерскую должность хотят получить всего 15%. Это может объяснить, почему разработчики уделяют больше внимания прокачке технических навыков, а не так называемых soft skills — непрофильных навыков.

Программисты делают музыкальную паузу

Во время перерывов 61% опрошенных слушают музыку. 52% — сёрфят в интернете, 48% отвлекаются на еду и напитки, столько же — на физические упражнения. Естественно, кое-что из этого можно делать одновременно. 3% программистов уверяют, что никогда не прерываются. 

Сентябрь — отличное время, чтобы построить далеко идущие планы и начать идти к новым целям! Если вы хотите освоить профессию мечты, то с 12 по 21 сентября 2020 г. мы дарим вам скидку 40% почти на все программы обучения GeekBrains. Успехов! :)

 

 


17 сен 20, 12:40
0 0
Статистика 1
Показы: 1 Охват: 0 Прочтений: 0

«Не ждать, что кто-то расскажет рецепт идеального продукта»

По образованию я маркетолог. Сначала работала по специальности, потом открывала собственный интернет-магазин одежды — то есть уже тогда пробовала создавать свой продукт. Я делала сайт, полностью проводила маркетинговый анализ, занималась продвижением, закупкой товара — в общем, весь спектр задач был на мне. Но тот кейс был не очень удачным: появились Lamoda и Wildberries, экономика становилась отрицательной, и в итоге я закрыла магазин.

Потом я ушла в декретный отпуск. Пока была в нём, решила полностью перейти в диджитал-сферу. Я поняла, что мне нравится маркетинг и я люблю именно создавать — поэтому выбрала курсы по продакт-менеджменту. У GeekBrains была самая обширная и насыщенная программа по сравнению с конкурентами — и я остановилась на ней.

У меня сразу появилось понимание, что надо применять все знания на практике, иначе они пролетят как ненужная теория. Не стоит ждать, что кто-то расскажет, как сразу сделать идеальный продукт, — надо пробовать самостоятельно. Либо применять знания у себя на работе. То есть всё только на практике. В то время я не работала, так что решила, что буду пробовать всё на том, что придумаю сама. У меня появились идеи проектов: сервиса, связанного с телемедициной, и платформы для поиска работы для мам. Я сформулировала гипотезы, но затем пообщалась с целевой аудиторией и поняла, что они не подтверждаются. В итоге остановилась на идее сервиса для поиска досуга для родителей и детей. Этим проектом сейчас и занимаюсь.

Рождение собственного проекта

Проект называется «Weekend с детьми». Это агрегатор вариантов семейного досуга.

Дети — это актуальная для меня тема, плюс вокруг были другие родители, и они стали доступной аудиторией. Я начала плотно с ними работать: спрашивала, верна ли моя гипотеза о том, что современные родители живут в быстром ритме и мало внимания уделяют детям, а хотели бы больше. Они пытаются придумать, как провести время с детьми, и это вызывает трудности: чаще всего выбор досуга ограничивается рекомендациями знакомых. Я начала исследовать эту тему, задавала вопросы знакомым, потом их знакомым, проводила качественные интервью. И гипотеза подтвердилась: у конкретного сегмента (активных родителей, которые не хотят сидеть дома) такая потребность есть.

От теории к практике

Я стала работать над проектом ещё до старта кросс-функциональных стажировок. На тот момент у меня был MVP (Minimum Viable Product, или «минимально жизнеспособный продукт» — самая ранняя версия продукта), сделанный на «Тильде», и было понимание, что его нужно дорабатывать. То есть к стажировке у меня уже были гипотезы по улучшению, основанные на глубинных интервью, построении CGM, анализе конкурентных предложений. Это была уже стадия не проверки идеи, а реализации MVP.

На кросс-функциональной стажировке у меня появилась команда. То есть возможность с минимальными ресурсами сделать работоспособный MVP. Плюс на стажировке можно было получить ответы и рекомендации от экспертов.

Команда собралась очень быстро. Пришло много разработчиков, и это меня порадовало: видимо, были чётко прописаны цели, что нужно делать. Возможно, привлекла тематика. Плюс пришли проджекты, несколько дизайнеров. В GeekBrains выставляли проект среди разработчиков, дизайнеров. И те, кто хотел поучаствовать, записывались, а я получала их контакты, общалась и принимала решение, брать ли их в команду.

Ко второй стажировке проект был уже реализован. Он находился во вкладке «Карьера» на сайте GeekBrains, и приходили уже другие ребята. Там процесс подбора команды проходил иначе: мне даже самой приходилось искать разработчиков, я писала на форумах. Ну и от GeekBrains были баннеры, которые звали принять участие в проекте других специалистов. В итоге команда также набралась полная. 

Опыт работы в команде

Поначалу работать с командой было психологически сложновато, но помогал проджект-менеджер. Он декомпозировал мои задачи, вёл их в таск-трекере Trello, а также следил за выполнением и сроками. Благодаря общим созвонам и методике проектного менеджмента мы поняли, как работать вместе, как делегировать задачи. Раньше я всё делала сама — а здесь ребята сами были заинтересованы поучаствовать, что-то придумать, и мы совместно генерировали идеи. Оказалось, что работать вместе гораздо проще: то, что создаст дизайнер, который этому учился, несравнимо с тем, что сделала бы я. То есть за основу брались мои задачи, а как это должно выглядеть — мы вместе с командой придумывали.

В итоге мы запустили MVP сервиса, причём реально функционирующий: он и в дизайне был оформлен, и фильтры работали, то есть команда реально постаралась. После этого я провела интервью с целевой аудиторией и поняла, что мы сделали много того, что на самом деле не нужно. Дизайн, функциональность — это всё больше генерировалось командой, нежели было продиктовано требованиями пользователей. Поэтому MVP сервиса на первой стажировке не совсем зашёл пользователям, его нужно было доработать. С помощью решенческих интервью я поняла, что долговат пользовательский путь. И дизайн показался аудитории детским — то есть ориентированным больше на ребёнка, в то время как нашей ЦА были взрослые. 

Поэтому я пошла на вторую стажировку. Пока дизайнеры работали над новой версией MVP, я параллельно анализировала каждую страницу с целевой аудиторией. Мы разговаривали, выясняли, понимают ли будущие пользователи ценность того, что они видят, доходят ли до целевого действия и как быстро, что при этом испытывают. Благодаря такой оперативной обратной связи на второй стажировке мы сделали кликабельный дизайн прототипа, который несёт ценность для пользователей. То есть аудитории он нравится, люди понимают, что нужно делать, до целевого действия доходят быстро. 

Результат работы над сервисом по итогам второй стажировки — это новый дизайн и минимальная функциональность, которая и была нужна для быстрого поиска интересующего досуга. То есть человек выбирает свой круг интересов — и исходя из этого получает подборку. А если он не хочет копаться, может получить быструю рекомендацию.

Развитие проекта

Параллельно с агрегатором досуга родился второй продукт. Когда я начала больше сегментировать аудиторию и лучше понимать, что это за люди и какие у них проблемы, появилась мысль, что, возможно, не всем нужен наш сервис. Кто-то не хочет искать сам — ему нужно быстро получить готовое предложение. Плюс подписку на рассылку организовать проще, чем создать полноценный онлайн-сервис. 

Работать над этим продуктом мы начали на второй стажировке. Рассылка специально сегментирована — разные варианты отдельно для пап и мам. Всего семь видов. Мы уже проверили продукт с помощью посадочных страниц, и я получаю заявки, хотя запуска пока не было. 

Сейчас стоит задача по организации бизнес-процесса: это договорённости с организаторами развлечений, чтобы они предоставляли свои данные. Для этого нужно увеличивать команду. Плюс закончить разработку сервиса. Ребята этим занимаются, но теперь уже в свободное время и на добровольных началах — получается, это скорее проект-хобби для себя. И потом надо будет заниматься привлечением аудитории, поиском эффективных каналов с минимальными затратами. 

Поскольку сервис пока не монетизируется, после окончания курсов я хожу по собеседованиям, ищу работу продакт-менеджера. Учитывая, что у моего проекта есть риски, в том числе финансовые, он нужен мне больше для самореализации в роли продакта. В приоритете сейчас — получить больше успешных кейсов по развитию продуктов внутри компании и параллельно заниматься своим, но как хобби. И нужно понять, что мне больше интересно: быть предпринимателем или всё-таки продакт-менеджером. Я хочу попробовать и то и другое.

Главные ошибки начинающих продактов

Когда я занималась интернет-магазином, моей основной ошибкой было то, что я не общалась с клиентами. Тогда я больше анализировала, что делают конкуренты. Сейчас понимаю, что надо было каждый шаг, все товарные позиции тестировать на людях, чтобы видеть, что заходит, а что нет. Возможно, тогда были бы более лояльные постоянные клиенты, которые не так быстро ушли бы в маркетплейсы.

Второй важный момент — юнит-экономика. Тогда я даже не имела представления, что это такое. Было понимание, какой должна быть маржа, что есть затраты. А во время обучения я осознала, что можно же сначала посчитать, выгодно ли вообще этим заниматься, привлекая клиентов. Для работы интернет-магазина нужен трафик, и эти затраты в итоге превысили мой доход. Понимание затрат на одного клиента — это очень важно. 

Третье — я поняла, что нужно постоянно следить за ключевыми метриками. Если что-то падает, меняется — делать гипотезы, почему так происходит. И проверять их, а не пускать всё на самотёк.

Хотите освоить продакт-менеджмент и тоже начать развивать продукты уже во время учёбы? Тогда приглашаем вас на факультет продакт-менеджмента!

 


19 авг 21, 23:52
0 0
Статистика 1
Показы: 1 Охват: 0 Прочтений: 0

Тенденции на европейском рынке труда в 2020–2021 годах

Пандемия негативно повлияла не только на здоровье и эмоциональное состояние жителей разных стран, но и на рынок труда. В Европе были уволены миллионы людей, большинство представителей малого и среднего бизнеса обанкротились. Предприниматели вынуждены спешно приспосабливаться к изменившейся ситуации. В итоге выживают только те компании, которые могут оказывать услуги дистанционно. В этой статье агрегатор вакансий Jobsora подробно расскажет про последние изменения на европейском рынке труда и прокомментирует, чего ждать от этих перемен.

Влияние пандемии

Одна из важных тенденций — перевод большей части сотрудников на дистанционный режим работы. Стоит ожидать, что в ближайшее время компании сократят штатный персонал и начнут массово нанимать фрилансеров. Руководители предприятий тоже всё чаще общаются удалённо. Отправлять сотрудников в командировки станет невыгодно — и вскоре такая надобность отпадёт. По прогнозам, станет меньше менеджеров по проектам и консультантов в офлайн-магазинах.

С апреля по май 2020 года работу потеряли около двадцати миллионов европейцев. Лидеры стран ЕС вынуждены тратить огромные суммы на поддержание экономики в стабильном состоянии. Массовые увольнения, а также переход значительной части сотрудников на удалёнку нанесли серьёзный урон экономике Евросоюза. Это подтверждает статистика: около 50% французских работников частного сектора вынуждены были уйти в отпуск без сохранения заработной платы. Треть трудоспособного населения в Ирландии осталась без работы. В остальных странах ЕС ситуация аналогичная.

Чтобы покрыть расходы, вызванные безработицей, Евросоюз потратил более ста миллиардов евро. Но несмотря на все приложенные правительствами усилия, часть рабочих мест в сфере услуг, туристических агентствах и общепите исчезнут насовсем.

Безработица — главная проблема

Так было и до эпидемии, но в 2020 году ситуация усугубилась.

По мнению французского министра финансов, текущее положение дел вызвано несколькими факторами:

  • низкая цифровая грамотность населения;
  • завышенная стоимость аренды квартир в центральных районах, где в основном располагаются офисы компаний;
  • неоправданно большое пособие по безработице, которое делает соискателей пассивными.

Руководители малого и среднего бизнеса столкнулись с проблемами в поиске квалифицированных кадров. По статистике, более трети европейских соискателей не обладают достаточной компьютерной грамотностью для работы на производствах.

Британские рыночные специалисты считают, что необходимо обучать граждан, иначе в ближайшие годы безработица достигнет критического уровня. Того же мнения придерживаются французские эксперты и Европейская комиссия.

Зимой 2019 года в Бельгии проходила конференция по цифровизации экономики, где обсуждались проблемы европейского трудового рынка. Участники пришли к выводу, что наиболее значимая задача государства — повышать квалификацию трудоспособного населения, особенно граждан старше сорока лет. Была поставлена цель: адаптировать взрослое население к цифровизации предприятий.

Эксперты считают, что в Европе произошла очередная промышленная революция: теперь образование остаётся актуальным всего лишь пять лет. Возник парадокс: экономика нуждается в образованных соискателях, но при этом уровень безработицы всё равно огромен.

Специалисты предлагают пойти по стопам Сингапура и выделить всем трудоспособным европейцам средства на обучение: чтобы люди могли повысить свою квалификацию и уровень знаний в IT. Так Сингапуру удалось восстановить экономику, и в Европе такая мера может быть эффективной.

Как изменится стандартный график работы в 2020–2021 годах

По данным новостного издания Deutsche Welle, после эпидемии стандартные графики работы в офисе (с девяти до шести) должны исчезнуть. Многие компании откажутся от части арендованных площадей и переведут сотрудников на удалёнку. На смену офисам придут коворкинги. Они станут особенно популярными среди людей, которые не могут работать из дома или с трудом разделяют сферы жизни.

По подсчётам консалтинговой компании McKinsey & Company, в результате этих изменений под угрозой окажется шестьдесят миллионов трудовых мест — и это только в Евросоюзе и Великобритании. Так что почти треть работающего населения в Европе сейчас на грани увольнения. Эксперты утверждают, что состояние экономики на 2020–2021 годы во многом зависит от поведенческих факторов потребителей. Неизвестно, сколько пройдёт времени, прежде чем люди вновь решатся путешествовать и жить как раньше.

Выводы

Есть надежда, что европейская экономика со временем стабилизируется и плачевные последствия изоляции будут нейтрализованы. Но может случиться вторая волна коронавирусной инфекции, а это — риск нового удара по экономике. Так что соискателям и работодателям нужно быть готовыми ко всему.

Тем, кто ищет работу, стоит активно осваивать все базовые цифровые технологии и нарабатывать опыт. Возможно, даже поменять квалификацию на ту, которая совместима с удалённой работой. Это поможет трудоспособным европейцам остаться на плаву в нынешнем и будущем году.

Вопреки мнениям экспертов-экономистов, есть все основания полагать: безработица и негативные последствия кризиса не смогут стать на пути у тех, кто готов учиться. Старательные работники со светлыми умами будут востребованы всегда, даже несмотря на безработицу!

Самоизоляция заканчивается — самое время освоить новую профессию, чтобы начать карьеру мечты и уверенно смотреть в будущее! Мы хотим помочь вам и с 1 по 31 августа 2020 г. дарим скидку 40% почти на все программы обучения GeekBrains. Будьте здоровы и успешны! :)

 

 


8 авг 20, 14:09
0 0
Статистика 1
Показы: 1 Охват: 0 Прочтений: 0

Как работают оптимизаторы SQL-запросов в Mediascope

В конце декабря прошёл совместный митап GeekBrains и Mediascope — лидера российского рынка медиаисследований, мониторинга рекламы и СМИ, компанией, постоянно обрабатывающей огромные объёмы информации. Мы уже писали, как в Mediascope устроена инфраструктура работы с данными, а в отдельном посте эксперты компании ответили на множество вопросов по развитию в data science. В заключительном материале по митапу тимлид команды системной разработки в направлении больших данных Mediascope Александр Капустин расскажет об оптимизаторах и их использовании с Apache Spark.

Когда у кого-то запрос обрабатывается несколько часов, а ты приходишь, меняешь пару строчек, и получаешь результат через минуту или две — это приятно. Лёгким движением руки ты можешь добиться значимых усовершенствований. Но прежде чем заняться непосредственно оптимизацией, нужно ответить на два важных вопроса.

Цель оптимизации. Допустим, сейчас запрос обрабатывается час. А какое время нас устроит? Без видения финального результата оптимизация бессмысленна. Вероятно, мы потратим много сил впустую, хотя этого от нас не требовалось. Иногда изменение бизнес-постановки может дать больше, чем мучения с физической оптимизацией.

План выполнения запроса. В нашем случае декларативное описание того, что мы хотим получить на выходе, нужно преобразовать в императивное указание Spark, что должно быть выполнено. Каждый запрос проходит несколько стадий:

  1. Построение AST-дерева на основании запроса — parsed logical plan. Разбирается запрос на основании синтаксиса SQL и преобразуется в дерево разбора.
  2. Привязка к метаданным (таблицы, столбцы) — analyzed logical plan. На основании дерева разбора определяются метаданные сущностей, которые используются в запросе, проверяется, что все ссылки в запросе идут к существующим данным.
  3. Оптимизация плана запроса — Optimized Logical Plan. Обычно оптимизируется либо полное время выполнения запроса (OLAP), либо процесс получения первых данных (OLTP) с учётом доступных ресурсов.
  4. Физический план выполнения — Physical Plan. Строится императивный процесс получения результата с учётом доступных ресурсов и распределённого характера данных.

Все примеры, на которых мы разберём тему дальше, будем проводить по трём таблицам. У нас есть клиент, есть несколько банковских счетов, которые к нему привязаны. У счетов есть остаток, который считается за каждую дату, даже если он нулевой. От них нам нужны ID и некоторые поля.

Далее для примера возьмём упрощённую связку из трёх таблиц.

  1. Клиент.
  2. Банковский счёт. У одного клиента может быть несколько счетов.
  3. Остаток на счёте. Остаток считается за каждую дату, даже если он нулевой.

В работе с оптимизаторами мы будем использовать Spark 3 (3.0.1), данные сохраним в Parquet, как наиболее полно поддерживаемом с точки зрения набора оптимизаций формате. Таблица остатков — наибольшая, и она будет партицирована по дате:

import org.apache.spark.sql.types._
val customerSchema = StructType(Array(
 StructField("customer_id", LongType, false), 
 StructField("name", StringType, true)))
val accountSchema = StructType(Array(
 StructField("account_id", LongType, false), 
 StructField("customer_id", LongType, false), 
 StructField("account_number", StringType, true)))
val balanceSchema = StructType(Array(
 StructField("on_date", DateType, false), 
 StructField("account_id", LongType, false), 
 StructField("balance_rub",    DataTypes.createDecimalType(), false)))

Это оптимизатор, основанный на применении к дереву запроса набора предопределённых правил, которые его трансформируют. В Spark Catalyst наработана большая база (порядка сотни) подобных правил . Здесь они применяются независимо от характера входных данных и не учитывают распределение последних.

Главное преимущество данного оптимизатора — в простоте. Он хорошо подходит, если надо вытащить небольшое количество данных. Однако этот оптимизатор не учитывает характер распределения данных и не знает, сколько записей в таблицах. Поэтому на сложных запросах он начинает ошибаться. Хотя при OLTP-запросах обычно сам примерно знаешь, что должно получиться, и можешь написать запрос руками. 

Типичный пример оптимизации — filter pushdown, фильтрация данных до вычитывания в память:

spark.sql("select * from customers where customer_id = 1").explain(true)
+- FileScan parquet [customer_id#0L,name#1] Batched: true, DataFilters: [isnotnull(customer_id#0L), (customer_id#0L = 1)]
PushedFilters: [IsNotNull(customer_id), EqualTo(customer_id,1)]
spark.sql("select * from customers where string(customer_id) = '1'").explain(true)
+- FileScan parquet [customer_id#0L,name#1] Batched: true, DataFilters: [isnotnull(customer_id#0L), (cast(customer_id#0L as string) = 1)]
PushedFilters: [IsNotNull(customer_id)]

Spark может пойти таким путём: вычислить все Parquet-файлы, которые относятся к таблице customers, и проверить их на id=1. Но это будет неоптимально, потому что нам надо вытащить всю таблицу, чтобы получить данные только от одного клиента.

Хоть у нас здесь нет индексов, мы можем выяснить, на каких страницах есть строки, где значение равно единице. Оптимизатор для PushedFilters указывает (IsNotNull (customer_id) и что поле равно единице. Соответственно, нам в память будут вычитаны те строчки, которые необходимы. Это намного меньший объём данных, а запрос обработается быстрее. 

В нашем случае оптимизатор легко запутать, и он не сможет обработать запрос. Например, если мы преобразуем поле customer_id в строку. Оператор видит, что мы над полем производим какую-то функцию и реагирует: всё, я не смогу теперь на уровне файлов определить, что ты хочешь. Придётся вычитывать все данные в память и там фильтровать. 

Поэтому когда пишут запрос данных, надо обращать внимание на типы данных и стараться в фильтрациях и джойнах не использовать функции, которые что-то делают с полями фильтрации или с полями джойна. Лучше преобразовать всё это заранее и на уровне константы.

Ещё одна типичная оптимизация — constant propagation

spark.sql("select a.* from accounts a join customers c on a.customer_id = c.customer_id where c.customer_id = 1").explain(true)
+- FileScan parquet [account_id#4L,customer_id#5L,account_number#6] Batched: true, DataFilters: [(customer_id#5L = 1), isnotnull(customer_id#5L)]
PushedFilters: [EqualTo(customer_id,1), IsNotNull(customer_id)]
+- FileScan parquet [customer_id#0L] Batched: true, DataFilters: [isnotnull(customer_id#0L), (customer_id#0L = 1)]
PushedFilters: [IsNotNull(customer_id), EqualTo(customer_id,1)]

Берём простейший запрос inner join из двух таблиц по полю customer ID и задаём, что нам нужен customer ID = 1 только по таблице customers. Но оптимизатор умный и видит, что в таблице accounts нам тоже нужны не все customer, а только равные единице. Поэтому сначала он может сделать ограничения. И мы видим, что для обоих таблиц у нас есть соответствующая фильтрация. То есть оптимизатор сам уменьшает количество данных, которые утягиваются в память.

Cost Based Optimizer

Это более продвинутый оптимизатор, который действует исходя из того, какие данные есть в таблицах, насколько равномерно они распределены. Он уже может делать более продвинутые вещи.

Например, если оптимизатор понимает, что ему, чтобы получить результат, надо обойти более 30% записей, он предпочтёт прочитать таблицу полностью. В этом случае ему надо будет пройтись только по data page. Если идти по пути index scan, то сначала необходимо сходить в index page, затем в data page. И получится медленнее, чем просто прочитать таблицу целиком. 

Также он понимает больше в распределении данных. Например, у нас есть таблица customers. Допустим, чуть ли не 50% технических счетов принадлежат некоему банку. И когда мы говорим системе отобрать все счета, где customer id=1, оптимизатор понимает, что это не типичный клиент с двумя-тремя счетами. Это клиент, для которого придётся вытащить полтаблицы. А потому опять разумнее сделать table scan. 

Кстати, здесь как раз не работает правило, когда советуют не подставлять явное значение констант в запрос. В большинстве случаев это безопасно и даёт скомпилированный готовый план запроса. Но оптимизатор начинает промахиваться. Он ожидает, что ему надо достать три записи, а мы ему на входе подставляем параметр, для которого их пятьдесят. Поэтому для подобных вещей обычно склеивают и компилируют чуть ли не весь запрос целиком. 

Ещё этот оптимизатор пытается преобразовать порядок соединения таблиц. В зависимости от типа джойна и размера таблиц бывает важно определить, какая таблица ведущая, а какая второстепенная. И он может это сделать. Но ему нужна актуальная информация. Если данные устарели, то результат будет не лучшим. 

Как оптимизаторы работают с Apache Spark

В реляционной базе данных у нас просто таблицы, которые лежат в одном месте. В Apache Spark у нас много разрозненных источников информации, всё распределено по разным узлам. Собирать и считать статистику становится сложно. 

В Spark есть несколько экзекьюторов, которые также разбросаны по узлам. Здесь нет индексов, по крайней мере для Parquet-файлов. То есть в итоге мы можем сказать, что какого-то значения на странице нет, но не можем сказать, где лежит конкретная запись. Поэтому все правила в основном относятся к Rule Based Optimizer. Когда я в последний раз смотрел на исходный код Spark, Cost Based Optimizer был там в экспериментальном состоянии. В последние версии его как штатный не включили.

В принципе по истории развития Spark виден путь к оптимизации. Изначально оптимизаторы вообще не предполагались, всё руками выписывалось. Ситуация изменилась, когда перешли на data frame и data set. Дальше уже появился оптимизатор Catalyst.

По факту все оптимизации преследуют две задачи — прочитать меньше и оптимально соединить две таблицы в условиях джойна. Поскольку у нас основная борьба ведётся за то, чтобы читать не все данные, а только часть, то важна правильная политика партицирования. Мы фильтруем, например, по дате. Если у нас данные секционированы по дате, то оптимизатор понимает, что ему не нужно читать все каталоги, а достаточно только одной партиции, к которой надо применить фильтрацию. Это позволяет уменьшить объём вычитываемых данных. 

Поговорим о присоединении таблиц: представим, что у нас их две. Их нужно подсоединить по ключу. Есть три варианта.

Nested loop join

Самый простой: мы бежим по одной таблице и, если есть индекс, ищем по нему значения во второй. Или каждый раз задействуем table scan. Этот вариант хорошо подходит для OLTP-запросов и случаев, когда все поля проиндексированы. Но если речь о big data, тут будут проблемы.

algorithm nested_loop_join is
for each tuple r in R do
for each tuple s in S do   <------ Тут должен быть index seek (а если нет, то всё плохо)
if r and s satisfy the join condition then
yield tuple <r,s>

Hash join

Выбираем две таблицы и смотрим, какая меньше. Из полей, которые подходят под условия присоединения, строится hash-таблица. Ключом будет хеш значений, вычисленный из полей, на основе которых мы проводим соединение. А по большой таблице мы просто бежим сканом. Если всё влезает в память — хорошо. Если нет, разбиваем на части, вычисляем для каждой строчки хеш по полю джойна и смотрим, есть такое значение или нет. 

Sort merge join

Требуется, чтобы обе таблицы были отсортированы по ключу, по которому они джойнятся. Это может быть физическая фильтрация или сортировка по индексу. Далее просто находим ключ в одной таблице и отбираем записи по нему во второй. И так ключ за ключом. Этот способ менее требователен к объёму памяти, чем предыдущий.

Shuffle hash join

Усложняем задачу. Данных становится больше, они лежат на разных узлах. И экзекьюторы Spark запущены на разных узлах. Вариант здесь — shuffle hash join. То есть для каждой таблицы строится хеш по ключу джойна, дальше мы перебрасываем информацию так, чтобы на каждом узле были одни и те же данные. А затем происходит классическое присоединение hash join. Правда, всё равно можно словить out of memory, если данные разбились на недостаточное количество кусков.

Если одна из таблиц маленькая, можно обойтись broadcast hash join. Куски большой таблицы лежат на разных узлах, и на каждый мы множим маленькую таблицу. Далее вновь происходит классический hash join.

И да здравствует open source! Можно залезть в исходный код Spark и посмотреть полный список всех оптимизаций, который Rule Based Optimizer может применять, и узнать, как выбирается стратегия джойна. Вся прелесть в том, что ты видишь всё, и это восхитительно.

 


11 мар 21, 17:54
0 0
Статистика 1
Показы: 1 Охват: 0 Прочтений: 0
Темы с 11 по 20 | всего: 1491

Последние комментарии

нет комментариев
Читать

Поиск по блогу

Люди

7 пользователям нравится сайт lena2018.mirtesen.ru