
Аналитик-визионер, эксперт с опытом 20+ лет в коммерческом управлении и развитии бизнеса.
M.Sc. в области системного анализа, обработки данных, систем автоматизации и управления.
Специализация:
● Количественные исследования
● Математическое моделирование
● Предиктивный анализ и прогнозирование
● Выявление корреляций и триггеров (ключевого и аномального) влияния
● Проверка гипотез
● Оценка рисков и шансов, доверительные интервалы
● Разработка метрик и KPI
● Выработка оптимальных стратегий в условиях неопределенности
Знания и опыт:
Оценка рынка, продажи, прогнозирование спроса и планирование продаж, продуктовый маркетинг, реклама и продвижение, оценка эффективности рекламных кампаний, ценообразование и конкурентный анализ, управление запасами, финансовый анализ и бюджетирование, разработка и внедрение систем мотивации.
CAPEX, OPEX, P&L, CF, BS, e-comm, S&OP, SCM, ABC/XYZ анализ, A/B тестирование, BCG матрица, SWOT, SMART, NPS+CSI, LTV, Retention, Churn, итд.
Разработал и применяю ряд собственных методик и инструментов для анализа корпоративных данных, выявления закономерностей и особенностей для достоверного планирования.
Испытываю особый профессиональный интерес к количественным исследованиям данных, предиктивному анализу и прогнозированию.
Свободно владею английским. Не имею вредных привычек, веду ЗОЖ.
● Количественные исследования
● Математическое моделирование
● Предиктивный анализ и прогнозирование
● Выявление корреляций и триггеров влияния
● Проверка гипотез
● Оценка рисков и шансов, доверительные интервалы
● Разработка метрик и KPI
● Выработка оптимальных стратегий в условиях неопределенности
Стохастические (случайные) процессы делятся на эргодические и неэргодические.
Эргодические проходят в курсе Теории Вероятностей в высше школе. Неэргодическими занимаются ученые.
Разница между ними в том, что для первых значения метрик процесса по бесконечному времени и значения метрик по бесконечному ансамблю процессов сходятся. Для вторых -- расходятся.
Связано это с тем, что в неэргодических процессах влияние минимального шума приводит к аномальному (непредсказуемому) отклонению траектории.
Этот эффект называется "эффектом бабочки", видимо, в честь сюжета рассказа Рэя Брэдбери "И грянул гром...". Но есть и другая вресия о том, что взмах крылышек бабочки в джунглях Амазонки способен привести к тропическому шторму.
Такие вещи ассоциированы в науке с нелинейной динамикой, теорией динамического хаоса, теорией бифуркаций, катастроф, фрактальным анализом и рядом других интереснейших направлений.
Так вот, наш мир -- НЕэргодичен.
Рынок (в том числе фондовый) -- НЕэргодичен.
И наша жизнь -- тоже НЕэргодична :)
Поэтому в жизни, бизнесе и мире всегда найдется бабочка, которая взмахнув крылышками, обнулит любые планы и любое управление.
Такие "бабочки" называются триггерами аномального влияния. И одна из задач предиктивного (прогнозного) аналитика, вроде меня -- это выявление таких триггеров в бизнесе, чтобы диверсифицировать риски потери управления.
Но с другой стороны, в этой турбулентности есть и положительная сторона -- если в жизни предпринимателя что-то не получилось раз, два, три, ... двадцать три -- не стоит опускать руки.
Keep walking, bro!
Двадцать четвертый раз может полностью изменить вашу жизнь и вскоре вы будете рассекать на собственной белоснежной яхте по Карибскому бассейну, наслаждаясь видами океанических закатов... :)
Универсальные солдаты были ценны лет 30 назад. Тогда можно было быть эдаким Вассерманом, который знает все обо всем, и неплохо себя чувствовать.
Но сейчас количество информации множится в геометрической прогрессии. И объять весь спектр человеческих знаний становится не под силу даже очень одаренным людям.
Особой ценности в том, что вы знаете отовсюду всего понемногу -- НЕТ. Таких становится все больше, так как Интернет есть у всех. Быть одним из миллиона не ценно ни разу.
Более ценным становится фокус на узком предметном слое знаний, когда вы становитесь непревзойденным экспертом именно в нем. Предметных областей бесконечно много. Выберите ту, в которой никого нет и станьте экспертом в ней.
И сейчас нет никакой сложности найти вас как эксперта в этой узкой области благодаря поисковикам. Если вы не шифруетесь специально, то вы и так у всех на виду.
Более того, преуспевать начинают НЕ академики, увы, а гики (geeks), которые испытывая глубокий интерес к предмету, становятся по-настоящему передовыми носителями экспертизы за очень короткое время, благодаря способности быстро накапливать большой багаж знаний и обрастать релевантной аудиторией таких же гиков, где обмен знаниями происходит чрезвычайно быстро.
Высшие школы просто не в состоянии сделать из тех или иных знаний готовый для преподавания продукт быстро. К тому моменту -- эти знания становятся уже неактуальными. Поэтому самообразование и обмен знаниями в узких специализированных кругах -- фэндомах (fandoms) -- постепенно станут источником настоящей экспертизы.
(Как стратегическая идея собственникам E-xecutive. Дарю!)
Не надо вскапывать, копайте вглубь!
Будущее за гиками, (нёрдами, отаку или эльфами 80-го левела, как угодно, это все синонимы):
https://ru.wikipedia.org/wiki/Гик_(человек)
Делитесь тем, в чем вы разбираетесь больше других -- и будет вам щастье. Щастье будет нам всем :)
И, если честно, мне не нравится термин "аналитик", он уже давно морально устарел.
Я — гик предиктивного (предсказательного) анализа, прогнозирования и математического моделирования :)
Разбираюсь в вопросах количественного и предиктивного анализа; математическом моделировании и прогнозировании, выявлении корреляций и триггеров (ключевого и аномального) влияния, разработке метрик и KPI, оценке рисков и шансов, выработке оптимальных стратегий в условиях неопределенности.
Буду рад оказаться полезным со своей экспертной авоськой :)
Топ-12 причин, по которым сотрудники покидали предыдущие места работы с Апреля 2021 по Апрель 2022.
41% -- Отсутствие карьерного роста и продвижения
36% -- Несоответствующая оплата труда
34% -- Безразличные и невдохновляющие лидеры
31% -- Отсутствие осмысленности в работе (мартышкин труд)
29% -- Неоправданность ожиданий от работы
26% -- Ненадежные коллеги и отсуствие поддержки в работе
26% -- Отсутствие гибкости в условиях труда и рабочего места
26% -- Отсутствие здоровых и комфортных условий труда
14% -- Недобдрожелательность и неприветливость коллег
13% -- Необходимость в поездках и коммандировках
13% -- Небезопасность рабочего места
11% -- Недостаток ресурсов для работы
Количество пользователей E-xecutive можно посмотреть по ссылке.
Это число сразу под полем поиска.
Я наблюдаю за значением пользователей E-xecutive с 04 июля 2022 (около 3 недель). Не каждый день, конечно, а по настроению.
Моя выборка содержит всего 11 значений на данный момент. Тем не менее этого уже достаточно, чтобы сделать предварительные выводы.
Что я вижу на сегодня:
Ежедневно сообщество прибавляет в среднем 25 человек. Точнее, от 15 до 35 в зависимости от дня недели.
Больше всего со Ср на Чт и с Чт на Пт. Меньше всего с Сб на Вс и с Вс на Пн. Что логично.
Я написал "на сегодня" потому, что кривая роста аудитории стагнирует, насколько можно судить по столь малой выборке.
На первый взгляд динамика прироста падает на -1 участника каждые 10 дней.
Конечно, столь короткий период наблюдения не дает принципиально оценить наличие более длинных волн в тренде, а так же всякого рода случайные всплески активности, которые возникают, когда контент ресурса кто-то цитирует в Интернете.
На сегодня количество участников сообщества составляет 410996.
Тем не менее, попробую в условиях столь скудной информации спрогнозировать момент пересечения уровня 412000 участников.
Полагаю, что мы увидим это значение днем 7 сентября 2022. Может быть несколько раньше, так как к сентябрю сюда зайдут участники, вернувшиеся из отпусков.
Можем посоревноваться и даже превратить это в маленький азартный аттракцион :)
Очень понравилась статья Александра Шарова -- Как творческие увлечения помогают в бизнесе.
В ней прозвучало несколько "крамольных" с точки зрения классического бизнес-прагматизма вещей, но которые по сути и являются источником энергии развития компаний.
Я оставил там несколько очень личных комментариев с иллюстрациями :)
Давайте на минутку представим, что к вам как крутому аналитику за консультацией обратилась крупная хорошо известная на весь мир компания, производящая часы класса «люкс».
В рекламных целях компания хочет определить максимальный этаж в 100-этажном небоскрёбе, с которого часы стоимостью полмиллиона евро не разобьются при падении.
Компания предоставила вам двое одинаковых часов. Конечно, каждые часы можно бросать много раз, пока они не разобьются.
Какое минимально необходимое и достаточное количество бросков нужно сделать, чтобы на 100% достоверно определить самый высокий безопасный этаж для этих часов?
Не торопитесь с ответом. Это тест на экстраординарные аналитические способности.
Давайте для острастки представим, что бюджет исследования -- это цена двух часов по полмиллиона евро и ваш гонорар, скажем, еще 1 млн евро :)
Присылайте ответы личным сообщением, решивших задачу верно -- обязательно объявлю здесь.
Правильное решение прислали: Игорь Семенов, ...
На мой взгляд, E-xecutive.ru довольно интересный, но, увы, не слишком активный на сегодня 18 июля 2022 ресурс.
Во-первых, аудитория ресурса прирастает сейчас всего на 28,5 участников в день.
Это легко замерить, если время от времени заходить в раздел Сообщество и фиксировать значение общего количества участников ресурса, а потом просто по этим точкам построить линейный тренд.
На сегодня, например, здесь 410795 участников. Завтра в это же время станет всего на 28..29 больше :)
Во-вторых, число по-настоящему активных участников на ресурсе совершенно невелико. Подавляющее (!) большинство -- это просто безмолвные свидетели.
На ресурсе есть система рейтинга, которая поощряет любую активность участников баллами -- откройте свой профиль и кликните на звездочку, там все расписано.
Так вот, кривая рейтинга участников выглядит на данный момент так.
(Первый участник рейтинга на графике имеет №0.)
Это почти каноническая кривая рангового распределения.
Но, как видим, она довольно выгнутая в начале и уже совершенно пологая, начиная с ~четвертой сотни участников.
Если языком цифр, то изменение в рейтинге участника по отношению к его соседям становится менее 1%, начиная уже с №65, и -- менее 0,5%, начиная с №145.
Примем это как метрику, которую будем мониторить далее :)
Чуть позднее, может быть через месяц или полгода я сделаю аналогичный замер и мы сравним что было и что стало. Таким образом -- поймем динамику ресурса.
Кстати, самый первый участник ресурса E-xecutive.ru, это его создатель -- Юрий Барзов:
https://www.e-xecutive.ru/users/6291
И следующий за Юрием второй участник и создатель -- Галина Казанджий (ныне Тарасова):
https://www.e-xecutive.ru/users/6292
С Галиной я знаком лично :). Когда-то в начале 00-х я проходил у Галины собеседование в Ward Howell на позицию Руководителя Отдела Продаж в крупной компании. И позднее, лет через 8, была еще одна встреча уже в HRG на позицию повыше.
Мир тесен :)
Построить прогноз продаж, трафика, спроса и предложения, итд на будущий год можно десятком (!) различных способов.
Прежде всего следует различать технический анализ и анализ с учетом фундаментальных факторов.
Первый опирается лишь на математику и по сути является экстраполяцией по регрессионной математической модели, второй учитывает также и внешние (макроэкономические, геополитические, рыночные, итд) факторы.
Соискателю на позицию Предиктивного (Прогнозного) Аналитика в качестве теста обычно предлагают задачу построения технического прогноза на следующий год, предоставив данные двух предыдущих лет, часто с посуточной статистикой.
Причем берут прошлые "ровные" периоды без потрясений и форс-мажоров. А затем просто сравнивают свой исторический факт с прогнозом от соискателя.
Чем ближе прогноз соискателя к факту работодателя -- тем лучше работает метод соискателя и тем выше интерес компании к нему.
Изложу здесь мой излюбленный подход для решения таких задач на примере данных некоторой компании, которая ежедневно замеряла трафик визитов своего сайта в 2015 и 2016 годах.
И которой нужно построить прогноз на 2017 год. Это реальный кейс, предлагаемый в числе других задач одним из российских медиахолдингов, название которого оставим за кадром :)
1. Я НЕ делю интервал на годовые отрезки, и не анализирую их по отдельности, а анализирую первым делом сразу и всю выборку на наличие глобального тренда.
Он может быть линейным, экспоненциальным, параболическим, или содержать в себе паттерн переходного процесса, вызванного каким-либо стрессом (например, локдауном ковида, но это тема отдельного разговора) итд.
На графике интервалы 2015, 2016 и прогнозируемого 2017 годов выделены красными пунктирами на шакале условного времени в днях.
И в данном случае отлично выявляется чистый нисходящий линейный тренд. То есть, трафик визитов сайта компании линейно падает.
И в предположении этого нисходящего линейного тренда мы пойдем дальше.
2. На втором этапе анализа из исследуемой выборки нужно вычесть выявленный тренд и далее исследовать Residuals-выборку на периодическую сезонную годовую составляющую.
Другими словами искать синусоиду с периодом 365 дней, так как подавляющее большинство реальных корпоративных данных всегда имеет годовую сезонность. Иногда это может быть сумма двух синусоид с разными амплитудами и фазами, но не будем усложнять :)
3. На третьем этапе анализа нужно вычесть из Residuals-выборки периодическую сезонную годовую составляющую и подвергнуть то, что осталось спектральному анализу, чтобы понять ЧТО еще сезонного там скрыто. Это могут быть составляющие с 30-дневным периодом и/или полумесячным периодом в 15 дней и/или недельным 7-дневным периодом и/или полунедельным 3,5-дневным периодом.
В нашем случае здесь хорошо выявляется лишь 7-дневная периодическая составляющая. Так как это данные трафика сайта бизнес-направленности. А не, скажем -- продаж, где присутствует зависимость от зарплаты (обычно первая декада каждого месяца) и аванса (обычно 20-е числа каждого месяца) :)
В итоге у нас получается сумма глобального тренда, периодической составляющей с периодом 365 дней и еще одной периодической составляющей с периодом 7 дней.
Довольно несложная модель.
4. Все что нам остается -- это просуммировать по месяцам суточные данные и отобразить все это на линейчатой диаграмме.
Конечно, реальные корпоративные кейсы сложнее. И любые прогнозы постоянно еженедельно "причесываются". На основании план-фактов еженедельно строятся снопы прогнозов и с учетом информационного и новостного фона строятся гипотезы дальнейшего развития событий (пессимизм, оптимизм, медиана, среднее, мода). Но это тема уже совсем отдельного разговора :)
Прогнозирование -- это потрясающе увлекательный квест!
Надеюсь, это было интересно и познавательно.
Не стесняйтесь обращаться, я хорошо разбираюсь в предмете достоверного прогнозирования и всегда готов помочь с решением простой задачи или реально сложного корпоративного кейса.
Я помогу вам заглянуть в будущее!
Некоторая косметическая компания объявила об открытой вакансии Продуктового Аналитика.
Но прежде, чем начать рассматривать резюме соискателей, компания предложила всем им решить задачу №1.
1. Базовая цена шампуня составляет 2,50 рубля. Для увеличения продаж в компании решили снизить цену на шампунь.
После этого количество проданных шампуней увеличилось на +150%, а выручка увеличилась на +50%.
Насколько была снижена цена шампуня?
Предположим, что некоторые соискатели успешно справились с предложенной задачей №1 и четко определили дисконт с базовой цены.
Теперь прежде, чем назначить им как кандидатам собеседование, компания рассказала что было дальше и предложила найти решение задачи №2.
2. В компании решили увеличить размер первоначального дисконта на шампунь.
И обнаружили, что количество проданных шампуней увеличилось со +150% до +160%, а вот выручка снизилась с +50% до +30%.
При какой цене шампуня выручка будет максимальной?
IBM Q System One -- первый в мире коммерческий квантовый компьютер, представленный IBM в январе 2019 года.
В базовой комплектации идет с 27 кубитным процессором Falcon.
Система может быть проапгрейжена на 65 кубитный Hummingbird процессор and 127 кубитный Eagle процессор, когда он будет представлен рынку в 2023 году.
Примечательно, что первые профессиональные прогнозные аналитики с их мощной исторической ролью упоминаются в Библии, а именно в Новом Завете, в Евангелии от Матфея.
Библейские персонажи, также называемые (тремя) мудрецами или (тремя) царями, а также тремя волхвами — Мельхиор, Гаспар, Бальтазар — это выдающиеся предсказатели.
Используя особую, ныне утраченную, звездную методику они сделали прогноз с определением точного времени и места рождения Мессии и пришли с дарами поклониться новорожденному Иисусу Христу.
В онлайн-версии Британской энциклопедии говорится:
«Согласно западной церковной традиции, Бальтазар часто изображается как царь Аравии, а иногда и Эфиопии, Мельхиор — как царь Персии, а Гаспар — как царь Индии».
Эти имена, по-видимому, происходят из греческого манускрипта, вероятно, составленного в Александрии около 500 года и переведенного на латынь под названием Excerpta Latina Barbari.
В западной христианской традиции все они считаются святыми.
Joseph Christian Leyendecker, Three Wise Men (Три Мудреца).
Обложка журнала Success, Декабрь 1900.