⏺️ T-Shape часто понимают как универсала, который умеет понемногу всё и может закрывать несколько ролей. Но исходная модель строится вокруг глубокой экспертизы и понимания смежных областей.

ИИ делает это различие ещё заметнее. Он всё лучше справляется с типовыми задачами, генерацией текста и кода, кратким анализом и структурированием информации. На этом фоне ценнее профессиональные навыки, которые требуют глубокого контекста, системного мышления и работы с неопределённостью.

В заключительной части серии разбираем, где заканчивается универсальность и начинается системность, каким должен быть T-Shape и почему его ценность не в количестве функций, а в сильном профессиональном ядре.

1 часть, 2 часть, 3 часть

#TShapeБезМифов

Когда A/B-тестов десятки, считать каждого пользователя слишком дорого

В новой статье на Хабре разбираемся, как перейти от пользовательских данных к агрегатам и не нарушить статистическую модель:

• зачем приводить ratio-метрики к линейному виду;
• как учитывать разный размер бакетов через взвешенную регрессию;
• где в этой схеме место CUPED.

Остаётся главный вопрос: как сократить объём данных и не потерять точность?

Рекомендуем прочитать всем, кто строит или поддерживает платформы A/B-тестирования, считает продуктовые метрики и ищет баланс между скоростью расчётов и надёжностью выводов.

🔗 ссылка на статью

Брошенные корзины, реклама и поиск: продуктовые аналитики X5 знают, что за ними стоит 🖇️

Уже в эту среду, 14 октября, они расскажут об этом на онлайн-митапе hh.ru. Будет много практики: коллеги разберут реальные кейсы X5 и покажут, что их решения дали бизнесу.

Участие бесплатное — нужно только зарегистрироваться.

📆 14 октября, 18:30
📍 онлайн

До встречи на митапе!