Спасибо, DataLearn. Алёну, действительно, стоило послушать. Человек очень грамотный и, что тоже важно, харизматичный) Очень полезно услышать про нерушимую связку аналитики и бизнеса, а не просто обкатывать "сферическую аналитику в вакууме". В итоге, не выдержал и записался на лекцию Алёны в Нетологии в апреле. 😅
@@alena_artemeva слишком маленькая выборка) Есть и другое мнение - что шкаф и книги по ту сторону экрана делают абстрактного профессора внезапно интересным человеком, не источником знаний на некоем фоне, но личностью со своими увлечениями и набором знаний. Впрочем, на вкус и цвет)
Спасибо Алёне за выступление, мне было интересно. Приятно слушать правильную речь. И организаторам спасибо за организацию :в 59:30 - вопрос был именно про оценку эффекта, который аналитики приносят компании. Прям мучас грасиас за примеры. Исходя из ответа, делаю вывод, что эффект от работы аналитика/отдела сможет оценить только сам аналитик или его начальник.
Недостаток статистических методов анализа (да и ML-алгоритмов тоже) в том, что они не позволяют отличить корреляцию от причинности. Производитель мороженного: "Да вы только посмотрите на отчет наших аналитиков! Продажи мороженного сильно коррелируют с количеством утонувших на пляже. Давайте-как утопим десяток человек чтобы поднять наши продажи" )))
Методы статистики позволяют в том числе отличить ложную корреляцию от причинно-следственной связи. Поэтому простой график с двумя похожими линиями не равно статистический метод анализа.
![Megan Thee Stallion - Neva Play (feat. RM) [Official Video]](http://i.ytimg.com/vi/TpYTyAaTRts/mqdefault.jpg)
Огромная благодарность за выступление Алёне и команде Datalearn!!! Очень познавательно и нужно☺
Спасибо, DataLearn.
Алёну, действительно, стоило послушать. Человек очень грамотный и, что тоже важно, харизматичный) Очень полезно услышать про нерушимую связку аналитики и бизнеса, а не просто обкатывать "сферическую аналитику в вакууме".
В итоге, не выдержал и записался на лекцию Алёны в Нетологии в апреле. 😅
Ах, вот откуда был этот вопрос про мой шкаф на лекции позавчера)😆
@@alena_artemeva , точно;) Но шкаф был и на открытом занятии по data-driven маркетингу.
@@maximkuzin4598 есть мнение, что он слишком отвлекает 😸
@@alena_artemeva слишком маленькая выборка) Есть и другое мнение - что шкаф и книги по ту сторону экрана делают абстрактного профессора внезапно интересным человеком, не источником знаний на некоем фоне, но личностью со своими увлечениями и набором знаний. Впрочем, на вкус и цвет)
Я прям влюбилась в Алену❤ что б у всех такой начальник был
Спасибо Алёне за выступление, мне было интересно. Приятно слушать правильную речь.
И организаторам спасибо за организацию :в
59:30 - вопрос был именно про оценку эффекта, который аналитики приносят компании. Прям мучас грасиас за примеры.
Исходя из ответа, делаю вывод, что эффект от работы аналитика/отдела сможет оценить только сам аналитик или его начальник.
Спасибо за видео!
Грамотно. Было очень интересно послушать. Чувствуется, что у человека за плечами большой опыт, в том числе и жизненный.
Недостаток статистических методов анализа (да и ML-алгоритмов тоже) в том, что они не позволяют отличить корреляцию от причинности.
Производитель мороженного: "Да вы только посмотрите на отчет наших аналитиков! Продажи мороженного сильно коррелируют с количеством утонувших на пляже. Давайте-как утопим десяток человек чтобы поднять наши продажи" )))
Методы статистики позволяют в том числе отличить ложную корреляцию от причинно-следственной связи. Поэтому простой график с двумя похожими линиями не равно статистический метод анализа.
@@alena_artemeva Как можно отличить ложную корреляцию от причинно-следственной связи если нет возможности провети контролируемый эксперимент?