Add data analytics competency matrix with English titles

Author: Andrey Kulagin

data_analytics/1. Technical Foundation.md

@@ -0,0 +1 @@
+ 

data_analytics/2. Product & Business Acumen.md

@@ -0,0 +1,27 @@
+# 2. Product & Business Acumen
+
+Этот трек определяет способность аналитика глубоко понимать продукт, бизнес-контекст и потребности пользователей. Речь идет не только о расчете метрик, но и об их правильной интерпретации, построении дерева метрик, моделировании юнит-экономики и, в конечном счете, о способности быть стратегическим партнером для бизнеса, влияя на продуктовую стратегию на основе данных.
+
+## DA1 (Junior)
+- Понимает ключевые метрики для своей продуктовой области.
+- Может сопоставлять действия пользователей с событиями данных.
+
+## DA2 (Middle)
+- Строит и поддерживает дерево метрик для своего домена.
+- Рассчитывает LTV, retention и строит модели влияния для фичей.
+- Понимает конкурентную среду.
+
+## DA3 (Middle+)
+- Проактивно выявляет возможности и угрозы с помощью данных.
+- Строит модели юнит-экономики.
+- Создает сложные прогнозы и сравнивает их с фактическими результатами.
+
+## DA4 (Senior)
+- Становится стратегическим партнером для менеджера по продукту.
+- Определяет фреймворк для измерения новых продуктов или бизнес-линий.
+- Может оспаривать продуктовую стратегию на основе данных.
+
+## DA5 (Staff)
+- Формирует стратегию на уровне компании.
+- Определяет North Star метрики и KPI-фреймворки для всей организации.
+- Консультирует C-level по вопросам жизнеспособности бизнес-моделей и инвестиционных решений. 

data_analytics/3. Experimentation & Causal Inference.md

@@ -0,0 +1,24 @@
+# 3. Experimentation & Causal Inference
+
+Этот трек фокусируется на ключевом научном навыке аналитика — умении устанавливать причинно-следственные связи. Он охватывает весь цикл работы с экспериментами, от дизайна A/B-тестов до применения квази-экспериментальных методов, когда классические тесты невозможны. Цель — построение культуры принятия решений, основанной на доказательствах (evidence-based), и количественная оценка влияния продуктовых изменений.
+
+## DA1 (Junior)
+- Корректно проектирует и анализирует простые A/B-тесты, используя инструменты и шаблоны компании.
+
+## DA2 (Middle)
+- Проектирует более сложные эксперименты (например, многовариантные).
+- Может отлаживать результаты экспериментов и объяснять нюансы (например, последовательное тестирование) заинтересованным сторонам.
+- Ревьювит дизайны коллег.
+
+## DA3 (Middle+)
+- Применяет продвинутые методы, когда A/B-тесты невозможны (например, switchbacks, квази-эксперименты, такие как DiD/Causal Impact).
+
+## DA4 (Senior)
+- Проектирует и владеет фреймворком экспериментов для большого домена.
+- Анализирует весь флот экспериментов для выявления системных проблем (например, p-hacking).
+- Менторит организацию по культуре экспериментов.
+
+## DA5 (Staff)
+- Определяет общекорпоративную стратегию для разработки продуктов на основе данных (evidence-based development).
+- Утверждает и стандартизирует методологии для всего причинно-следственного анализа, от онлайн-экспериментов до оффлайн-исследований.
+- Руководит исследованиями новых техник экспериментирования. 

data_analytics/4. Influence & Storytelling.md

@@ -0,0 +1,26 @@
+# 4. Influence & Storytelling
+
+Этот трек посвящен «последней миле» аналитики — превращению данных и инсайтов в реальное влияние на бизнес-решения. Он охватывает навыки визуализации, структурирования убедительного повествования (сторителлинга) и эффективной коммуникации результатов на всех уровнях организации, от команды до топ-менеджмента. Цель — не просто представить данные, а убедить и вдохновить на действия.
+
+## DA1 (Junior)
+- Создает понятные и точные графики и дашборды.
+- Пишет краткие выводы по результатам.
+
+## DA2 (Middle)
+- Выбирает наиболее эффективную визуализацию для данных и аудитории.
+- Четко представляет результаты своей команде и непосредственным стейкхолдерам.
+
+## DA3 (Middle+)
+- Проводит проактивные исследования и представляет результаты руководству своего домена.
+- Может отвечать на ad-hoc вопросы во время презентаций.
+- Структурирует убедительный рассказ на основе данных.
+
+## DA4 (Senior)
+- Представляет сложные исследования топ-менеджменту (C-level).
+- Может убеждать и влиять на высшее руководство при принятии ключевых решений.
+- Его исследования напрямую формируют дорожную карту продукта.
+
+## DA5 (Staff)
+- Представляет аналитическое лидерство компании вовне (например, на конференциях).
+- Менторит старших аналитиков и менеджеров по увеличению их влияния.
+- Меняет то, как вся компания говорит о данных и использует их. 

data_analytics/5. Advanced Modeling & Data Science.md

@@ -0,0 +1,23 @@
+# 5. Advanced Modeling & Data Science
+
+Этот трек предлагает путь для аналитиков, желающих специализироваться на более сложных предиктивных и прогностических методах. Он охватывает построение ML-моделей для решения бизнес-задач, таких как прогнозирование оттока или сегментация пользователей, их интерпретацию и создание end-to-end прототипов. Это углубление в Data Science для извлечения дополнительной ценности из данных.
+
+## DA1 (Junior)
+- ...
+
+## DA2 (Middle)
+- ...
+
+## DA3 (Middle+)
+- Строит и оценивает оффлайн ML-модели (например, прогнозирование оттока, сегментация).
+- Интерпретирует модели (SHAP) и объясняет их бизнес-ценность.
+
+## DA4 (Senior)
+- Создает end-to-end прототипы ML, которые можно тестировать в продакшене.
+- Работает с инженерами для вывода моделей в прод.
+- Проектирует онлайн/оффлайн метрики для ML-систем.
+
+## DA5 (Staff)
+- Руководит стратегией применения ML для решения бизнес-проблем в аналитике.
+- Исследует и применяет передовые методы моделирования.
+- Менторит организацию по ответственному и эффективному использованию ML. 

data_analytics/6. Analytics Engineering.md

@@ -0,0 +1,25 @@
+# 6. Analytics Engineering
+
+Этот трек фокусируется на создании масштабируемых и переиспользуемых «продуктов данных» для всей компании. Это компетенция по проектированию, созданию и поддержке надежных, быстрых и хорошо задокументированных витрин данных. Цель — построение прочного и надежного фундамента, который повышает продуктивность всех аналитиков и обеспечивает единый «источник правды» для BI-инструментов и отчётности.
+
+## DA1 (Junior)
+- ...
+
+## DA2 (Middle)
+- ...
+
+## DA3 (Middle+)
+- Владеет dbt или аналогичным инструментом.
+- Проектирует, создает и поддерживает сложные преобразования данных, которые хорошо протестированы, документированы и надежны.
+- Проектирует и реализует физические витрины данных, оптимизируя их для производительности BI-инструментов (например, с помощью правильного партиционирования, ключей сортировки, материализации).
+- Оптимизирует модели данных для производительности и стоимости.
+
+## DA4 (Senior)
+- Проектирует и владеет физической архитектурой слоя данных (Data Marts Layer) для основного бизнес-домена, обеспечивая скорость, надежность и простоту использования для всех аналитиков.
+- Внедряет инструменты управления данными, качества и обнаружения (например, каталоги данных).
+- Работает с Data Engineering для определения контрактов данных.
+
+## DA5 (Staff)
+- Определяет стратегию и стандарты для всего моделирования данных и хранилищ в компании.
+- Руководит крупномасштабными проектами по архитектуре данных.
+- Продвигает видение современного стека данных.