refactor: Refine and detail all 5 competency tracks

Author: Andrey Kulagin

data_analytics/1. Technical Foundation.md

@@ -3,14 +3,15 @@
 Этот трек посвящен фундаментальным техническим навыкам, необходимым каждому аналитику для эффективной работы с данными. Он охватывает владение SQL и Python не как самоцель, а как инструменты для быстрого и качественного извлечения, обработки и анализа информации. Фокус здесь на личной продуктивности и способности самостоятельно выполнять аналитические задачи от начала до конца.
 
 ## DA1 (Junior)
-- Пишет чистые, эффективные запросы (SQL) и скрипты (Python) для извлечения данных и базового анализа.
+- Пишет чистые, эффективные запросы (SQL) и скрипты (Python) для извлечения данных и базового анализа, и оформляет его читаемо, с комментариями и осмысленными названиями переменных.
 - Использует контроль версий (Git).
 - Может исправлять простые сбои DAG.
 
 ## DA2 (Middle)
 - Владеет продвинутыми техниками SQL/Python (оконные функции, CTE, pandas).
 - Разрабатывает надежный, переиспользуемый код и базовые модели dbt.
 - Понимает концепции хранилищ данных.
+- Участвует в peer-review кода коллег, давая конструктивную обратную связь.
 
 ## DA3 (Middle+)
 - Оптимизирует сложные запросы и скрипты для повышения производительности.
@@ -20,9 +21,10 @@
 ## DA4 (Senior)
 - Проектирует логическую архитектуру данных для своего домена, определяя ключевые сущности и их взаимосвязи.
 - Менторит других по чистому коду, производительности и лучшим практикам.
-- Устанавливает стандарты для аналитического кода.
+- Разрабатывает, внедряет и развивает стандарты аналитического кода (style guides, best practices).
 
 ## DA5 (Staff)
 - Руководит междоменными техническими инициативами.
 - Оценивает и внедряет новые инструменты и технологии в аналитический стек.
-- Решает самые сложные технические проблемы с данными. 
+- Решает самые сложные технические проблемы с данными.
+- Влияет на общую data-driven культуру в компании через продвижение лучших технических практик и менторство. 

data_analytics/2. Product & Business Acumen.md

@@ -5,11 +5,11 @@
 ## DA1 (Junior)
 - Понимает ключевые метрики для своей продуктовой области.
 - Может сопоставлять действия пользователей с событиями данных.
+- Проявляет интерес к пониманию потребностей пользователей и бизнес-целей своего продукта.
 
 ## 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.
@@ -20,8 +20,10 @@
 - Становится стратегическим партнером для менеджера по продукту.
 - Определяет фреймворк для измерения новых продуктов или бизнес-линий.
 - Может оспаривать продуктовую стратегию на основе данных.
+- Самостоятельно генерирует и валидирует продуктовые гипотезы, которые напрямую влияют на дорожную карту (roadmap) продукта.
 
 ## 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. 
+- Консультирует C-level по вопросам жизнеспособности бизнес-моделей и инвестиционных решений.
+- Идентифицирует и оценивает новые стратегические возможности для бизнеса (например, новые рынки, бизнес-модели) на основе анализа данных и трендов. 

data_analytics/3. Experimentation & Data Science.md

@@ -4,25 +4,29 @@
 
 ## DA1 (Junior)
 - Корректно проектирует и анализирует простые A/B-тесты, используя инструменты и шаблоны компании.
+- Формулирует четкую гипотезу для каждого эксперимента.
 
 ## DA2 (Middle)
 - Проектирует более сложные эксперименты (например, многовариантные).
 - Может отлаживать результаты экспериментов и объяснять нюансы (например, последовательное тестирование) заинтересованным сторонам.
 - Ревьювит дизайны коллег.
+- Проводит глубокий анализ результатов экспериментов, объясняя не только "что" изменилось, но и "почему" (например, через анализ сегментов).
 
 ## DA3 (Middle+)
 - Применяет продвинутые методы, когда A/B-тесты невозможны (switchbacks, квази-эксперименты, такие как DiD/Causal Impact).
 - Строит и оценивает оффлайн ML-модели (например, прогнозирование оттока, сегментация) для генерации гипотез или решения бизнес-задач.
 - Интерпретирует модели (SHAP, feature importance) и объясняет их бизнес-ценность.
+- Оценивает ROI от внедрения ML-модели по сравнению с более простыми эвристиками или решениями.
 
 ## DA4 (Senior)
 - Проектирует и владеет фреймворком экспериментов для большого домена.
 - Анализирует весь флот экспериментов для выявления системных проблем (например, p-hacking).
 - Строит end-to-end ML-прототипы: от создания признаков до скрипта для инференса.
 - Проектирует систему метрик (оффлайн/онлайн) для оценки успеха ML-моделей в продакшене.
-- Менторит организацию по культуре экспериментов и data science.
+- Активно обучает и менторит продакт-менеджеров и других аналитиков лучшим практикам экспериментирования и прикладного data science.
 
 ## DA5 (Staff)
 - Определяет общекорпоративную стратегию для разработки продуктов на основе данных (evidence-based development) и внедрения data science.
 - Утверждает и стандартизирует методологии как для причинно-следственного анализа, так и для ML-приложений.
-- Курирует стратегию применения ML для решения бизнес-проблем в аналитике, выступая связующим звеном с командой ML-инженеров. 
+- Курирует стратегию применения ML для решения бизнес-проблем в аналитике, выступая связующим звеном с командой ML-инженеров.
+- Исследует, адаптирует и внедряет в компании передовые методы из индустрии в области causal inference и ML. 

data_analytics/4. Influence & Storytelling.md

@@ -5,22 +5,27 @@
 ## DA1 (Junior)
 - Создает понятные и точные графики и дашборды.
 - Пишет краткие выводы по результатам.
+- Поддерживает существующие дашборды, обеспечивая их актуальность и корректность.
 
 ## DA2 (Middle)
 - Выбирает наиболее эффективную визуализацию для данных и аудитории.
 - Четко представляет результаты своей команде и непосредственным стейкхолдерам.
+- Адаптирует свои презентации и выводы под конкретную аудиторию (техническую/нетехническую).
 
 ## 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.
+- Осуществляет фоллоу-ап по результатам своих исследований, чтобы убедиться, что они были правильно поняты и приняты в работу.
 
 ## 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.
+- Готовит убедительные аналитические записки (memos, white papers) для асинхронного влияния на принятие сложных решений.
 
 ## DA5 (Staff)
 - Представляет аналитическое лидерство компании вовне (например, на конференциях).
 - Менторит старших аналитиков и менеджеров по увеличению их влияния.
+- Проектирует и внедряет в компании процессы и ритуалы, которые повышают качество data-driven дискуссий (например, шаблоны дизайн-доков для экспериментов, data-ревью).
 - Меняет то, как вся компания говорит о данных и использует их. 

data_analytics/5. Analytics Engineering.md

@@ -13,14 +13,17 @@
 - 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.
+- Собирает требования от потребителей данных (аналитиков, BI-разработчиков) для проектирования витрин.
 
 ## 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.
 - Проектирует и реализует надежные пайплайны данных (feature stores) для поддержки ML-моделей, разработанных аналитиками.
+- Настраивает мониторинг производительности и стоимости использования витрин данных и проактивно их оптимизирует.
 
 ## DA5 (Staff)
 - Определяет стратегию и стандарты для всего моделирования данных и хранилищ в компании.
 - Руководит крупномасштабными проектами по архитектуре данных.
+- Оценивает и доказывает бизнес-ценность (ROI) крупных инфраструктурных изменений в аналитическом стеке данных.
 - Продвигает видение современного стека данных.