Merge pull request #1 (Add Analytics Hard skills)

Добавляем матрицу компетенций аналитиков

Author: and-kul

.gitignore

@@ -0,0 +1 @@
+.DS_Store 

data_analytics/1. Technical Foundation.md

@@ -0,0 +1,29 @@
+# 1. Technical Foundation
+
+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 и работающие запросы (SQL) и скрипты (Python, pandas) для извлечения данных и базового анализа, и оформляет его читаемо, с комментариями и осмысленными названиями переменных.
+- Обеспечивает воспроизводимость своих исследований: использует контроль версий (Git), фиксирует random-seed, сохраняет ноутбуки и параметры.
+- Может исправлять простые сбои DAG.
+
+## DA2 (Middle)
+- Уверенно использует продвинутые техники SQL (CTE, оконные функции).
+- Пишет эффективные запросы, читает и анализирует план запроса (EXPLAIN) для выявления узких мест и применяет техники оптимизации (предагрегация, корректный выбор типа JOIN, избегание full scan).
+- Разрабатывает надежный, переиспользуемый код и базовые модели dbt.
+- Участвует в peer-review кода коллег, давая конструктивную обратную связь.
+
+## DA3 (Middle+)
+- Регулярно оптимизирует сложные запросы и скрипты для повышения производительности.
+- Проектирует и владеет логическими моделями данных в хранилище для своего домена (для использования в собственных исследованиях).
+- Внедряет проверки качества данных и алертинг.
+
+## DA4 (Senior)
+- Проектирует логическую архитектуру данных для своего домена, определяя ключевые сущности и их взаимосвязи.
+- Менторит других по чистому коду, производительности и лучшим практикам.
+- 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.
+- Влияет на общую data-driven культуру в компании через продвижение лучших технических практик и менторство. 

data_analytics/2. Product & Business Acumen.md

@@ -0,0 +1,32 @@
+# 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)
+- Создает и описывает базовые метрики в BI-инструментах.
+- Понимает, как можно "сломать" метрику, и проводит базовую валидацию данных перед анализом.
+- Может сопоставлять действия пользователей с логами (событиями) данных.
+
+## DA2 (Middle)
+- Проектирует и согласовывает с PM дерево метрик (input -> output) для своего домена.
+- Рассчитывает ключевые бизнес-показатели и строит калькуляторы для оценки потенциального влияния фичей.
+- Определяет health- и guardrail- метрики для своего продукта и настраивает на них алертинг.
+- Понимает и объясняет стейкхолдерам допущения и ограничения в методологии расчета метрик.
+- Самостоятельно проектирует и документирует события для новых продуктовых фичей.
+
+## DA3 (Middle+)
+- Моделирует unit-экономику и рассчитывает ROI для отдельных продуктовых / бизнес инициатив.
+- Строит прогнозы по ключевым метрикам (например, в формате "пессимист / базовый / оптимист") и проводит план/факт анализ для калибровки моделей.
+- Проводит проактивные исследования данных для поиска точек роста или выявления проблем в продукте.
+- Проводит аудит существующей разметки, выявляет проблемы (например, неконсистентность, устаревшие события) и инициирует их исправление.
+
+## DA4 (Senior)
+- Разрабатывает систему метрик для совершенно новых продуктов или бизнес-моделей (включая unit-экономику и ROI).
+- Руководит процессом поддержания общего словаря метрик: инициирует ревизии, устраняет дубли и конфликты, внедряет data ownership.
+- Самостоятельно генерирует и валидирует продуктовые гипотезы, которые напрямую влияют на дорожную карту (roadmap) продукта.
+- Разрабатывает и владеет таксономией событий для всего продукта или домена, создавая и поддерживая единые стандарты.
+
+## DA5 (Staff)
+- Участвует в утверждении North Star метрик и разрешает KPI-конфликты между доменами.
+- Разрабатывает и внедряет общекорпоративные фреймворки для оценки ROI и прогнозирования KPI, необходимые для принятия инвестиционных решений.
+- Консультирует C-level по вопросам жизнеспособности бизнес-моделей и инвестиционных решений. 

data_analytics/3. Experimentation & Data Science.md

@@ -0,0 +1,31 @@
+# 3. Experimentation & Data Science
+
+Этот трек охватывает научный подход к работе с данными, объединяя две ключевые дисциплины: установление причинно-следственных связей (через A/B-тесты и другие методы) и предиктивное моделирование (с помощью машинного обучения). Цель — не только измерять влияние изменений, но и предсказывать будущее поведение, повышая эффективность бизнес-процессов и принимаемых решений.
+
+## DA1 (Junior)
+- Корректно проектирует и анализирует простые A/B-тесты, используя инструменты и шаблоны компании.
+- Формулирует четкую гипотезу для каждого эксперимента.
+- Понимает базовые концепции стат. значимости, мощности и p-value.
+
+## DA2 (Middle)
+- Проектирует более сложные эксперименты (например, с множеством групп / с нетривиальным влиянием на ключевые бизнес-метрики).
+- Рассчитывает необходимый размер выборки и длительность эксперимента для получения статистически значимых результатов.
+- 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.
+
+## DA4 (Senior)
+- Является главным экспертом по методологии и инструментам для проведения экспериментов в компании: консультирует команды по сложным случаям, предлагает улучшения в процессах и конфигурации инструментов.
+- Активно обучает и менторит продакт-менеджеров и других аналитиков лучшим практикам экспериментирования и прикладного data science.
+- Проводит мета-анализ "флота" экспериментов, выявляя не только системные проблемы (p-hacking), но и формируя выводы о том, какие типы гипотез и инициатив (маркетинговых, операционных, продуктовых) приносят наибольшую ценность.
+- Строит end-to-end ML-прототипы: от создания признаков до скрипта для инференса и проектирования системы метрик (оффлайн/онлайн) для оценки их успеха в продакшене.
+
+## DA5 (Staff)
+- Оценивает ограничения существующих в компании подходов к экспериментированию в контексте бизнес-задач; влияет на стратегические решения об их развитии или замене.
+- Утверждает и стандартизирует методологии как для причинно-следственного анализа, так и для ML-приложений.
+- Исследует, адаптирует и внедряет в компании передовые методы из индустрии в области causal inference и ML.

data_analytics/4. Influence & Storytelling.md

@@ -0,0 +1,30 @@
+# 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.
+- Поддерживает существующие дашборды, обеспечивая их актуальность и корректность.
+
+## DA2 (Middle)
+- Выбирает наиболее эффективную визуализацию для данных и аудитории.
+- Структурирует свои выводы и презентации по принципу "Контекст -> Наблюдения -> Выводы -> Рекомендации".
+- Адаптирует свои презентации и выводы под конкретную аудиторию (техническую/нетехническую).
+
+## DA3 (Middle+)
+- Проводит проактивные исследования и представляет результаты руководству своего домена.
+- Строит повествование (narrative) вокруг данных, используя техники сторителлинга (например, постановка проблемы, ключевой инсайт, призыв к действию).
+- 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).
+- Проактивно выявляет "слепые зоны" в стратегии домена и инициирует исследования, чтобы их закрыть.
+- Выступает фасилитатором на встречах, где обсуждаются данные, помогая группе прийти к консенсусу и принять решение.
+- Готовит убедительные аналитические записки (white papers) для асинхронного влияния на принятие сложных решений.
+
+## DA5 (Staff)
+- Представляет аналитическое лидерство компании вовне (например, на конференциях).
+- Создает и проводит обучающие программы/воркшопы для аналитиков и менеджеров по темам эффективной визуализации и data-driven принятия решений.
+- 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.