Портфолио аналитика данных: что показывать вместо GitHub

Аналитику советуют то же, что разработчику: заведите GitHub, положите проекты. Совет переносится плохо. У разработчика в репозитории лежит продукт, который можно запустить. У аналитика лежит ноутбук на четыреста ячеек, где половина — попытки, и открывать его никто не станет.

Читающему нужно другое: понять, умеете ли вы превращать мутный вопрос бизнеса в ответ, на котором можно что-то решить. Это показывается иначе.

Разберём чем.

Если портфолио нужно именно с кодом, смотрите разбор про профиль на GitHub; резюме аналитика — здесь.

Что вообще смотрят у аналитика

Три вещи, в таком порядке.

Умеете ли вы формулировать задачу. Из «почему упали продажи» надо сделать проверяемый вопрос, и это главный навык профессии.

Умеете ли доводить до вывода. Не «построил графики», а «вот что происходит и вот что с этим делать».

Насколько чисто работаете с данными: откуда взяли, как проверили, что выкинули и почему.

Технику проверят потом, на собеседовании. Портфолио отвечает на вопрос, стоит ли на него звать.

Кейс вместо репозитория

Рабочая форма — разбор одного кейса на одной странице. Не проект, не ноутбук, а короткий текст, который читается за пять минут.

Схема простая: вопрос, данные, что сделал, что получилось, что дальше.

Вопрос. «Отток вырос на треть за квартал, надо понять, у кого именно». Одна фраза, из которой ясно, зачем всё остальное.

Данные. Откуда, за какой период, сколько строк, что пришлось чистить. Тут же честно про ограничения: чего в данных нет.

Что сделал. Не список библиотек, а логика: разбили по когортам, сравнили с прошлым периодом, проверили гипотезу про акцию.

Что получилось. Цифра и вывод. Если вывод оказался «гипотеза не подтвердилась» — это нормальный результат, и он даже интереснее.

Что дальше. Какое решение можно принять на этих цифрах.

Такой текст показывает мышление. Ноутбук показывает только синтаксис pandas.

Дашборд: делать или нет

Делать, если умеете. Один живой дашборд с реальными данными стоит трёх ноутбуков.

Только не превращайте его в витрину графиков. Дашборд должен отвечать на конкретный вопрос конкретного человека: сколько мы заработали и где просели. Двадцать графиков без иерархии читаются как «я умею рисовать» и ничего больше.

Приложите к дашборду абзац: для кого он, какие решения по нему принимают, откуда берутся данные. Без этого абзаца читающий не поймёт, чем ваш дашборд лучше чужого шаблона.

Где брать данные

Открытые источники: порталы открытых данных, статистика городов, выгрузки Kaggle, публичные API сервисов. Годится и то, что вы собрали сами — парсер публичной страницы, выгрузка из своего фитнес-трекера, экспорт из личных финансов.

Полезное свойство: чем менее заезжен датасет, тем лучше. Титаник и ирисы читающий видел столько раз, что дальше названия не пойдёт.

И правило, которое важнее всех остальных: рабочие данные наружу не выносятся. Ни выгрузка, ни скриншот дашборда с реальными цифрами, ни «я заменил названия». Это увольнение, а иногда и суд, и на собеседовании такой кейс читается как готовность слить данные и у нового работодателя. Если хочется показать рабочую задачу, описывайте её словами и с обезличенным примером на выдуманных числах.

Ноутбук, который открывают

Ноутбуки всё-таки нужны, просто не как главный экспонат. Требования к ним такие же, как к коду: он должен читаться сверху вниз без сюрпризов.

Что делает разницу: заголовки по разделам, текст между ячейками с рассуждением, отсутствие мёртвых кусков и вывод в конце. Ячейка с рассуждением — главное отличие аналитика от человека, который знает pandas.

Проверка простая: откройте свой ноутбук через месяц. Если самому непонятно, зачем шаг три, то чужому человеку тем более.

Где всё это держать

GitHub годится, если в репозитории лежит README с описанием кейса, а не голые файлы. Читающий должен увидеть текст, а не список ipynb.

Дальше по вкусу: заметка на любой публичной площадке, страница на github.io, PDF со ссылкой. Форма не так важна, важно, чтобы открывалось по одной ссылке и не требовало ничего скачивать.

Ссылку кладут в резюме рядом с контактами, а не прячут в конце.

Сколько кейсов достаточно

Два разных по типу. Например один про поведение пользователей, второй про деньги или операционку. Третий кейс уже почти не влияет на решение.

Разнообразие важнее количества: два одинаковых анализа оттока читаются как один.

Проверка перед отправкой

Дайте кейс знакомому не из аналитики и спросите, что он понял. Если он пересказал ваш вывод своими словами, кейс работает. Если сказал «ну, там графики» — переписывайте начало.

А техническую часть собеседования готовят отдельно: SQL, статистика, продуктовые метрики. В Сеньорчике собраны вопросы с реальных собеседований по одиннадцати ролям, включая аналитика данных: вопрос с вариантами, сразу разбор и движок, который возвращает темы, где вы ошибаетесь. Десять минут в день в Telegram, начать можно бесплатно.