
События последних дней затронули все сферы жизни, но мы сделаем обзор только ИТ-рынка и интернета. Об ограничениях в интернете мы говорили ранее, однако нужно сделать серьезный update. Итак, что произошло:
События последних дней затронули все сферы жизни, но мы сделаем обзор только ИТ-рынка и интернета. Об ограничениях в интернете мы говорили ранее, однако нужно сделать серьезный update. Итак, что произошло:
Если предприниматель планирует производить приборы, станки или гаджеты - этот вопрос будет одним из первых. Обычно люди недооценивают затраты на разработку, производство и масштабирование нового электронного аппаратного продукта. По этой причине подобные стартапы часто терпят неудачу: либо кончаются деньги ещё до выпуска продукта, либо оказывается, что проект изначально не являлся прибыльным.
В этой статье я написал основные вещи, о которых думаю последнюю неделю: какие риски несут текущие события для финансового положения, и как их можно минимизировать. На Habr – только практическая часть; полная версия поста здесь.
Здесь и далее я буду в основном говорить о финансовой стороне – про то, как внезапно не остаться без средств к существованию и не потерять ранее накопленное.
Люди уходят в IT отовсюду: из инженеров КИПиА, электротехников, начальников службы охраны, химиков, бухгалтеров, экономистов, металлургов, юристов, медбратьев, руководителей отдела рекламы. Люди уходят в IT в любом возрасте: в 20, 30, 40 лет и даже после 50.
Голые цифры, проценты, графики, суммы, что угодно сами по себе не имеют никакой ценности. Значение у любой чисто экономической информации — «хорошо» или «плохо», мотивация (жадность или расточительность, копить или тратить, рисковать или осторожничать, поделиться или отобрать, добавить денег сверху или минимизировать сумму насколько возможно) — появляется только в призме эмоциональной системы координат социальной обезьяны.
Эмоциональный фактор фундаментален для любых социальных отношений в принципе, потому что, кроме как набором эмоциональных представлений, что такое хорошо, а что такое плохо, они ничем больше не регулируются. Система ценностей человека — эмоциональная. В эмоциях человека собраны все мотивы действовать и все оценки происходящего. И если человек без социальных инстинктов ещё сможет функционировать на индивидуалистичных, то общество — нет.
Greed is not good
Читать полностью »
На этой неделе наших соцсетях выступал Евгений Канашевский, экономист из Zalando, Economics Phd университета Штата Пенсильвания.
На работе Женя занимается установлением причинно-следственных связей в онлайн-рекламе с помощью экспериментальных и квазиэкспериментальных методов и моделей машинного обучения.
Делимся с вами расшифровкой эфира.
Для начала я представлю себя. Я сейчас работаю экономистом/data scientist-ом в большой компании Zalando. Это онлайн-магазин, который продает одежду, обувь, косметику в 16 странах Европы и планирует расширение на новые рынки. До того, как я присоединился к Zalando в 2020 году, я делал PhD по экономике в университете штата Пенсильвания. Я начал интересоваться экономикой задолго до этого, когда учился в МФТИ и потом также в Российской экономической школе.
До того, как поехать на PhD по экономике, я работал 2 года в агентстве контекстной рекламы в Москве; очень сильно хотел узнать больше о том, что такое экономика и как она устроена. Чтобы утолить свою жажду, я поехал в итоге на PhD. Сейчас я надеюсь поделиться с вами этим знанием. Надеюсь, вам будет интересно, и мы поймем, зачем бизнесу экономисты.
Читать полностью »
ЗАВТРА, в 20:00 в наших соцсетях выступит Евгений Канашевский, экономист из Zalando, Economics Phd университета Штата Пенсильвания.
На работе Женя занимается установлением причинно-следственных связей в онлайн-рекламе с помощью экспериментальных и квазиэкспериментальных методов и моделей машинного обучения.
Многие из нас наверняка помнят кривые спроса и предложения из вводных курсов экономики. Но вряд ли в этих курсах нам рассказывали о том, что современная экономическая наука находит ответы на сложные вопросы. Почему одни страны богатые, а другие бедные? Как легализация абортов влияет на уровень преступности? Сколько стоит человеческая жизнь?
Современные экономисты всегда основывают эти ответы на данных, строгой математике и, в последние 10 лет, даже на machine learning моделях. Именно поэтому многие компании создают целые команды экономистов, чтобы отвечать на нетривиальные вопросы, которые ставит перед ними бизнес.
Женя расскажет, чем на самом деле занимаются современные экономисты. Почему их нанимают ведущие западные компании. И почему этот тренд скорее всего продолжится в будущем и придет в Россию.
Этот перевод мы делаем сообществом энтузиастов совершенно бесплатно. Автор знает о нашей инициативе. Перевод распространяется по лицензии Creative Commons BY-NC-SA 4.0 как и оригинал книги. Так как Альберт продолжает обновлять и дополнять книгу, рядом с каждой частью мы даём ссылку на исходную главу, имя автора перевода и дату, чтобы точно знать, чей перевод и какой версии мы читаем.
Я работаю специалистом по обработке и анализу данных (data scientist), поэтому большая часть моей работы включает в себя подбор оптимизируемых метрик и размышления о том, как выполнять процессы с максимальной эффективностью. Недавно я обнаружил совершенно удивительную книгу об экономических проблемах в СССР и о коллективе экономистов и компьютерных учёных, стремившихся решить их на основе данных. Книга называется Red Plenty. На самом деле она написана в жанре романа, что странно, однако представляет собой точную экономическую историю СССР. Автор активно заимствует информацию из книги 1973 года под названием Planning Problems in the USSR, которую я тоже приобрёл. При чтении этих книг я не мог не обратить внимания на параллели с планированием в любой современной организации. Факт, который покажется сегодня знакомым каждому data scientist: во второй книге есть цитата исследователя, жалующегося на то, что 90% своего времени он потратил на очистку данных, и только 10% — на само моделирование!
Кроме проведения интересных параллелей с современными data science и методами исследований технологических операций, эти книги помогли мне многое понять об интересных аспектах, о которых ранее я почти ничего не знал, например, о линейном программировании, ценовом равновесии и истории Советского Союза. В этом посте я расскажу о том, что узнал.
Читать полностью »