Системный и бизнес-анализ

Небольшие заметки о разработке CRM-системы по продаже объектов недвижимости

По причине того что после 8-летнего хардкодинга рандомными людьми, код предыдущей CRM пришел в состояние квантовой запутанности, потребовалось срочно разработать новую CRM

Собственно, по ходу составления технического задания, становилось понятно, почему все предприятия со сколько нибудь сложным продуктом или бизнес-процессами, идут в свою разработку

И первое (Продукт), и второе (Процессы) накладывает фундаментальные требования к модели данных, формируя каркас бизнес-логики

Даже продукт в таком казалось бы распространенном виде деятельности, как недвижимость, может иметь существенные отличия, не предусматриваемые типовыми CRM

Например, у конкретного застройщика, квартиры могут быть с отделкой и без, с разными видами отделки. Располагаться они могут в разных подъездах в зависимости от вида отделки. Почему это важно? Потому, что данные записываются в проектную декларацию. А если мы хотим достичь автоматизации составления договоров, эти условия должны быть однозначно трактуемыми как пользователями, так и системой, что требует распределения помещений определенного типа по секциям

Касательно стека, хотелось:

1. API-driven, 2. Максимальную гибкость, 3. Минимальную стоимость, в общем все как у нормального заказчика.

Как оказалось, это возможно c headless CMS, что и позволило предложившему победить с более чем 2-кратным отрывом от ближайших конкурентов

Кратко об основных чертах предметной области

Определили следующие сущности и связи между ними:

Какие вопросы должен задать себе CEO, СД, руководитель C-уровня перед тем, как внедрить в своем бизнесе AI-агентов?

Нередко к внедрению AI-агентов подходят как к покупке очередного софта. Или даже как к модному хайпу («все внедряют, значит и нам нужно»). В итоге можно получить «дорогую игрушку», которая вместо прибыли и оптимизации принесет разочарование и лишние затраты. А в качестве «бонуса» - конфликты между ключевыми департаментами, например коммерческим и техническим, по поводу бюджетов или ответственности за успех / неудачу внедрения. При этом если уже сейчас не начать усиление бизнеса AI – агентами, то есть риск потери конкурентоспособности. Иными словами, грамотная AI стратегия нужна уже вчера

Вместе с Алексеем Федоровым, - экспертом по стратегиям роста и развитию продаж в IT" и автором ТГ канала @growthinIT, мы обсудили 10 честных и жестких вопросов, на которые нужно ответить перед тем, как взяться за внедрения AI-агентов.

История разработки ИИ-агента для автоматизации проектирования в low-code. О том, как мы споткнулись о контекст, поругались с Qwen, победили "зависающий" Mermaid и поняли, что без проверки агенты врут.

У нас есть продукт и нам нужно рассчитать ключевые метрики, которые показывают здоровье продукта:

• DAU/MAU – вовлеченность
• Conversion Rate – конверсия в целевое действие (у нас это создание объявления)
• Retention – удержание пользователей
• LTV – жизненная ценность клиента
• ARPPU – средний доход с платящего пользователя

В статье разберем последовательный расчет с примером синтетических данных и готового кода на SQL.

В 1957 году писатель-фантаст Роберт Хайнлайн так представлял себе людей XXI века: «Делала перерасчет прочности гидропонических оранжерей, но выходило с ошибками. Дважды забывала логарифмы, так что пришлось лезть в таблицу».

Однако наша цивилизация выбрала другую ветку развития — и в нашей версии XXI века все за человека делают машины: от сложения двузначных чисел до написания статей на Хабре. Считать в уме, а уж тем более помнить наизусть логарифмы — звучит, как не самая востребованная сверхспособность.

Зато, чтобы обрести эту сверхспособность, не требуются укусы радиоактивных пауков — достаточно просто прочитать эту статью, а уж пригодится ли в жизни — решайте сами. Может быть в нужный момент калькулятора под рукой не окажется, а может быть просто захочется произвести впечатление на коллег небрежно брошенной фразой: «Корень седьмой степени из пяти это примерно 1,25». Хотите научится быстро считать? Тогда добро пожаловать под кат!

Самые интересные новости финансов и технологий в России и мире за неделю: Palantir представил концепцию Warfare as a Service, москвичам отрубили мобильный интернет, Сбер и Яндекс просят о господдержке для ИИ, Дуров обеднел в несколько раз, релиз GPT-5.4, а также окончательный деанон Бэнкси.

Российский бизнес переживает эпоху «Великого перехода». Санкционное давление и уход западных вендоров заставили компании в спешке мигрировать на отечественное ПО. Но гонка за новыми платформами обнажила старую как мир проблему: наши системы полны «мусора».

На многочисленных проектах по миграции с SAP и западных CRM на российские решения наблюдается одна и та же картина: бизнес ждет «магии» от новой системы, а получает перенос хаоса. Аналитики и ИТ-специалисты приходят к выводу: битва за качество данных проигрывается не из-за отсутствия талантливых разработчиков, а потому что бизнес-анализ как дисциплина в России до сих пор не воспринимает данные как стратегический актив.

В этом цикле будут разобраны три фатальные ловушки, в которые попадают компании, и главное — предложены пошаговые рецепты спасения, основанные на реальной практике и современных методологиях.

Всем привет! Меня зовут Наташа, и я системный аналитик. Сейчас я в поиске работы, сходила на пару собеседований, и хочу описать ответы на некоторые вопросы, которые там встречались - некая рефлексия для меня, и надеюсь, эти короткие статьи будут полезны и еще кому-то.

Многие думают, что достаточно пройти курс по Pandas и ты готов к работе, а потом сталкиваются с реальными задачами и не знают что им делать.

В статье разобрала по полочкам:

• Что реально нужно знать про Python до того, как лезть в датафреймы
• 20+ методов Pandas, которые покроют 80% задач
• Какие графики и чем рисовать
• Библиотеки для статистики и SQL – минимум, но необходимый

Без воды, списками и примерами.

Всем привет. Меня зовут Никита, я руковожу командой Цикл‑ОН. Мы уже более 5 лет ведем проекты по заказной разработке ПО и, как и многие, сталкиваемся с необходимостью разработки не только качественного кода, но и документацию на продукты. В нашей нише особенность, что заказчики живут в парадигме ГОСТа. Я бы здесь хотел оставить небольшую заметку о нашем опыте — как то, что для начаиналось как откровенное мучение превратилось сначала в умную идеологию, а по итогу в самостоятельное решение для подготовки документации.

В данной статье-тренажёре мы подготовили 25 заданий на составление BPMN-модели процесса кредитования в ДБО. К каждому заданию мы подготовили рекомендации по его выполнению, а также под спойлерами спрятали наше решение и его объяснение. Возможно, наше понимание и исполнение может отличаться от того, к которому придёте вы — мы будем рады подискутировать в комментариях.

В конце статьи мы приложили файл цельной диаграммы всех процессов и полный текст в формате .pdf для скачивания, чтобы можно было потренироваться, поискать собственное решение и подробнее ознакомиться с нашим в любое удобное время.

Документация часто устаревает быстрее, чем код. Когда знания живут в вики, чатах и головах разработчиков, интеграции начинают ломаться, а команды перестают доверять документации.

В статье разберем подход Documentation as Code, почему OpenAPI давно показал его ценность и как развитие ИИ делает структурированную документацию практически обязательной.

Для полноценной проработки функциональных требований очень важно изначально продумать, спроектировать и графически отобразить связи между задачами, функциями и группами функций.

В дальнейшем к этому добавится проработка связей с внешними и (или) смежными Системами /подсистемами и Компонентами.

Под связями в рамках функциональных требований понимают информационные связи и взаимодействия.

Система управления сервисами — универсальная таблетка для оптимизации сервисных процессов и способ вывести обслуживание бизнеса на новый уровень. Так говорят многочисленные маркетинговые материалы. А как на самом деле? Забегая вперед, скажу: во многих случаях — да, ESM / ITSM действительно полезны. Однако за красивыми цифрами часто скрывается сложный, а порой и болезненный путь. Многие проекты внедрения сталкиваются с неожиданными препятствиями, не достигают заявленных целей или, что еще хуже, создают новые проблемы и заставляют сотрудников искать обходные пути.

Я Сергей Вараксин — методолог-аналитик Directum, сертифицированный эксперт по ITIL4. В этой статье на примере реальных кейсов разберу наиболее распространенные причины, по которым система не оправдала ожиданий.

Я расскажу, почему даже технически грамотное внедрение может не принести пользы бизнесу, как методологические просчеты сводят на нет усилия команды и чего точно не стоит делать, если ваша цель — не просто запустить систему, а выстроить эффективную сервисную модель.

Представьте: внутренняя команда аналитики завершила квартал и большой набор инициатив, все прошло по плану. Но тут же при подведении итогов возникает вопрос: «А наши внутренние пользователи заметили разницу? Это как-то повлияло на их работу?». В ответ получаем разрозненные отзывы: где-то похвалили, где-то пожаловались, а где-то вообще промолчали. 

В статье расскажу про решение, которое помогло команде платформы аналитики, а затем и целому департаменту аналитики в Туту системно собирать обратную связь и измерять пользовательский опыт. Поделюсь опытом, как нам удалось превратить разрозненные отзывы в систему и как мы заставили метрики «говорить».

Создание нового продукта или крупного функционального блока часто начинается с серии интервью с бизнес-заказчиком по сбору требований. В предыдущей статье я поделилась подходом к составлению надежного плана-графика таких встреч — фундамента для дальнейшей работы. Сейчас я хочу поговорить о следующем этапе: подготовке к каждой отдельной встрече. 

SQL в 2026: что реально нужно знать аналитику? 🤔
Спойлер: не только JOIN и GROUP BY, а еще и оконные функции, когортный анализ, оптимизация запросов и работа с BigQuery.
Пошаговый план для новичков с бесплатными тренажерами, курсами (да, Карпов там есть) и списком тем, без которых вас не наймут.

Давайте разберем четкий план: что учить, где брать практику и как не потеряться в море информации 👇

JSON:API — это строго типизированная спецификация построения API на языке JSON. Её главная цель — минимизировать количество сетевых запросов и объем передаваемых данных, предоставляя при этом стандартизированный способ взаимодействия.

Всем привет и приятно познакомиться! Меня зовут Азалия Мухаярова, я работаю системным аналитиком в «Технократии». И в этом тексте расскажу вам, как с помощью Figma Make и AI-ассистента сделать рабочий прототип корпоративной системы за 20 с небольшим часов.

На примере стихотворения "Рассвет на рельсах" можно увидеть эмоции и настроения Марины Цветаевой после отъезда в эмиграцию. В нём преобладают серые унылые тона. Но в то же время есть вера восстановить Россию.