Системный и бизнес-анализ

tl;dr:

Каждая операция INSERT несет фиксированный overhead (в наших тестах 64–99 ms), независимо от количества строк.

Формула: Total_time = N_statements * fixed_overhead + actual_write_time — подтверждена тестами.

1000 single-row INSERT = 64 секунды (Shared-data) или 100 секунд (Shared-Nothing).

Разница не в диске и не в Docker, а в протоколе commit: TxnLog + publish через BRPC против 2PC + publish_version.

В ANALYZE PROFILE commit overhead прячется в разнице TotalTime - ExecutionTime — это FE overhead.

Батчинг нивелирует разницу: при INSERT SELECT оба режима дают ~0.25 с на 1000 строк.

229 заездов, 140 пилотов, 28 часов работы — столько данных мы собрали из Assetto Corsa за три дня SOC Forum 2025.

Мы превратили обычный гоночный симулятор в источник телеметрии: забирали данные из игры, строили дашборды в реальном времени и даже придумали ачивки для самых отчаянных пилотов.

Рассказываю, как устроен сбор данных из игровых симуляторов, что можно из них вытянуть и зачем это бизнесу.

Мой метод, как получать скорость без самообмана. 

Внутри статьи делюсь примерами промптов, которые можно использовать в исследованиях при анализе конкурентов, поиске продуктовых сценариев, оценке объёма рынка и в других случаях. 🙌

Мне пришлось изучать мир детских книг по работе с данными, когда мы с товарищем начали писать свою книжку. На удивление, на русском языке подобных книг не так много. Но как прекрасно, что часть зарубежных уже переведена на русский! Жаль, что не все!

Давайте покажу вам самые занятные мои находки, сгруппирую их по темам и отсортирую по рекомендуемым возрастам.

Почему data-команды так часто увлекаются модными инструментами и забывают про реальные задачи бизнеса? Автор разбирает, как переход от роли исполнителей к роли партнёров влияет на доверие, устойчивость команды и результат, а заодно — что с этим делать на практике.

Как принять правильное решение в бизнесе? Нравлюсь ли я Маше? Что надеть завтра? Как подойти к разработке передового функционала в ПО? Все эти вопросы — анализ и исследования.

Поговорим о том, что такое анализ в сущности, как его вести системно, как делать это быстро, как избежать ошибок в мышлении и как реально сделать так, чтобы аналитика была в 10 раз полезней.

Рассмотрим метафизику вопроса, практические алгоритмы и их пересечения.

Уважаемые читатели, меня зовут Ольга Чикова и я бизнес-аналитик компании «МегаФон». Долгие годы я работала в сфере закупок и проектов оптимизации стока, а в 2025 году перешла в аналитику, чтобы помогать другим представителям бизнеса лучше доносить свои требования до it команды. 

Самым большим проектом в 2025 году для меня стало внедрение системы маркировки «Честный знак». Я хотела бы поделиться своим опытом подготовки к вступлению в систему маркировки, рассказать, каких ошибок можно избежать, на что сделать упор в подготовке и как не потратить зря время и деньги.

Кратко о том, что необходимо знать при знакомстве с «Честным знаком»:

Обязательная система маркировки «Честный знак» запущена в России в 2018 году. В октябре 2025 года система маркировки действовала уже в 33 товарных категориях, и еще 13 сейчас являются пилотными. Кто в РФ решает, какую категорию товаров включать в систему «Честный знак»? Решение принимает Правительство РФ по представлению Минпромторга. Это длительный процесс, который состоит из нескольких этапов: сначала проходит эксперимент, после его завершения выпускается постановление правительства, затем наступает этап обязательной маркировки для всех участников рынка.  

Товарные категории разделены по направлениям: шины и покрышки, лекарства, товары легкой промышленности и т.д. У каждой товарной категории свои правила, где-то они совпадают, а где-то различаются, причем достаточно сильно. Если ваш товар относится к экспериментальной группе, то настоятельно рекомендуем вам вступить в эксперимент как участник (как вступить в эксперимент описано на сайте «Честный знак»). Во-первых, вы будете в курсе всех изменений, во-вторых, вы сможете задавать вопросы по товарной категории не только по электронной почте, но и онлайн на общих встречах с организаторами.

Привет, Хабр, меня зовут Александр Мачулин, я основатель Gramax, open source системы для ведения документации в подходе Docs as Code с визуальным редактором. Gramax хранит контент в git-репозитории. Это означает, что у пользователей могут возникнуть конфликты при синхронизации изменений. Я считаю, что нагружать пользователей решением конфликтов – не очень хорошо и пытаюсь найти решение для этой задачи.

Когда-то программное обеспечение «съело мир». Теперь Уолл-стрит всерьёз обсуждает другой сценарий: а что если искусственный интеллект начнёт поедать само программное обеспечение — его бизнес-модели, доходность и прибыль?

За несколько дней инвесторы списали сотни миллиардов долларов капитализации с компаний, которые ещё вчера считались главными бенефициарами ИИ. Причина парадоксальна: рынок начал сомневаться, что программное обеспечение вообще сохранит прежнюю ценность. Похоже, мы переживаем момент истории, когда технологический прогресс впервые воспринимается не как источник роста, а как угроза самой индустрии, которая этот прогресс создала.

Привет, Хабр! На связи Дмитрий Баринов и Дмитрий Ганявин, системные аналитики в команде разработки системы быстрых платежей (СБП) в ПСБ. Наверняка вы хотя бы раз пользовались СБП. Но слышали ли вы про сервис мгновенного выставления счетов, интегрированный с системой быстрых платежей? Это обмен счетами и их оплата в режиме реального времени.

Не так давно мы в ПСБ внедрили сервис «Запрос о платеже» (Request to Pay) для малого и среднего бизнеса. Делали это вместе с НСПК (Национальной системой платёжных карт), которая вообще стала инициатором появления в России такого решения. И, что приятно, внедрили этот сервис первыми среди российских банков. В этой статье расскажем, как и зачем появился этот сервис и чем он полезен. 

В прошлой статье я закончил полноценную настройку сервера сбора событий и тегов Matomo. Кроме того, я дал наглядную методику расчета нагрузки, исходя из посещаемости ресурса, который вы планируете отслеживать. Сегодняшняя статья из разряда оптимизационных, она нужна только для профессионалов, которые тонко настраивают свои серверы для отслеживания высоконагруженных ресурсов. Важно сразу обозначить границу: эта настройка почти не влияет на маркетологов и аналитиков в интерфейсе Matomo, но радикально воздействует на сервер, базу данных и разработчиков, которые поддерживают всю эту инфраструктуру. По сути, мы переводим Matomo из реактивного режима («пользователь зашел - система начала считать») в предсказуемый серверный процесс с контролируемой нагрузкой.

Десять запросов — и ты уже думаешь об индексах.
Тысячи запросов — и начинаешь молиться на базу.
Миллионы строк — и ищешь, как поделить данные на кластера.
А триллионы? Ты уже не инженер. Ты смотритель в зоопарке.

И пока ты строишь этот цирк из движков, ответ был прямо перед тобой.
В том самом «движке для отчётов», который уже стоит у тебя в углу.

Может, покончить со зверинцем БД? Логи, метрики, векторы, живые данные — можно просто положить в один движок. И он давно у вас есть, и, кажется, пора дать ему работать.

📉🐻 Как ИИ получил руки для торговли на бирже

Claude Code уже разбирается в техническом анализе, умеет искать в интернете для фундаментального, может быть запущен удаленно на сервере с iPad через Claude Code on the web, умеет анализировать файлы логов сам программируя python скрипты.

Осталось ли собрать всё это в кучу...

Идея офлайн-оценки в общем-то не нова, и довольно логична — хочется еще до запуска A/B тестов хотя бы примерно прикинуть, получилось ли у нас улучшить модель рекомендации, или лучше оставить все как есть. Такой подход здорово экономит нервы и ресурсы: повышает шансы на «зеленый» свет в тестах, отсекает заведомо провальные идеи и не заставляет ML-инженеров зря тратить время на решение ненужных инфраструктурных задач.

Меня зовут Рустам Муртазин, я senior аналитик в отделе ML-аналитики (про отдел в целом и наши задачи можно почитать в этой статье) и в этой статье я расскажу про особенности офлайн оценки моделей рекомендаций в музыкальном сервисе Звук.

Мы опубликовали первые итоги ежегодного Большого опроса сообщества разработчиков 1С - в этом году в нём приняли участие более 10 000 человек, что стало рекордом. Такие выборки редко встречаются в нишевых профессиональных исследованиях, поэтому данные полезно читать не как «истину в последней инстанции про весь рынок», а как достаточно надежный срез активного сообщества: как люди реально работают, чем пользуются, где буксуют процессы и что происходит с удалёнкой, инструментами и доходами.

По портрету участников видно, что опрос заполнили в основном опытные специалисты. 52,2% респондентов программируют почти каждый день, ещё 16,8% используют программирование как часть своей работы. 60,7% работают в ИТ более 10 лет, и лишь около 10% имеют стаж менее двух лет. Самая многочисленная возрастная группа - 35–44 года (36,2%), далее - 45–54 (27,8%). По ролям большинство - штатные сотрудники (71%), около 10% - владельцы или совладельцы бизнеса....

C помощью Python ищу цветаевские следы в творчестве Ахмадулиной и обнаруживаю диалог поэтических миров двух авторов.

Разбор метрики «Северная звезда» как инструмента продуктового и бизнес-роста. В статье объясняется, почему одной ключевой метрики недостаточно, как деревья метрик связывают стратегию с повседневными решениями команд и какую роль продуктовая аналитика играет в поддержании этого подхода на практике.

Самые интересные новости финансов и технологий в России и мире за неделю: «Самолёт» обратился за господдержкой, SpaceX слился с xAI, ЕС докопался до TikTok, очередной скам в Forbes 30 Under 30, биткоин летит вниз, а также инновационное фритюрное авиатопливо.

Как менялся сон моих детей: анализ 5 лет накопленных данных

За 5 лет жена скрупулезно записывала сон наших дочерей. Я взял эти данные и проанализировал: как меняется сон с возрастом, сколько спят дети на самом деле, и правда ли нормы ВОЗ работают.

Оказалось, что наши дети спят по-разному, но оба — в пределах нормы. И даже в одинаковом возрасте их паттерны сна удивительно похожи!

В статье: 📈 графики, 📊 статистика и главный вывод для родителей.

#анализданных #родительство #детскийсон #python #датасаенс

За последние 5 лет в аналитике я прошел путь от «напишу любой джоин на салфетке» до Senior Product Analyst. А еще я менторю ребят и веду телеграм канал.

В этой статье не будет универсальной таблетки (её нет, я на обучении трачу недели, чтобы поставить людям голову на место), но я поделюсь своей системой, как не превратить решение кейса в гадание на кофейной гуще.