Системный и бизнес-анализ

Это небольшая статья не ставит себе целью подробно и математически строго изложить все подробности. Не является она и практическим описанием алгоритмической стороны дела, так как статьи об этом пребывают в интернете в огромном количестве и без моей помощи. Это скорее попытка подсветить основные недоразумения и оградить от самых распространенных ошибок. К сожалению, приходится констатировать, что популярность и простота критерия Манна-Уитни, как это часто бывает, в итоге обернулась против него самого, что по понятным причинам стало особенно заметно в последнее время. Причем ошибки кроются не в вычислениях, а в неправильном понимании того, для чего собственно этот тест предназначен.

Далее предполагается, что читатель знаком с основами классической методологии статистической проверки гипотез и соответствующей терминологией.

****

В 1947 году появилась статья (H. Mann, D. Whitney) (1), где авторы предложили критерий, способный различать два непрерывных распределения. Таким образом, его нулевую гипотезу можно формулировать так: «Обе выборки порождены одним и тем же распределением», т.е. H₀: F(t) = G(t), где F() и G() - функции распределения непрерывных случайных величин X и Y, соответственно. Обратите внимание, мы сейчас формулируем равенство именно в терминах функций распределения (cumulative distribution functions, CDF), а не плотностей (probability density functions, PDF).

Что с альтернативной гипотезой? Здесь и начинается путаница. В оригинальной статье альтернатива представлена следующим образом: H_A: F(t) > G(t) (или F(t) < G(t), но далее мы, без потери общности, будем рассматривать только первый вариант). Итак, в авторской версии альтернатива состоит в том, что одна из функций распределения мажорирует другую. В более привычном для практики виде это означает, что плотность случайной величины X "смещена" влево относительно плотности Y (рис. 1).

Мы часто воспринимаем дашборды как красивые визуализации – набор графиков, цифр и диаграмм. Но за этой «картинкой» скрывается огромный объём работы: настройка сбора данных, очистка, согласование метрик, построение архитектуры хранения и только затем — визуальная подача. Аналитик AkademiaDev Сергей Тищенко подробно объясняет, из чего на самом деле состоит путь от сырых данных до управленческих инсайтов.

Ответ вас может удивить, но я прибегну к хитрости: давайте спросим об этом амишей – представителей одной из самых консервативных христианских сект, которые наглухо забанили для своих членов большинство видов современной техники. Большинство, но не все виды – кое-что они отринуть не нашли в себе сил!

Амели собирает письмо из вырезанных кусочков — и получается послание, которое меняет чью-то жизнь. Примерно тем же занимается консультант, который платит $60 в месяц за три AI-подписки, хотя мог бы собрать рабочий стек из бесплатных инструментов.

Qwen Chat — Deep Research, Artifacts, генерация изображений. DeepSeek — reasoning уровня топовых платных моделей. Оба бесплатно. Perplexity Pro остаётся для работы с файлами клиента и верификации источников — но точечно.

В статье: карта «задача → инструмент», четыре кейса с промптами, разбор ограничений и рисков (включая отправку данных на серверы в Китае).

Экономия: $60 → $20 или $0. Если готовы, как Амели, поработать ножницами — результат не хуже оригинала.

Ты изучал SQL в университете, получал пятёрки на экзаменах… а на собеседовании по Data Science сталкиваешься с вопросом про OVER() и думаешь: "Что?! Впервые такое слышу..."
В этой статье я рассказываю, как превратить университетский SQL в инструмент, который реально помогает на собеседованиях.

Всем привет! Меня зовут Гриша Крюков, я аналитик в команде антифрода Авито. Расскажу, как использование пользователями нескольких профилей может приводить к неверным бизнес-решениям и почему качественное обнаружение связей между профилями напрямую влияет на качество А/В-тестов. Обсудим проблему на интуитивном уровне и строго математически докажем ряд утверждений, сопроводив симуляциями на синтетических данных. Статья будет интересна тем, кто увлекается аналитикой данных, А/В-тестами или просто любит математику.

Всем привет. Меня зовут Вакорин Михаил и я работаю системным аналитиком в компании SENSE. Нередко ко мне обращаются более молодые коллеги: 

«Я джун и я хочу вырасти до сеньора. С чего мне начать, какие навыки нужно прокачивать, чтобы через несколько лет зарабатывать по 300 тысяч в месяц?»

В такие моменты я вспоминаю себя в их возрасте: куда пойти, чему учиться? К сожалению, я так и не встретил «доброго волшебника», который бы взял меня за руку на пути становления системным аналитиком, подсказал бы, какие книги читать и в какие hard skills вкладывать очки опыта в первую очередь. До многого приходилось доходить самому.

Но, как мне кажется, мне всё-таки повезло. Однажды, копаясь в интернете в поисках ответа на вопрос, что полезно знать системному аналитику (джуну и не только), я наткнулся на профессиональный стандарт 06.022 для системного аналитика. Его изучение, а также мой собственный опыт работы позволили сформулировать основные направления развития для начинающих аналитиков.

Для удобства я разделил их на hard skills и soft skills. Поехали!

Поговорим в этой статье о метриках тщеславия — показателях, которые красиво выглядят в отчётах, но плохо помогают принимать решения. В тексте разбирается, почему такие метрики вводят в заблуждение, как отличить их от действительно полезных показателей и на какие альтернативы стоит опираться, чтобы объективно оценивать рост и здоровье продукта или бизнеса.

Я — системный аналитик. В моей жизни так повелось: чего боюсь, в то и попадаю. В начале своего пути столкнулась с проектом, где работали настоящие архитекторы решений. Глядя на них, я думала: «Они боги! Знают и понимают так много… ВАУ!». Они одновременно и привлекали, и пугали. С ними было легко, потому что они внушали доверие: нет нерешаемых задач, нужно просто подумать. И в то же время объёмно — от глубины их знаний захватывало дух.

Недавно мне раскрыли тайну: архитектор — это не тот, кто знает всё, а тот, кому доверяют построить систему для решения бизнес-задачи. И я поняла, что в начале пути меня привлекали их спокойствие и уверенность. Всё остальное — опыт, знание технологий — это hard skills, которые можно наработать. 

В статье хочу осветить границу между анализом и архитектурой и показать, каким минимальным набором знаний в этой области должен обладать аналитик, чтобы не просто передавать требования, а активно влиять на качество конечного продукта. 

Стек: Python, Airflow, ClickHouse, Slack

В iGaming падение активности игровых провайдеров почти никогда не выглядит как "обрыв". Чаще это медленное затухание: ставок становится меньше, затем еще меньше, игроки уходят постепенно. Формально провайдер продолжает работать, стандартный мониторинг молчит, а бизнес уже теряет деньги.

Моя задача была не фиксировать факт полного падения активности, а поймать момент, когда траектория уже направлена вниз, но ситуацию ещё можно развернуть.

Вся логика работает внутри DAG в Airflow. Он запускается каждые 6 минут и анализирует активность игровых провайдеров в реальном времени. При обнаружении начала падения или восстановления система отправляет уведомления в Slack.

В январе 2026 Meta* фактически отказалась от масштабных амбиций по созданию метавселенной, разделив и перераспределив ресурсы внутри компании. По данным The Wall Street Journal, компания сократила около 1 500 сотрудников подразделения Reality Labs — это примерно 10% персонала команды — и закрыла несколько внутренних студий по разработке VR-игр.

И хотя ещё четыре года назад метавселенная была для Meta ключевым стратегическим направлением, теперь оно почти полностью свёрнуто. И, честно говоря, многие в индустрии уже давно перестали по нему скучать.

Smart Money Tool (SMT) — концепция из арсенала продвинутых трейдеров, основанная на анализе "умных денег" (крупных игроков). Основная идея: когда рынок делает ложный пробой уровня (свип) на одном инструменте, но не подтверждает его на коррелированном инструменте — это может сигнализировать о манипуляции и потенциальном развороте.

Концепция свипа (Sweep):

Цена временно пробивает значимый уровень (свинг), но закрывается обратно за этим уровнем. Это часто интерпретируется как сбор стоп-лоссов.

Корреляционный анализ:

SMT использует два коррелированных актива (например, BTC и ETH). Расхождение в их поведении может указывать на слабость движения

Break of Structure (слом структуры): Показывает, что движение имеет силу. Дальнейшее подтверждение — закрытие за пределы предыдущего свинга

Чаще всего приходилось искать SMT вручную, что довольно накладно по времени и нередко можно упустить smt банально из-за человеческого фактора. Поэтому для упрощения этой работы я написал pine script индикатор. Выглядеть на графике он будет следующим образом:

В этой статье — важные изменения для аналитиков, разработчиков и лидов разработки: новые возможности отчётности, обновления моделирования, улучшения для разработчиков и API, развитие Copilot и ИИ, а также объявления о прекращении поддержки отдельных функций. Power BI продолжает двигаться в сторону более умной, гибкой и масштабируемой аналитики — разбираемся, что именно изменилось и почему это важно.

Недавно услышал от знакомого такую мысль: "Вот, снова кризис на рынке, в рекламе, маркетинг стал дорогой, результатов не приносит, бюджеты растут, цена лида увеличивается, отчёты из рекламных кабинетов не показывают полной картины. Мрак, что делать, не знаю..."

Я — Антон Карцев, генеральный директор и основатель Флайск. Сегодня хочу поделиться своим опытом и разобраться как можно оставаться на плаву, даже в непростые и "дорогие" времена

На самом деле, кризиса нет. Просто появляется продвинутая автоматизация, новые способы продвижения, более удобные инструменты, которыми просто нужно научится управлять.

Один из таких инструментов – сквозная аналитика. Я бы хотел пояснить зачем она нужна, как работает и как маркетолог может использовать её, чтобы экономить бюджеты.

Оконные функции в SQL выглядят безобидно ровно до того момента, пока не попадают на реальные объёмы данных. В этой статье разбирается конкретный аналитический запрос в PostgreSQL: от формулировки задачи и использования lead() до детального анализа плана выполнения с EXPLAIN ANALYZE. Без абстракций и «магии оптимизатора» — только факты, цифры, сортировки на диск, буферы и выводы, которые полезно уметь делать любому аналитику, работающему с большими таблицами.

Это вторая (и заключительная) часть цикла статей о нашей миграции с Zeppelin. О причинах и первом опыте перехода с Zeppelin я рассказал здесь. В данной статье я хочу большее внимание уделить второму виду Zeppelin notebook, которые срочно нуждались в переносе.
Конечно, отчеты для клиентов не были настолько "забагованы" как рассылки: большая часть проблем с Zeppelin крылась именно в cron-е, который временами работал как хотел (или в интерпретаторах, мы так и не смогли разобраться, но ошибка интерпретатора возникала только когда запускали через cron). В отчетах этого звена не было, поэтому их перенос был плавным и основан скорее на особенностях UI/UX дизайна.
Данная статья может быть полезна аналитикам, которые не знают, какой инструмент использовать для своих задач и думают, что писать графический интерфейс крайне сложно (спойлер, нет), а также для команд, которые устали от Zeppelin как UI-инструмента (и от Zeppelin в целом)

Я давно торгую на рынках криптовалют, металлов, форексе. И большинство трейдеров знает, что на финансовых рынках значительная часть инструментов движется не изолированно, а в составе коррелирующих групп. Валютные пары, индексы, криптоактивы и производные индексы часто демонстрируют согласованное поведение, поскольку отражают одну и ту же макроэкономическую или риск среду.

Среды таких активов я выделяю особые 'триады активов' - активы с максимальной корреляцией, где расхождение является прямым сигналом. Эти триады - почти общепризнанные тройки. Именно по этим триадам мы будем искать интересное расхождение - PSP. Оно является отличным подтверждением в торговле.

Для упрощения его поиска и работы с ним напишем Pine Script индикатор. Я разберу для вас логику работы psp, логику его использования в торговле, объясню полностью код индикатора и структуру pine script.

Всем привет! У меня уже публиковался небольшой цикл статей про атрибуты качества, они же нефункциональные требования и вот первая часть этого цикла.

Сегодня поговорим о проблеме, которая возникает при общении с заказчиками. Как правило для них термин «атрибуты качества» звучит абстрактно и не воспринимаются, как нечто, имеющее прямую ценность для бизнеса. Однако же этот разрыв стоит устранять.

Аналитике редко учат напрямую: как выстраивать аналитическое мышление, находить реальные причины изменений в метриках и выбирать KPI, которые ведут к решениям, а не к «красивым отчётам». Эта статья — о навыках аналитика, которые формируются на практике и чаще всего через ошибки.

Самые интересные новости финансов и технологий в России и мире за неделю: Трамп анонсировал сделку по Гренландии и Совет Мира, серебро выросло в январе почти в полтора раза, РКН топит за ИИ-блокировки интернета, россиян за границей хотят обязать сообщать о ВНЖ, Альтман ищет деньги для OpenAI, а также интеграция Claude в Excel.