Системный и бизнес-анализ

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.

В AB-тестах нередко возникает желание смотреть на результат по ходу эксперимента: метрики обновляются, решения ждать долго, а если эффект уже очевиден, то зачем тянуть до конца. Но в этом месте легко допустить серьезную ошибку: регулярно пересчитывать обычное p-значение и завершать тест при первом p < 0.05. Такой подход повышает долю ложных срабатываний: иногда статистическая значимость появляется просто из-за случайных колебаний данных, даже когда реального эффекта нет.

В этой статье разбираем, почему так происходит, и что с этим делают в прикладной аналитике. Покажу, как устроено групповое последовательное тестирование (group sequential): вы заранее задаете несколько контрольных точек для подглядывания, а пороги принятия решения подбираются так, чтобы общий уровень ошибки первого рода по всему процессу оставался на заданном уровне alpha.

На простых формулах и наглядных графиках из симуляций сравним наивное подглядывание с корректной процедурой. А затем разберем два самых популярных набора порогов - Pocock и OBrien-Fleming: чем они отличаются, почему один вариант чаще завершает эксперимент раньше, а другой почти не дает принимать решения в начале, и как выбрать подходящий вариант под продуктовый процесс.

25 февраля — финал The MedGemma Impact Challenge на Kaggle. Я уже несколько недель копаюсь в этой медицинской модели от Google, пытаясь выжать из неё что-то крутое для конкурса. Пока идеальное решение где-то между "гениально" и "зачем я это делаю в 3 ночи", решил поделиться тем, как вообще эта штука работает и что с ней можно делать.

АБ-тесты — это дорого. Как проверять гипотезы, если у вас нет времени или трафика. АБ-тестирование давно закрепилось как «золотой стандарт» проверки гипотез. Но у него есть обратная сторона: это дорого, долго и требует огромного трафика для достижения статистической значимости. Иногда бизнес просто не может позволить себе ждать месяц, чтобы узнать, что кнопка «Купить» должна быть синей.

Для задач аналитики Zeppelin - это чуть ли не находка. Он может в одной книжке исполнять код на любом языке (был бы интерпретатор), выводить его в виде красивых табличек, графиков и в любом другом виде, который удобен. И на Хабре есть много статей, посвященных плюсом данного решения для задач аналитики.

В результате в аналитический отдел ТКБ Инвестмент Партнерс данный инструмент проник достаточно глубоко: на нем писались аналитические отчеты для разных отделов, расчетные таблицы, которые затем отсылались в дашборды, также данными книжками могли пользоваться все, кто знал какие-либо языки программирования.

И мы попали в зависимость от него. Панацея, которая должна была стать легким решением для (почти) любой задачи превратилась в наше проклятие. Из-за проблем с данной системой на нас приходило по 5-7 тикеров в неделю, а также потерей доверия к нашим сервисам.

Системный аналитик отвечает за то, что и как должно работать в будущем продукте: собирает требования, согласует решения с бизнесом и командой, описывает логику, как бизнесовую, так и техническую, фиксирует всё в документации и диаграммах.

Навыков и инструментов в профессии много — и в этом её сила.
Но именно поэтому важно понимать, что развивать дальше и как оценить свой уровень.

В статье — максимально полный и актуальный чек-лист навыков системного аналитика с привязкой к грейдам (Junior/Middle/Senior).

Статья будет полезна:
+ начинающим аналитикам — чтобы трезво оценить масштаб профессии, сравнить программы обучения и понять, какие навыки развивать в первую очередь,
+ опытным аналитикам — которые хотят выявить пробелы, наметить точки роста и осознанно сделать следующие шаги в карьере.

Оглавление:
Сбор требований
Бизнес-требования
Дизайн
ФТ и НФТ
Документирование
Проектирование БД и SQL
Интеграции
Архитектура
Работа с API
Тестирование
Сопровождение
Работа с кодом и IDE (не обязательный)
Управление проектами (не обязательный)
Soft Skills - мягкие навыки
Инструменты

Открывайте, отмечайте навыки и попробуйте оценить свой грейд 🚀

Показана численная близость -значений -теста, -теста и -критерия Манна-Уитни в А/Б-тестах вероятностям лучшей группы байесовских моделей. Соотношения выполняются несмотря на различия в определениях.

Меня зовут Александр Мачулин, я основатель Gramax – open source системы для ведения документации в подходе Docs as Code с визуальным редактором.

Сегодня я расскажу вам идею, как вести всю документацию по проекту и весь цикл разработки в одном Git-репозитории и настроить backward-трассировку требований в Git.

Все разработчикам знаком момент, когда заказчик просит что - то сделать, но толком не вдается в детали? У меня были примеры, когда заказчик вообще не описывал требования, а ожидал, что ему ЧТО-ТО создадут, а ну уж потом он/она скажут что не так. Или так. Или не так. Предлагаю разобраться, когда гибкость превращается в ад.

В последнее время в информационном поле мне всё чаще попадается информация о заблуждениях в сфере налогового контроля, и по большей части эти заблуждения исходят от людей, которые называют себя специалистами или экспертами. Таким образом формируется в корне неверное представление о том, чем на самом деле занимается служба и как она осуществляет свой контроль. Вы наверняка видели подобные заголовки: «эксперты предупреждают», «юристы советуют» - смотреть и читать это уже просто больно.

Поэтому на правах бывшего сотрудника ФНС, прошедшего три контрольных отдела - предпроверочный анализ, контрольно-аналитический отдел и отдел выездных проверок, я решил подготовить статью с разбором самых популярных мифов, которые встречались мне за последнее время.

Если в этой статье я разберу не все популярные мифы, и вы слышали что-то ещё, что на ваш взгляд не похоже на правду - пишите в комментариях, или в личные сообщения. Я добавлю это к разбору в следующей статье.

Современные цифровые продукты выглядят устойчивыми.

Они работают, масштабируются, удерживают пользователя, демонстрируют высокую вовлечённость и формальную эффективность. На уровне метрик всё выглядит корректно: система не падает, пользователь остаётся внутри, взаимодействие продолжается.

Проблема в том, что эта устойчивость всё чаще достигается не за счёт формы самой системы, а за счёт скрытой компенсации со стороны человека.

С помощью Python математически проследил эволюцию философских взглядов поэта на его творческом пути.

Это не книга про Excel как электронную таблицу и не сборник «трюков и рецептов». Литературы по Excel существует огромное количество — от пособий для бухгалтеров до массивных справочников по формулам. Excel как продукт существует почти 40 лет, и на фоне Python, R, BI-платформ и облачных аналитических стеков может показаться, что в середине 2020-х годов писать о нем уже нечего. Однако книга Джорджа Маунта показывает обратное. Здесь Excel рассматривается как полноценная аналитическая платформа, встроенная в современный стек анализа данных — со своим ETL, моделью данных, языками запросов и элементами augmented analytics и машинного обучения.