Анализ и проектирование систем *

Про облака написано столько, что легко запутаться. Маркетологи обещают рай, одни эксперты советуют одно, другие — прямо противоположное. А на деле владелец сети или ИТ-директор просто хочет понять: что выбрать, чтобы и кассы не висли, и бюджет не трещал, и завтра не пришлось всё переделывать?

Я попробую без маркетинга. Просто пройдёмся по фактам, трендам и реальным подводным камням. С цифрами, но с осторожностью. С выводами, но без советов «для всех».

Аналитик данных сегодня –это не человек, который умеет просто выгружать данные и знает SQL и этого достаточно, сейчас это человек-оркестр, который умеет выбирать правильный инструмент под задачу, конечно, где-то может быть и достаточно Excel, а для каких-то задач уже нужен сложный запрос с оконными функциями, а где-то нужно собрать быстрый дашборд в Power BI, чтобы заказчик сам мог смотреть цифры.

В этой статье разберу реальный инструментарий аналитика – не тот, который пишут в идеальных вакансиях, а тот, который реально используется в работе.

В ритейле каждый сантиметр полки – это деньги (буквально). В этой статье я разберу примеры задач, которые решает аналитик в ритейле, и покажу, как их решать на SQL.
Каждая задача сложнее предыдущей для каждой есть код и готовые синтетические данные, поэтому все результаты можно получить самостоятельно, повторив код.

Если вы даже не можете завести людей в двери своего ресторана, качество еды в нем уже не имеет никакого значения.

Впервые в истории человечество может генерировать программное обеспечение быстрее, чем способно понимать создаваемые системы.

На протяжении многих лет индустрию программного обеспечения волновал один вопрос:

Кто будет писать код?

Теперь искусственный интеллект способен генерировать тысячи строк кода за секунды.

Но это порождает гораздо более важный вопрос — тот, который почти никто в технологическом мире не задаёт:

Кто будет нести ответственность за жизнь программных систем, которые ИИ собирается создавать?

Потому что написать код легко.
Жить с последствиями этого кода следующие двадцать лет — значительно сложнее.

Чтобы понять, что на самом деле происходит, нужно разделить три совершенно разные роли в разработке программного обеспечения.

1️⃣ Написание кода
2️⃣ Проектирование алгоритмов и систем
3️⃣ Ответственность за жизненный цикл программного обеспечения

Эти роли часто воспринимаются так, будто это одно и то же.

Но это не так.

И появление ИИ заставляет нас наконец увидеть эту разницу.

Если ты пользуешься безналичными платежами, то банк знает каждую покупку, каждый перевод, каждую зарплату, каждый кредит. При этом тебя просят представиться и рассказать всю историю, когда ты звонишь в поддержку. Люди редко заходят в приложение банка ради удовольствия, ведь это же не Онлайн-кинотеатр и не Telegram. С другой стороны, я лично не откажусь, чтобы банк помогал тратить деньги с умом, подсказывал лучшие условия кэшбэка, напоминал о платежах и не забывал помогать инвестировать свободные деньги. Короче, чтобы делал жизнь проще и выгоднее, без сложных экранов и шагов.

Теорема Гаусса‑Маркова:

Почему метод наименьших квадратов работает? Почему ему можно доверять? И при каких условиях он действительно дает лучшие оценки?

В статье разбираю теорему Гаусса‑Маркова, ее условия и что делать, если реальность не идеальна, без сложной математики и больших формул

Как понять, что ваш маркетплейс-бизнес уже убыточен: 5 вопросов, которые должен задать себе каждый селлер 

Я, Ирина Чекулаева, люблю BI и многие годы занимаюсь построением систем бизнес-аналитики. К Международному женскому дню хочу рассказать историю про платья. Но на самом деле это история про архитектуру и аналитику данных. Она началась с того, что в какой-то момент селлеры поняли, что продавать через маркетплейсы - это не значит просто загрузить товар и получить деньги.

Бренды и предприниматели массово заходили на Wildberries и Ozon с ощущением, что сейчас будут «золотые горы». И правда, сначала выручка росла, продажи увеличивались, и казалось, вот оно - бизнес-счастье.

Проблема проявилась позже. Оборот растет, производство работает на полную мощность. А где прибыль?

Привет, Хабр! Меня зовут Дмитрий Омаров, я ведущий инженер учебного центра по продуктам в компании «Цифра». Вместе с моим коллегой, Фёдором Арефьевым, мы решили поделиться своим опытом создания корпоративного агента, который в разы ускоряет поиск по базам знаний компании.

Внутри статьи: мы подробно разбираем архитектуру RAG-пайплайна — от локального векторного поиска и реранкинга до сборки контекста для облачной LLM. Вы узнаете, почему мы отказались от дообучения моделей в пользу динамической базы знаний, как реализовали локальную очистку данных от чувствительной информации для соблюдения требований информационной безопасности и каким образом системный промпт помогает победить «галлюцинации», гарантируя опору только на факты и ссылки на первоисточники.

Статья будет полезна тем, кто решает задачу эффективного доступа к знаниям внутри компании и ищет баланс между качеством генерации, стоимостью инфраструктуры и требованиями ИБ.

Статья посвящена интеллектуальным силовым модулям, которые являются основой силовой части современных преобразователей частоты для асинхронных электродвигателей. Приводится описание российского интеллектуального силового модуля ТТМ-1000, который входит в состав преобразователей частоты концерна «Русэлпром»: его технические характеристики, особенности, преимущества и недостатки по сравнению с западным аналогом. Рассматривается преобразователь частоты мощностью 1,67 МВА на основе модуля ТТМ-1000, который является базовым преобразователем частоты для судовых систем электродвижения концерна «Русэлпром».

Я аналитик данных и люблю бумажный формат книг (если есть сомнения, сначала пробую электронную версию, но, если книга заходит, всегда потом беру бумажную).
В этой статье честный обзор, без рекламы, тех книг, которые я купила не так давно в бумажном формате.

За последние 1–2 месяца ИИ системы разработки сделали довольно значительный шаг вперед, стали меньше ошибаться, подключили планирование и обратную связь. Задавались ли Вы вопросом почему? Казалось бы, ИИ взял лучшие шаги из разработки ПО, разбил разработку «на промпты» (по агентам) и — прорыв. Вы удивитесь, все это было раньше, и даже сама разработка ПО — это лишь это часть универсальной базы, причем даже сейчас еще не до конца реализованной.

За последние полгода произошел большой слом — написание кода с AI перестало быть забавой и стало серьезным инструментом, способным писать хороший код, проектировать архитектуру и принимать сложные решения. Меня не отпускают вопросы о том, куда из-за всего этого движутся профессии, нужны ли будут программисты и как вообще изменится продуктовая разработка.

Но чтобы не стать еще одной статьей про размышления и спекуляции, я провел большой эксперимент: залез в самые внутренности AI-генераторов кода, создал сложный продукт с нуля, все сломал и починил, а затем с циферками поприкидывал насколько скоро нам всем на мороз.

Я долго думала, что PEP — это про оформление. PEP 8: называй переменные вот так, PEP 257: пиши докстринги вот так.

Потом начала использовать их по‑настоящему и выяснилось, что часть из них вообще не про то, как выглядит код!

Привет, Хабр.

Год назад мой босс выдал фразу, которая застряла во мне надолго: Что‑то какой‑то «пипец»... я как‑будто играю в «волк и яйца», цифры есть, отчёты есть, а радости нет, хотя мы вроде делаем грандиозные проекты. Прозвучало странно для технаря, но я как‑то для себя понял сразу, что это важно.

Компания выросла, отделов стало много, наняли уже больше 110 человек! Каждое подразделение живет своей жизнью. Продажи гонятся за деньгами, маркетинг рисует «красивые картинки» с яндекс‑метрики, проектный отдел тупо выполняет ТЗ, даже если видит реальные «косяки».

Я был нанят как аналитик Битрикс24. Поднастроили систему, дашборды, воронки, смарты, автоматизацию... Но понятно стало, что всё это какая‑то фигня, потому что на сайте компании была прописана миссия, а когда я спросил, оказалось её никто даже не читал. И я подумал «А мы, как компания, вообще что такое и куда идем?».

В какой‑то момент я перестал тупо следить за системой. Начал просто участвовать во всех ВКС, слушать, смотреть, реденько задавать неудобные вопросы. Через полгода гендир спросил: «А что ты вообще делаешь? Вроде ты не обязан быть на ВКС, но мы уже без тебя даже не начинаем».

Я тогда пошутил и придумал слово — Меридиант. Не спрашивайте, почему так. Наверное, потому что мне нравится фильм «Медиатор», и я любитель всяких древних практик связанных с чакрами, меридианами, каналами, медитациями и тому подобное, вот увидел что коммуникации в бизнесе, как линии на теле человека, тоже соединяют важные точки. Он меня потом еще раз пять переспрашивал, что за слово такое, ну а мне понравилось.

«Значит, смотрите. Payment-service ходит в booking-service, но только через API gateway, который дёргает auth-service, а тот валидирует токен в Redis, который шарит с notification-service…» — вы, объясняя архитектуру новому разработчику.

Десять лет мы разматывали нитки между сервисами на доске, как Чарли из «В Филадельфии». 42% компаний уже тихо сворачивают микросервисы обратно. Istio не осилил микросервисную архитектуру собственного control plane. Бывший CTO GitHub называет это «главной архитектурной ошибкой десятилетия».

А потом пришёл AI, которому не нужны ни митинг на 15 человек, ни три года в проекте, чтобы понять, почему бронирование — это цепочка из 12 HTTP-вызовов вместо одного function call.

Разбираю шесть причин дробления монолитов. Спойлер: половину из них AI уже отменил.

Казалось бы, сейчас мы наблюдаем всё, но факт в том, что не управляем ИТ-ландшафтом в целом. Упор на автономию команд и разрозненные инструменты приводит к «разрывам» в управлении: нет единой картины при инцидентах, SLA считаются в табличках, корреляция событий происходит «в головах людей», интеграции держатся на 1–2 специалистах, а построение CMDB и моделей ИТ ландшафта часто игнорируется. В этой статье мы постараемся переосмыслить роль зонтичного мониторинга, и докажем, что это не еще один мониторинг, а важный архитектурный слой.

Зачем бизнесу новая позиция в C-suite и что она означает на практике

Когда одни компании обсуждают, нужен ли им ИИ, другие уже нанимают человека, который будет отвечать за него (или сейчас  сам сидит и пилит ИИ-агентов ) и все это на уровне совета директоров. Chief AI Officer — позиция, которая ещё три года назад звучала как фантастика, сегодня становится такой же обычной как СТО (ТехДир), CFO (ФинДир)или CHRO (HR).

Ну и что это за роль такая, откуда она взялась, чем отличается от CTO и CDO(Chief Digital Officer — директор по цифровой трансформации (это в больших банках есть такая позиция)), какие технические компетенции требует — и нужен ли он вам сегодня или как обычно, уже вчера.

Внутренние инструменты — это странный жанр. Ты не делаешь продукт для миллиона пользователей. Ты делаешь для двадцати человек, которые будут использовать это каждый день. И если облажалась — они скажут тебе об этом лично. Прямо на созвоне. Иногда с демонстрацией экрана, где всё сломано.

Я занимаюсь этим несколько лет. Python, внутренние сервисы, утилиты, автоматизация. За это время появился довольно конкретный взгляд на то, как надо работать. Не из учебника, а через синяки.

Сегодня уже можно говорить о том, что налоговый мониторинг перестал быть экспериментальной моделью. По данным ФНС России, с 1 января 2026 года в этом режиме уже работают 870 компаний из более чем 20 отраслей экономики. Это подтверждает, что мониторинг становится устойчивым форматом взаимодействия с налоговой службой для крупного бизнеса. А с учетом текущего вектора цифровой трансформации налогового администрирования можно предположить, что в ближайшее время количество участников режима будет только увеличиваться.

В статье «Налоговый мониторинг: режим «постоянной готовности»» я подробно разбирал саму модель налогового мониторинга, какие требования предъявляются к компании и как строится взаимодействие с ФНС. Поскольку налоговый мониторинг - это постоянное раскрытие данных, передача первичных документов и функционирование системы внутреннего контроля, для многих компаний, рассматривающих переход на этот режим, ключевым становится выбор подхода к организации этого процесса. А от того, насколько удобно выстроен процесс, зависит и то станет ли мониторинг управляемым инструментом или дополнительной нагрузкой.

Поэтому чтобы показать, чем отличаются подходы на практике, я решил пройтись по наиболее распространённым решениям, которые уже сейчас используют компании для работы в режиме налогового мониторинга. В этой статье я рассмотрю пять наиболее востребованных платформ и сопоставлю их по прикладным параметрам: удобству ежедневной работы, полноте раскрытия данных и первичных документов, поддержке системы внутреннего контроля (СВК), а также устойчивости и масштабируемости решения.