Я учусь на факультете, который продает студентов в компании партнеры. После окончания второго курса все обязаны пойти на круглогодичную стажировку. Я прошел десяток собеседований на позицию стажера системного аналитика, а через полгода уже сам проводил собеседование.
В статье пытаемся разобраться какой ключевой навык аналитика и как его можно проверять на собеседовании...
Привет, Хабр! Меня зовут Дарья Борисова, я системный аналитик в ПСБ.
Однажды я попробовала интеграции... и теперь они преследуют меня везде, как навязчивый мотив из песни.
Пришлось изучать и внедрять разные подходы, а заодно накопить вагон и маленькую тележку лайфхаков. Сегодня я работаю с Системой быстрых платежей в ПСБ — и готова поделиться тем, что спасло нас в критичных ситуациях.
Почти наверняка вы бывали в ситуациях, когда всё выпустили в прод, а сервер нагрузку не тянет. Или бизнес давит сроками, а времени на идеальные решения нет. Приходится подставлять костыли и ставить быстрые заплатки. Вопрос в том, могут ли они стать надежным решением? И какие компромиссы придется принять — об этом и поговорим.
А точнее: об оптимизации REST API в бою: как снизить количество запросов без потери данных, где проводить расчеты (и чем это грозит), зачем стандартизировать ответы, как кешировать с умом и почему health-check — это не просто «жив/мертв».
История о том, как очередная «быстрая костыль-интеграция» на коленке неожиданно превратилась в почти полноценную Order Management System (OMS) с элементами event-driven архитектуры. Всё это — без предварительного проектирования и без единой строчки кода на Java/Scala/Python (хотя тут немного лукавства, так как пару скриптов на Groovy все-таки имеется), на чистом Apache NiFi и SQLite.
Девизом этого проекта мог бы стать слоган: «Мы не ищем лёгких путей, мы ищем работающие решения». Я инженер в одной ритейл компании, который любит решать задачи, и сегодня расскажу, как закрыл боль бизнеса малой кровью, используя не совсем типичный для веб-сервисов инструмент.
Вот здесь можно посмотреть исходники
Архитектура — основа любого IT-продукта. Для ее создания нужно видеть систему целиком, понимать требования бизнеса и учитывать бюджет. Но вот проблема: научиться думать как архитектор непросто. Нужно держать в голове десятки взаимосвязей и находить решения, которые будут жить годами.
Меня зовут Арина Николаева, я занимаюсь развитием архитектурного сообщества в MWS. Вместе с коллегами мы придумали Arch Kata — игру, которая позволяет попробовать свои силы: участники должны решить сложный бизнес-кейс, а наши эксперты оценят проект и объяснят, что в нем хорошо или не очень.
Сегодня расскажу, откуда взялась Arch Kata, чем она отличается от привычного хакатона, как проходит и почему в ней стоит участвовать не только архитекторам, но и разработчикам, аналитикам и менеджерам. А в конце покажу пример, который мы давали участникам последней игры.
Серия: Чем болен средний бизнес? Статья 5.LLM + ДРАКОН: доступный инструмент процессного управления для МСБ
Классические BPM-проекты дороги, сложны и часто проваливаются в МСБ. Вы получаете схемы, которые никто не понимает, и зависимость от консультантов, а хаос остается.
В этой статье мы разбираем прагматичный подход, доступный уже сегодня:
LLM как аналитик: Используем нейросети для быстрого анализа «цифровых следов» процесса (почта, CRM, логи) и выявления узких мест.
ДРАКОН как интерфейс: Превращаем выводы LLM в наглядные и понятные схемы, которые может прочитать любой сотрудник, а не только IT‑специалист.
Человек как архитектор: Показываем, как на основе этих данных принимать управленческие решения и моделировать улучшения.
Внутри - пошаговый разбор смоделированного кейса по оптимизации процесса согласования счетов, расчет ROI и дорожная карта внедрения. Никакой магии, только методология и здравый смысл.
[Искусственный интеллект*] [Управление процессами*] [Визуализация данных*] [МСБ*]
Представьте себе старинный пиратский сундук, набитый золотыми дублонами. А теперь представьте, что таких сундуков — тысячи, и все они разбросаны по дну цифрового океана. Общая стоимость сокровищ в них — сотни миллиардов долларов. Есть только одна проблема: ключи от этих сундуков утеряны навсегда.
Это не выдумка, анализ ончейн‑данных показывает, что значительная часть эмиссии Bitcoin находится в неактивном состоянии. Согласно исследованию Chainalysis, от 2.3 до 3.7 миллионов BTC (11-17% от общего предложения на тот момент) можно классифицировать как утерянные. Эти активы, распределенные по множеству адресов, не демонстрировали транзакционной активности в течение длительных периодов, превышающих 5–10 лет. Суммарная стоимость таких монет составляет сотни миллиардов долларов. Это — величайшее цифровое кладбище активов в истории.
Нормализация vs Денормализация: Mongo, Postgres и реальная жизнь. Почему у нас вырастает 160 таблиц там, где мог быть один jsonb? И как понять, когда денормализация — это костыль, а когда осознанный выбор?
Если при слове «нормализация» у тебя начинается зевота, а менеджер с порога предлагает «спроектировать базу» — этот текст для тебя.
Привет, Хабр! Я старший системный аналитик, эксперт онлайн-школы по системному анализу Ольги Пономарёвой. Материал основан на реальных кейсах из практики: мы в школе System Analyst не просто рассказываем теорию, а делимся тем, что действительно работает на проектах.
За свою карьеру я написала не одну сотню требований и поняла такую вещь – самые важные и самые незаметные, это блок нефункциональных требований.
В этой статье я расскажу, как правильно выявлять и формулировать НФТ.
Всем привет! На связи команда Центра разработки решений ALM‑стримов «ALM 2.0 Платформа» и «Динамическое моделирование баланса». В этой статье расскажем, как в нашей компании создаётся современная ALM‑система: на основе импортонезависимых решений, с расчётным ядром на Spark/Hadoop и интуитивно‑понятной интерфейсной частью на React/Java/Postgres. Ещё расскажем, как устроены витрины, где живёт логика и как запускаются пользовательские расчеты.
У меня есть забавный профессиональный рефлекс, который выработался у меня за годы работы. Я, как человек, находящийся сразу в обеих лагерях игровой индустрии и в окопах разработки, и в кресле дизайнера — на слово «память» реагирую уточняющим вопросом:
— «О какой именно памяти мы говорим?»
Зачастую, конечно, речь идет о ней родимой — об оперативной памяти компьютера. О RAM, гигабайтах, скорости загрузки, прогрузке полигонов и вот этом всем техническом великолепии, которое заставляет наши игры выглядеть и работать так, как они работают. Это понятный, измеримый, абсолютно конкретный ресурс, с которым мы, как разработчики, постоянно боремся, пытаясь впихнуть невпихуемое и оптимизировать неоптимизируемое.
Но есть и другая память. Та, что скрывается за сухой статистикой «количества одновременно играющих». За каждым мощным ПК, за каждым гигагерцем и терафлопсом сидит не просто железо. Там сидит человек. И эта статья — именно о нем. О человеке, чья память, в отличие от компьютерной, работает чуть менее предсказуемо. Она капризна, избирательна, подвержена эмоциям и легко может «зависнуть» от перегрузки. Но, не поверите... она все ещё достаточно предсказуема!
Всем привет! Пополняю интернеты «еще одной» статейкой с бенчмарками популярных СУБД. Захотелось выяснить, каков оверхед на протокол, работу с сетью и клиентскими соединениями в самом простом кейсе — когда таблица либо совсем пуста, либо данных так мало, что все они в памяти.
Бенчмарк на Rust. Я попросил написать его Chat‑GPT, и он отлично справился.
Исходник здесь
Сравнивал с официальными scylla‑bench и redis‑bench — результаты схожи.
Для теста я специально использовал слабую железку — Orange Pi 3b. Это китайский аналог малинки. Захотелось узнать, на что она способна.
Период 2020–2021 годов характеризовался двумя на первый взгляд разнонаправленными, но синхронными процессами. С одной стороны, Федеральная резервная система США инициировала беспрецедентную по масштабам программу количественного смягчения (QE), что привело к экспоненциальному росту денежной массы и притоку ликвидности на финансовые рынки. С другой стороны, Народный банк Китая и другие регуляторы КНР последовательно ужесточали политику в отношении криптовалют, кульминацией чего стал полный запрет на майнинг и транзакции в 2021 году.
Всем привет! Я работаю инженером-разработчиком в STEP LOGIC. Наша команда создает технологическую платформу для автоматизации анализа данных и расследования инцидентов STEP Security Data Lake (SDL). Мы были первыми на российском рынке, кто смог внедрить AI-ассистента в SIEM/SOAR. Поэтому в этой статье я хотел бы поразмышлять о перспективах развития и особенностях применения интеллектуальных помощников в системах мониторинга кибербезопасности.
В статье я рассмотрю, какие задачи поможет решить внедрение интеллектуального помощника, с какими рисками придётся столкнуться, разберу пример интеграции AI-ассистента и особенности интеллектуальных систем на базе RAG.
Всем привет! Это команда курса «Аналитик данных». Tableau — один из самых популярных инструментов для визуализации данных и создания дашбордов. Он активно используется в компаниях по всему миру, а умение работать с ним — весомый плюс на собеседовании на должность аналитика.
Мы собрали подборку бесплатных курсов, видеоуроков и вдохновляющих примеров от сообщества. Они помогут вам быстро разобраться с интерфейсом, освоить базовые и продвинутые функции, а главное — научиться делать дашборды, которые будут понятны всем.
OpenAI впервые раскрыла реальную статистику использования ChatGPT: 73% запросов не связаны с работой
Компания OpenAI опубликовала первое масштабное исследование поведения пользователей ChatGPT, проанализировав 1,5 миллиона реальных диалогов за период с мая 2024 по июнь 2025 года. Результаты оказались неожиданными и развенчали многие мифы об использовании ИИ.
Ключевые выводы:
700 млн пользователей в неделю - каждый десятый взрослый житель планеты
73% запросов личные, только 27% связаны с работой (год назад было 50/50)
Женщины обогнали мужчин - 52% vs 48% пользователей
Программирование - всего 4,2% от всех запросов (а не основное применение, как многие думали)
Три главные категории: практические советы (29%), поиск информации (24%), создание текстов (24%)
Неожиданные факты:
→ В развивающихся странах ChatGPT растет в 4 раза быстрее, чем в богатых
→ 10% всех обращений - это обучение и репетиторство
→ Больше половины "письменных" задач - редактирование существующих текстов, а не создание нового контента
Исследование показало, что ChatGPT превратился из нишевого инструмента для программистов в массовый помощник для повседневных задач - от рецептов до домашних заданий.
Истоки системного анализа — в середине XX века, когда крупные инженерные и космические проекты (NASA, оборонные программы США) требовали строгого планирования сложных систем.
Именно тогда появилась идея: нужен человек, который сможет разложить огромную задачу на понятные части и описать, как все они будут работать вместе.
В 1960–1970-х в ИТ появились первые методы структурного анализа (Structured Analysis, SADT), а в 1980-х — стандарты проектирования (UML, BPMN).
С ростом корпоративного софта и интернета в 1990–2000-х появилась отдельная роль системного аналитика — человека, который описывает, как должна работать информационная система, и переводит требования бизнеса в технические спецификации.
Сегодня профессия закреплена официально: в России с 2014 года есть профстандарт «Системный аналитик» (приказ Минтруда РФ №831н, обновлён в 2023 г.).
То есть это не модная новинка, а зрелая профессия с устойчивыми стандартами и долгосрочным будущим.
На конференции Web 2.0 в 2006 году Marissa Mayer из Google указала на проблему, что дополнительные полсекунды задержки приводили к снижению поискового трафика примерно на 20%. Amazon сообщал о похожем эффекте: каждые дополнительные 100 мс уменьшали продажи примерно на 1%.
Большие задержки времени отклика чаще можно встретить в аналитических SQL-запросах, так как запрос требует обработки больших блоков данных. Особенно сильно задержки влияют на клиентов с длительной историей покупок. Именно они чаще всего оказываются в верхних перцентилях времени отклика — а это те самые пользователи, которых компании меньше всего хотят терять.
Конференция была проведена почти 20 лет назад, компьютерные технологии за это время стали демократичнее, что привело к увеличению количества пользователей и продуктов. Проблема задержек не исчезла — наоборот, она стала острее: чем больше информации накапливают сервисы, тем тяжелее становится её обработка. Чтобы справиться с нагрузкой, приходилось менять архитектурные подходы к хранению и обработке данных. В статье мы разберем один из них – event-driven design.
Привет, Хабр! Меня зовут Иван Самсонов, я CPO of AI в MWS, где делаю так, чтобы все эти модные технологии не просто красиво звучали на митапах, а реально работали в операционке. Сейчас уже никого не нужно убеждать, что AI «пришел» и его пора интегрировать в любой подходящий утюг. Фокус сместился: я все меньше убеждаю топов в необходимости ML, и больше — мидл-менеджмент и инженеров. И доказываю им, что нужно изучать работу нейронных сетей и пристально следить за их развитием. Для этого у меня есть очень весомый довод — на горизонте 5–7 лет огромный пласт технических задач уйдет людям, умеющим грамотно формулировать запрос. В этом материале я расскажу, как это может произойти и кому уже надо задуматься о будущем с ИИ.
Сегодня невозможно игнорировать тот факт, что AI-ассистенты, такие как ChatGPT, GitHub Copilot или Gemini, стали частью рабочего процесса. Но использовать их бездумно — значит обесценить собственное обучение и будущие карьерные перспективы.
Меня зовут Дмитрий Махортов, я специалист по машинному обучению и ревьюер на курсе «Специалист по Data Science» в Яндекс Практикуме. Эта статья — руководство о том, как сделать AI вашим главным союзником в обучении, а не тем, кто учится вместо вас. Советы подойдут студентам, изучающим Data Science.
Ночью (а точнее уже утром), я не мог уснуть, из-за навязчивой мысли в голове..
А что если спарсить часть статей с хабра и представить их в виде obsidian графа, будет ли это выглядеть, как красивая база знаний?
