现已上线！2025 年 Telegram 研究 — 年度关键洞察 
IT Дайджест с Новиковым
前往频道在 Telegram
- Новости IT - Безопасность в сети - Социальная инженерия И мой личный опыт. Ссылка: t.me/itdidgest Сайт: https://www.postgameparty.com/ Сотрудничество: clck.ru/3RF3Vn № 5904649143
显示更多
网络:📈 Telegram 频道 IT Дайджест с Новиковым 的分析概览
频道 IT Дайджест с Новиковым (@itdidgest) 俄语 语言赛道中的 是活跃参与者。目前社区聚集了 33 747 名订阅者，在 技术与应用 类别中位列第 3 971，并在 俄罗斯 地区排名第 19 081 位。
📊 受众指标与增长动态
自 невідомо 创建以来，项目保持高速增长，吸引了 33 747 名订阅者。
根据 06 七月, 2026 的最新数据，频道保持稳定运转。过去 30 天订阅人数变化为 -3 092，过去 24 小时变化为 -80，整体触达仍然可观。
- 认证状态： 未认证
- 互动率 (ER)： 平均受众互动率为 14.59%。内容发布后 24 小时内通常能获得 N/A% 的反应，占订阅者总量。
- 帖子覆盖： 每篇帖子平均可获得 0 次浏览，首日通常累积 0 次浏览。
- 互动与反馈： 受众积极参与，单帖平均反应数为 0。
- 主题关注点： 内容集中在 deepseek, storage, указатель, concurrency, интерфейс 等核心主题上。
📝 描述与内容策略
作者将该频道定位为表达主观观点的平台：
“- Новости IT
- Безопасность в сети
- Социальная инженерия
И мой личный опыт.
Ссылка: t.me/itdidgest
Сайт: https://www.postgameparty.com/
Сотрудничество: clck.ru/3RF3Vn
№ 5904649143”
凭借高频更新（最新数据采集于 07 七月, 2026），频道始终保持新鲜度与高覆盖。分析显示受众积极互动，使其成为 技术与应用 类别中的关键影响点。
33 747
订阅者
-8024 小时
-4207 天
-3 09230 天
数据加载中...
相似频道
标签云
进出提及
---
---
---
---
---
---
吸引订阅者
七月 '26
七月 '260
在0个频道中
六月 '260
在0个频道中
Get PRO
五月 '260
在0个频道中
Get PRO
四月 '260
在0个频道中
Get PRO
三月 '260
在0个频道中
Get PRO
二月 '26
+1
在0个频道中
Get PRO
一月 '26
+2
在0个频道中
Get PRO
十二月 '250
在0个频道中
Get PRO
十一月 '25
+2
在0个频道中
Get PRO
十月 '25
+29 567
在0个频道中
Get PRO
九月 '25
+81
在0个频道中
Get PRO
八月 '25
+41 534
在1个频道中
Get PRO
七月 '25
+3
在0个频道中
Get PRO
六月 '25
+1
在0个频道中
Get PRO
五月 '25
+1
在0个频道中
Get PRO
四月 '25
+1
在0个频道中
Get PRO
三月 '25
+5
在0个频道中
Get PRO
二月 '25
+1 232
在0个频道中
Get PRO
一月 '25
+5
在0个频道中
Get PRO
十二月 '24
+2
在0个频道中
Get PRO
十一月 '24
+4
在0个频道中
Get PRO
十月 '24
+631
在1个频道中
Get PRO
九月 '24
+1
在0个频道中
Get PRO
八月 '24
+8
在0个频道中
Get PRO
七月 '24
+3
在0个频道中
Get PRO
六月 '24
+1
在1个频道中
Get PRO
五月 '24
+3
在0个频道中
Get PRO
四月 '24
+9
在0个频道中
Get PRO
三月 '24
+10
在0个频道中
Get PRO
二月 '24
+12
在0个频道中
Get PRO
一月 '24
+11
在0个频道中
Get PRO
十二月 '23
+17
在0个频道中
Get PRO
十一月 '23
+13
在0个频道中
Get PRO
十月 '23
+13
在0个频道中
Get PRO
九月 '23
+12
在0个频道中
Get PRO
八月 '23
+18
在0个频道中
Get PRO
七月 '23
+8
在0个频道中
Get PRO
六月 '23
+10
在0个频道中
Get PRO
五月 '23
+13
在0个频道中
Get PRO
四月 '23
+19
在0个频道中
Get PRO
三月 '23
+21
在0个频道中
Get PRO
二月 '23
+22
在0个频道中
Get PRO
一月 '23
+93
在0个频道中
Get PRO
十二月 '22
+481
在0个频道中
Get PRO
十一月 '22
+9
在0个频道中
Get PRO
十月 '22
+5
在0个频道中
Get PRO
九月 '22
+5
在0个频道中
Get PRO
八月 '22
+8
在0个频道中
Get PRO
七月 '22
+4
在0个频道中
Get PRO
六月 '22
+8
在0个频道中
Get PRO
五月 '22
+5
在0个频道中
Get PRO
四月 '22
+9
在0个频道中
Get PRO
三月 '22
+236
在0个频道中
Get PRO
二月 '22
+1 018
在0个频道中
Get PRO
一月 '22
+759
在0个频道中
Get PRO
十二月 '21
+495
在0个频道中
Get PRO
十一月 '21
+121
在0个频道中
Get PRO
十月 '21
+348
在0个频道中
Get PRO
九月 '21
+9 308
在0个频道中
Get PRO
八月 '21
+2 160
在0个频道中
Get PRO
七月 '21
+172
在0个频道中
Get PRO
六月 '21
+236
在0个频道中
Get PRO
五月 '21
+413
在0个频道中
Get PRO
四月 '21
+1 021
在0个频道中
Get PRO
三月 '21
+2 021
在0个频道中
Get PRO
二月 '21
+4 094
在0个频道中
Get PRO
一月 '21
+8 339
在0个频道中
Get PRO
十二月 '20
+13 751
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 07 七月 | 0 | |||
| 06 七月 | 0 | |||
| 05 七月 | 0 | |||
| 04 七月 | 0 | |||
| 03 七月 | 0 | |||
| 02 七月 | 0 | |||
| 01 七月 | 0 |
频道帖子
Замечательная идея - каждое утром распечатывать новости о планах на день, проектах, обновлениях, непрочитанных сообщения и тп.
IT Дайджест с Новиковым
| 2 |  Недавно была конференция по duckdb https://www.youtube.com/playlist?list=PLWksJtu3SS6Y
IT Дайджест с Новиковым | 3 687 |
| 3 | Свежий квадрант Gartner про BI инструменты. Как обычно, Microsoft лидируют со своей экосистемой продуктов для аналитики.
Согласно отчёту, главное изменение — это Agentic BI.
И тут я полностью соглашусь. Все топы «писяются кипятком» от восторга, когда они общаются с данными (aka chatGPT). И тут не очень важно, это Snowflake Cortex, Databricks Genie или сам BI инструмент.
Я это сейчас вижу на примере Omni BI — весь C-уровень очень доволен.
Но есть нюанс - вы платите за токены Anthropic и сами выбираете модель. То есть токены жгут не только инженеры:)
Ключевое — это модель данных и семантический слой, то есть если у вас в markdown файлах всё нормально описано, то будет всё пучком.
Классическое моделирование данных, когда сначала разговариваем с бизнесом, а потом рисуем диаграммы, эффективно как никогда, особенно если все встречи записать и скормить агенту. Главное — не халтурить в начале, чтобы потом избежать косяков.
Ну и сам отчёт:
🤖 Главный тренд
2026: Agentic BI
Это ключевой сдвиг этого года — от реактивных дашбордов к автономным агентам, которые сами инициируют анализ и действия:
• Agentic Analytics — AI-агенты, которые не просто отвечают на вопросы, но самостоятельно выполняют многошаговый анализ, запускают воркфлоу, мониторят метрики
• Semantic Layer как фундамент — Gartner на своём Data & Analytics Summit 2026 особо выделил, что к 2027 году компании с семантическим слоем получат на 80% более точные результаты AI и снизят затраты на 60%. Уже 92% лидеров в области данных внедрили или планируют внедрить semantic layer
• Традиционные schema-based модели признаны недостаточными для агентного AI
📋 12 критических возможностей платформы Gartner оценивает платформы по критическим capabilities, сгруппированным в блоки:
Инфраструктура:
• Администрирование платформы и масштабируемость
• Cloud BI (PaaS/SaaS)
• Безопасность и управление доступом
• Подключение к источникам данных
Работа с данными:
• Self-service подготовка данных
• Семантический слой и управление метаданными
• Governance и версионирование
Анализ и контент:
• Интерактивная свободная аналитика
• Дашборды и отчётность
• Встроенная расширенная аналитика (ML/AI)
• Natural Language Query / Conversational Analytics — в 2026 г. это один из ключевых критериев
• Публикация и распространение контента
IT Дайджест с Новиковым | 3 664 |
| 4 |  没有文字... | 3 726 |
| 5 | Часто бывает, что мы не успеваем закончить работу с агентами, тогда нам нужно переключиться на телефон и продолжить. Есть классный сторонний app Happy, который позволяет нам поднять удаленную сессию на рабочем компьютере и продолжить, подключившись с телефона.
https://happy.engineering/
IT Дайджест с Новиковым | 3 713 |
| 6 |  Semantic Layer vs. Text-to-SQL: 2026 Benchmark Update
В статье сравнили dbt Semantic Layer (YML документация о моделях и метриках) и LLM модели.
Очевидно, что LLM будет очень хорошо работать, если у нее будет правильный контекст и semantic layer это как раз и делает. Но и без SL уже модели хорошо сами все находят.
Качественная документация очень ценна и она поможет использовать AI более эффективно.
IT Дайджест с Новиковым | 0 |
| 7 |  ИИ все глубже встраивается в бизнес-аналитику — и это уже не эксперимент, а рабочий инструмент.
По данным свежего исследования, каждый пятый корпоративный пользователь обращается к ИИ-агенту (нейроаналитику) за поиском бизнес-инсайтов.
На практике это выглядит так: 73% пользователей просят ИИ писать формулы, а 50% — объяснять графики. Причем не просто «что нарисовано», а с выявлением аномалий и проверкой гипотез на естественном языке. Это качественный сдвиг — BI перестает быть инструментом только для аналитиков и становится доступным бизнесу напрямую.
Активнее всего ИИ в BI используют ИТ (40%), ритейл (25%), финтех (10%), логистика (5%) и медицина (4%). И причина проста — скорость. Например, в ритейле задержка в обнаружении падения маржи всего на несколько дней может стоить десятки миллионов. ИИ сокращает этот лаг до часов, позволяя делать десятки срезов и находить отклонения почти в реальном времени.
IT Дайджест с Новиковым | 0 |
| 8 |  Montecarlo решило уволить 30 процентов людей.
В эпоху до AI это был самый лучший (и дорогой) user friendly инструмент для data quality и data observation. А теперь они стали не нужны. В 2х проектах я занимаюсь тем, что выпиливаю и заменяю их решение за ненадобностью.
IT Дайджест с Новиковым | 0 |
| 9 | Claude Code c моделью Opus 4.6 очень круто. Но даже за тариф в 200$ в месяц вам будет не хватать, особенно если вы очень любознательный и изобретательный человек=)
В итоге я пришел к выводу, что Cursor пока является самым эффективным и за 20$ в месяц в режиме Auto не будет никаких проблем на квоты. С недавних пор я стал использовать Cursor CLI - agent. Он работает достаточно хорошо.
За март я потратил 1000$+ через API Anthropic и решил урезать пользование.
У меня есть несколько edge кейсов, когда я не могу использовать на windows машинах Cursor/Claude Code и мне приходится через Kilo Code плагин в VSCode через OpenRouter подключаться к Anthropic API, чтобы в режиме YOLO творить🪄
А на чем вы остановились? Недавно попался пост про ситуацию с отечественными AI клиентами - ChatGPT, Claude и Gemini запретят в России. Альтернатива — «суверенные» модели, но ими не пользуются даже в компаниях, где они разработаны
Все кого я знаю, все используют Cursor или Claude Code за 200$. Cursor еще удобен, что можно сразу на год купить за 25т рублей и не знать проблем, я уже купил всем родственникам таким образом.
IT Дайджест с Новиковым | 0 |
| 10 |  Dimensional Modeling 101 - статья про самый популярный и простой вид моделирования данных внутри хранилища данных.
Это когда 20% знаний закрывают 80% потребностей.
В статье вам напомнят теорию, и расскажут про альтернативы - Data Vault, One Big Table, Inmon Corporate Data Factory, Activity Schema.
Книги по теме:
📚The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling
📚Star Schema The Complete Reference
📚Agile Data Warehouse Design: Collaborative Dimensional Modeling, from Whiteboard to Star Schema
PS моделирование данных очень трудно дается AI, так же как и system design.
IT Дайджест с Новиковым | 0 |
| 11 | У меня есть один замечательный проект - миграция SQL Server на AWS.
Меня позвали как эксперта сделать миграцию в non-profit около государственную конторы, которая вот-вот уйдет на забастовку со своим профсоюзом.
Мой подход:
• AWS Managed Airflow извлекаю данные из источников и пишу в Redshift
• dbt core для трансформаций, запускается с помощью AWS Airflow (читает dbt проект прям с S3)
• Один AWS аккаунт, один Redshift кластер с DEV/PROD базами данных (dbt это поддерживает из коробки)
• работать с ноутбука (IDE)
• доступ к AI (Claude Code)
Что хочет ИТ (хочет и делает):
• DMS пишет из SQL Server в S3. Пишет он CDC, то есть дописывают новые файлики в папки -> IT хочет контроль (с их слов)
• AWS Glue (python) читает и собирает эти файлы в единую таблицу и сохраняет в S3.
• Google Analytics/Survey Monkey и тп. - все должно приходить через DMS, а не напрямую. Ведь IT сделало on-premise Airflow, и они хотят и дальше его использовать -> это безопасно (с их слов)
• два AWS аккаунта DEV/PROD -> это безопасно (с их слов)
• никакого AI -> это не безопасно (с их слов)
• работать с общей виртуальной машины, чтобы к ней подключиться, мне сначала надо подключиться к другой машине и с нее уже на рабочую. Мышка там двигается по pixel…
При этом бюджет жестко ограничен. И до этого они 5 месяцев гоняли пустой кластер Redshift и сожгли 10% бюджета.
Мой подход позволит им сделать в 10 раз быстрей, эффективней и проще. Но ИТ категорически отказывается делать что-то нормальное.
Однажды я случайно ошибся Teams каналом и написал в общую группу - что-то вроде “ИТ саботируют миграцию, надо эскалировать на CIO и их нахлобучить”.
Это наверно самый грустный и смешной проект, потому что я как на машине времени отправляюсь в 90ые и строю хранилище данных партизанскими методами=)
Самое смешное, что я уже многое чего построил, но это не совпадает с их видением, и мне снова надо будет жечь токены, чтобы удовлетворить их хотелки.
Я так и не понял, зачем им AWS хранилище данных, это же небезопасно!
IT Дайджест с Новиковым | 0 |
| 12 | Вот и появились первые результаты использования ИИ в статье - Are AI agents actually slowing us down?
🤖 ИИ-агенты нас тормозят?
Все говорят о том, как ИИ ускоряет разработку. Но есть обратная сторона, о которой почти никто не говорит.
Что происходит на практике:
🔴 Anthropic — баг на главной странице Claude.ai, при котором текст пользователя исчезал при загрузке, существовал неделями и никто внутри компании его не замечал. При том, что 80%+ кода Anthropic генерирует сам Claude. Исправили только после публичного скандала.
🔴 Amazon — ИИ-агент Kiro вызвал 13-часовой сбой AWS: агент решил «удалить и пересоздать среду». Теперь любые изменения джунов с помощью ИИ требуют подписи сеньора.
🔴 Meta и Uber — токены ИИ учитываются при перформанс-ревью. Не используешь ИИ активно? Значит, ты «неэффективный» сотрудник. Давление на инженеров огромное — вне зависимости от качества результата.
🔴 Исследования — код, написанный с ИИ, показывает +41% code churn (строки, которые переписывают в течение двух недель). Команды тушат пожары от свежесгенерированного кода вместо того, чтобы работать над реальными задачами. Google DORA зафиксировал снижение стабильности поставок на 7.2% по мере роста использования ИИ.
Почему так происходит?
Компании измеряют количество PR и строк кода — но не качество. В итоге возникает порочный круг: больше кода → больше техдолга → медленнее разработка в долгосрочной перспективе.
Что с этим делать?
• Инженеры с сильным архитектурным мышлением становятся ценнее, чем когда-либо
• Нужны quality gates — не только покрытие тестами, но и дублирование кода, архитектурное соответствие
• Возможно, пора вернуть старые добрые практики QA
ИИ усиливает то, что уже есть в команде. Сильная культура → ускорение хорошей работы. Слабая культура → ускорение накопления техдолга.
«Скорость без качества — это просто быстрее идти не туда»
Оказалось не все так радужно с использованием ИИ, но тем не менее, руководство до сих пор настаивает на максимальном использовании.
IT Дайджест с Новиковым | 0 |
| 13 |  На картинке анализ плана запроса в Snowflake.
Dbt модель упала из-за timeout. Попросил Claude Code посмотреть в чем дело.
Через Snowflake MCP он начал выполнять запросы и анализировать план запроса и сообщил, что у нас тут NESTED LOOP JOIN вместо HASH JOIN.
Сам поправил и проверил и сделал PR. Умничка.
PS Параллельно Claude Code
• Создает хранилище данных на AWS (Redshift, Airflow, dbt, cloud formation)
• Решает проблемы с Databricks Bundle на Azure
• Пишет документацию
Несколько абсолютно разных проектов. Но везде хороший результат, особенно в режиме YOLO.
Самое сложное это Databricks bundle, это было для меня новое, и поэтому я не могу контролировать результат, получается много ошибок, но Claude помогает изучать.
IT Дайджест с Новиковым | 0 |
| 14 | Узнал сегодня про Dracula Effect в контексте AI - это термин для описания вампирского эффекта истощения, который испытывают люди при интенсивной работе с AI-агентами.
AI автоматизирует рутинные задачи, но оставляет человеку всю сложную когнитивную работу - принятие решений, анализ результатов, постановку задач, проверку кода. По сути, ты постоянно занимаешься только стратегическими и сложными вещами, без передышки на простые задачи.
Реально ловлю себя на том, что день проходит плотничком и энергии уходит много. Но нам не привыкать 🥲
IT Дайджест с Новиковым | 0 |
| 15 | В прошлом году Databricks купил Neon.
Основатели Neon:
• Никита Шамгунов - CEO и идейный вдохновитель Россиянин, PhD по Computer Science из Санкт-Петербурга
• Хейкки Линнакангас - Co-founder, Postgres-хакер
Финн, один из самых известных core committer'ов PostgreSQL с 20+ летним стажем.
• Стас Кельвич - Co-founder, инженер. Изучал физику, затем пришёл в разработку — работал в Яндексе в команде баз данных.
Команда собралась вокруг одной идеи: "что если сделать для Postgres то же, что Amazon Aurora сделала для MySQL/Postgres, но open-source и по-настоящему serverless?"
Amazon Aurora это serverless Postgres, но это как бы vendor lock.
У Neon было три основных этапа/фичи:
1️⃣ Разделение слоев давало serverless-поведение: scale-to-zero, оплата только за реальное использование, "бездонное" хранилище.
2️⃣ Разделение compute и storage открыло неожиданную суперспособность - branching базы данных через copy-on-write. Создать полную копию базы с данными и схемой стало бесплатным по времени и почти бесплатным по стоимости.
Кстати Snowflake zero-copy cloning имеет похожую идею copy-on-write - клон/ветка не копирует данные физически, а создаёт метаданные-указатели на те же блоки хранилища. Новые данные записываются только при изменениях. Оба мгновенные и почти бесплатные по хранилищу. Только у Neon каждая ветка это свой изолированный Postgres. Благодаря этому у каждой ветки свой compute и не влияет на продакшн базу данных.
3️⃣ Neon обнаружил, что 80% баз на их платформе создаются кодом, а не людьми. AI-агенты и платформы вроде Replit Agent стали создавать тысячи эфемерных баз на лету - под каждого пользователя, под каждый эксперимент. Один инженер в Retool управлял через Neon API 300,000 Postgres-инстансов.
Для Databricks это решение понравилось, ведь они уже работаю с AI агентами, каждый агент получает свою изолированную базу данных, и сама идея Zero ETL не нова, и Neon позволяет использовать OLTP workloads и хранить данные сразу в Databricks, ведь Neon хранит данные в облачном object storage (S3/ADLS/GCS), то есть буквально в том же хранилище, что и lakehouse.
И вот Databricks закончил интеграцию и назвал продукт/фичу - Lakebase. Это Postgres версии 16/17. Так же Databricks приобрел Mooncake для лучшей интеграции Postgres с Lakehouse.
Mooncake Labs - это маленький стартап (основан в 2024 году), который сделал одну очень конкретную вещь: pg_mooncake — Postgres-расширение, которое добавляет колоночное хранилище прямо внутрь Postgres, сохраняя данные в формате Apache Iceberg/Delta Lake в object storage.
Под капотом происходит следующее:
• Данные хранятся не в Postgres heap (row-формат), а в Parquet-файлах в S3 в формате Iceberg
• Аналитические запросы выполняются через DuckDB (встроен в расширение) - векторизованный движок, заточенный под колоночное чтение
Neon дал serverless Postgres compute, но данные в нём хранились в Postgres-формате — отдельно от lakehouse.
Чтобы аналитические движки (Spark, Databricks SQL) могли их читать, нужно было либо копировать данные через ETL, либо держать два источника правды.
Mooncake закрыл этот gap: вместо того чтобы копировать данные из Postgres в lakehouse, он делает Iceberg основным хранилищем. Postgres пишет сразу в Iceberg/Parquet в S3 - и тот же файл без какого-либо ETL читают и приложения через Postgres, и аналитика через Spark.
Есть еще Synced Tables - это отдельный, более старый механизм для обратного направления: когда нужно "опустить" уже готовые аналитические данные из Unity Catalog в Lakebase, чтобы приложение могло читать их с низкой латентностью (< 10 мс) (Reverse ETL). Здесь дублирование данных неизбежно — потому что аналитический Parquet нужно переложить в row-формат Postgres для быстрых point-lookup запросов.
PS Работаю часто с Databricks, пока реальных кейсов на Lakebase Postgres не видел =/
IT Дайджест с Новиковым | 0 |
| 16 |  Что делать если у вас нет реального опыта, а хочется работать дата инженером или кем-то еще?
Ответ простой, находите вакансии с нижней планкой зарплаты и туда идете работать. Опытные люди (даже если опыт 1год туда не пойдут), поэтому вы будете конкурировать с такими же вкатунами кандидатами:)
Как я понял 200к для дата инженера это как раз такая планка, где можно экспериментировать 🎮
IT Дайджест с Новиковым | 0 |
| 17 |  Сегодня они радуются как юристы делают PR, а завтра решат сократить половину компании. Тоже fintech.
PS у Claude Code новая турбо пушка фича
1. Запускаем Claude Code как обычно, создаем бранч и начинаем работать…
2. Собираемся на прогулку за вашим любимым банановым рафом (к сожалению в суровой Канаде, нет таких изысков)
3. Выполняем команду телепорта, которая отправляет нашу сессию в Claude web
claude —teleport session_9482948jfsdfl
4. Подключаемся с телефона и продолжаем vibe работу.
IT Дайджест с Новиковым | 0 |
| 18 |  Финтех компания Block, уволила 40% компании и честно призналась, что люди стали работать с AI по другому, меньше размер команды, меньше уровней и зависимостей, больше эффективности.
CEO все сказал как есть. Нам конечно от этого не легче, но думаю вектор понятен.
IT Дайджест с Новиковым | 0 |
| 19 | Databricks is no longer about tuning knobs - отличную тему поднял Zach.
Это тот Зак, который уже млн 3$ заработал на курсах по Data Engineering. Его bootcamp стоит 1500$ с носа + подписка и онлайн курсы. Вот что значит есть аудитория.
Зак утверждает, что Databricks постепенно отходит от дата-инженеров в сторону аналитиков и менее технических пользователей. Три ключевых аргумента:
Физическое моделирование данных больше не нужно — Databricks заменил ручное партиционирование, сортировку и бакетирование автоматическими инструментами (Liquid Clustering, Predictive Optimization), лишив инженеров контроля.
Покупка Tabular за $1B+ замедлила развитие Iceberg — управляемые Iceberg-таблицы в Databricks урезаны: нет скрытого партиционирования, ручной компактификации файлов, управления снапшотами. Всё подталкивает к «магии Databricks» вместо явного контроля.
Бизнесу не нужны дата-инженеры — ему нужен результат — компании хотят быстрые дашборды, работающие модели и дешёвые пайплайны, а не споры о стратегиях партиционирования. AI + платформа заменяют дорогих специалистов.
Вывод: рынок вознаграждает абстракцию, а не контроль. Маятник качнулся в сторону аналитиков, близких к бизнесу, а экспертам по распределённым системам становится всё сложнее найти своё место.
Про iceberg и Tabular реально обидно. Вообще, все используют Delta на Databricks и не сильно заморачиваются про Iceberg.
Я тоже считаю, что учиться надо на реальных вещах - партиции, компрессия и тп. Это классно, когда вендор может сделать magic, но лучше понимать, что происходит под капотом.
На собеседовании вас это именно и спросят.
IT Дайджест с Новиковым | 0 |
| 20 | Сейчас мой типичный workflow выглядит так:
1. У меня появляется вопрос или идея
2. Я открываю Claude Code CLI
3. Прошу сделать research на заданную тему и сохранить в Markdown
4. Открываю Google Doc -> Paste from Markdown
И получаю хороший документ.
Я скидывал про курс по Claude Code, которого будет достаточно, чтобы начать и привыкнуть к CLI и интерфейсу.
Сегодня посмотрел очень хорошее видео - How I use Claude Code (Meta Staff Engineer Tips), там 50 tips по использованию Claude Code в CLI, многие достаточно удобные и полезные. Очень рекомендую.
PS Не знаю это хорошо или плохо, но я написал 0 строчек кода с начала года. Будем считать, что иду в ногу со временем. И даже PR я уже сам не делаю, использую CLI утилитку gh для GitHub. Она может и PR писать, и GitHub Actions запускать. У каждого инструмента есть свой CLI.
А что мне остается?
• Архитектура решения
• Принятия решения
• Выбор инструментов
• Создание framework/pattern, в котором AI агент может делать простые задачки
Поэтому инвестиция в Claude Code это прям лучшая трата денег.
Хотя есть одна область, где прям совсем все плохо - попросил придумать MonteCarlo Monitors (проверка качества данных) - тут очевидно все плохо, не может понять, что проверять, зачем и как. Да я и сам не знаю.
PPS Общался с руководителем аналитики в РФ компании, он всем своим аналитикам оплачивает Claude Code. Раньше был Cursor, но переехали. Вот это уровень!
IT Дайджест с Новиковым | 0 |
