Data Driven Decisions
Open in Telegram
Канал о том, как принимать решения на основе данных. Юнит-экономика, метрики и финансовое моделирование. Оцифровка бизнес процессов и многое другое. Делаем бизнес осознано. По вопросам сотрудничества: @m_drobinskaya Для связи @daniilkhanin
Show more2 109
Subscribers
-124 hours
+37 days
-230 days
Data loading in progress...
Similar Channels
Tags Cloud
Incoming and Outgoing Mentions
---
---
---
---
---
---
Attracting Subscribers
September '26
September '26
+13
in 0 channels
August '26
+22
in 0 channels
Get PRO
July '26
+18
in 0 channels
Get PRO
June '26
+21
in 0 channels
Get PRO
May '26
+40
in 0 channels
Get PRO
April '26
+21
in 0 channels
Get PRO
March '26
+22
in 0 channels
Get PRO
February '26
+15
in 0 channels
Get PRO
January '26
+25
in 0 channels
Get PRO
December '25
+24
in 0 channels
Get PRO
November '25
+35
in 0 channels
Get PRO
October '25
+19
in 0 channels
Get PRO
September '25
+46
in 1 channels
Get PRO
August '25
+60
in 0 channels
Get PRO
July '25
+61
in 0 channels
Get PRO
June '25
+35
in 0 channels
Get PRO
May '25
+39
in 2 channels
Get PRO
April '25
+46
in 1 channels
Get PRO
March '25
+71
in 0 channels
Get PRO
February '25
+56
in 1 channels
Get PRO
January '25
+100
in 1 channels
Get PRO
December '24
+36
in 0 channels
Get PRO
November '24
+78
in 1 channels
Get PRO
October '24
+63
in 0 channels
Get PRO
September '24
+67
in 3 channels
Get PRO
August '24
+110
in 2 channels
Get PRO
July '24
+58
in 0 channels
Get PRO
June '24
+53
in 1 channels
Get PRO
May '24
+46
in 0 channels
Get PRO
April '24
+97
in 1 channels
Get PRO
March '24
+90
in 1 channels
Get PRO
February '24
+109
in 5 channels
Get PRO
January '24
+31
in 0 channels
Get PRO
December '23
+36
in 1 channels
Get PRO
November '23
+43
in 0 channels
Get PRO
October '23
+47
in 0 channels
Get PRO
September '23
+71
in 0 channels
Get PRO
August '23
+39
in 0 channels
Get PRO
July '23
+48
in 0 channels
Get PRO
June '23
+17
in 0 channels
Get PRO
May '23
+37
in 0 channels
Get PRO
April '23
+40
in 0 channels
Get PRO
March '23
+103
in 0 channels
Get PRO
February '23
+38
in 0 channels
Get PRO
January '23
+41
in 0 channels
Get PRO
December '22
+29
in 0 channels
Get PRO
November '22
+91
in 0 channels
Get PRO
October '22
+37
in 0 channels
Get PRO
September '22
+144
in 0 channels
Get PRO
August '22
+19
in 0 channels
Get PRO
July '22
+26
in 0 channels
Get PRO
June '22
+22
in 0 channels
Get PRO
May '22
+25
in 0 channels
Get PRO
April '22
+37
in 0 channels
Get PRO
March '22
+40
in 0 channels
Get PRO
February '22
+17
in 0 channels
Get PRO
January '22
+28
in 0 channels
Get PRO
December '21
+22
in 0 channels
Get PRO
November '21
+30
in 0 channels
Get PRO
October '21
+35
in 0 channels
Get PRO
September '21
+28
in 0 channels
Get PRO
August '21
+22
in 0 channels
Get PRO
July '21
+47
in 0 channels
Get PRO
June '21
+95
in 0 channels
Get PRO
May '21
+6
in 0 channels
Get PRO
April '21
+13
in 0 channels
Get PRO
March '21
+21
in 0 channels
Get PRO
February '21
+40
in 0 channels
Get PRO
January '21
+5
in 0 channels
Get PRO
December '20
+418
in 0 channels
| Date | Subscriber Growth | Mentions | Channels | |
| 07 September | +1 | |||
| 06 September | 0 | |||
| 05 September | +1 | |||
| 04 September | +2 | |||
| 03 September | +3 | |||
| 02 September | +2 | |||
| 01 September | +4 |
Channel Posts
⭐️Иллюзия отсутствия выбора
В прошлом году ко мне обратилась одна компания с весьма крупным направлением заказной аналитики. И попросила помочь им провести тех интервью кандидатов на позицию BI-разработчика. Надо было проверить вполне себе конкретные навыки. Искали Senior, ну хотя бы Middle. Самая досада была, когда на тех интервью сплошь и рядом почему-то приходили Junior. Но сегодня не об этом.
У меня был перечень требований от заказчика. Я сформировала перечень вопросов, некоторую шкалу оценки ответов. И оформила себе шаблонную табличку (куда я без табличек-то), в которую я в процессе интервью делала пометки, а сразу после по свежей памяти проставляла рейтинг по каждому пункту, группировала, выводила среднее по разделу. В общем, нехитрая такая статистика, завуалированная под непринуждённый диалог с элементами допроса 📝 Если интересно детальнее – дайте знать.
Но серию этих тех интервью выделило даже не это. Из этого сложился очень интересный опыт. И некоторые мысли я унесла с собой. И одной хочу сегодня с вами поделиться.
❓ У меня был вопрос про разные задачи, которые решаются на BI-проектах. И одни и те же задачи кандидаты решали зачастую по-разному. И это здорово! Но местами их рассказ о выборе выглядел как выбор чуть ли не из единственного варианта. А потом приходил другой кандидат и рассказывал в похожей тональности, как он выбрал тоже единственно возможный, но другой вариант. И это всё для всех так очевидно и само собой разумеется. 🤔
Да, у нас безусловно есть инструменты, которыми мы владеем как своей правой рукой. И у каждого они – свои. Мы разные, инструменты разные. И отлично! И все мы понимаем, что отвёрткой гвозди забивать как-то не очень сподручно. Я хочу подметить более тонкую грань. Бывают ситуации, когда есть выбор из ряда в общем-то похожих вариантов, но выбирается не по принципу "лучший вариант для этой задачи", а по принципу "этим я умею работать".
❓ Как часто мы, выбирая инструмент, задумываемся насколько искажённо воспринимаем выбор вариантов, ограничивая его не спектром возможностей, а своими навыками? 🤔
Такой вот серьёзный понедельник. Давайте подискутируем что ли?
| 2 |  Записал видео о том, как я собрал компьютер на транзисторах и что он умеет делать.
https://www.youtube.com/watch?v=rG6MOULxGwM | 158 |
| 3 |  🌟 Куда переезжать?..
👨💻Много лет я работала в офисе. И не представляла себя на удалёнке. Ну а как жеж – люди, живое общение – как я без этого? В конце 2024 так сложилось, что я ушла сначала на частичную удалёнку, а потом и на полную. Мало того, что удалёнка, так ещё и на Москву, а это 4 часа разницы ⏰. Что тут сказать, во всём свои плюсы и свои минусы.
Поначалу было как-то совсем тяжко. Через некоторое время смещённого режима меня стали посещать мысли – а не переехать ли? 🤔 И первый вопрос, который сразу же появляется после мысли о переезде – а куда? Куда переезжать-то? Ясно, что поближе к GMT+3. Переехать в Москву – это как-то сильно очевидно что ли. Я решила приблизиться к задаче, примерить на себя разные города. Надо же взвешенно подходить к вопросу!
Как вы думаете, что я сделала, как истинный аналитик?
Правильно, построила дашборд! 😇
Я собрала список региональных центров нашей необъятной Родины. Нашла в открытых источников рейтинги, нашла погодные условия. Сделала выборку показателей и собрала в дашборд. Медитировала на него достаточно долго. 🫠
А потом хандра прошла, меня отпустило, я привыкла. А дашборд остался...
Изначально я его собирала на Power BI Desktop. А сегодня ради этого поста переложила на Yandex Datalens. Схема работы простая – выбираем значения в фильтрах, медитируем на карту. Всё 🔥
➡️ Потыкать ручками можно тут. Доступно без смс и регистраций.
Там и на Yandex Datalens, заодно и на Power BI. Фильтры реализованы чуть по-разному.
P.S. А на скрине выборка городов, которая у меня получилась. В итоге никуда не поехала 👨💻 | 210 |
| 4 | Стартует какая то задача по улучшению любой метрики.
Так вот, если мы улучшаем некую метрику, то как мы задаем величину улучшения в абсолютных значениях (было 2 станет 5) или в относительных (улучшим на 10%). | 205 |
| 5 | No text... | 3 |
| 6 |  ⚠️ Ваш маршрут перестроен!
Когда-то я осознала, что моя миссия – нести аналитику в бизнес. Улучшать экономику страны через улучшение экономики конкретных компаний. Я пыталась это делать по-разному: через предпринимательство, в найме, в миксе того и другого, в преподавании, в консультировании. Выяснила только одно – не могу не делать.
🎙️ …Мы решили проводить вебинары. Не ново, да. И мы немало думали над тем, что можно в этих самых вебинарах сделать так, чтобы повысить их ценность и не слиться с массой других мероприятий.
🟠В эпоху ИИ легко запускать вебинары. Закинул промпт в ИИшку - она тебе и тексты, и сайты, и анонсы. Но мы осознанно не пошли этим путём. Пластиковые шаблонные тексты с лёгким налётом нестыковок - отталкивают. ИИшные презы вызывают сомнение в качестве контента и спикера. Это как будто эффективнее и проще, чем делать руками. Но мы сказали "нет" нейрослопу.
🟠Вместо этого мы старательно выуживали "боли" и "сложности", с которыми сталкивается бизнес в аналитике, перелопачивали годы собственного и вашего опыта. Вложили немало времени в то, чтобы каждая фраза была наполнена смыслом. И будем очень довольный собой, если поймём, что "попали в боль". Этот принцип сейчас в наших постах, на сайте, в рассылках и он же будет на вебинаре.
🟠На вебинарах не будет продажи. Будет кратко о нас, будет приглашение в каналы и к сотрудничеству. Но 10 слайдов о том, какие мы классные со всех ракурсов – нет, не будет. Мы не будем тратить колоссальное суммарное время всех участников и ваше доверие на это. Может быть, это странно, и маркетологи покрутят нам пальцем у виска, пусть.
🟠Мы знаем не понаслышке, что руководителю зачастую непросто выдернуться на целый час вебинара. Время слишком ценно. И многие регистрируются на вебинар, чтобы просто получить запись… и не посмотреть. Сама так делаю… 🫠 Поэтому мы решили (помимо классической регистрации) дать альтернативную регистрацию – только для получения 🎙️ записи, к которой приложим краткий 📝 конспект вебинара. Конечно, мы очень хотим, чтобы вы были с нами в онлайне, участвовали в интерактиве, задавали вопросы и ставили огонёчки. Но наша основная цель – дать пользу и ценность.
🔸🔸🔸
И главное.
❗️10 сентября в 11 МСК мы проводим первый вебинар.
⭐️Внедрение BI: ваш маршрут перестроен.⭐️
Про путь и грабли на этом пути. Типичные "болячки" первых уровней аналитической зрелости, проблемы перехода и рекомендации по решению. Как выстроить свой маршрут внедрения BI максимально оптимальным способом.
🗓️Когда: 10.09.2026 11:00 МСК
📝Детальнее про вебинар: тут
Если у вас не прогружается видео-приглашение: 📱Youtube 📱 VK 📹 Rutube
Ждём вас! 💛 | 231 |
| 7 |  🔤🔤🔤🔤🔤🔤 🔤🔤🔤🔤🔤🔤🔤🔤
Быстрый старт и неожиданности при масштабировании
Этим постом начинаем цикл статей по разным BI-системам. Планируем выдержать более-менее единую структуру описания. И позже дополнить статьи демо-дашбордами и видео-демонстрациями. Но... как говорит одна моя хорошая знакомая: "Всё будет, но не сразу" 🔤
1️⃣Знакомство с системой
☁️ DataLens – продукт компании Яндекс, интегрированный в достаточно широкий ландшафт многочисленных продуктов компании.
Самое большое сообщество пользователей среди российских BI-систем. Только телеграм-канал насчитывает более 14,7 тысяч подписчиков, пользователей по разным источникам - в разы больше.
На то могу выделить, как минимум, несколько причин:
➕наличие opensource варианта системы
➕длительное время бесплатного распространения облачной версии
➕широкая инфраструктура Яндекса
➕относительная простота входа – зарегистрировался и пользуйся
➕бесплатные курсы на Яндекс.Практикум
DataLens, в отличие от многих российских систем, представлен в нескольких вариантах: облачный, серверный и opensource. Любой инфраструктурный каприз. Почти.
Здесь и далее буду говорить про наиболее распространённый вариант использования – облачную версию.
2️⃣Подготовка данных
Две важные особенности системы, которые могут сильно влиять на архитектуру всего проекта: DataLens не хранит данные в себе и не имеет встроенного ETL-модуля.
Что это значит для бизнеса:
❗️Когда пользователь открывает дашборд, DataLens отправляется за данными в источник. Если этот источник медленно отдаёт данные / данных много / запрос к данным пытается хитро их преобразовать на ходу – пользователь наблюдает крутящееся колёсико ожидания вместо графиков.
❗️Так как встроенного модуля преобразования данных у DataLens нет, то преобразования должны быть выполнены либо непосредственно в запросе к данным (помним про колёсико), либо данные в источнике должны быть уже преобразованы заранее.
❗️И как итог - на проектах DataLens почти всегда подразумевает организацию хранилища данных, которое заберёт на себя все преобразования. И чем "ближе" это хранилище к DataLens, тем меньше ожидание пользователя. Максимально оптимальное решение – ClickHouse, развёрнутый на серверах самого Яндекса.
3️⃣Модель данных
Только классические "звезда" и "снежинка". Модель типа "созвездие" с несколькими таблицами фактов не допустима. Какая-нибудь модель, когда у нас не "снежинка", а, простите, "сугроб" (любят некоторые аналитики такое делать) – тоже в DataLens не собрать. Всё строго.
Что это значит для бизнеса:
❗️Большое внимание уделяется этапу формирования итоговых витрин данных, и, соответственно, модели. Чуть больше, чем в любых других системах.
4️⃣Языки и расчёты
Для создания вычисляемых полей используется SQL-подобный язык, есть набор агрегатных функций и оконных выражений.
Что это значит для бизнеса:
❗️Низкий порог для аналитиков, знающих SQL. Для базовых и умеренно сложных вычислений достаточно. Но если нужно рассчитать что-то более-менее сложное, то обычно вычисления переносятся на хранилище и учитываются при подготовке данных.
5️⃣Визуализация
Стандартный набор визуализаций, закрывающий бОльшую часть запросов проекта. Умеренный выбор настроек. Местами есть жёсткие ограничения. Например, для корректной работы таблицы в датасете должно быть не более 100 000 строк.
Некоторое время назад появилась возможность разрабатывать свои кастомные визуализации с прямыми запросами в источник.
Что это значит для бизнеса:
❗️Тщательно продумываем и проектируем подготовку данных. Оцениваем достаточность стандартных визуализаций.
6️⃣Ценообразование
Облачная версия для одного пользователя – бесплатна. Регистрируем учётку в Яндексе и поехали. Но как только мы добавляем к себе второго пользователя – начинаем платить сразу за обоих по 990р в месяц. Это очень даже приятная цена.
Для серверной версии ценовая политика начинает расчёт от 100 пользователей и 1,6 млн р в год. А здесь резкий скачок.
🔤🔤🔤
❓Что бы вам хотелось ещё узнать о Yandex DataLens?
❓Какие термины оказались непонятными? О чём рассказать подробнее?
#datalens #обзор_bi | 252 |
| 8 | На каком уровне узнали себя? | 278 |
| 9 |  5️⃣🧡🧡🧡🧡🧡🧡🧡аналитической зрелости: почему наличие BI-системы – это ещё не успех
🔸Материал про Yandex Datalens уже готовится к выпуску. Скоро-скоро! 🔸
Когда в моём арсенале появилось такое понятие, как "аналитическая зрелость", жить стало кратно понятнее. Важно понимать предстоящий путь, чтобы распределить усилия, бюджеты и спланировать остановки для отдыха.
Когда приходит заказчик и рассказывает, что хранит сметы на строительные объекты в текстовых комментариях карточек Trello, и при этом хочет принимать решения на основе данных – становится понятно, что путь из точки А в точку Б будет ой каким не простым. Реальным, но непростым.
Data-driven иногда интерпретируется как некий хайп. Бизнес может туда очень рьяно хотеть и одновременно не понимать, каких стереотипов и привычек ему придётся лишиться. И появление BI в закладках браузеров сотрудников – не самоцель, но шаг на немалом пути.
➡️Гартнер выделяет 5 уровней аналитической зрелости:
1️⃣ Excel и героизм
Руководитель приходит с вопросом: "А почему упала маржа?" Начинается квест. Финансист скачивает отчёт из 1С, менеджер по продажам – выгрузку из CRM, начальник производства – свою таблицу. Все это сводится в один огромный Excel, который сводит один "гуру ВПР". На это уходит полдня, а то и неделя. Руководитель не дожидается, машет рукой и принимает решение "по наитию".
2️⃣ Дорогая автоматизация
Компания решает: "Хватит этого ада, покупаем BI-систему!" Строят красивые отчёты. Но... данные в системах – полная каша. BI не склеивает их по умолчанию, а хаос вскрывается один за другим. Сотрудники паникуют: "Наше знание ВПР больше не востребовано!" Менеджмент фыркает: "Денег потратили кучу, а толку – ноль". Эксельки всё ещё в ходу, "на всякий случай".
3️⃣ Много отчётов, мало решений
BI наконец-то заработал. Качество данных уже приемлемое. Отчётов стало много, или даже очень много. Дашборды раскрашены разными цветами. Руководитель заходит в BI и видит 100 циферок, но не находит нужной. Отчёты смотрят, кивают, но решений не принимают. Или приняли решение, но в процессы оно не ушло. Нет связи между цифрами и реальными действиями в бизнесе.
4️⃣ Данные начинают рулить
Компания уже не просто смотрит, что было вчера, а начинает считать, что будет завтра. Появляются прогнозы, план-фактный анализ, понимание корреляций. Решения принимаются на основе цифр. И, что самое важное, эти решения внедряются и влияют на процессы. Сотрудники уже не сопротивляются, они просят: "А можно мне такой же отчёт для моего отдела?"
5️⃣ Аналитика – это топливо бизнеса
Данные становятся центром бизнес-стратегии. Новый продукт не запускается без анализа рынка и прогнозов. Инвестиционные решения согласовываются исключительно на основе цифр. В компании есть CDO (директор по данным), который влияет на все изменения. Компания постоянно обменивается лучшими практиками. Аналитика – не просто красивая игрушка за доп бюджет, а обязательная часть жизни компании.
У каждого перехода между уровнями свои симптомы и своё лекарство:
1️⃣➡️2️⃣: автоматизация работы с данными, внедрение BI, постепенное исключение ручной сборки отчётов
2️⃣➡️3️⃣: внедрение BI в процессы, работа над качеством данных и расчётов, повышение компетенций сотрудников и руководителей по работе с данными
3️⃣➡️4️⃣: выстраивание связи между аналитикой и бизнес-результатами, повышение охвата процессов аналитикой
4️⃣➡️5️⃣: встраивание аналитики в управление изменениями
Главные выводы:
✅ Фокус на внедрении BI без работы с качеством данных и культурой не даёт результата.
✅ Зрелость компании в работе с данными – это не количество отчётов, а замкнутый цикл принятия решений. Мало построить дашборд, нужно ещё, чтобы решения, принятые на его основе, реально влияли на процессы в компании.
✅ Цифровую трансформацию часто тормозит не технология, а культура. Данные долго остаются "разрозненным лоскутным одеялом", пока руководители не начинают использовать их для управления.
✅ Для того чтобы сдвинуть компанию с уровня на уровень, нужны не просто приказы сверху, а "евангелисты" внутри команды, которые своим примером показывают пользу аналитики. | 251 |
| 10 |  🔥Друзья, спасибо всем за ваши голоса и активность!
Мы подвели итоги опроса в обоих каналах и составили порядок разбора BI-систем в наших статьях.
⭐️ Первые две системы с большим отрывом: Yandex Datalens (13) и Apache Superset (9).
⭐️ "Большая" четвёрка с одинаковым количеством голосов: AW BI, Fine BI, Visiology и PIX BI (по 4).
⭐️ И завершают список – Modus BI (3) и Glarus BI (2).
Порядок разбора систем с одинаковыми голосами – на усмотрение редакции 😊 Но вы ещё можете добавить голосов, опрос ещё активен.
🔸🔸🔸
Мы себе придумали правило – по пятницам не писать страшно полезного контента. Поэтому в комментах ловите шуточку про все BI разом. На злобу дня. 😊
Всем хороших выходных! 💛 | 299 |
| 11 | Про какую BI-систему рассказать ПЕРВОЙ? | 314 |
| 12 |  😎 Подвиг во имя BI
Вчера Политех напомнил, что опубликовали расписание пар на портале... В смысле - скоро сентябрь? Да как так-то? 😱
А я не успела рассказать про подвиг, который мы совершили с магистрантами в весеннем семестре. И пока мы не совершили новый, надо успеть срочно рассказать про предыдущий.
А это был реально подвиг. Этой весной мы уже третий год (это всё разные магистранты, если что 😊) делали проектную работу. И каждый год она всё чудесатее и чудесатее.
➡️ Шесть групп.
➡️ Шесть РАЗНЫХ BI-систем, с которыми никто из ребят никогда не работал:
🔸Visiology - позиционируют себя как лидеры российского рынка, интерфейсно ориентируются на Power BI;
🔸PIX BI - молодой амбициозный продукт, который активно себя промоутит на рынке, интерфейсно ориентируются на Qlik;
🔸Yandex DataLens - российский облачный продукт от всем известной компании;
🔸Fine BI - китайский BI, который в последнее время всё чаще и чаще попадает в предпочтения российских компаний.
🔸Glarus BI – российский продукт, с очень демократичным ценообразованием на базе опенсорсного Metabase.
🔸AW BI – российский продукт, с бесплатной облачной версией.
➡️ Три кейса с реальными данными от реальных заказчиков и реальными запросами на показатели:
🔸Общепит
🔸Фитнес
🔸Маркетплейсы
У нас было чуть меньше трёх месяцев и мощный объём работы:
✅Разобраться в данных, показателях, сформировать и согласовать методики расчёта
✅Спроектировать макет визуализации и модель данных с учётом нюансов работы конкретной BI-системы
✅Обработать все данные и «уложить» в модель
✅Настроить вычисления показателей
✅Настроить все графики и взаимодействия
✅Протестировать данные и работу визуала
✅Сформировать рекомендации для заказчика на базе получившегося дашборда
✅Написать отчёт по проделанной работе, проанализировать особенности конкретной BI-системы
✅И, наконец, презентовать свою работу заказчикам, руководству кафедры и гостям.
✅А для этого всего, само собой, - изучить BI-систему в достаточной степени, освоив языки и диалекты, инструменты и особенности работы
Мы встречались каждую неделю, а последние недели даже чаще. Вели диалоги в реальном времени в чате, обсуждая возникающие сложности. Это было очень плотно.
❗️ Чем мне нравится эта проектная работа. Каждая команда не просто изучает одну BI-систему, она косвенно изучает в моменте все шесть. Происходит взаимное "переопыление" знаниями. И по итогу через 3 месяца, оглядываясь, все сильно удивляются, какой багаж знаний и опыта они получили.
❗️ И это в особенности важно сейчас. Потому что в текущих реалиях, выходя из стен университета в реальную жизнь, надо уметь быстро осваивать инструменты и ориентироваться в их ассортименте. Чтобы быть востребованными на рынке и понимать, как этот самый рынок работает, чем дышит.
❗️ А я, со своей стороны, делаю ценные выводы. Вижу простоту и сложность освоения разных систем, ограничения и нюансы, сложности работы с реальными данными, типичные ошибки и многое другое. Адаптирую материалы курса, выстраиваю стратегию работы с разными системами.
⭐️ В итоге - получилось круто и очень ярко! На следующий год обязательно повторим с другой группой, добавим на этот раз ещё и этап непосредственной работы с заказчиками. 😊
❓ В планах рассказать в канале про все системы. Но с какой начнём – решать вам (ниже опрос). | 298 |
| 13 |  🫣 Прячем нули в Excel
Три клика мышкой. Вы видите сусликов нули? А они есть!
❓ Кто расскажет в комментах - что за мейджик?
#ачётакможнобыло | 344 |
| 14 | 🫣 Прячем нули в Excel
Три клика мышкой. Вы видите сусликов нули? А они есть!
❓ Кто расскажет в комментах - что за мейджик?
#ачётакможнобыло | 4 |
| 15 |  Сразу спрошу, если вам такой контент не нужен, я не буду постить, только проголосуйте (в комментариях), я тут решил пойти дальше и собрать M68000 и поверх него Macintosh а это видео показывает, что я сам все делаю, а не силами LLM на видео создание сумматора-вычитатор из сумматора, на 32 бита :) если вам зайдет расскажу больше что я делают и как и какая технология лежит (я ее изменил относительно того как делал ранее, старшие товарищи подсказали где я был не прав) | 333 |
| 16 |  Прошло уже много лет, как я прочитал книгу Чарльза Петсольда Код. Тайный язык информатики, в которой он описал как устроен компьютер, с точки зрения базовых принципов, а именно транзисторов. И подал он свой рассказ так увлекательно, что мне хотелось его повторить. Просто взять в руки проволоку, лампочки, батарейки, собрать простые реле, из них логику, затем заменить все это на транзисторы и начать собирать простую систему, например, которая умеет складывать 2 числа.
На картинки ниже, как раз показана схема, как выглядит устройство, которое складывает два числа, при этом есть ограничение каждой число не может быть больше 15.
#CPO_notes #LLM_notes
Продолжение... | 387 |
| 17 |  спойлер большой статьи, мало того я попробую объяснить зачем все это знать если вы продуктовый аналитик! | 361 |
| 18 |  использования современных компиляторов типа LLM позволяет делать забавные штуки. Я собрал в симулятор электрических цепей компьютер из транзисторов в ручную (23000+ транзисторов) что-то типа Apple II. И попросил LLM разработать программу для него, и этот перец придумал свой ассемблер для него, потом написал на JS компилятор этого ассемблера в машинный код для моего собственного процессора, пишет на нем программу для выхода в сеть (условный интернет из 70-х) и что интересно мой компьютер исполняет эту программу и соединяется с реальным сервером в США. И все это работает в браузере. То есть виртуальная машина из транзисторов выполняет код написанный на уникальном языке (конечно же нет, но формально мой процессор в 1 экземпляре). и вся эта груда виртуальных транзисторов выходит в сеть! | 390 |
| 19 | 🤯 Вопросы заказчику, которые спасут бюджет (и нервные клетки)
Внедрение BI – проект часто очень чувствительный к разным особенностям деятельности компании. Кроме того, BI внедряют чаще в компаниях, которые непрерывно меняются, и BI должен успевать за этими изменениями.
❗️Сбор требований – один из самых ответственных этапов. Всё пропущенное в этот момент – неминуемо проявится тогда, когда от этого будет совсем уже не весело.
В статье разберём один вопрос. Вопрос, который делит проекты внедрения BI на 3 категории. И этот вопрос – не "что строить?", а "как аналитика выстроена сейчас?". В каждом варианте ответа – своё коварство и свои этапы работ при последующем внедрении.
1️⃣ Переезд с одной системы на другую или импортозамещение
У заказчика уже есть BI-система, она работает, люди к ней привыкли, процессы выстроены. Но по разным причинам (политика, стоимость лицензий, уход вендора) он хочет переехать на другую платформу.
➡️ Что это значит для проекта:
Аналитическая зрелость. Люди умеют работать с цифрами, понимают, зачем им дашборды, и ждут от новой системы определённого уровня комфорта.
Риск – "очевидные" или невыполнимые требования. Нужно детально вытащить из заказчика все «очевидные» для него фишки. Многие вещи заказчик считает очевидными и не проговаривает. Потому что в старой системе он привык, например, к определенному типу фильтрации или кастомному виду графика, и считает это нормой, а не требованием.
➡️ Итоговая задача:
Провести аудит старой системы, снять все «привычки» пользователей, составить карту функционального разрыва между старой и новой системой и либо искать обходные пути, либо мириться с потерями.
2️⃣ Чистый лист
Компания живет вообще без цифр. Отчеты только внутри операционных систем (1С, CRM и т.п.), но никто их не сводит в единую картину. Решения принимаются "по ощущениям" или на основе устных докладов.
➡️ Что это значит для проекта:
Эффект низкой базы. Это самый благодатный с точки зрения пользы кейс. Быстро показать первый дашборд и получить вау-эффект – легко.
Риск – пользу могут не принять. В компании не сформирована культура принятия решений на основе данных. Люди не понимают, что делать с цифрами, и дашборд становится "красивой картинкой", которую открывают раз в месяц из вежливости.
Дополнительный пласт работ: Консалтинг. Нужно не просто сделать витрины, а встроить аналитику в совещания, научить интерпретировать отклонения, менять процессы.
➡️ Итоговая задача:
Сделать "быстрый прототип" для демонстрации ценности, но параллельно закладывать в проект обучение и изменение бизнес-процессов. Иначе дашборд умрёт в первый же месяц.
3️⃣ Классический старт или ловушки Excel
Аналитика есть в Excel / Google Sheets. Это самый частый случай. У компании есть отчеты, но они живут в табличках. Сотрудники вручную сводят данные, подклеивают файлы, пересылают по почте. Это работает, но больно, медленно и с ошибками. Заказчик уже созрел для автоматизации.
➡️ Что это значит для проекта:
Аналитическая зрелость ненулевая. Люди уже считают цифры, есть процессы, есть понимание, какие показатели важны. Это облегчает старт.
Самая большая ловушка — привычка к "гибкости" Excel. Заказчик привык — поменял в одной ячейке, и всё пересчиталось. В BI данные приезжают из внешних систем, и чтобы что-то поменять, нужно идти в исходную систему, а не в дашборд.
➡️ Итоговая задача:
Не просто "перенести Excel в BI", а перепроектировать процесс. Где-то подстроить BI под привычки заказчика (если система позволяет ввод), где-то — подстроить привычки под BI (обучить работать через исходные системы).
💡На нашем канале записали видео с разбором реальных граблей, разобрали большой список вопросов на старте внедрения. Этот список вопросов – опора и для интеграторов, и для заказчиков. Снимут пелену тайны с ожиданий заказчика и привнесут ясности в проект.
Смотрите, где удобно: 📱Youtube 📹 Rutube 📱 VK
❓ А какие неочевидные требования всплывали у вас на проектах уже после старта? Делитесь в комментариях — обсудим! | 389 |
| 20 | интересная мысль тут пришла. сейчас все восхищаются новыми LLM и как компиляторы они прекрасны, но это все таки не интеллект и ничего нового он сам не создает. от природы такой.
и вот что подумалось, кто автор программы, программист ее написавший или компилятор создавший из нее машинный код? кто автор открытия? ученый который использовал мощь LLM или сама LLM? | 343 |
