Data Driven Decisions

я создал отдельный канал, в котором делюсь своими наработками в области микроэлектроники, чтобы не сорить в этом канале. Кому интересно подписывайтесь и там, это будет ламповый канал про транзисторные компьютеры. А этот канал останется про продуктовую аналитику, BI и юнит-экономику. https://t.me/DataDrivenElectronics

Это не баг, это фича! 🥺 (Спойлер! Неожиданная концовка!) Однажды был в работе дашборд – анализ того, как команда работает с найденными несоответствиями техническому заданию в процессе тестирования разработанных приложений. С багами, проще говоря. Среди прочего у багов была классификация причин возникновения: 🔸Ошибка разработки 🔸 Ошибка исходных данных 🔸Сломали ранее работающее 🔸Непредвиденное поведение пользователя 🔸и так далее… И в системе, где фиксировали баги, было поле для этой классификации, которое подразумевало выбор причины из предложенного списка или ручной ввод этой причины, в случае если в списке подходящей не нашлось. Как вы думаете, какой процент багов был классифицирован вот этим ручным вводом? 🤔 Около 80%! ❗️И самое любопытное выяснилось, когда мы начали анализировать этот ручной ввод. Практически все варианты попадали под одно из значений в списке. ❓Почему так? Потому что мы с вами и всем человечеством – существа несколько ленивые. Чтобы выбрать значение из списка – думать надо. А чтоб вписать от руки – тоже надо, но меньше. 🔸🔸🔸 📝Наверное, редко встретишь такой дашборд, который не видел "кривых данных": 🔸не заполнили данные в исходной системе, 🔸 заполнили неверно, 🔸 заполнили не вовремя… Наитипичнейшая ситуация. Как варианты решения есть? ➡️можно исправить в логике обработки на стороне BI 🔸тогда данные и дальше продолжат вносить абы как 🔸допустимый способ, если исходная система не позволяет вносить изменения задним числом ➡️можно исправить на стороне исходной системы – довнести, скорректировать 🔸более правильный путь   ❗️Но верный путь таков: нужно не просто исправить. Нужно сделать так, чтобы это не повторялось. 🔸через доработки на стороне исходных систем 🔸через формализацию внесения (минимизируем свободный текстовый ввод) 🔸через процессы и контроль.   ⭐️В классификации багов по итогу перебрали все накопленные варианты причин возникновения, переработали список и убрали ручной ввод совсем, объяснив сотрудникам, как с этим списком работать. 🔸🔸🔸 Подобные ситуации в работе с аналитикой возникают регулярно. Аналитика обнажает несовершенство процессов и данных в системах. Как с этим работать, как внедрять и как преодолевать разные препятствия – в записи нашего недавно прошедшего вебинара: 📱Youtube 📱 VK 📹 Rutube

Где "AI-made" стартапы? 🤔 Пока анализировала материалы круглого стола для предыдущего поста, стало интересно – а что происходит с количеством ИТ-компаний? Предположила, что с появлением ИИ темп роста возможно стал выше, потому что теперь каждый "сам себе ИТшник" и те самые быстрые ИИ-продукты вышли на рынок 🦄 Факт ➡️ регистрации ЮЛ упали, а ликвидации выросли! В целом количество компаний прибавляется, но темп роста снижен. Я раньше регулярно собирала подобную аналитику для Города ИТ по Томску. Сейчас собрала по всей РФ для канала. Потыкать можно тут: сайт (внутри две вкладки), без паролей и регистрацией, но с компа чуть удобнее. 📝 Для справки: собраны все организации (без ИП) с ОКВЭДами 62.01 и 62.02 с начала времён – регистрации и ликвидации, привязка к субъектам РФ. ❓ Рассказать, как собирала?

К концу 2026 года генеративный ИИ в разработке будут использовать более 90% российских софтверных компаний. Логично ожидать, что отрасль получит скачок маржи, но данные РУССОФТ показывают другое: в 2025 году у компаний, применявших ИИ, оборот вырос на 7,5%, а у тех, кто его не применял, на 14,1%. Выручка на сотрудника у первых тоже оказалась не выше.

  Инсайты с круглого стола ИТ-предпринимателей о влиянии ИИ на бизнес-модель компании. Вызовы, с которыми столкнулись ИТ-компании. Предвкушаю рост продаж антидепрессантов и сварочных аппаратов.   1️⃣ Экономический вызов: час разработчика vs час ИИ ИИ даёт буст в 3–4 раза по скорости и цене, но прибыль не растёт, а падает. Если ты не используешь ИИ – конкуренты дают цены ниже; если используешь – высвобождается время сотрудников и надо либо кратно больше продавать, либо сокращать разработчиков. 2️⃣ Кризис бизнес-модели: аутсорсинг "по часам" умирает Классическая модель "продаём часы" больше не работает, а новая пока не сложилась. Продавать компетенцию дороже (15–20 тыс. за час вместо 4–5) не получается – российский рынок не готов платить больше. Заказчик видит, что ты сделал быстрее, и ожидает, что возьмёшь меньше. Нужно научиться продавать ценность (ROI), а не часы, – а это другая компетенция, не разработчика, а бизнес-консультанта. 3️⃣ Безопасность и запреты: ИИ блокируют на входе Частая проблема внедрения ИИ – не технологическая, а проблема безопасности. Крупным корпоративным заказчикам запрещают применять ИИ в разработке. Это блокирует главный бенефит – ускорение – именно там, где он нужнее всего. 4️⃣ Иллюзия "мы станем IT-компанией" Крупные компании решили, что с ИИ сами смогут делать продукты, и побежали коммерциализировать внутренние разработки. Но мало кто понимает, что значит быть владельцем IT-продукта и какие это несёт затраты. Статистика уже показывает: крупный бизнес целенаправленно отказывается от этой модели как нецелесообразной – аутсорсинг сохранится, но через боль и потери. 5️⃣ Девальвация продукта: продуктов больше, прибыль меньше ИИ позволяет быстро создавать продукты – но если все могут быстро, продуктов становится много, а клиентов больше не становится, прибыль падает. Крупные компании уже отказались от 20% подписок, переписав продукты под себя агентским подходом. Если студент может запустить сервис и занять нишу, девальвируется само понятие продукта. 6️⃣ Скорость адаптации Раньше технологические сдвиги занимали годы, сейчас – месяцы и недели; компании не успевают адаптироваться. 7️⃣ Рынок и риски: крупный уходит, малый не платит Крупные заказчики режут бюджеты первыми или делают сами; малый и средний бизнес – новая надежда, но он не готов платить много. Зависимость от 5–10 крупных клиентов становится критическим риском, и модель нужно перестраивать под массовые продажи. 8️⃣ Компетенции и будущее: архитектура вместо кода Если ИИ пишет код, компетенция разработчика обесценивается – остаётся архитектура, но архитекторов нужно в разы меньше. Клиент может уйти, потому что научился делать сам; для массового продукта это не страшно, для кастомных решений – реальная угроза. Рынок меняется каждую неделю, бизнес-модели не успевают сложиться, все экспериментируют – и эксперименты стоят дорого.   🔸🔸🔸   На круглом столе приводили исследование 300 российских IT-компаний, где выявили, что есть корреляция между использованием ИИ и падением выручки. И она звучит не так, что "используем ИИ и выручка растёт", а наоборот – "используем ИИ – выручка падает". ❓ И вот тут вопрос: использование ИИ – причина падения или спасательный круг? Ваши мнения, дорогие подписчики? Уже пора закупать сварочный аппарат или справимся?

просто не могу удержаться, как теперь просто делать нужные штуки. это наша внутренняя система настройки плановых когорт (в общем, все что я люблю и о чем рассказываю про юнит-экономику). Теперь я могу указывать как достигать значений, когда и каких... ну и план-факт и тп... на картинке метрика и ее поведение в когртах, план, факт, и прогноз. я в восторге. PS вы, что думали, я теперь буду только в симуляторе компьютеры собирать? нет, но посмотреть мою сборку APPLE ][+ рекомендую!

Скидки стимулируют покупки (не факт) и уменьшают нашу маржу (смотря как считать, но скорее факт). При этом некоторые компании продолжают раздавать промокоды как отправлять массовые рассылки - на всю базу. В связи с этим в голове крутится простая моделька, на основе которой можно присваивать баллы за предконверсионные действия клиентов — например положил вещь в корзину - 0,5, в избранное - 0,3, просматривал одну и ту же вещь. - 0,2. Баллы суммируем. Чем больше сумма, тем ближе человек к покупке. После совершения покупки баллы обнуляются. Такая модель позволит относительно быстро и просто принимать решения давать клиенту скидку или нет. Давать или нет придется тестировать. Это зависит и от цикла покупки, и от продукта, и чека и других факторов присущих бизнесу. Но если нет ресурсов на внедрение ML-моделей, то такой вариант может быть вполне пригодным. Сыро пока что, но как отправная точка для развития модели и возобновления блога вполне подойдет.

Друзья хочу поделиться постом своего друга, он ведет канал про маркетинг на данных, думаю это хорошо ложиться в тему data driven, подписывайтесь если вам зашло.

💛 В поддержке - сила! Переход на сторону предпринимательства можно метафорично сравнить с выходом на улицу в лютый мороз без тёплой одежды. Страшно, но идти нужно быстро – иначе замёрзнешь. И первое, что я обнаружила, когда вышла, было для меня неожиданным: вокруг очень много тепла, поддержки и доверия. "Ты справишься", "Хочу, чтобы у тебя получилось", "Чем я могу тебе помочь?" – и эта поддержка согревает каждый день. 🎙️ А на прошлой неделе мы проводили первый наш вебинар (видео, кстати, скоро выложим). Конечно, я до этого вебинаров проводила миллион, от разных компаний, с разными темами, разными участниками. Но этот – первый именно наш. И я обратилась к своим друзьям, коллегам и партнёрам, у которых есть блоги для предпринимателей – с просьбой поделиться со своими подписчиками, если они посчитают тему интересной. И я преисполнена благодарности к тем, кто откликнулся и поддержал! 💛 Друзья, спасибо вам! ❗️Каждый из каналов, в которых был анонс – для бизнеса. Владельцы – управленческие консультанты разных направлений, предприниматели и просто замечательные люди. Уверена, их компетенции и материалы будут вам полезны! 🔸🔸🔸 ⭐️Елена Редколис – вице-президент Международной ассоциации ТРИЗ в России, R&D бизнес-партнёр, консультант по управлению и инновациям, автор и исследователь с 20-летним опытом. Канал - сообщество инноваторов и практиков, где развивают мышление, решают сложные задачи, создают новые продукты в разных отраслях и внедряют нетривиальные подходы с помощью ТРИЗ и других современных инструментов. 📱 ТРИЗ с Еленой Редколис 🔸🔸🔸 ⭐️Марина Балобанова – помогает собственникам и топ-менеджерам строить систему управления бизнесом и командой, основатель агентства управленческого консалтинга SKILLSTIME, консультант с международной сертификацией СМС. Бизнес-тренер для управленцев. Skilltimes - это экологичная система управления бизнесом и командой. 📱 Совет директоров Skilltimes 🔸🔸🔸 ⭐️Татьяна Лукина – консультант по управлению с сильной экспертизой в области продаж и маркетинга, развития ERP и CRM систем, а еще – фея люкса и премиального сервиса с опытом управления продажами в ЦУМе. На канале у Татьяны много реальных кейсов из бизнес-практики консалтинга. 📱 Татьяна Лукина STRATLAB 🔸🔸🔸 ⭐️Дмитрий Зайчковский – руководитель технического отдела и отдела аналитики в «Нескучных финансах» + операционный партнер компании GTOOL «Шлифовальные технологии». В канале пишет для собственников и руководителей: без теории ради теории, на живых кейсах - что ломается в управлении и как именно это чинится. 📱 Стратегическое и операционное управление 🔸🔸🔸 ⭐️Анна Цыплухина – бизнес-тренер, коуч для руководителей, директор РК "Бизнес-класс". Телеграм-канал про реальные управленческие кейсы и современные подходы в менеджменте. 📱 Анна Цыплухина для Дела и Жизни 🔸🔸🔸

🤖 Вкалывают роботы - счастлив человек? В выходные в Томске проходила традиционная уже 16я конференция Город ИТ. И это знаковое событие для всего ИТ-сообщества. У меня к конференции очень тёплое отношение, два года я даже принимала активное участие в организации. Несложно догадаться, какая повестка была сквозной для Города ИТ. Конечно, это ИИ. Принимала участие в круглом столе, где рассуждали, как искусственный интеллект уже меняет конкретные профессии и к чему эта трансформация может привести через 3–4 года. ➡️ Смотрели со стороны маркетинга, продуктовой разработки, проектного управления, оценки недвижимости и анализа данных. Как мы работали раньше, как работаем сейчас, что ИИ пока делает плохо, какие сегодняшние задачи практически исчезнут, что в профессии резко дешевеет, за что нам будут платить через несколько лет. Рассуждали о рисках. Давали советы начинающим специалистам. Многое зацепило. Вопросы на подумать и пообсуждать. 1️⃣ Если сейчас для "управления" ИИ-агентами нужны в первую очередь Senior-специалисты, то что делать Junior’ам? И если сейчас начинающих ребят выбросит с рынка, откуда мы будем брать сениоров через несколько лет? Должны ли компании, несмотря на все происходящие вокруг кризисные явления, нести некоторую социальную ответственность за взращивание молодых специалистов? 2️⃣ Кто несёт ответственность за результат? ИИ или человек? И если один человек сейчас может управлять большим количеством ИИ-агентов и прочих ИИ-инструментов, то не сведётся ли рано или поздно вся оргструктура к ограниченному кругу разно-функциональных сениоров?

Тут меня догнало уже после круглого стола – а есть ли граница той ответственности, которую может вынести один человек, управляя такой ИИ-командой?

3️⃣ А если мы теперь можем за ту же единицу времени и человеческих усилий благодаря ИИ делать кратно больше – почему компании сокращают сотрудников? Может надо больше продавать? Или делать то, до чего никак не доходили руки? 4️⃣ За какие результаты нам будут платить через 3-4 года? Какую такую ценность мы даём на фоне ИИ? 5️⃣ И, наконец, ИИ – это угроза или возможность? Это только круглый стол по профессиям. Послушала ещё: 🔸взгляд предпринимателей "Кто заплатит за производительность: какой будет бизнес-модель ИТ-компании" и 🔸со стороны найма "IT-рынок труда — 2026. Взгляд со стороны работодателя и кандидата". Везде свои инсайты, свои вопросы. ❓ А что для вас ИИ? Помощник, конкурент, угроза, возможность, что-то другое?

❗️Внедрение BI: ваш маршрут перестроен Уже завтра! 🔥 📊 Бизнес-аналитика приобретает всё больший и больший вес при принятии управленческих решений. Дашборды собирают данные из разных систем, агрегируют и визуализируют в удобном виде. Дают возможность взаимодействовать с информацией и получать ответы на возникающие вопросы. Путь в аналитику, как правило, начинается с 🗒Excel. Ручные выгрузки, формулы, трудозатраты и море ошибок. Отчёты приходят хаотично – с разной периодичностью и зачастую слишком поздно. Первые попытки автоматизировать аналитику с помощью 📊 BI (Business Intelligence) тоже нередко разочаровывают. Аналитика становится менее трудозатратной, более регулярной и содержательной. Однако процесс оказывается сложнее, чем ожидалось. Вскрываются несовершенства процессов и исходных данных. Проявляется недоверие к новым инструментам и сопротивление команды. Обнаруживается недостаток компетенций и культуры принятия решений на основе данных. 📍Этот путь можно пройти гораздо проще, если заранее проложить маршрут – изучить карту местности и пробки, знать заранее все повороты и виражи, запастись бензином. 🔸🔸🔸 10 сентября в 11:00 на вебинаре "Внедрение BI: ваш маршрут перестроен" мы поделимся с вами наработанным опытом и практиками управления на основе данных. Рассмотрим, какие уровни зрелости проходит компания на пути внедрения BI. Расскажем, как преодолевать типичные "болячки" каждого уровня: ➡️Как избавиться от привычки подглядывать в Excel и научиться доверять данным в дашбордах. ➡️Как навести порядок в данных и процессах. И не отчаяться на середине пути. ➡️Как преодолеть сопротивление команды и мягко настроить на новую культуру работы. ➡️Как начать принимать решения и органично встроить управление на основе данных в процессы компании. 🔸🔸🔸 Мы ценим ваше время и доверие, поэтому соблюдаем несколько принципов: 🟠Никакого нейрослопа. Живые тексты, живые примеры. 🟠Максимум смысла и пользы. 🟠Никаких продаж на вебинаре. 🟠Возможность зарегистрироваться только для получения видеозаписи.   🔥Используйте энергию данных для своих задач!   🗓️10.09.2026 11:00 МСК 📝Регистрация: сайт 🎙️Видеоприглашение: 📱Youtube 📱 VK 📹 Rutube

Я часто вижу от разных спикеров, экспертов и тп, базовые рекомендации по метрикам, например, что может повлиять на ту или иную метрику вашего бизнеса. В целом я не против таких постов, образование всегда хорошо, но еще лучше практика. В нашей компании используется формула для расчета среднего чека, она учитывает то, как мы продаем наш продукт, кто его покупает и как. Так вот, если вы видите и понимаете, что значат значки сумм, то вот вам интересное число 54 096 именно столько переменных параметров необходимо для полного расчета среднего чека в нашем бизнесе. Так что иногда ваша метрика может иметь очень, ну просто очень сложную зависимость от других параметров

⭐️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?

Записал видео о том, как я собрал компьютер на транзисторах и что он умеет делать. https://www.youtube.com/watch?v=rG6MOULxGwM

🌟 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 👨‍💻

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%).

⚠️ 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! 💛

🔤🔤🔤🔤🔤🔤 🔤🔤🔤🔤🔤🔤🔤🔤 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