Endi mavjud! Telegram Tadqiqoti 2025 — yilning asosiy insaytlari 
PRO анализ в ИТ
Kanalga Telegram’da o‘tish
Канал о продуктовом мышлении, полезной работае с AI, системном и бизнес-анализе, архитектуре. Как выявлять реальные проблемы, строить работающие решения и не терять здравый смысл в IT. Все вопросы - @innokentyB
Ko'proq ko'rsatish2 650
Obunachilar
Ma'lumot yo'q24 soatlar
-37 kunlar
+730 kunlar
Ma'lumot yuklanmoqda...
O'xshash kanallar
Taglar buluti
Kirish va chiqish esdaliklari
---
---
---
---
---
---
Obunachilarni jalb qilish
Iyul '26
Iyul '26
+11
1 kanalda
Iyun '26
+29
0 kanalda
Get PRO
May '26
+75
0 kanalda
Get PRO
Aprel '26
+66
0 kanalda
Get PRO
Mart '26
+25
0 kanalda
Get PRO
Fevral '26
+95
0 kanalda
Get PRO
Yanvar '26
+36
2 kanalda
Get PRO
Dekabr '25
+105
3 kanalda
Get PRO
Noyabr '25
+158
2 kanalda
Get PRO
Oktabr '25
+181
3 kanalda
Get PRO
Sentabr '25
+134
3 kanalda
Get PRO
Avgust '25
+31
0 kanalda
Get PRO
Iyul '25
+57
1 kanalda
Get PRO
Iyun '25
+106
1 kanalda
Get PRO
May '25
+54
2 kanalda
Get PRO
Aprel '25
+45
0 kanalda
Get PRO
Mart '25
+39
1 kanalda
Get PRO
Fevral '25
+127
6 kanalda
Get PRO
Yanvar '25
+55
1 kanalda
Get PRO
Dekabr '24
+43
2 kanalda
Get PRO
Noyabr '24
+48
0 kanalda
Get PRO
Oktabr '24
+66
0 kanalda
Get PRO
Sentabr '24
+92
1 kanalda
Get PRO
Avgust '24
+100
0 kanalda
Get PRO
Iyul '24
+82
1 kanalda
Get PRO
Iyun '24
+82
0 kanalda
Get PRO
May '24
+176
2 kanalda
Get PRO
Aprel '24
+75
0 kanalda
Get PRO
Mart '24
+120
0 kanalda
Get PRO
Fevral '24
+98
0 kanalda
Get PRO
Yanvar '24
+114
0 kanalda
Get PRO
Dekabr '23
+127
0 kanalda
Get PRO
Noyabr '23
+89
0 kanalda
Get PRO
Oktabr '23
+163
1 kanalda
Get PRO
Sentabr '23
+68
0 kanalda
Get PRO
Avgust '23
+79
0 kanalda
Get PRO
Iyul '23
+57
0 kanalda
Get PRO
Iyun '23
+82
0 kanalda
Get PRO
May '23
+57
0 kanalda
Get PRO
Aprel '23
+76
0 kanalda
Get PRO
Mart '23
+586
0 kanalda
| Sana | Obunachilarni jalb qilish | Esdaliklar | Kanallar | |
| 08 Iyul | 0 | |||
| 07 Iyul | +3 | |||
| 06 Iyul | +1 | |||
| 05 Iyul | 0 | |||
| 04 Iyul | +2 | |||
| 03 Iyul | +4 | |||
| 02 Iyul | 0 | |||
| 01 Iyul | +1 |
Kanal postlari
Tech Analyst Meetup. Неизданное
Так, мы не закончили. Сложно впихнуть в один митап все самое интересное, поэтому продолжаем во вторник. Будем встраивать Cursor в работу аналитика, обезличивать запросы ко внешним LLM, учиться безопасно использовать AI в суровом энтерпрайзе.
Программа:
• Светлана Шакутина, Orion Soft — Встраиваем Cursor в повседневную работу системного аналитика
• Никита Харичкин, Альфа Банк — Когда лень, лепи пеLLMень: AI workaround на минималках
📆 7 июля, вторник, 18:30 мск
🔗 Регайтесь в ботике, это бесплатно
| 2 | А тут у митапа, где я рассказывал про Подмастерье завтра будет продолжение, успевайте зарегаться | 175 |
| 3 | Когда люди говорят про себя или свой софт "Enterprise" они обычно имеют в виду "сложные задачи, качественное и безопасное решение". Я слышу: "безобразный UX, устаревшие технологии, негибкое использование, сотни разработчиков там, где могли бы справиться трое". | 187 |
| 4 | У кого так же?) | 225 |
| 5 |  Подмастерье не пишет постановку за аналитика. И это, наверное, самое важное решение, которое я принял за последние полгода.
Когда я только начинал делать Подмастерье, идея была совсем другой. Мне казалось, что идеальный AI-напарник должен сам собрать контекст проекта, разобраться в требованиях, написать готовую постановку, а аналитик лишь быстро её просмотрит и отправит в разработку. Звучало очень логично. Более того, именно такой прототип я и сделал первым.
Потом я показал его трем разным командам. И довольно быстро понял, что не работает. Причём проблема была совсем не в моделях. GPT, Claude и Gemini уже умеют писать вполне приличные документы. Проблема оказалась глубже.
Я вдруг поймал себя на мысли, что постановка — это вообще не про текст. Это про принятие решений. Аналитик постоянно выбирает, что важно, а что нет, какие ограничения обязательно проговорить, где стоит подсветить риск, а где не перегружать документ деталями. Даже когда два источника противоречат друг другу, нужно не просто показать расхождение, а решить, как с ним жить дальше.
И вот здесь я понял, что именно эту работу отдавать ИИ нельзя.
Зато есть другая часть работы, в которой он оказался неожиданно хорош. Он действительно отлично собирает контекст, находит противоречия, связывает между собой документы, подсвечивает пробелы и делает всё то, на что у аналитика обычно уходят часы.
В какой-то момент стало понятно, что я пытался автоматизировать не ту часть процесса.
С тех пор принцип очень простой: Подмастерье ищет. Мастер решает.
Наверное, именно эта фраза лучше всего описывает то, что я в итоге строю. Не систему, которая принимает решения вместо аналитика, а инструмент, который снимает с него самую утомительную и механическую часть работы. Потому что ценность аналитика сегодня — уже не в том, чтобы собрать информацию. Ценность в том, чтобы принять правильное решение на её основе. | 383 |
| 6 | 🔨 Почему ChatGPT не станет напарником системного аналитика
За последний год стало понятно: проблема не в том, что современные LLM плохо отвечают на вопросы.
Проблема в том, что они почти ничего не знают о конкретном проекте.
Для аналитика ответ без контекста редко имеет ценность. Требования живут одновременно в Confluence, Git, OpenAPI, диаграммах, переписках и десятках других источников. Пока эта информация не собрана в единую картину, любой ответ модели — лишь хорошо сформулированная гипотеза.
Именно поэтому в «Аналитической мастерской» мы пришли к простой идее.
Прежде чем что-то анализировать, нужно собрать карту проекта.
Не векторную базу.
Не очередной RAG.
А Source Map — карту источников, связей, противоречий и контекста, на которую уже может опираться аналитик.
Отсюда и родилась концепция «Подмастерья аналитика».
Подмастерье не пишет требования вместо человека и не принимает архитектурные решения. Его задача гораздо более приземлённая, но именно поэтому полезная: собрать материалы, показать связи между ними, подсветить противоречия, подготовить заготовку для дальнейшей работы.
Потому что решение по-прежнему остаётся за мастером.
Эта идея может показаться очевидной. Но именно вокруг неё сегодня строится разница между «чатом с ИИ» и настоящим рабочим инструментом аналитика.
В новой статье подробно разобрали:
• почему ChatGPT недостаточно для проектной работы;
• что такое Source Map и зачем он нужен;
• почему RAG — это только часть решения;
• и как меняется роль аналитика в эпоху AI.
Будем рады вашим вопросам, критике и обсуждению. | 378 |
| 7 |  В субботу выступал в Клубе тех. аналитиков с докладом про Source Map для системного аналитика.
Больше всего меня порадовал даже не сам доклад, а обсуждение после него. Практически все вопросы в итоге свелись к одной теме:
👉 где проходит граница между работой ИИ и работой аналитика?
Именно той самой границе, вокруг которой последние полгода я строю «Подмастерье аналитика».
Для себя я давно сформулировал ответ так: ИИ не должен принимать решения за аналитика. Его задача — подготовить максимально качественную заготовку. Собрать контекст, найти противоречия, показать риски, связать требования из разных источников. А вот решение, какие из этих данных важны и что с ними делать дальше, по-прежнему остается за человеком.
Мне кажется, именно такой подход и позволит использовать ИИ как усилитель экспертизы, а не как её замену.
Кстати, небольшое организационное обновление.
Первый поток практикума решил немного сдвинуть: старт переносим с 6 июля на 14 июля.
Причина очень простая — хочу спокойно восстановить контентный план после насыщенных последних недель и довести до ума несколько UX-моментов в самом «Подмастерье». Не хочется запускать обучение, пока самому кажется, что продукт можно сделать ещё лучше.
📅 Старт: 14 июля, 19:00 МСК
Формат остается без изменений:
• 3 недели;
• 6 живых онлайн-сессий;
• работа с вашим реальным кейсом;
• и много практики по использованию AI в работе аналитика.
Для участников субботнего митапа промокод KLUB2026 будет действовать до 13 июля.
Спасибо всем, кто подключился к эфиру. Было очень приятно видеть столько вопросов и настолько глубокую дискуссию. Кажется, тема только начинает по-настоящему раскрываться. | 317 |
| 8 | 🔥 Три разных человека. Три разных проекта. Три совершенно разные истории.
Юра не искал революционную идею и не пытался изобрести новый Uber. Он нашёл скучную нишу с понятным спросом. Начиналось всё примерно со $100 в месяц. Через год проект уже приносил около $10K.
Денис в одиночку сделал Telegram-игру с использованием AI. Без команды, инвесторов и больших бюджетов. Через полтора месяца после запуска проект начал приносить около $1500 в месяц.
Аня вообще не считала себя техническим человеком. Тем не менее она собрала AI-бота для изучения английского языка и уже в первый месяц получила около $200 выручки.
Разные люди. Разные продукты. Разные результаты.
Но что интересно — подход оказался практически одинаковым.
Во-первых, никто из них не искал «гениальную идею». Все трое начали с существующей проблемы и существующего спроса. Возможно, это не так интересно рассказывать на конференциях, как историю про очередной прорывной стартап, но на практике именно так появляется большинство работающих продуктов.
Во-вторых, никто не пытался построить идеальную систему с первой попытки. Они запускали максимально простую версию продукта, получали обратную связь от пользователей и уже потом начинали что-то улучшать.
И в-третьих, никто не ждал идеального момента. Не ждал окончания курсов, получения очередного сертификата или появления свободного времени. Они просто начали делать.
Мне кажется, это один из самых важных уроков, который сейчас даёт AI. Он не гарантирует успех. Не отменяет необходимость думать. Не избавляет от ошибок.
Но он радикально снижает стоимость эксперимента.
Раньше для проверки идеи нужно было искать команду, деньги и разработчиков. Сегодня во многих случаях достаточно собственного времени, желания разобраться и готовности несколько раз переделать то, что не получилось с первого раза.
Не у всех получится выйти на $10K в месяц. Да и вообще далеко не каждый проект взлетит.
Но если системно запускать небольшие продукты, проверять гипотезы и разговаривать с пользователями, то рано или поздно появляется самое важное — первый работающий кейс и первый доход. А дальше уже появляется что масштабировать.
В комьюнити регулярно разбираем такие истории: @its_capitan
Что сработало, что не сработало и какие ошибки были допущены по дороге. | 417 |
| 9 |  Так, у нас митап
Совершенно внезапно, мы решили собраться в субботу на Tech Analyst Meetup, чтобы обсудить использование AI в работе аналитиков. Пригласили как скептиков, так и оптимистов со своими практическими кейсами — хотим посмотреть на тему со всех сторон.
Что будет:
• Екатерина Пантелей — SDD против здравого смысла: какие артефакты аналитика переживут AI?
• Антон Константинов — Опыт коллаборации с AI: спеки, навыки, контекст
• Егор Марюшко — AI тут, AI там — какие возможности и инструменты на самом деле доступны аналитику в большинстве энтерпрайз-проектов, без иллюзий
• Иннокентий Бодров — Source map для системного аналитика: что нужно AI-напарнику кроме модели
• Анастасия Кайнова — тема уточняется
📆 27 июня, суббота, 11:00-15:00 мск
🔗 Регайтесь в ботике, это бесплатно | 368 |
| 10 | Всем привет! В субботу выхожу из сумрака и буду рассказывать про Подмастерье аналитика и Source map на митапе в клубе у Андрея Буракова | 370 |
| 11 | Тут кажется начинается ограничение использования моделей на национальном уровне, потому что они могут представлять реальную угрозу национальной безопасности.
Власти США директивно предписали Атропик ограничить доступ к Fable 5 и Mythos 5, двум новейшим моделям для всех лиц, не являющихся гражданами США вне зависимости от их местоположения и работы на Атропик. Конкретных причин не указали. Будем поглядеть
https://www.anthropic.com/news/fable-mythos-access | 545 |
| 12 |  Меня последние полгода регулярно спрашивают, какую модель использовать аналитику.
GPT? Claude? Gemini? Может быть локально DeepSeek? А может вообще ждать следующую модель, которая наконец всё исправит?
И каждый раз я отвечаю примерно одно и то же:
👉 модель не так важна, как кажется.
Точнее, важна. Но это далеко не первый вопрос, который стоит задавать.
За последний год я видел огромное количество обсуждений, сравнений, бенчмарков и споров о том, какая модель лучше пишет требования, лучше анализирует документы или лучше понимает контекст. Но чем больше я работаю с ИИ в реальных проектах, тем сильнее убеждаюсь, что качество результата определяется не столько моделью, сколько тем, что находится вокруг неё.
Есть ли у неё доступ к источникам знаний?
Есть ли нормальная карта проекта и связей между артефактами?
Понимает ли она, какие документы актуальны, а какие лежат в Confluence с 2022 года и давно никому не нужны?
Может ли она показать, откуда взяла вывод и на какие источники опиралась?
Есть ли вообще понимание того, какой контекст можно отправлять наружу, а какой нельзя?
Потому что если всего этого нет, то даже самая дорогая и умная модель очень быстро начинает галлюцинировать. Не потому что она плохая, а потому что ей просто не на что опереться.
А вот если вокруг модели выстроен нормальный workspace — со source map, контекстом проекта, понятными связями между артефактами и механизмами проверки результатов — то внезапно оказывается, что даже далеко не самая передовая модель способна выдавать вполне качественную заготовку для работы.
Собственно поэтому последние месяцы я трачу гораздо больше времени не на выбор очередной модели, а на построение окружения вокруг неё.
Потому что модель через полгода поменяется.
Через год поменяется ещё раз.
А вот качественный workspace останется и продолжит приносить пользу независимо от того, какой именно LLM находится под капотом.
Кажется, что в ближайшие несколько лет главным конкурентным преимуществом станет не выбор модели, а качество контекста, который ты способен ей предоставить.
А вы на что сегодня тратите больше времени — на выбор моделей или на организацию контекста вокруг них? 👇 | 459 |
| 13 |  🔥 Последние месяцы я всё чаще ловлю себя на одной мысли.
Когда сажусь разбирать требования, готовить постановку на проект или продумывать архитектурное решение, рядом со мной лежит уже не книжка по системному анализу и даже не набор любимых шаблонов. Рядом со мной всё чаще оказывается AI.
Сначала это был ChatGPT. Потом Claude. Потом появились собственные промпты, базы знаний, эксперименты с агентами и попытки встроить всё это в ежедневную работу. И чем больше я с этим работаю, тем яснее понимаю одну вещь: современные модели знают очень много, но они не знают мой проект.
Они могут рассказать, как обычно строят онбординг в банке, как проектируют API или какие паттерны используют при разработке распределённых систем. Но они не знают моих пользователей, не знают ограничений конкретной команды, не знают договорённостей, которые были достигнуты полгода назад и теперь влияют на половину решений. Они не знают, почему одно решение было сознательно отвергнуто, а другое стало компромиссом между бизнесом, разработкой и безопасностью.
Получается любопытная ситуация. Модель часто отвечает гораздо увереннее меня. Но проект знаю я.
Именно поэтому я всё меньше верю в разговоры про замену аналитиков, продактов, архитекторов или разработчиков. На практике я вижу другую модель взаимодействия, которая неожиданно напоминает старые ремесленные мастерские.
🧠 У мастера был подмастерье. Он помогал с работой, выполнял рутинные задачи, готовил материалы, делал черновики, учился на практике и периодически ошибался. Его нужно было направлять, проверять и иногда исправлять. Но при этом он серьёзно увеличивал возможности мастера и освобождал время для более сложной работы.
Чем дальше развиваются AI-инструменты, тем больше я вижу именно такую роль. Не эксперта, который пришёл тебя заменить, а подмастерья, который помогает собрать информацию, проверить гипотезу, найти противоречия, подготовить черновик решения или посмотреть на проблему под другим углом.
Ответственность за результат всё ещё остаётся у мастера. Но хороший подмастерье позволяет двигаться гораздо быстрее.
Собственно, из этой идеи и родилось то, над чем я сейчас работаю и о чём постепенно буду рассказывать в @analystcraft.
Подмастерье.
Не вместо аналитика.
Рядом с аналитиком. | 349 |
| 14 |  Джависты первыми пойдут на завод. Запомните этот твит.
Шучу. Наверное.
Но в последнее время меня не отпускает одна мысль. Если посмотреть на разработчиков, которых ИИ будет поджимать сильнее всего, то в зоне риска окажутся не те, кто хуже пишет код. И даже не те, кто работает на каком-то конкретном языке. Под удар в первую очередь попадают люди, чья работа сводится к преобразованию готовой постановки в готовый код.
За свою карьеру я успел поработать с джавистами, шарпистами, питонистами, PHP-разработчиками, гошниками и многими другими. И почему-то именно в мире Java чаще всего сталкивался с очень интересным сочетанием качеств.
С одной стороны, это невероятная инженерная дисциплина и внимание к деталям. Всё должно быть описано, согласовано и формализовано. Иногда настолько, что постановку могут не взять в работу просто потому, что в ней не хватает какого-то поля, диаграммы или таблица оформлена не по шаблону.
С другой стороны, я регулярно встречал гораздо меньший интерес к самой бизнес-проблеме. Не к тому, как её решить, а к тому, как максимально точно реализовать то, что уже описано аналитиком или архитектором. Конечно, это не про всех. Я знаю огромное количество сильнейших Java-разработчиков, которые прекрасно понимают бизнес, спорят с заказчиками, предлагают решения и способны сами раскопать проблему глубже любого аналитика.
Но если смотреть на усреднённую картину энтерпрайза, особенно банковского, то довольно часто встречается подход: «Дайте мне подробную постановку, а дальше я всё реализую».
И вот здесь появляется ИИ.
Потому что ИИ уже сегодня довольно неплохо умеет превращать спецификации в код. Более того, именно эта часть работы развивается быстрее всего. Если раньше требовалось подробно объяснять модели, что именно нужно сделать, то сегодня многие инструменты уже способны самостоятельно декомпозировать задачу, генерировать код, писать тесты и исправлять часть ошибок.
Получается интересная ситуация. Чем больше ценность человека сосредоточена в аккуратном переносе требований в код, тем выше риск, что эту часть работы начнут автоматизировать. И наоборот, чем больше человек понимает предметную область, умеет принимать архитектурные решения, работать с неопределённостью, спорить с бизнесом и искать реальные проблемы пользователей, тем сложнее его заменить.
И знаете, какая мысль мне кажется особенно забавной?
Возможно, именно поэтому системные аналитики так востребованы в российских банках. Потому что основной стек большинства банков — Java. И где-то между этими двумя фактами, как мне кажется, есть определённая связь 😁
А как вам кажется, это особенность Java-культуры, банковского энтерпрайза или мне просто всю жизнь так «везло» с проектами? | 423 |
| 15 | #AI #агенты
Люблю байки из склепа про тупых коварных агентов. Только после них вопросы остаются.
Агент удалил боевую базу
У вас точно есть бэкапы? Их может каждый снести?
Агент уронил прод
Что у вас с CI/CD? Люди тоже постоянно роняют?
Агент потратил нажитое непосильным трудом
Вы ему дали основную карту, да еще с овердрафтом?
Агент устроил непотребство в личной переписке и снес семейный архив на ноуте.
Т.е. вы поставили его на личную машину и дали все права?
Хотя правила гигиены довольно просты:
• Относись к агентам, как к людям, встраивай их в безопасные процессы
• Если агент может сам что-то оплачивать — сделай ему отдельную виртуальную карту, настрой лимиты, закидывай ограниченные суммы
• Следи за доступами на локальной машине. Запускай в докере, или вообще разверни на отдельном VPS
• Следи за доступами в публичных сервисах. Четко настраивай права на уровне самого сервиса, а не инструкций агента
Да, негибко. Со временем можно давать больше свободы, сопоставляя профит и риски. Но тут, конечно, думать придется.
Когда заявляют, что агент тупой, то обычно тупой не он. | 406 |
| 16 | Как же я люблю такие посты от Андрея.
Многие люди, используя агентов, наконец понимают, почему так непросто управлять людьми) | 420 |
| 17 |  Чем больше я работаю с ИИ, тем больше он напоминает мне подмастерья.
Последние пару лет много говорят о том, что ИИ заменит разработчиков, дизайнеров, аналитиков и вообще всех, кто работает головой. Но чем больше я наблюдаю за тем, как эти инструменты используются на практике, тем меньше верю в этот сценарий.
Возьмём разработку. Сегодня с помощью Cursor или Claude Code можно довольно быстро собрать работающий прототип, написать сервис или даже целое приложение. Но есть одна проблема: если человек не понимает архитектуру, не умеет проектировать системы и не представляет, как всё это будет работать в реальном продакшене, результат обычно получается ровно таким же, как и ожидалось — красивым, но хрупким.
С дизайном ситуация очень похожая. Можно получить экран по текстовому описанию буквально за несколько минут. Но хороший ли это дизайн? На мой взгляд — часто да. На взгляд профессионального дизайнера — далеко не всегда. Более того, сильный дизайнер обычно за пару минут находит проблемы, которые непрофессионал даже не замечает.
Поэтому мне кажется, что главный эффект ИИ оказался совсем не там, где его ожидали.
Он не заменяет мастера. Он даёт мастеру подмастерье.
Если посмотреть на старые ремесленные мастерские, мастер редко выполнял всю работу самостоятельно. Часть задач постепенно передавалась подмастерью. Тот готовил материалы, делал черновую работу, выполнял рутинные операции, учился на практике и иногда ошибался. При этом ответственность за конечный результат всё равно оставалась за мастером.
И чем дальше развивается ИИ, тем сильнее я вижу именно такую модель работы.
Сегодня я спокойно могу отдать ИИ множество задач:
- собрать информацию из нескольких источников;
- подготовить первый черновик документа;
- предложить варианты решения;
- найти противоречия в тексте;
- помочь с анализом или структурированием информации.
Но я всё ещё не готов полностью доверить ему принятие решений, выбор компромиссов или оценку того, насколько решение действительно подходит для конкретной ситуации.
Именно поэтому мне кажется ошибкой вопрос: «Когда ИИ заменит аналитиков или продактов?»
Гораздо интереснее другой вопрос: «Какого подмастерья получит аналитик?»
Для разработчиков такие инструменты уже появились. Для дизайнеров тоже появляются всё более сильные решения.
А вот для аналитиков и продактов я пока не вижу по-настоящему зрелых инструментов, которые помогают не писать артефакты, а думать. Помогают исследовать проблему, замечать риски, задавать неудобные вопросы и проверять логику рассуждений.
Мне кажется, именно здесь сейчас происходит самое интересное.
А какие задачи вы уже готовы отдать своему ИИ-подмастерью, а какие всё ещё оставляете исключительно за собой? 👇 | 562 |
| 18 | Как ты все совмещаешь?
Вчера мне написал мой давний коллега с вопросом ^
Он 5 лет работал в стартапе, где из Head of Engineering стал CTO и кофаундером, теперь отошел от стартапа и встал перед выбором: на столе толстый оффер, в голове — пара новых идей.
Меня такой вопрос всегда ставил в тупик, но задавали часто поэтому я решил проанализировать что я подсознательно делаю.
Так вот, я не думаю, что как будто чем-то жертвую, чтобы вести канал или делать Summit. Правда в том, что я долгое время не делал продукт, потому что пришлось бы жертвовать.
Всю такую деятельность я заворачиваю в системы, в которых нет места жертвам. Я настраиваю свое окружение, чтобы можно было сесть и написать пост, снять видос, запилить пару новых фич с Клодом.
Если где-то возникает жертва, то я скорее перестану заниматься этой деятельностью. Как например с видосами: у меня родилась вторая дочь и пока время сна позволяло, я пилил видосы. Как только снять видос стало означать “отправить жену с ребенком погулять” из-за шума — я перестал снимать видосы.
Даже внешний стимул не помогает — я отказался от массы рекламных контрактов, потому что там надо было снимать видос. Отказывался даже сначала согласившись и мой золотой рекламный агент это разруливал за меня.
Но по такой же системе я могу в 10 вечера включить игровой комп и постримить часик игру. Потому что все уснули, в полный голос говорить нельзя, токеты кончились, вся остальная система уже готова и настроена.
Так что я не совмещаю, а делаю все между делом.
В этом тоже есть масса проблем. Потому что с любым делом в определенный момент нельзя сказать это идея была плохой или я недожал? Жертвы - это определенный признак преданности делу, получается, что я не очень предан ни одному из дел.
Поэтому если у вас не получается что-то “совмещать” подумайте, что можно сделать по-другому, что можно не делать, где можно построить систему поддержки, где достаточно делать левой пяткой, можно ли сделать за 4 месяца, а не за 2 недели, можно ли оставлять проект между подходами.
И если уж совсем ничего не получится — да, так тоже бывает. | 538 |
| 19 | Вот, кстати, и еще один пример) | 456 |
| 20 | /Май на рынке труда: компании хотят франкенштейнов/
Весна оказалась богатой на запросы по поиску продактов в компании. Недавно общалась с одним из потенциальных клиентов, и вот что хотели ребята увидеть в одном человеке: экс-разработчик, который активно вайбкодит свои пет-проекты с реальной выручкой [большой] + пет-проекты эти с интеграциями, а не просто чат-ботик + опыт в продуктах с конкретной системой монетизации + большой MAU и MRR в бэкграунде + готовность пойти и самому протестировать новый продукт без разрабов. А потом еще добавилось требование к наличию в резюме одной из 20 всемирно известных компаний.
И таких запросов становится все больше и больше. Компании, особенно небольшие, не могут позволить себе сейчас большие команды, и ищут людей, которые закрывают сразу несколько зон. Это не баг рынка, это фича ближайших нескольких лет.
Хорошая новость для тех, у кого портфельная и нелинейная карьера: вы внезапно становитесь более востребованными, чем узкие специалисты с десятком лет опыта в одной компании. Человек с портфельным опытом - разработка + продукт, или маркетинг + аналитика, или консалтинг + запуски - это именно тот франкенштейн, которого ищут.
Плохая новость: портфельную карьеру надо строить с умом, а потом еще и грамотно большинство себя продавать. Не стеснятся нелинейности, но и не делать из резюме винегрет, и вообще мочь объяснить, чем занимаетесь.
Большинство запросов, которые я беру сейчас на карьерные консультации именно такие:
1. Придумать, как уже существующий опыт и навыки можно пересобрать в устойчивый портфель с диверсифицированными доходами
2. Упаковать нелинейный опыт так, чтобы именно под этот новый запрос рынка попасть точно в цель.
Если чувствуете что ваш опыт богатый, но кому его еще продать и как его подать, непонятно, пишите @dashavasianina. Есть один слот на этой неделе и 3 в июне! 😊 | 535 |
