Котятки,
Пока я колдую над всякими слайдиками для конференции, почитываю всякие материалы о рисках использования языковых моделей и сервисов в BI.
Наиболее полный список пугалок в собран в этой статье: https://www.researchgate.net/publication/377118301_The_Impact_of_Artificial_Intelligence_on_Business_Intelligence
Но! Кое-что высосано из пальца, типа про этику и масштабируемость, что-то не раскрыто, типа юр риски, а про самое главное (Algorithmic Accountability) сказано оч мало.
P.S. у меня будет докладик про пользовательский опыт, поэтому я для себя из этого списка вычленила то, о чем хочу поговорить:)

Котятки🐱,
Обычно в день воскресный день чудесный я себя развлекаю видосиками про недвигу, но сегодня исключение.
На ютубчике нашелся хороший подскаст по Dataviz -Chart Chat -с классными темами и гостями.
https://m.youtube.com/@chartchatlive
Все интересное искать в трансляциях.
И да, автоматические синхронные субтитры на русский уже норм. Дождусь ли синхронного голосового перевода?
P.S. Кстати, из тех подкастов, которые я люблю -Dataviz Today. Он недавно ожил после большого перерыва. Именно из него я черпала и вдохновение и всякие интересные мысли. Ну вот где мне еще расскажут, чем отличается карьера аналитика в Мозамбике?

Котятки,
Меня попросили рассказать о новом конкурсе - Дата Кидс, конкурс визуализации для детей. Мне нравится сама идея и концепция совместного творчества детей и взрослых, тем более в нашем dataviz.
К участию приглашают деток 6-11 лет с родителями, и это кажется оптимально.
Когда я училась, с визуализацией данных и диаграммами я столкнулась в 5-6 классах, но сейчас, по современным УМК, все начинается гораздо раньше. Так что, вперед! В этом конкурсе всякие творческие натуры точно найдут отдушину)
Что ждёт участников:
• подарки победителям, о которых мечтает каждый ребёнок - iPad, LEGO и многое другое
• образовательные эфиры, где графики строят из конфет и даже на основе компьютерных игр
• бонусы каждому ребёнку
Линк
👉
P.S. среди поддерживающих конкурс обнаружила издательство АСТ, когда-то там работала) как тесен мир.

Котятки😻,
Поделюсь своим докладом с конференции. Честно, без поддержки прекрасных организаторов, которые меня бережно вели, без брифинга от Миши @proudobstvo и без подготовки от @za_predelami_koda, вряд ли бы вышло так хорошо.
В общем,
-доклад в целом о сценариях интеграции BI и AI-агента с точки зрения интерфейса и UX
-там есть про аналитические задачи и AI в целом
-там есть про метрики и про архитектуру немного.
Чего нет: как учить агентов, как строить архитектуру так, чтобы это работало, какие задачи разрешать делать LLM, а что пускать строго в сторону MCP и прочие тех нюансы. Об этом хотела тоже, но тайминг, да и муж сказал, что это не темы конфы, скорее технические митапы.
А мы здесь о прекрасном.
PS. Спасибо моей маме за свитер

Котятки🐱,
Этим утром я почитываю книжечку
A reader on data Visualization. По факту, методичку по курсу Dataviz:
https://mschermann.github.io/data_viz_reader/
Что примечательно, в ней есть глава 6, где прямо очень хорошо расписан жизненный цикл любого проекта по анализу.
Ну и моя вчерашняя маленькая находка: статья-размышление на тему, какие новые риски появились в сфере анализа и визуализации, а что по-прежнему важно для построения качественного дашборда. «Уместность» - мой фаворит.
https://rebeccabranton.blog/2025/07/13/the-evolution-of-data-visualization-what-makes-a-good-chart-in-the-age-of-technology/

Котятки🐱
Сейчас я уже аккуратно подбираюсь к законодательству и переосмысливаю свой BI-процесс с концепцией human-in-the-loop. Фактически, я активно ищу оптимальный баланс точек, где мы встраиваем человека(BI-разработчика) в Use case работы пользователя с BI-инструментом, в который встроены AI-агенты. И одновременно по осматриваю законы разных стран, чтобы прикинуть, где в цепочке точно в процессах должен быть человек (то есть где ответственность), а что оставляем агентам.
Что почитать: https://tdwi.org/articles/2025/09/03/adv-all-role-of-human-in-the-loop-in-ai-data-management.aspx

Котятки🐱,
Пока мы ждем новых горизонтов с AI, держите прикольные материалы по horizon chart:
-Объяснялка https://www.horizon-chart-explanation.devinlange.com
-Анализ самой визуализации и вопрос ребром о применимости: https://blogs.scu.edu/dataviz/2017/03/03/horizon-graphs-yes-or-no/

Котятки 🐱,
Я слежу за вакансиями аналитиков уже лет 15 (как сама стала искать работу), с тех пор требования растут, в том числе инструментальные.

К сожалению, это тренд — не только в среднем и малом бизнесе нужны универсалы, уже и в крупном есть запрос на кросс-компетенции. У таких специалистов больше шансы при поиске работы, так как и опыт шире, и резюме при небольшой заточке подходит под многие требования (и даже без накрутки). Но чтобы не растащило между Python-скриптами и красивыми Power BI-дашбордами, надо учиться совмещать эти миры осознанно.

У Simulative неплохой курс— “Fullstack-аналитик”.
Там всё как в жизни: SQL, Python, BI, A/B тесты, автоматизация и реальные задачи. Адекватный пайплайн обучения и методология,- вы условно платите за то, что всю инфу (которой, будем честны, навалом) собрали для вас в усвояемом виде.

Короче, если вы тоже хотите быть востребованным на рынке,просто примите это с достоинством и чашкой латте ☕

Узнайте подробнее и получите дополнительную скидку 25%: simulative.ru/fullstack-analyst

Котятки🐱,
Погода за окном не радует, впереди выходные, и я укрываюсь очередным мануалом. На этот раз по миграции (материал был прикопан у меня с весны).
У меня миграций будет, вероятно, две -и одна точно со сменой инструмента и отказом от кубов. Ну и, кого-то пугают затраты, а меня пугают операционные срывы. В этом мануале как раз разбираются эти вопросы.
Почитать: https://dataflowmapper.com/blog/data-migration-costs-quantitative-analysis

Котятки🐱,
Разгребаю свои завалы по BI в домене healthcare. Пока ищу старый материал по пациенто-центричным и клинико-центричным дашбордам, делюсь:
-Обзорка по сторителлингу в медицинском BI, с описанием разных типов ЦА
-очень обширный материал по домену - всего понемногу, но позволяет сложить целостную картинку об аналитике в домене, важных аспектах, типах сторителлинга , целях, типах источников и пр.
Если есть что почитать посолиднее на уровне книжек, порекомендуйте, плз.

Котятки,
В прошлом году я была одержима идеей создания интерактивных графов с помощью семантики и движка Plant UML.
В этом сезоне у меня новое развлечение - генерация двух артефактов для проектирования модели данных из одного AI-aгента:
-ЕR-диаграммы
-DDL
Раньше я использовала плагин PlantUML2DDL , но увы, настало время обходиться без него.
Паттерны построения ER-диаграммы с помощью Plant UML брала из этого видоса:
https://youtu.be/iS0dBjTvCrw?si=3Ehh2hWczdnEgSmR
Что еще нашла: прикольное видео Проектирование БД с ИИ тут:
https://youtu.be/fjXqck0hNoo?si=FtSXxN9uOx3bFH5C
У каждого свои подходы к работе с AI, но в этом видео прямо детально разобран весь процесс, со всеми этапам и промтами. Оч рекомендую, походит на мой опыт до того, как я перешла на предобученных агентов.

Превращаем вопросы бизнеса в понятные дашборды с помощью BI-аналитики

Многие начинающие BI-аналитики думают, что их задача — просто красиво визуализировать данные, но настоящий профессионал с вопроса: «Что нужно узнать бизнесу?».

Бизнесу нужны не графики, а ответы на вопросы: почему падают продажи, что влияет на выручку, какие клиенты приносят прибыль.

На вебинаре с опытным BI-аналитиком Марией Гирдой вы увидите, как рождаются дашборды — от бизнес-вопроса до живого графика, шаг за шагом. Разберём типичные ошибки новичков, посмотрим примеры из практики и почему BI — понятный и логичный путь в аналитику и IT.

На вебинаре построим собственный отчёт в Fastboard и на его примере разберём:

🟠Как BI-аналитик помогает бизнесу видеть не цифры, а решения;
🟠Как из бизнес-вопроса сделать структуру отчёта или дашборда;
🟠Какие ошибки делают новички и как их избежать;
🟠Как визуализировать данные, чтобы инсайты были очевидны без пояснений;
🟠Почему BI-аналитика — самый понятный и доступный старт карьеры в IT.

❗️Встречаемся 31 октября в 19:00 мск

💬 Подключайтесь к прямому эфиру, чтобы узнать о важнейших принципах построения отчётов для бизнеса, которые можно применять в любой BI-системе.

😶Зарегистрироваться на бесплатный вебинар

Котятки🐱,
у меня сейчас два больших вызова - миграция (с Qlikview на Qlik sense) и одновременно переезд хранилища в новые среды.
Под это дело готовятся новые плейбуки, оборачиваемые в разные формы - регламенты, инструкции, шаблоны.
Из этих соображений ищу новые фреймворки для создания эффективных дашбордов - но такие, чтобы они были не про процессы-роли-ресурсы, а про сами дашики.
Короче, дашордоцентричные концепции.
Пока нашла две интересных вещи:
1) вот эта статеечка на Medium "A project framework for effective dashboards" https://medium.com/p-metrics/a-dashboarding-framework-for-actionable-insights-58d819ceccc0
2) книжечка "Dashboards That Deliver" - она дает концепцию "Dashboard as application" прямо но 10 странице, а дальше 100 страниц раскрывает ее, и еще примерно 300 дает всякие годные примеры.
Думаю, я однажды возьмусь за ее перевод. Брать тут:
https://dokumen.pub/qdownload/dashboards-that-deliver-how-to-design-develop-and-deploy-dashboards-that-work-1st-edition.html

Котятки🐱,
На дворе ноябрь, я плавно докатилась до citizen development в моем маленьком Self-service BI-королевстве. Это такая прекрасная модель, при которой не-технические специалисты (бизнес-пользователи) создают решения (отчёты, модели, приложения, автоматизации) без участия ИТ-разработчиков, используя desktop-инструменты или выделенную песочницу. От реального Self-service отличается тем, что результаты их наработок потом должны встать на промышленные рельсы.
Вот тут можно почитать про риски, оч годно: https://perspective.orange-business.com/en/the-hidden-risks-of-self-service-analytics-without-governance/
А вот тут два подхода, как предупредить риски, со стороны проф BI-команды:
1)с помощью Data Observability (что, собственно, я выбрала для себя): https://www.acceldata.io/blog/empower-data-science-and-self-service-analytics-with-data-observability
2) Через архитектуру и выделение critical design areas (на примере Power Platform, но принцип достаточно абстрактен и перекладывается не только на Power BI, но и на любой другой BI): https://arno.uvt.nl/show.cgi?fid=161624
Мой тимлид, он же глава BI, однажды высказал мне главный риск citizen development: пользователь проектирует логику «на глаз» из конечных представлений (формально, выгрузок уже готовых отчетов из операционных систем-источников); в промышленной среде это приводит к конфликтам трактовок и «несходу» кросс-отчётов. С моей точки зрения, риски больше лежат в инженерной плоскости: когда пытаешься перевести артистическое творчество на пром рельсы, его зачастую надо переписывать с нуля. Ну или принять техдолг и помолиться.

Котятки🐱,
Вчера прочитала о таком интересном термине, как Vibe intelligence – новое название старой LLM-ки над семантическим слоем с упором на бизнес-процесс : https://powerdrill.ai/blog/from-bi-to-vi-the-rise-of-vibe-intelligence-in-the-age-of-llms
Не знаю, насколько он приживется, но называть новые пользовательские сценарии в аналитике с AI-агентами селф-сервисом уже как-то странновато. Он не совсем self, там посередине уши AI-агента торчат.
Кстати, давно искала книжечку про LLM: hands-on large language models, уж очень интресный отзыв о ней прочитала в Книжном клубе. Нашла внезапно тут: https://vk.com/wall-171546670_450.

Котятки🐱,
Вчера вела вебинар по конфликтологии, и в рамках подготовки села пересматривать всякие свои заметки и материалы по конфликтам и проблемам в BI-командах.
Вот такая статья валялась в категории ‘почитать потом’ : https://selectel.ru/blog/bi-analytics/
В ней в целом про оптимизацию команды: неплохие мысли, что можно поделать, когда команда естественным образом выросла, и как можно эволюционировать. Ну и типовые противоречия тоже разбираются. Оч понравился подход с командной работой с легаси.

Котятки🐱,
классический конфликт внутри команды: инженеры смотрят на данные как на даги/потоки/джобы, а BI-разработчики - как на отчеты.
И внутри каждого направления свои критерии важности, и это нормально. Условно, я дергаюсь, когда у меня сервак падает, инженер - когда джоба/даг падает, а BI-head - когда у него данные не обновились в конкретном апплике.
Но идем дальше, к ранжированию дашбордов по степени значимости.
Вот в этой небольшой статье описан подход, какими критериями можно пользоваться (со шкалой): https://vlamis.com/which-bi-dashboards-are-most-valuable/
Подход достаточно удобный и понятный как внутри команды, так и бизнесу, и в целом на его основе можно выстраивать уже дифференцированный подход к мониторингу и SLA для BI-отчетности.

Котятки🐱,
в последнее время часто вижу, что многие, кто работает с данными “по касательной” - продакты, маркетологи, аналитики без техбэкграунда - хотят систематизировать свои знания, но тонут в разрозненных туториалах.

Если у вас тоже было ощущение, что пора “привести в порядок” SQL, Python, BI и продуктовые метрики - советую вам обратить внимание на курс-симулятор «Аналитик данных» от Simulative:

➖12 модулей, в которых собраны основные инструменты аналитика — от базы данных до статистики и визуализации;
➖формат без страданий: видео, тексты, конспекты, домашки с проверкой;
➖ много практики на реальных бизнес-кейcах (что редкость для онлайн-курсов);
➖есть менторы, которые помогают не “по шаблону”, а по существу;
➖и возможность получить оффер на позицию аналитика по итогам обучения.

Хороший вариант, если вы хотите системно развить аналитическую компетенцию - не только для “чистой аналитики”, но и для любой продуктовой роли. Хотя курс подходит не только для тех кто уже в работе, но и для тех, кто хочет начать путь в аналитике с нуля!

Кстати, сейчас у них Чёрная Пятница, и курс можно взять со скидкой 35% - если давно хотели собрать аналитическую базу, возможно, сейчас самое время.

🔗 Скорее записывайтесь на курс со скидкой: тыкайте сюда

Котятки🐱,
Сегодня утром попалась маленькая заметка про The abandoned dashboard syndrome.
Что ж, я вспомнила все свои похороненные дашборды, стало действительно больно:
https://impactful.engineering/blog/the-abandoned-dashboard-syndrome/
P.S. сайт чуть подтупливает, но открывается. Там же я нашла заметку про правило 5-30 про качество дашборда с точки зрения когнитивного восприятия.

Котятки🐱,
этот вечер у меня, увы, не про красивые визуализаии, а опять про процессы.
Манифест моего вечера звучит так:
Управляемый Self-service BI достигает успеха, когда группа управления данными перестает говорить «нет» по умолчанию, а вместо этого по умолчанию говорит «да, и».
Да, вы можете получить доступ к этим данным, и для этого необходимо соблюсти следующие предварительные условия.
Да, вы можете получить доступ к этим данным, и ниже приведены разрешенные сценарии их надлежащего использования.
Да, вы можете получить доступ к этим данным, и это ресурсы, которые помогут вам добиться успеха.
Почитать про баланс и про важность построения таких семантических моделей, слоев и объектов, которые можно переиспользовать: https://tdwi.org/articles/2020/07/21/bi-all-benefits-of-balancing-self-service-and-enterprise-data-systems.aspx