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

Котятки🐱,
В этом сезоне я читаю фантастику вместо всякой рабочей литературы.
У меня впереди еще примерно 52тыс страниц чтения Хайнлайна до конца года, и я наконец озаботилась, в каком порядке читать. Нашла даже диаграмму)
В ходе поиска увидела шикарную визуализацию, как вымышленные изобретения становятся реальностью. В ней мне понравился паттерн двойной оси времени, который используется по факту как диаграмма Санкей.
По-прежнему считаю эту диаграмму скорее инструментом для ad-hoc или инфографики, а не чем-то ежедневно-рабочим)
Взяла отсюда:
https://bitrebels.com/technology/when-fiction-becomes-reality-timeline-infographic/

Котятки🐱,

уже в эту пятницу у меня вместе с Simulative будет вебинар на тему: Путь в BI через реальные истории.

На вебинаре я расскажу, как в BI приходят люди «не из цифр»: бывшие маркетологи, экономисты, преподаватели и даже юристы. Разберём живые кейсы - кто как менял профессию, что помогло не сдаться и почему первый дашборд почти всегда кривой (и это нормально).

О чём поговорим:
➖Реальные сценарии входа в BI без технической базы: шаги, ошибки и работающие стратегии.
➖Истории учеников и коллег: от стажировок до роста внутри компании.
➖Страхи, которые мешают начать, и как с ними справиться, если кажется, что «слишком поздно».
➖Почему BI - это один из самых быстрых и осмысленных способов войти в мир данных.

Встречаемся 14 ноября в 19:00 МСК

🔗Регистрируйтесь на вебинар в боте

Котятки🐱,
Прошло 9 месяцев, и на самом деле у меня нет целостного представления, на сколько сократился процесс создания BI-отчетности с ИИ. По чистому времени (на основе замеров в трекере) - он увеличился, но и задач на одного человека стало больше. Также понимание его трансформации и выпадения целых этапов (например, документация разработки - ее уже можно собирать автоматически).
Но меня все еще бесит, что умный песок меня не с первого раза понимает.

Вот в этой заметке оч хорошие рассуждения с посылом, что для тяжелых производственных дашиков пока ничего не изменилось: https://dataveld.com/2023/05/20/is-a-lengthy-iterative-data-visualization-design-process-relevant-in-the-era-of-generative-ai/
P.S.Сегодня у меня вебинар, об этом тоже кстати поговорим, если время останется. Вам сюда на регистрацию в бот.

Котятки🐱,
Обычно суббота у меня день отдыха от работы с помощью работы - я сижу и думаю над тем, что не додумала в будни.
На этой неделе я должна была расписать задачку по качеству данных и алертинге между слоем хранения и слоем BI, и тут меня понесло и вынесло в data observability. Время реально взглянуть на вещи: дискретные алерты в нужных точках или непрерывная наблюдаемость состояния не только процессов, но и данных?
Вот статья, которая заставила меня откатиться и пойти подумать еще раз:
https://www.kdnuggets.com/data-observability-in-analytics-tools-techniques-and-why-it-matters

«Круги Громова» представили новое исследование российского рынка ETL 2025

Как компании сегодня решают задачу импортозамещения в области интеграции данных? Какие отечественные ETL-решения уже готовы заменить западные продукты — и даже превзойти их?

В новом исследовании «ETL Круг Громова 2025»:
🔹 Сравнение российских ETL-платформ с Apache Airflow и NiFi.
🔹 Подробный анализ функциональности и производительности отечественных решений, включая Modus ETL, Dat. ax, Loginom, PolyAnalyst, DATAREON Platform, Luxms Data Boring и другие.
🔹 Ключевые тренды 2025 года: ELT, Reverse ETL, CDC, Streaming, ZeroETL, AI-автоматизация.
🔹 Более 200 критериев оценки ETL-решений для корпоративного сектора — от архитектуры и безопасности до поддержки 1С и отечественных облаков.
🔹 Результаты выполнения вендорами тестового задания по загрузке 40 млн строк данных.

📘 Полный отчёт доступен на сайте проекта «Круги Громова» — скачать бесплатно! Сохраните себе актуальную карту российского рынка ETL-решений 2025 года.

Четверг у меня - ‘день без созвонов’) Не знаю, у кого какая норма, но я всегда думала, что кроме дейлика у разработчика быть ничего не должно. Реальность очень сильно опрокидывает мои представления о прекрасном,- 5 часов созвонов для разраба это не предел, если ты работаешь и на развитии, и на инцидентах. И, несмотря на то, что я фанат удаленки, я с тоской вспоминаю опцию ‘пойти за кофе в столовую, по дороге зайти ко всем решить вопросы’. Почитать: https://habr.com/ru/articles/834136/

Котятки🐱,
Сегодня суббота, и я сижу заморачиваюсь тем, как здраво и быстро описать, что значит сторителлинг в моих промышленных реалиях.
Ресерчу тихонько по сторителлингу, и тут бац - от эта красотка-статья, которая расшатывает мои тезисы.
https://nightingaledvs.com/dashboards-are-not-data-stories/
В целом этот блог от Data Visualization Society один из моих любимых. Хотела бы я в будущем замутить что-то такое же на русском, без крена в сторону продажи услуг, чисто из любви к искусству.

Котятки🐱,
Я уже видела 3 сценария встраивания ИИ в BI:
1)Классический Ask Data (сама его строю): ситуация, когда с помощью ИИ обращаются к семантической модели
2)Builder : когда используется и обращение к API самой BI-системы или аналогичные механизмы для построения визуализаций +метаданные семантической модели.
2) Навигатор: когда агент ИИ используется чисто для навигации по существующим дашбордам , и использует гибридный принцип (ищет по метаданным визуализаций и дашбордов как объектов и выдает пользователю готовые дашборды с нужными фильтрами)
Мне очень симпатичен вариант 3, но для него надо собрать каркас для навигации, что-то вроде навигатора отчетов.
Образ результата я нашла у Лемана ПРО, они этим поделились на одной из конференций. Этого материала нет в свободном доступе, но есть принципиальный концепт тут:
https://www.it-world.ru/cionews/4a48ufad5jy8cwkk4sokg0o4ok84cok.html
И уже более детальная преза тут:
https://www.all-over-ip.ru/hubfs/Digital/SS/SS_ADAPT/AoIP_19062025_Data_Governance_%D0%A8%D0%B5%D0%B2%D1%87%D0%B5%D0%BD%D0%BA%D0%BE.pdf

Котятки🐱
Сегодня я ресерчила на тему навигации каталога данных, а нашла как всегда BI.
Вот тут симпатичная статья про проектирование навигации в дашборде:
https://endjin.com/blog/2024/03/how-to-build-navigation-in-power-bi
В нее надо прямо вчитываться, так как в ней разбирается не ‘как сделать вот эту крутую навигацию’, а как спроектировать навигацию внутри дашборда так, чтобы ваша ЦА интуитивно разобралась.

Котятки🐱
В это воскресенье у меня книжечка из прошлого - гайд Oracle Business Intelligence в мою копилку гайдов. Я зависла уже на первой же главе, Getting business information from Data, она дала некоторые инсайты по проектированию AI- агентов над семантической моделью. Ну и глава 7 по дриллдауну и дриллапу -мой фаворит.
В целом материал 2010 года и с примерами на конкретной системе, но полезный с точки зрения как концепций, так и всяких приведенных скриптов. Линк: https://doc.lagout.org/programmation/Databases/Oracle/Oracle%20Business%20Intelligence-%20The%20Condensed%20Guide%20to%20Analysis%20and%20Reporting.pdf

Котятки🐱,
сегодня мне пришла обратная связь по одному из отчетов, которую условно можно перевести как "все грустно и непонятно": без конкретики, чистые эмоции, даже немного с надрывом.
В целом, просто боль, которая возникает, когда ожидаемая User story в голове пользователя не совпала с реальностью, а также не считалась ценность, которую несет тот или иной дашборд.
И сразу мне вспомнилась практика, которую я активно применяла много лет назад, но она чуть затерлась спустя годы энтерплайза - создание карты пользовательских историй.
У меня даже в копилке нашлась ссылка на концепт: https://www.jpattonassociates.com/wp-content/uploads/2015/03/story_mapping.pdf
Гайд на почитать: https://www.easyagile.com/blog/the-ultimate-guide-to-user-story-maps

Датасеты как тетрис. Как найти нужные кубики, чтобы не сломать вообще все

Данные из 1С, CRM и Excel поступают хаотично, а привести их в порядок еще сложнее. Иногда нужного набора данных приходится ждать слишком долго — как подходящего блока в тетрисе, и это замедляет работу команды. Приходите на вебинар 15 декабря в 17:00. Эксперты VK Cloud и Loginom расскажут, как построить единую аналитическую систему за один день и готовить актуальные датасеты без ручной рутины.


О чем еще будем говорить

⚫️Соберем пазл данных на 10-ой скорости: архитектура решения на основе облачных БД VK Cloud и платформы Loginom
⚫️Автоматизируем ETL: очистка и подготовка данных с помощью low-code инструментов
⚫️Разберем кейсы: готовые решения для ритейла, телекома и фарминдустрии

Спикеры:

Константин Дудников,
директор центра бизнес-решений VK Cloud, VK Tech

Алексей Арустамов,
CEO Loginom Company

Участие бесплатное, но количество мест ограничено.

Зарегистрироваться