2 вывода из задачи для 7 класса
Задача из предыдущего поста, а, особенно, голосование по поводу правильного решения дали повод про второй пост о ней.
Сначала я очень удивилась, что правильный ответ дали меньше 20% человек. Особенно после моего рассказа про ход моей мысли при поиске решения. Казалось бы, это должно было натолкнуть на мысль о том, что если бы все было так просто, то я бы не делала об этом целый пост)
А потом я поняла, что на самом деле этот внезапный маленький тест очень показателен и полностью отражает мысли и действия большинства людей как в жизни, так и на работе.
Вывод 1:
мы действительно очень часто:
1. принимаем решение не задумываясь
2. не сомневаемся в его правильности
3. идем дальше, не оглядываясь или
4. понимая, что ответ не верный оправдываем себя тем, что "было мало времени", «ну примерно то правильно» или «на больших цифрах разница небольшая»
А ведь это случайно получилось, что в данном случае правильный и неправильный ответ так близки. Гораздо более важно то, что неправильной ответ сделан из абсолютно неправильной логики, без учета важных дополнительных факторов и, вообще то, фундаментальных законов (в данном случае физики, а в реальности это могла быть экономика, юриспруденция, правила бухучета, кадрового делопроизводства, логистики и т.п.)
Вывод 2:
некоторые мои заинтересованные читатели писали для проверки ответ мне в личку.
И одна постоянная читательница прислала решение аж с 3мя переменными (в моем решении переменная только 1).
И это тоже показательно. Ведь среди сотни человек всегда найдется кто-то кто будет делать тоже самое, но сложнее / длиннее /умнее и, как следствие, дольше
(см. недавний пост про профдеформацию аналитиков)
Так что, как говорится, истина где-то рядом – будьте внимательны к своим решениям, не забывайте про критическое мышление, но не усложняйте)
Задача из предыдущего поста, а, особенно, голосование по поводу правильного решения дали повод про второй пост о ней.
Сначала я очень удивилась, что правильный ответ дали меньше 20% человек. Особенно после моего рассказа про ход моей мысли при поиске решения. Казалось бы, это должно было натолкнуть на мысль о том, что если бы все было так просто, то я бы не делала об этом целый пост)
А потом я поняла, что на самом деле этот внезапный маленький тест очень показателен и полностью отражает мысли и действия большинства людей как в жизни, так и на работе.
Вывод 1:
мы действительно очень часто:
1. принимаем решение не задумываясь
2. не сомневаемся в его правильности
3. идем дальше, не оглядываясь или
4. понимая, что ответ не верный оправдываем себя тем, что "было мало времени", «ну примерно то правильно» или «на больших цифрах разница небольшая»
А ведь это случайно получилось, что в данном случае правильный и неправильный ответ так близки. Гораздо более важно то, что неправильной ответ сделан из абсолютно неправильной логики, без учета важных дополнительных факторов и, вообще то, фундаментальных законов (в данном случае физики, а в реальности это могла быть экономика, юриспруденция, правила бухучета, кадрового делопроизводства, логистики и т.п.)
Вывод 2:
некоторые мои заинтересованные читатели писали для проверки ответ мне в личку.
И одна постоянная читательница прислала решение аж с 3мя переменными (в моем решении переменная только 1).
И это тоже показательно. Ведь среди сотни человек всегда найдется кто-то кто будет делать тоже самое, но сложнее / длиннее /умнее и, как следствие, дольше
(см. недавний пост про профдеформацию аналитиков)
Так что, как говорится, истина где-то рядом – будьте внимательны к своим решениям, не забывайте про критическое мышление, но не усложняйте)
❤18👍7🔥3
Разработка в корпорации
В сети широко разошлась статья парня о работе в Amazon Web Services. Уже читали?
Полный текст есть тут, а пока некоторые цитаты их нее:
В комментариях мнения разделились. Что думаете? Преувеличивает? Слабак? или Жиза?
В сети широко разошлась статья парня о работе в Amazon Web Services. Уже читали?
Полный текст есть тут, а пока некоторые цитаты их нее:
На Amazon есть система ежедневного опроса […] Всё это якобы анонимно. Но в конце каждого месяца вы собираете команду и проверяете ответы. У меня такое впечатление, что вы сидите 40 минут и играете в мафию: кто из нас недоволен и из-за чего мы завышаем показатели, а ведь это такие важные опросы, на них нельзя отвечать спонтанно. Нужно подходить ко всему серьёзно...
Я не знаю, как рассчитывается показатель удовлетворённости работой, но когда он регулярно показывал 50 % (что бы это ни значило), это было очень смешно.
Даже несмотря на то, что менеджер был очень заинтересован в моём продвижении, я получил комментарий: «планка так высока, нужно написать ещё один документ. Вот ещё чуть-чуть, нужно ещё продемонстрировать операционное превосходство. Ещё один системный документ, и всё. У всех уже сложилось впечатление, что ты прямо L6, но сейчас мы покажем ещё один документ только старшим коллегам, чтобы они поняли, как ты будешь чувствовать себя за пределами зоны комфорта...
насмотревшись на бесконечные митинги и ещё более нервные действия инженеров L6 (ещё больше митингов до полуночи), решил, что повышение мне не особо-то и нужно
чтобы получить повышение, ты должен несколько лет подряд пахать на уровне, который соответствует этому повышению. Но без компенсации за более высокий уровень
Релиз проекта, который я сделал за 2 недели, занял полтора года... Полтора года я не мог увидеть результат своей работы! От осознания того, что любое другое сопоставимое изменение пройдёт по тому же пути, у меня полностью пропало всякое желание что-либо начинать
Заставьте программистов писать код, не давайте им увидеть результат и при этом дёргайте их в разные стороны — вот лучший рецепт выгорания
В комментариях мнения разделились. Что думаете? Преувеличивает? Слабак? или Жиза?
🔥11👍5😢3🤣1
Что думаете про статью парня из AWS?
Anonymous Poll
5%
Преувеличивает
4%
Слабак
70%
Жиза
21%
Понятия не имею / Я просто посмотреть
Берсин, Про развитие аналитики. 2022 год
#заметки из материалов про Talent Intelligence, про развитие аналитики
Стало интересно посмотреть на тексты эры "до ИИ" из сегодняшнего конца 2025. Всего 3 года прошло.
Итак:
Уровень 1
Процесс начинается с построения датасета, который легко может быть получен внутри компании. Он включает в себя таксономию знаний и навыков, достоверные данные о ролях и категориях, информацию о перемещениях/росте, оттоке и другие факторы.
Уровень 2
Затем команда понимает, что она должна добавить также и внешние данные.
Уровень 3
Часто команда ищет данные о рынке труда, знаниях и навыках от государственных учреждений (официальных источников?) из индустриальных групп или отталкиваясь от роста рынка.
Уровень 4
Затем команда приносит все вместе на фокус группу, объединяя внутреннюю people аналитику по сотрудникам с информацией из различных источников и внешнего рынка труда.
За этим будущее people-аналитики?
Вероятный ответ – да.
Пока people аналитика все еще является новой областью для многих компаний и, как правило, начинается со сбора данных из опросов сотрудников и данных по оттоку, но потом эволюционирует до команды, которая проводит статистический анализ в различных областях человеческого капитала.
Эти команды, обладающие навыками обработки данных и аналитическими навыками, теперь могут стать частью talent intelligent функции, сосредоточив свое внимание на программах развития, поиска, редизайна и других.
Актуально? Или Прошлый век?
#заметки из материалов про Talent Intelligence, про развитие аналитики
Стало интересно посмотреть на тексты эры "до ИИ" из сегодняшнего конца 2025. Всего 3 года прошло.
Итак:
Уровень 1
Процесс начинается с построения датасета, который легко может быть получен внутри компании. Он включает в себя таксономию знаний и навыков, достоверные данные о ролях и категориях, информацию о перемещениях/росте, оттоке и другие факторы.
Уровень 2
Затем команда понимает, что она должна добавить также и внешние данные.
Уровень 3
Часто команда ищет данные о рынке труда, знаниях и навыках от государственных учреждений (официальных источников?) из индустриальных групп или отталкиваясь от роста рынка.
Уровень 4
Затем команда приносит все вместе на фокус группу, объединяя внутреннюю people аналитику по сотрудникам с информацией из различных источников и внешнего рынка труда.
За этим будущее people-аналитики?
Вероятный ответ – да.
Пока people аналитика все еще является новой областью для многих компаний и, как правило, начинается со сбора данных из опросов сотрудников и данных по оттоку, но потом эволюционирует до команды, которая проводит статистический анализ в различных областях человеческого капитала.
Эти команды, обладающие навыками обработки данных и аналитическими навыками, теперь могут стать частью talent intelligent функции, сосредоточив свое внимание на программах развития, поиска, редизайна и других.
Актуально? Или Прошлый век?
🤔9🤨2🤣1
Как вам Берсин из 2022?
Anonymous Poll
40%
По прежнему актуально
18%
Прошлый век
42%
Я не знаю, я просто посмотреть
Что нужно знать стартапу / провайдеру / консалтеру когда идешь на презентацию к потенциальному клиенту?
На днях слушала презентацию одного из 25 hrtech решений в области ИИ-поиска кандидатов и вспомнила свой пост 1,5 летней давности о рекомендациях для провайдеров.
Итак,
Что нужно знать когда идешь на презентацию к потенциальному клиенту?
1. Название компании 😉
(как бы странно это ни выглядело, но во времена моей работы в X5 люди с рынка часто думали, что Х5 и Пятерочка одно и то же. А это вообще не так)
2. Цель встречи
Что вы хотите получить от нас? – пилот и обратную связь? продажу продукта? продажу как white label? инвестиции?
Это разные ЦА, разные ЛПР, разное все.
3. Конкурентов
По большому счету, меня, как директора по автоматизации HR интересует 2 вопроса:
• Чем вы лучше других аналогичных продуктов на рынке? И
• Чем вы лучше чем то, что может сделать моя команда?
А чтобы ответить на эти вопросы надо знать:
4. Свой продукт
Про что ваш продукт? В чем вы хороши и за счет чего вы этого добились?
Нельзя быть хорошим абсолютно во всем, но можно быть хорошим в каких-то конкретных процессах и хочется понимать осознаете ли вы это.
5. Свою нишу
Нельзя быть хорошим во всем сразу. Даже если это только подбор.
В примере с подбором, все HR знают, что массовый найм или ИТ – это 2 разные Вселенные. Нужно понимать свою специализацию
Вроде бы так банально, но снова те же ошибки и сразу остается смазанное впечатление. Хотя продукт может быть и хорош.
То же самое, но другими словами 1,5 летней давности
* Еще раз про демо продуктов
* 3 совета разработчикам продуктов для демонстрации их на аудиторию HR
На днях слушала презентацию одного из 25 hrtech решений в области ИИ-поиска кандидатов и вспомнила свой пост 1,5 летней давности о рекомендациях для провайдеров.
Итак,
Что нужно знать когда идешь на презентацию к потенциальному клиенту?
1. Название компании 😉
(как бы странно это ни выглядело, но во времена моей работы в X5 люди с рынка часто думали, что Х5 и Пятерочка одно и то же. А это вообще не так)
2. Цель встречи
Что вы хотите получить от нас? – пилот и обратную связь? продажу продукта? продажу как white label? инвестиции?
Это разные ЦА, разные ЛПР, разное все.
3. Конкурентов
По большому счету, меня, как директора по автоматизации HR интересует 2 вопроса:
• Чем вы лучше других аналогичных продуктов на рынке? И
• Чем вы лучше чем то, что может сделать моя команда?
А чтобы ответить на эти вопросы надо знать:
4. Свой продукт
Про что ваш продукт? В чем вы хороши и за счет чего вы этого добились?
Нельзя быть хорошим абсолютно во всем, но можно быть хорошим в каких-то конкретных процессах и хочется понимать осознаете ли вы это.
5. Свою нишу
Нельзя быть хорошим во всем сразу. Даже если это только подбор.
В примере с подбором, все HR знают, что массовый найм или ИТ – это 2 разные Вселенные. Нужно понимать свою специализацию
Вроде бы так банально, но снова те же ошибки и сразу остается смазанное впечатление. Хотя продукт может быть и хорош.
То же самое, но другими словами 1,5 летней давности
* Еще раз про демо продуктов
* 3 совета разработчикам продуктов для демонстрации их на аудиторию HR
❤10👍4
VK — место встречи лучших
Мы — это VK Team, команда профессионалов, которые объединились ради больших свершений. В VK возможно всё. А с VK Team легко воплощать мечты в реальность.
Сейчас мы в поиске HR-аналитика, который разделяет наш подход — принимать решения на основе данных. На результатах анализа метрик мы строим HR-стратегию и формируем пул тактических проектов на год.
Задачи, которые будут стоять перед тобой:
• Сбор требований от бизнеса / руководителей HR функций
• Анализ данных по основным метрикам работы с персоналом
• Постановка задач на интеграцию данных, взаимодействие с командой разработки систем - источников данных
• Разработка витрин в БД
• Поддержка, развитие и оптимизация работоспособоности текущих отчетов в Power BI, разработка новых дашбордов
• Подготовка результатов анализа, поиск зависимостей, формулирование и проверка гипотез, подготовка предложений
• Участие в построении прогнозных моделей
• Проведение исследований на тему аналитики данных по людям
Что мы ждем от тебя:
• Опыт работы в HR-аналитике от 2-3 лет
• Отличные знания SQL и Power BI
• Умение работать с большими объёмами информации, автоматизацией процессов, подготовкой презентаций с аналитическими выводами
Ждём тебя в нашей команде!
По вопросам можно обращаться к Владу, @Tribynsky
Мы — это VK Team, команда профессионалов, которые объединились ради больших свершений. В VK возможно всё. А с VK Team легко воплощать мечты в реальность.
Сейчас мы в поиске HR-аналитика, который разделяет наш подход — принимать решения на основе данных. На результатах анализа метрик мы строим HR-стратегию и формируем пул тактических проектов на год.
Задачи, которые будут стоять перед тобой:
• Сбор требований от бизнеса / руководителей HR функций
• Анализ данных по основным метрикам работы с персоналом
• Постановка задач на интеграцию данных, взаимодействие с командой разработки систем - источников данных
• Разработка витрин в БД
• Поддержка, развитие и оптимизация работоспособоности текущих отчетов в Power BI, разработка новых дашбордов
• Подготовка результатов анализа, поиск зависимостей, формулирование и проверка гипотез, подготовка предложений
• Участие в построении прогнозных моделей
• Проведение исследований на тему аналитики данных по людям
Что мы ждем от тебя:
• Опыт работы в HR-аналитике от 2-3 лет
• Отличные знания SQL и Power BI
• Умение работать с большими объёмами информации, автоматизацией процессов, подготовкой презентаций с аналитическими выводами
Ждём тебя в нашей команде!
По вопросам можно обращаться к Владу, @Tribynsky
🔥6🤣5
2 стиля обучения, или
Рассказ – Показ - Тренировка
На выходных обсуждали с подругой как научить ребенка школьного возраста пользоваться Московским метро и, в частности, впервые отправить в самостоятельную поездку через весь город?
В ходе обсуждения, возникло 2 очень явных сценария:
1. Проехать в первый раз вместе с ним и показать дорогу, а в следующий раз отправить самостоятельно.
или
2. Объяснить «концепт» того, как устроено метро: про схему, цифровое и цветовое кодирование линий, переходы, указатели с указанием переходов и названий станций в вагонах и на платформе, а после этого отправить самостоятельно.
Не знаю как написано в правилах педагогики, но, кажется, лучше всего совместить:
• объяснить концепт,
• проехать вместе, чтобы все показать, и
• отпустить самостоятельно
Со взрослыми и с их более сложными навыками все сложнее, но «рассказ, показ, тренировка» часто рабочая схема
Рассказ – Показ - Тренировка
На выходных обсуждали с подругой как научить ребенка школьного возраста пользоваться Московским метро и, в частности, впервые отправить в самостоятельную поездку через весь город?
В ходе обсуждения, возникло 2 очень явных сценария:
1. Проехать в первый раз вместе с ним и показать дорогу, а в следующий раз отправить самостоятельно.
или
2. Объяснить «концепт» того, как устроено метро: про схему, цифровое и цветовое кодирование линий, переходы, указатели с указанием переходов и названий станций в вагонах и на платформе, а после этого отправить самостоятельно.
Не знаю как написано в правилах педагогики, но, кажется, лучше всего совместить:
• объяснить концепт,
• проехать вместе, чтобы все показать, и
• отпустить самостоятельно
Со взрослыми и с их более сложными навыками все сложнее, но «рассказ, показ, тренировка» часто рабочая схема
👍13❤7
Процент занятости
Чем бы я не занималась, какую бы роль не выполняла и какой бы большой не была команда, иногда я возвращаюсь к истокам, в том числе к тому, с чего начинался этот канал 5 лет назад – к базе, азбуке HR аналитики.
В этот раз рассказывала про разнообразие оргструктур, FTE и процент занятости.
Нарисовалась картинка со слоями, в которой 1 сотрудник (реже 1 позиция) делится на доли в разрезе той или иной структуры.
Как это работает:
Оргструктура – обычно для отражения работы по совместительству или неполной занятости.
Например, 1 сотрудник работает одновременно в 2х близлежащих торговых точках, для этого он оформлен одновременно на 0,5 ставки и там, и там. Обычно это важно для того, чтобы сотрудник был привязан к этому подразделению в системе – для отражения в табеле рабочего времени, отметок через прибор УРВ, доступа к нужной информации и т.п.
Финансовая структура – обычно для распределения расходов на нужные ЦФО
Например, дизайнер работает в отделе дизайна, но работает одновременно на 3 продукта. Для корректного расчета расходов на продукт и его P&L финансам важно считать доход сотрудника на продукт пропорционально его занятости на нем.
Юридическая структура – обычно ради соответствия законодательству для предоставления права подписи, нужных допусков, сертификации и т.п.
Например, специалист по охране труда и технике безопасности, оформленный в нескольких ЮЛ
Другие посты по теме:
* Численность с учетом формы и % занятости
* Виды структур
* Иерархичные структуры
* Структуры по разным уровням управления
Чем бы я не занималась, какую бы роль не выполняла и какой бы большой не была команда, иногда я возвращаюсь к истокам, в том числе к тому, с чего начинался этот канал 5 лет назад – к базе, азбуке HR аналитики.
В этот раз рассказывала про разнообразие оргструктур, FTE и процент занятости.
Нарисовалась картинка со слоями, в которой 1 сотрудник (реже 1 позиция) делится на доли в разрезе той или иной структуры.
Как это работает:
Оргструктура – обычно для отражения работы по совместительству или неполной занятости.
Например, 1 сотрудник работает одновременно в 2х близлежащих торговых точках, для этого он оформлен одновременно на 0,5 ставки и там, и там. Обычно это важно для того, чтобы сотрудник был привязан к этому подразделению в системе – для отражения в табеле рабочего времени, отметок через прибор УРВ, доступа к нужной информации и т.п.
Финансовая структура – обычно для распределения расходов на нужные ЦФО
Например, дизайнер работает в отделе дизайна, но работает одновременно на 3 продукта. Для корректного расчета расходов на продукт и его P&L финансам важно считать доход сотрудника на продукт пропорционально его занятости на нем.
Юридическая структура – обычно ради соответствия законодательству для предоставления права подписи, нужных допусков, сертификации и т.п.
Например, специалист по охране труда и технике безопасности, оформленный в нескольких ЮЛ
Другие посты по теме:
* Численность с учетом формы и % занятости
* Виды структур
* Иерархичные структуры
* Структуры по разным уровням управления
👍10
Ремонт как проективная методика
В каждый момент времени, особенно когда процесс подходит к концу, ты начинаешь бороться торговаться с собой – между качеством, сроками и стоимостью.
И тут на первый план выходит ключевая ценность проекта и все начинает подчиняться ей:
• хочешь высокое качество? – нужно переделать что-то уже сделанное
• хочешь быстрее переехать? – нужно от чего-то отказаться совсем или хотя бы на время, пока будут переделывать
• заканчиваются деньги? – снова нужно от чего-то отказываться
• есть деньги и хочешь быстрее заехать? – платишь всем столько сколько просят, лишь бы сделали быстрее, нанимаешь доп рабочих, параллелишь процессы
В общем, "лето - это маленькая жизнь" (с), а ремонт – это маленькая копия организованных тобой бизнес-процессов и тебя, как менеджера и как партнера:
• проверять каждый угол с правилом или доверить бригадиру?
• переделать недоделки или замазать / задвинуть мебелью / спрятать?
• ругаться с прорабом самостоятельно или делегировать это дизайнеру?
• ругаться с производителями мебели или терпеливо ждать исправления ошибок?
• отойти от проекта по ходу или выдерживать план до конца?
• переносить коробки вместе с грузчиками или довериться команде?
В общем, отличная проективная методика для оценки!
А меня с переездом 🏙
В каждый момент времени, особенно когда процесс подходит к концу, ты начинаешь бороться торговаться с собой – между качеством, сроками и стоимостью.
И тут на первый план выходит ключевая ценность проекта и все начинает подчиняться ей:
• хочешь высокое качество? – нужно переделать что-то уже сделанное
• хочешь быстрее переехать? – нужно от чего-то отказаться совсем или хотя бы на время, пока будут переделывать
• заканчиваются деньги? – снова нужно от чего-то отказываться
• есть деньги и хочешь быстрее заехать? – платишь всем столько сколько просят, лишь бы сделали быстрее, нанимаешь доп рабочих, параллелишь процессы
В общем, "лето - это маленькая жизнь" (с), а ремонт – это маленькая копия организованных тобой бизнес-процессов и тебя, как менеджера и как партнера:
• проверять каждый угол с правилом или доверить бригадиру?
• переделать недоделки или замазать / задвинуть мебелью / спрятать?
• ругаться с прорабом самостоятельно или делегировать это дизайнеру?
• ругаться с производителями мебели или терпеливо ждать исправления ошибок?
• отойти от проекта по ходу или выдерживать план до конца?
• переносить коробки вместе с грузчиками или довериться команде?
В общем, отличная проективная методика для оценки!
А меня с переездом 🏙
👍18❤4🏆4
Давно хотела поделиться рекомендациями каналов и подкастов людей, которых я ценю и за мыслями которых слежу.
В выходные нашлось время все собрать в один пост, так что рекомендую:
Татьяна Тиунова|Лидерский клуб
Канал Татьяны Тиуновой,
директора по людям «Бургер Кинг Россия»
Как пишет сама Таня в описании канала – это «Пространство для всех, кто стремится развивать себя как лидера, вдохновляться успехами/факапами и находить новые идеи»
Никто не умеет вдохновлять и развивать людей так, как это делает это Таня
HR DIGITAL LAB
Канал Марии Пименовой,
лидера HRTECH РЖД
О цифровой трансформации HR, EJM, данных и продуктах для сотрудников
Маша внедряет не просто HRTech системы, а высоконагруженные системы в компании с самой большой численностью сотрудников в нашей стране
C&B Tips
Канал Тони Милехиной
Про compensation management и HR-аналитику, а также немного про анализ данных и менеджмент.
Мы не знакомы с Тоней лично, но пока я не закрыла комментарии в канале, комменты от нее были одни из самых умных и точных, поэтому она одна из моих самых любимых подписчиц
«Карьера после карьеры»
- подкаст Натальи Володиной,
автора канала «Про HR и не только».
2 в 1:
1. Диалоги про разные типы карьеры: консалтинг, предпринимательство, госструктуры и т.д. Классные вопросы и интересные ответы.
2. Мини-лекции про стейкхолдеров и взаимоотношения с ними
Специальная рекомендация выпуска про работу в госе. Наталья с гостей говорили об этом просто невероятно вовлекающе. Для меня это было полной неожиданностью и настоящим вау-эффектом
Подкаст «Pro Данные»,
выпуск про HR аналитику
Хотите послушать умную лекцию о состоянии рынка HR аналитики от Егора Ворогушина?
тогда вам сюда)
В выходные нашлось время все собрать в один пост, так что рекомендую:
Татьяна Тиунова|Лидерский клуб
Канал Татьяны Тиуновой,
директора по людям «Бургер Кинг Россия»
Как пишет сама Таня в описании канала – это «Пространство для всех, кто стремится развивать себя как лидера, вдохновляться успехами/факапами и находить новые идеи»
Никто не умеет вдохновлять и развивать людей так, как это делает это Таня
HR DIGITAL LAB
Канал Марии Пименовой,
лидера HRTECH РЖД
О цифровой трансформации HR, EJM, данных и продуктах для сотрудников
Маша внедряет не просто HRTech системы, а высоконагруженные системы в компании с самой большой численностью сотрудников в нашей стране
C&B Tips
Канал Тони Милехиной
Про compensation management и HR-аналитику, а также немного про анализ данных и менеджмент.
Мы не знакомы с Тоней лично, но пока я не закрыла комментарии в канале, комменты от нее были одни из самых умных и точных, поэтому она одна из моих самых любимых подписчиц
«Карьера после карьеры»
- подкаст Натальи Володиной,
автора канала «Про HR и не только».
2 в 1:
1. Диалоги про разные типы карьеры: консалтинг, предпринимательство, госструктуры и т.д. Классные вопросы и интересные ответы.
2. Мини-лекции про стейкхолдеров и взаимоотношения с ними
Специальная рекомендация выпуска про работу в госе. Наталья с гостей говорили об этом просто невероятно вовлекающе. Для меня это было полной неожиданностью и настоящим вау-эффектом
Подкаст «Pro Данные»,
выпуск про HR аналитику
Хотите послушать умную лекцию о состоянии рынка HR аналитики от Егора Ворогушина?
тогда вам сюда)
❤11👍5🙏3
Оптимизация, нормирование и дизайн, #из_истории, №8
На рис. фото из книги "Проектирование жилищ" Р. Хигера, 1935 г. (!)
с выставки "110 лет российского дизайна" в Третьяковской галерее,
где:
1 - График движения в обычной кухне (7,15 м2)
2 - График движения в рационализированной кухне (4,5 м2)
из книги:
Такая вот рационализация
Другие посты из цикла #из_истории
#1 Музей дела, про дореволюционных предпринимателей России
#2 Про Францию, кухню и производственный конвейер
#3 Гилберты и параметры движения
#4 Бурлаки на Волге
#5 Про Леонардо и HR
#6 Художники-передвижники, доходы и расходы самозанятых
#7 Женский труд
На рис. фото из книги "Проектирование жилищ" Р. Хигера, 1935 г. (!)
с выставки "110 лет российского дизайна" в Третьяковской галерее,
где:
1 - График движения в обычной кухне (7,15 м2)
2 - График движения в рационализированной кухне (4,5 м2)
из книги:
Динамический минимум жилья - это количественная характеристика, отражающая минимально необходимые движения для выполнения бытовых и трудовых процессов в течение суток.
Методика расчета основана на разбивке суток на периоды, соответствующие типичным бытовым процессам: ночной отдых, утренние процедуры, первая половина дня, обеденный период, вечерняя активность, подготовка ко сну
Алгоритм расчета:
1. Для каждого периода определяются минимально необходимые движения
2. Каждому движению присваивается условное буквенное обозначение
3. Производится суммирование обозначений для каждого периода
4. Формулируется частичная формула для каждого периода
5. Все частичные формулы складываются для получения общей формулы динамического минимума
Пример обозначения движений:
П — перемещение
С — сидение
Л — лежание
В — приготовление пищи
У — умывание
Т — трудовая деятельность
Данная методика позволяет:
* Объективно оценить пригодность помещения для проживания
* Выявить проблемные зоны в планировке
* Оптимизировать использование жилого пространства
* Рассчитать необходимую площадь помещений
Для решения задачи нам нужно проанализировать формулу динамического минимума и определить нормативные значения.
Формула динамического минимума:
DM=24 e1+6 e1+18 e2+18 e4+16 f4
где e это расстояние между:
e1 — столом кухни и краном
e2 — краном и плитой
e4 — столом кухни и продуктовым шкафом
f4 — столом кухни и столом столовой,
а коэффициенты перед переменными показывают частоту использования соответствующих маршрутов в течение суток
При рациональной планировке рекомендуется:
* Минимизировать расстояния между часто используемыми точками
* Оптимизировать маршруты движения
* Обеспечить удобный доступ ко всем необходимым зонам
На основе анализа можно сделать вывод, что оптимальная планировка должна стремиться к минимизации всех расстояний при сохранении функциональности пространства.
Такая вот рационализация
Другие посты из цикла #из_истории
#1 Музей дела, про дореволюционных предпринимателей России
#2 Про Францию, кухню и производственный конвейер
#3 Гилберты и параметры движения
#4 Бурлаки на Волге
#5 Про Леонардо и HR
#6 Художники-передвижники, доходы и расходы самозанятых
#7 Женский труд
👍7❤2🤔2
Текст vs Табличка
Просматривала на днях задачки в jira и очередной раз увидела описание задачи в стиле литературного произведения.
Некоторые аналитики, особенно молодые, очень стараются описать задачу подробно, выразительно: с выделенными жирным текстом заголовками, с пронумерованными или выделенными буллитами списками, в общем красота.
И каждый раз, читая такую задачу, я представляю разработчика, которому нужно сесть в предвкушении, включить настольную лампу, сосредоточиться и начать это читать, впитывая каждую деталь.
Верите в такое? Я - нет
А верю в непонятое разработчиком описание задачи, не до конца реализованный функционал, ошибки на тестировании и новый круг доработки.
Иногда вместо наведения красоты нужно сесть, выложить все свои мысли на бумагу / miro / confluence / word / google doc, структурировать, систематизировать и все что можно упростить
забавно, 2 года назад мне было достаточно просто структурированного текста)
Просматривала на днях задачки в jira и очередной раз увидела описание задачи в стиле литературного произведения.
Некоторые аналитики, особенно молодые, очень стараются описать задачу подробно, выразительно: с выделенными жирным текстом заголовками, с пронумерованными или выделенными буллитами списками, в общем красота.
И каждый раз, читая такую задачу, я представляю разработчика, которому нужно сесть в предвкушении, включить настольную лампу, сосредоточиться и начать это читать, впитывая каждую деталь.
Верите в такое? Я - нет
А верю в непонятое разработчиком описание задачи, не до конца реализованный функционал, ошибки на тестировании и новый круг доработки.
Иногда вместо наведения красоты нужно сесть, выложить все свои мысли на бумагу / miro / confluence / word / google doc, структурировать, систематизировать и все что можно упростить
забавно, 2 года назад мне было достаточно просто структурированного текста)
❤10👍3🔥1
11.11 выпустили в прод ATS
#релизы
Я все время была тем человеком, который говорил, что уж что-то, а внутреннюю систему подбора персонала делать точно не стОит – процессы вокруг поиска и отбора кандидатов - это целая Вселенная, поэтому разработка продукта - это долго, дорого, да и рынок достаточно насыщен.
Но никогда не говори никогда)
Когда я вышла на работу в новую компанию, там уже было принято решение о разработке ATS как продукта внутри компании.
На самом деле, решение было абсолютно закономерное, потому что это только системы на рынке работают только как модуль ATS, а внутри компании процесс рекрутмента намного шире и система требуется тоже более комплексная.
Предыдущая команда очень хорошо поработала и на момент моего прихода в компании уже были модули для:
• подачи заявок на подбор
• согласования оффера
• согласования заявки на выход нового сотрудника на работу,
т.е. модули, которые закрывают этапы процессов до ATS и после.
Теперь процесс полностью сквозной, «от и до» процессится во внутренней системе.
Из самых интересных выводов:
1. Правильные люди на правильных местах - это база и залог успеха всего мероприятия и самая большая ценность❤️
2. Страшно - делай. Даже если это дело полностью перепридумать фронт уже после старта разработки.
3. Что творится в глубинедуши базы данных провайдера известно только им и разработчикам, делающим миграцию.
4. Сколько демо не проводи, инструкций не пиши, а чат поддержки все равно нужен.
5. Для ATS, традиционно, ключевыми ЦА являются – рекрутеры и нанимающие менеджеры. На самом деле групп пользователей гораздо больше.
И заметьте, это я еще совсем не дошла ни до какого ИИ, только база)
Другие размышления про ATS-ки были тут:
• #заметки с дискуссии о найме
• Немодные мысли про рекрутмент, ч.1. Подбор внутренний и внешний
• Немодные мысли про рекрутмент, ч.2. Про автоматизацию подбора
• интересное про найм в Альфа-Банке и Т-Банке есть тут
#релизы
Я все время была тем человеком, который говорил, что уж что-то, а внутреннюю систему подбора персонала делать точно не стОит – процессы вокруг поиска и отбора кандидатов - это целая Вселенная, поэтому разработка продукта - это долго, дорого, да и рынок достаточно насыщен.
Но никогда не говори никогда)
Когда я вышла на работу в новую компанию, там уже было принято решение о разработке ATS как продукта внутри компании.
На самом деле, решение было абсолютно закономерное, потому что это только системы на рынке работают только как модуль ATS, а внутри компании процесс рекрутмента намного шире и система требуется тоже более комплексная.
Предыдущая команда очень хорошо поработала и на момент моего прихода в компании уже были модули для:
• подачи заявок на подбор
• согласования оффера
• согласования заявки на выход нового сотрудника на работу,
т.е. модули, которые закрывают этапы процессов до ATS и после.
Теперь процесс полностью сквозной, «от и до» процессится во внутренней системе.
Из самых интересных выводов:
1. Правильные люди на правильных местах - это база и залог успеха всего мероприятия и самая большая ценность
2. Страшно - делай. Даже если это дело полностью перепридумать фронт уже после старта разработки.
3. Что творится в глубине
4. Сколько демо не проводи, инструкций не пиши, а чат поддержки все равно нужен.
5. Для ATS, традиционно, ключевыми ЦА являются – рекрутеры и нанимающие менеджеры. На самом деле групп пользователей гораздо больше.
И заметьте, это я еще совсем не дошла ни до какого ИИ, только база)
Другие размышления про ATS-ки были тут:
• #заметки с дискуссии о найме
• Немодные мысли про рекрутмент, ч.1. Подбор внутренний и внешний
• Немодные мысли про рекрутмент, ч.2. Про автоматизацию подбора
• интересное про найм в Альфа-Банке и Т-Банке есть тут
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥13👍3
12 групп пользователей ATS
В предыдущем посте написала про ЦА использования ATS. В личных сообщениях попросили рассказать об этом подробнее, поэтому напишу тут.
Итак,
про рекрутеров и нанимающих менеджеров все знают.
Кто еще?
1. интервьюеры,
регулярно проводят оценку знаний кандидатов и оставляют обратную связь по результатам испытаний
2. сорсеры,
со своим собственным флоу работы с кандидатами
3. специалисты по работе со стажерами,
у которых тоже свои особенности работы в системе и свои процессы отбора
4. hr-маркетинг,
используют базу кандидатов для формирования списков приглашений на hr-маркетинговые мероприятия и большие интересанты аналитики наймов по источникам подбора
5. специалисты КДП,
занимаются оформлением кандидатов на работу и пользуются результатами работы с кандидатом рекрутеров
6. специалисты по адаптации,
планируют объемы выдачи welcome-паков и их логистику по офисам
7. C&B-партнеры,
собирают информацию о рынке труда и контролируют использование бюджета ФОТ подразделений
8. HRBP и руководители разных уровней,
хотят видеть «большую картинку» того, что происходит с наймом
9. лиды HR - лиды рекрутмента, лид кадрового администрирования,
управление процессами своих команд
10. hr-аналитики, для выгрузки данных для дашбордов и отчетов
11. СБ, специалисты АХО, специалисты тех. поддержки
для проверки, выдачи оборудования, организации рабочего места и т.п.
12. те, кого я могла забыть
❤6👍5
#заметки с эфира topcareer про ИИ в HR, ч.1
Евгений Вольнов,
автор канала Future of the work
В какие HR Tech-стартапы инвестируют венчурные инвесторы в мире, топ-5 категорий:
• Рекрутмент
• Бенефиты и благополучие
• Payroll
• НСМ
• L&D
Общие тренды
• Продолжается движение от фрагментации и точечных решений к горизонтальным платформам.
• Al-компонент как ключевая ценность почти во всех заметных стартапах.
• Возвращается интерес на skill-based и evidence-based assessment
Барьеры для развития HR Tech в России
1. Низкий уровень зрелости HR функций даже в крупном бизнес3
2. Отсутствие единого контура представления НСМ
3. Долгое выделение бюджетов / осознание ценности
4. Долгое и дорогое внедрение и интеграции
Драйверы и факторы роста
• Кадровый дефицит
• Низкая производительность
• Запрос на комплексную автоматизацию
• Самозанятые и «гиг-экономика»
• Экспертиза и деньги
Neon, Марта Леман,
Планы на 2026 год по использованию ИИ в компании и в продукте:
1. Формирование рекомендаций для зон, требующих развития на базе результатов оценки 360
Как это работает
• На вход подаются результаты оценки 360 (отчет, комментарии, лепестковая диаграмма)
• На основе отчета выявляются слабые стороны
• Генерируются рекомендации для подтягивания слабых сторон
2. Формирование автоматического предварительного ИПР на базе рекомендаций из Оценки 360 и годовой оценки из Целеполагания
Как это работает
• На вход подаются рекомендации после оценки 360, итоги годовой оценки с комментариями
• Прорабатываются рекомендации и комментарии
• Материалы, размеченные в LMS, соотносятся с рекомендациями по развитию
• Генерируется контент для черновика ИПР
Продолжение следует...
Евгений Вольнов,
автор канала Future of the work
В какие HR Tech-стартапы инвестируют венчурные инвесторы в мире, топ-5 категорий:
• Рекрутмент
• Бенефиты и благополучие
• Payroll
• НСМ
• L&D
Общие тренды
• Продолжается движение от фрагментации и точечных решений к горизонтальным платформам.
• Al-компонент как ключевая ценность почти во всех заметных стартапах.
• Возвращается интерес на skill-based и evidence-based assessment
Барьеры для развития HR Tech в России
1. Низкий уровень зрелости HR функций даже в крупном бизнес3
2. Отсутствие единого контура представления НСМ
3. Долгое выделение бюджетов / осознание ценности
4. Долгое и дорогое внедрение и интеграции
Драйверы и факторы роста
• Кадровый дефицит
• Низкая производительность
• Запрос на комплексную автоматизацию
• Самозанятые и «гиг-экономика»
• Экспертиза и деньги
Neon, Марта Леман,
Планы на 2026 год по использованию ИИ в компании и в продукте:
1. Формирование рекомендаций для зон, требующих развития на базе результатов оценки 360
Как это работает
• На вход подаются результаты оценки 360 (отчет, комментарии, лепестковая диаграмма)
• На основе отчета выявляются слабые стороны
• Генерируются рекомендации для подтягивания слабых сторон
2. Формирование автоматического предварительного ИПР на базе рекомендаций из Оценки 360 и годовой оценки из Целеполагания
Как это работает
• На вход подаются рекомендации после оценки 360, итоги годовой оценки с комментариями
• Прорабатываются рекомендации и комментарии
• Материалы, размеченные в LMS, соотносятся с рекомендациями по развитию
• Генерируется контент для черновика ИПР
Продолжение следует...
👍5❤3🔥3
#заметки с эфира topcareer про ИИ в HR, ч.2
Рекомендую послушать выступление Владимира целиком, очень интересно
Владимир Щербаков, СЕО Teachbase
Например, изначально традиционно, оценка знаний производилась через тесты. Их придумали, потому что их легко было автоматизировать, было здОрово сразу дать человеку обратную связь, потому что не было других технологий и все начали применять тесты.
В Teachbase сначала сделали просто конструктор тестов. Сейчас стал конструктор с использование ИИ, с помощью которого можно создавать любое количество вопросов, любой сложности, делать так, чтобы они были непротиворечивыми друг другу и так далее. Но у сотрудника тоже стоит ИИ, которая помогает ему все эти суперсложные вопросы проходить.
Развитие состоит в том, что тестов мало и нужны кейсы, чтобы была возможность выявлять суть в обучении. Раньше обработка кейсов требовала очень много ручного труда - проверки наставников, кураторов. Сейчас ИИ хорошо это делает. Можно задать правильные промты, обучить ее на тех ответах, которые вам нужны.
В Teachbase сделали beta-версию такого инструмента. Но на другой стороне сидит сотрудник, у которого тоже ИИ, и он классно выполняет эти кейсы.
Отсюда вопрос – а нужно ли людей учить?
(продолжение рассуждений можно послушать на выходных в записи на rutube)
Рекомендую послушать выступление Владимира целиком, очень интересно
Владимир Щербаков, СЕО Teachbase
Использование ИИ – это игра в «кошки-мышки», «гонка вооружений» между HR и сотрудниками
Например, изначально традиционно, оценка знаний производилась через тесты. Их придумали, потому что их легко было автоматизировать, было здОрово сразу дать человеку обратную связь, потому что не было других технологий и все начали применять тесты.
В Teachbase сначала сделали просто конструктор тестов. Сейчас стал конструктор с использование ИИ, с помощью которого можно создавать любое количество вопросов, любой сложности, делать так, чтобы они были непротиворечивыми друг другу и так далее. Но у сотрудника тоже стоит ИИ, которая помогает ему все эти суперсложные вопросы проходить.
Мы придумываем инструменты, но методология меняется, а инструменты основаны на старой методологии. Если тесты не проверяют на самом деле знания тогда может быть они не нужны?
Развитие состоит в том, что тестов мало и нужны кейсы, чтобы была возможность выявлять суть в обучении. Раньше обработка кейсов требовала очень много ручного труда - проверки наставников, кураторов. Сейчас ИИ хорошо это делает. Можно задать правильные промты, обучить ее на тех ответах, которые вам нужны.
В Teachbase сделали beta-версию такого инструмента. Но на другой стороне сидит сотрудник, у которого тоже ИИ, и он классно выполняет эти кейсы.
Отсюда вопрос – а нужно ли людей учить?
(продолжение рассуждений можно послушать на выходных в записи на rutube)
🔥5👍4🤔3❤1🤣1
Оценка отзывов
Размышляла в выходные над постановкой задачи для LLM по обработке обратной связи о сотрудниках в ходе перфоманс ревью.
Т.к. информации о сотрудниках обычно значительно меньше, чем о товарах на маркетплейсах, то пошла посмотреть на отзывы о товарах на одной из платформ и прочитала штук 100 отзывов на какие-то рандомные очистители для стекол.
Это оказалось отличное, очень показательное, проективное упражнение на тему качества данных.
Точной статистики я не вела, но наблюдения такие:
1. Примерно половина отзывов из серии «товар доставили, все в порядке», т.е. не дают вообще никакой информации о самом товаре.
2. На один и тот же товар от одного и того же производителя есть оценки и «5» и «1»
3. Оценка «3» вообще универсальная – и почти хорошо, и почти плохо
4. Оценивают и доставку, и упаковку, и количество пленки, и запах, и, собственно, качество товара
5. Отзыв явно сильно зависит от умений и навыков пользователей, потому что одно и то же средство и «оставляет разводы» и «не оставляет разводы»
6. Качество отзыва абсолютно не зависит от формата отзыва – и текст, и изображение, и видео могут быть как полезными, так и нет
7. И, наконец, по всем конкурирующим товарам средняя оценка 4,8
Обратная связь от сотрудников во время перфоманс ревью по своему качеству не сильно отстает от отзывов на маркетплейсе и их на 1-2 порядка меньше, так что хорошая получается задачка
Размышляла в выходные над постановкой задачи для LLM по обработке обратной связи о сотрудниках в ходе перфоманс ревью.
Т.к. информации о сотрудниках обычно значительно меньше, чем о товарах на маркетплейсах, то пошла посмотреть на отзывы о товарах на одной из платформ и прочитала штук 100 отзывов на какие-то рандомные очистители для стекол.
Это оказалось отличное, очень показательное, проективное упражнение на тему качества данных.
Точной статистики я не вела, но наблюдения такие:
1. Примерно половина отзывов из серии «товар доставили, все в порядке», т.е. не дают вообще никакой информации о самом товаре.
2. На один и тот же товар от одного и того же производителя есть оценки и «5» и «1»
3. Оценка «3» вообще универсальная – и почти хорошо, и почти плохо
4. Оценивают и доставку, и упаковку, и количество пленки, и запах, и, собственно, качество товара
5. Отзыв явно сильно зависит от умений и навыков пользователей, потому что одно и то же средство и «оставляет разводы» и «не оставляет разводы»
6. Качество отзыва абсолютно не зависит от формата отзыва – и текст, и изображение, и видео могут быть как полезными, так и нет
7. И, наконец, по всем конкурирующим товарам средняя оценка 4,8
Обратная связь от сотрудников во время перфоманс ревью по своему качеству не сильно отстает от отзывов на маркетплейсе и их на 1-2 порядка меньше, так что хорошая получается задачка
🔥10👍5🤣3❤2
Метрики команды разработки
#заметки по мотивам презентации с TeamLead Conf 2025, прошедшей🗓 10-11.11.2025
Всем, кто ищет способы оценки эффективности технических команд посвящается :)
ч.1, Продуктовые и Командные метрики и немного другого интересного
Пирамида метрик:
Бизнесовые
- ключевые бизнес и финансовые показатели, которые показывают насколько наша деятельность влияет на результаты компании
Продуктовые, интерфейсные
- метрики, которые отражают функциональность продукта, финансовые результаты и взаимодействие с пользователем
Процессные и платформенные
- показатели производительности, надежности и масштабируемости системы
Продуктовые
• NPS – показывает качество продукта глазами пользователя
• Time-to-market, он же ТТМ, он же Т2М – способность команды быстро реагировать на изменение рынка
Метрики команды
(SPACE Framework – комплексный подход к командным метрикам от GitHub и Microsoft Research:
• Satisfaction – удовлетворенность работой и условиями
• Performance – результат и достижение целей
• Activity – вовлеченность в работу
• Collaboration – качество взаимодействия в команде
• Efficiency – эффективность процессов
Принципы использования метрик:
1. Цель —> Метрика
2. Для улучшения, а не для наказания
3. Не про людей, а про процессы, в крайнем случае команды
4. Связь метрики и практики, которая ее улучшает
5. Динамика и тренды важнее точки
6. Качество важнее количества
Неперспективные метрики:
• Lines of code – стимулирование «раздувания» кода
• Deployment frequency (количество релизов) – тоже возможен фрод, например. 1 релиз и 10 батчей
• Количество багов на разработчика / тестировщика – обвинительная культура
Как собирать метрики:
• Excel, опросы, google forms – неточно, дорого, демотивирует
• Трекеры задач (Jira, TFS, Azure DevOps) – требуют единого процесса
• Репозитории и CI/CD (GitLab, GitHub, Jenkins) – лучший вариант
• Мониторинг (Grafana, Datalog) – идеально для метрик SRE
#заметки по мотивам презентации с TeamLead Conf 2025, прошедшей
Всем, кто ищет способы оценки эффективности технических команд посвящается :)
ч.1, Продуктовые и Командные метрики и немного другого интересного
Пирамида метрик:
Бизнесовые
- ключевые бизнес и финансовые показатели, которые показывают насколько наша деятельность влияет на результаты компании
Продуктовые, интерфейсные
- метрики, которые отражают функциональность продукта, финансовые результаты и взаимодействие с пользователем
Процессные и платформенные
- показатели производительности, надежности и масштабируемости системы
Продуктовые
• NPS – показывает качество продукта глазами пользователя
• Time-to-market, он же ТТМ, он же Т2М – способность команды быстро реагировать на изменение рынка
Метрики команды
(SPACE Framework – комплексный подход к командным метрикам от GitHub и Microsoft Research:
• Satisfaction – удовлетворенность работой и условиями
• Performance – результат и достижение целей
• Activity – вовлеченность в работу
• Collaboration – качество взаимодействия в команде
• Efficiency – эффективность процессов
Принципы использования метрик:
1. Цель —> Метрика
2. Для улучшения, а не для наказания
3. Не про людей, а про процессы, в крайнем случае команды
4. Связь метрики и практики, которая ее улучшает
5. Динамика и тренды важнее точки
6. Качество важнее количества
Неперспективные метрики:
• Lines of code – стимулирование «раздувания» кода
• Deployment frequency (количество релизов) – тоже возможен фрод, например. 1 релиз и 10 батчей
• Количество багов на разработчика / тестировщика – обвинительная культура
Как собирать метрики:
• Excel, опросы, google forms – неточно, дорого, демотивирует
• Трекеры задач (Jira, TFS, Azure DevOps) – требуют единого процесса
• Репозитории и CI/CD (GitLab, GitHub, Jenkins) – лучший вариант
• Мониторинг (Grafana, Datalog) – идеально для метрик SRE
Please open Telegram to view this post
VIEW IN TELEGRAM
👍7❤2🔥2🤔1
Метрики команды разработки
#заметки по мотивам презентации с TeamLead Conf 2025, прошедшей 10-11.11.2025
Учимся говорить с разработкой на их языке :)
ч.2., Список технических и процессных метрик
Продуктовые
• NPS – показывает качество продукта глазами пользователя
• Time-to-market, он же ТТМ, он же Т2М – способность команды быстро реагировать на изменение рынка
Производственные и процессные:
Про скорость:
* Time-to-market по этапам
• Сколько времени задача ждет в бэклоге
• Сколько времени занимает разработка
• За сколько времени проходит ревью и тестирование
• Сколько лежит [задача] и когда доходит до прода
* Cycle time (Kanban)
* Lead time (Kanban, взгляд со стороны команды)
* Lead time (DORA, взгляд со стороны релиза)
* Focus Factor (выполненные задачи / взятые в спринт)
* Work in progress (WIP)
* Throughput
* Velocity
Про качество:
Разработка
• Время код ревью
• Время реакции
• Длительность feature-ветки
• Покрытие unit-тестами
• Технический долг
Считаются через инструменты Sonar Qube, GitLab Insights, GitHub Metrics
и т.д.
Тестирование:
• Распределение дефектов по стадиям (чем левее – тем лучше)
• Покрытие тестами
• Пирамида тестирования
• Время тестирования
• Процент регрессий
• Частота переоткрытия дефектов
Метрики DevOps и SRE:
DORA метрики (насколько быстро, качество, надежно доносим):
• Lead time for changes – от комита до прода
• Deployment frequency – частота деплоев
• Change Failure Rate – процент неудачных изменений
• Mean time to restore – время восстановления посл
SRE метрики («насколько стабильно живем в бою»)
• Availability / Uptime – доступность системы (SLI (Indicator) \ SLA (Agreement) \ SLO (Objective))
• 4 golden signals – Latency (задержка), Traffic (трафик), Errors (ошибки) и Saturation (насыщение)
Mean time to… - Failure, Detect, Acknowledge, Recover, Repaie, Resolve
#заметки по мотивам презентации с TeamLead Conf 2025, прошедшей 10-11.11.2025
Учимся говорить с разработкой на их языке :)
ч.2., Список технических и процессных метрик
Продуктовые
• NPS – показывает качество продукта глазами пользователя
• Time-to-market, он же ТТМ, он же Т2М – способность команды быстро реагировать на изменение рынка
Производственные и процессные:
Про скорость:
* Time-to-market по этапам
• Сколько времени задача ждет в бэклоге
• Сколько времени занимает разработка
• За сколько времени проходит ревью и тестирование
• Сколько лежит [задача] и когда доходит до прода
* Cycle time (Kanban)
* Lead time (Kanban, взгляд со стороны команды)
* Lead time (DORA, взгляд со стороны релиза)
* Focus Factor (выполненные задачи / взятые в спринт)
* Work in progress (WIP)
* Throughput
* Velocity
Про качество:
Разработка
• Время код ревью
• Время реакции
• Длительность feature-ветки
• Покрытие unit-тестами
• Технический долг
Считаются через инструменты Sonar Qube, GitLab Insights, GitHub Metrics
и т.д.
Тестирование:
• Распределение дефектов по стадиям (чем левее – тем лучше)
• Покрытие тестами
• Пирамида тестирования
• Время тестирования
• Процент регрессий
• Частота переоткрытия дефектов
Метрики DevOps и SRE:
DORA метрики (насколько быстро, качество, надежно доносим):
• Lead time for changes – от комита до прода
• Deployment frequency – частота деплоев
• Change Failure Rate – процент неудачных изменений
• Mean time to restore – время восстановления посл
SRE метрики («насколько стабильно живем в бою»)
• Availability / Uptime – доступность системы (SLI (Indicator) \ SLA (Agreement) \ SLO (Objective))
• 4 golden signals – Latency (задержка), Traffic (трафик), Errors (ошибки) и Saturation (насыщение)
Mean time to… - Failure, Detect, Acknowledge, Recover, Repaie, Resolve
❤4👍2🔥1
Круг или гистограмма с наполнением?
Больше 5 лет я веду этот канал, а тема вечная... На прошлой неделе снова обсуждали как лучше - так или так?)
Посты про визуализацию данных 5-летней давности, которые по-прежнему актуальны:
* Круг и его альтернативы
* 3d бублик, или Круговая диаграмма
* Круг или Квадрат?
Ошибки визуализаций с использованием круга:
* Метрики ради метрик
* Неудачная визуализация
* Круг в круге
Больше 5 лет я веду этот канал, а тема вечная... На прошлой неделе снова обсуждали как лучше - так или так?)
Посты про визуализацию данных 5-летней давности, которые по-прежнему актуальны:
* Круг и его альтернативы
* 3d бублик, или Круговая диаграмма
* Круг или Квадрат?
Ошибки визуализаций с использованием круга:
* Метрики ради метрик
* Неудачная визуализация
* Круг в круге
🤣4👍3🔥1