Коллеги, отправяю личный пример собеседования с ИИ на позицию Фулстек(бизнес и системный аналитик) уровень Team Lead с использованием промта.

Шаги для использования промта:
1. вводим промт в DeepSeek, ChatGPT, Qwen
2. уточняем контекст собеседования: позицию, уровень и сферу автоматизации
3. отвечаем на вопросы и получаем фидбек

Коллеги, приятно, когда твоя квалификация подтверждена ИИ.
Не вижу ваши 🔥 даже в день рождение 😉.
Поделитесь в коментах, как вам зашел промт?👇
#AI@cool_analyst

Промт для проверки требований ТЗ по атрибутам качества

Входные данные:
Пользователь отправляет текст требования из ТЗ.

Задача:
Проверить требование по следующим атрибутам качества:
1️⃣Однозначность – можно ли понять требование без дополнительных уточнений?
2️⃣Проверяемость – можно ли на его основе написать тест?
3️⃣Полнота – учтены ли пограничные случаи и ошибки?
4️⃣Актуальность – соответствует ли последним правкам (если есть контекст)?
5️⃣Визуализация – нужно ли добавить схему/диаграмму для сложной логики?

Формат ответа:
✅Анализ текущего требования (по каждому атрибуту).
✅Пример улучшенной формулировки (если требуется).
✅Рекомендации (дополнить тестами, уточнить условия, добавить схему и т. д.).

Пример работы промта:
Пользователь:"Система должна быстро загружать данные."

Ответ:
🔍 Анализ требования:
Однозначность: ❌ Неясно, что значит «быстро». Нет метрики.
Проверяемость: ❌ Невозможно написать тест без конкретных значений.
Полнота: ❌ Не учтены условия (размер данных, сервер, сеть).

✅ Улучшенная версия:
"Система должна загружать 10 000 строк данных из CSV (размером до 5 МБ) менее чем за 2 секунды при нагрузке ≤50 RPS на сервере с 4 CPU и 8 ГБ RAM."

📌 Рекомендации:
Добавить тест: «Измерить время загрузки 10K строк при указанных условиях».

Уточнить, какие данные считаются «загруженными» (валидация, парсинг).

Если логика сложная (например, кэширование), добавить схему потока данных.

Дополнительные указания для промта:
✅Если требование уже хорошее – похвалить и подтвердить его соответствие критериям.
✅Если не хватает данных – запросить контекст (например: «Какие серверы используются?»).
✅Для субъективных терминов («удобно», «быстро») требовать замену на метрики.

Отправляйте ИИ свои требования для проверки! 🚀
Ставьте 🔥🔥🔥, если понравился результат.
#промт@cool_analyst

🌞Задача: "Летний анализ активности пользователей с помощью AI"

Контекст:
Вы — системный аналитик в компании, которая разрабатывает AI-инструменты для анализа поведения пользователей.
Данные:

Есть таблица user_activity с полями:
user_id (уникальный идентификатор)
action (тип действия: 'view', 'like', 'post', 'travel_mode')
timestamp (дата и время действия)
location (город пользователя)

И таблица ai_recommendations с рекомендациями ИИ:
user_id
recommendation (текст рекомендации, например, "предложить скидку на путешествие")
generated_at (когда ИИ сгенерировал рекомендацию)

Задача:
Напишите SQL-запрос, который:
📌Находит пользователей, которые в июне-августе чаще включали travel_mode, чем делали посты (post).
📌Проверяет, есть ли для этих пользователей AI-рекомендации, созданные за последний месяц.
📌Выводит список таких пользователей, их локацию и текст рекомендации (если она есть).

Присылайте вариант решения в коментах, а потом сверим c AI🔥
#sql@cool_analyst

Когда не купил подписку на нейросеть 😁

Добрый вечер, ловите запрос на задачу 👇
SQL-запрос для анализа летней активности пользователей

WITH summer_travelers AS (
    -- Пользователи, у которых в летние месяцы (июнь-август) travel_mode встречается чаще, чем post
    SELECT 
        user_id,
        location,
        SUM(CASE WHEN action = 'travel_mode' THEN 1 ELSE 0 END) AS travel_count,
        SUM(CASE WHEN action = 'post' THEN 1 ELSE 0 END) AS post_count
    FROM 
        user_activity
    WHERE 
        EXTRACT(MONTH FROM timestamp) BETWEEN 6 AND 8
    GROUP BY 
        user_id, location
    HAVING 
        SUM(CASE WHEN action = 'travel_mode' THEN 1 ELSE 0 END) > 
        SUM(CASE WHEN action = 'post' THEN 1 ELSE 0 END)
),

recent_recommendations AS (
    -- Рекомендации за последний месяц
    SELECT 
        user_id,
        recommendation
    FROM 
        ai_recommendations
    WHERE 
        generated_at >= CURRENT_DATE - INTERVAL '1 month'
)

-- Итоговый результат с пользователями и их рекомендациями (если есть)
SELECT 
    st.user_id,
    st.location,
    rr.recommendation
FROM 
    summer_travelers st
LEFT JOIN 
    reccent_recommendations rr ON st.user_id = rr.user_id
ORDER BY 
    st.user_id;

Этот запрос:
1. Сначала находит пользователей, у которых в летние месяцы (июнь-август) действие 'travel_mode' встречается чаще, чем 'post'
2. Затем проверяет, есть ли для этих пользователей рекомендации ИИ, созданные за последний месяц
3. В результате выводит список таких пользователей с их локацией и текстом рекомендации (если она существует)

Примечание: В зависимости от СУБД может потребоваться корректировка синтаксиса для извлечения месяца из даты и работы с интервалами.
#sql@cool_analyst

🔥 Что есть в канале "Крутой AI-аналитик"?

👉 Добро пожаловать в AI Analyst Hub! 
Практика, автоматизация и карьера в аналитике с искусственным интеллектом!

📌 #sql@cool_analyst — SQL-задачки с решениями от AI.
📌 #logics@cool_analyst — логические задачки для прокачки аналитического мышления от AI.
📌 #мемы@cool_analyst — AI-мемы для настроения. 😆
📌 #AI@cool_analyst — гайды и лайфхаки по работе SA и BA с AI.
📌 #промт@cool_analyst — рабочие промты для SA и BA.
📌 #UML@cool_analyst — разбор UML-диаграмм с помощью AI.
📌 #gamma@cool_analyst — создание презентаций в Gamma с AI.
📌 #базаданных@cool_analyst — проектирование БД с искусственным интеллектом.
📌 #bpmn@cool_analyst — моделирование процессов в BPMN + AI.
📌 #mermind@cool_analyst — разбор инструмента Mermaid + DeepSeek.
📌 #usecase@cool_analyst — Use Case-диаграммы с AI.
📌 #Гриша@cool_analyst — забавные истории в AI-стикерах про Гришу.
📌 #ПМИ@cool_analyst — тест-кейсы с использованием AI.
📌 #graphviz@cool_analyst — графы с использованием AI.
📌 #AInews@cool_analyst — свежие новости из мира AI.
#навигация@cool_analyst

Как нарисовать организационную структуру с помощью AI?

Ловите промт для Deepseek+Graphviz
Действуй как опытный бизнес-аналитик в области визуализации организационной структуры. Контекст: небольшая it-компания, примерно 30 человек, состоит из отделов: отдел продаж, отдел системного анализа, отдел тестирования, администрация. Во главе генеральный директор. Результат: описание структуры в формате dot для graphviz. Положительный пример: компактная схема, вертикальное расположение, должности внутри отдела сгруппированы по количеству и располагаются друг под другом. Стиль: современный плоский дизайн на темном фоне.

#graphviz@cool_analyst #промт@cool_analyst

вот с разработчиками от Qwen+Graphviz 😆

Как развивались подходы к разработке информационной системы:

ВОДОПАД
[ТЗ] → [Схемы+разработка] → [Готовая система]
👨‍💼📄 🧑‍💻📊 💻🎀
Клиент: "А можно теперь всё по-новому?"

АДЖАЙЛ
[MVP] → [+Функции] → [Рабочая система]
🧑‍💻🔹 🧑‍💻🔹🔸 💻✅
Клиент: "Уже пользуюсь, жду обновлений!"

ИИ + АНАЛИТИК
[Странная система] → [Корректировка] → [Почти то, что надо]
🤖🟩🟪 👩‍💼✏️ 💻👍
Клиент: "Смешно, но работает!"

#мемы@cool_analyst

Привет! 🚀
Вот простая схема, которая показывает, как аналитик (SA/BA) работает с ИИ в проекте:
🔹 Сначала собираем данные из первоисточников (процессы, интервью, документы).
🔹 Формулируем промты — и передаём их искусственному интеллекту.
🔹 ИИ создаёт артефакты: диаграммы, структуры БД, user stories, API.
🔹 Аналитик проверяет всё и готовит документацию для разработки.

💡 ИИ не заменяет аналитика, а становится помощником в рутинных задачах.

🛠️ Как создана схема?
Граф построен с помощью Graphviz — удобного инструмента для создания диаграмм через код.
#AI@cool_analyst

Универсальный промт для создания процессной схемы в graphviz

Подойдёт к процессным диаграммам как из поста.

Создай описание диаграммы в формате DOT (Graphviz), отражающее [цель схемы/процесс/взаимодействие].
Схема должна быть [вертикальной (rankdir=TB) / горизонтальной (rankdir=LR)] и содержать следующие уровни:
1. [Уровень 1] : [краткое описание элементов]
2. [Уровень 2] : [краткое описание элементов]
3. [Взаимодействие X и Y] : [описание процесса взаимодействия]
- Внутри этого кластера расположить элементы: [элемент A → элемент B → элемент C]
4. [Результаты] : [описание выходных данных/артефактов]
- При необходимости вынести перечень в примечание (note)

Установи стиль:
- Все узлы — shape=[ellipse/box/etc], style=filled, fillcolor=[цвет], шрифт [название], размер [N]
- Кластеры должны иметь [заголовки, цвета, жирный шрифт/другие атрибуты]
- Связи между уровнями с подписями:
[Узел1] → [Узел2] («[Подпись]» [доп. атрибуты])

Цветовая кодировка:
- [Уровень1] — [цвет1]
- [Уровень2] — [цвет2]
- [Взаимодействие] — [цвет3]
- [Результаты] — [цвет4]
- [Спец. элементы] — [цвет5] (если нужно выделить)

Дополнительные требования:
[Указать особые пожелания по расположению, стрелкам, формам узлов и т.д.]

Не используй markdown. Верни только чистый код на DOT.
#промт@cool_analyst #graphviz@cool_analyst

Задача: Оптимизация процесса заказа в ресторане быстрого питания

Контекст:
Сеть ресторанов быстрого питания хочет улучшить процесс заказа еды для клиентов. Сейчас клиенты могут заказывать:
- Через кассу (офлайн)
- Через мобильное приложение (онлайн)
- Через терминалы самообслуживания в заведении

Жалобы:
1. Длинные очереди в часы пик.
2. Ошибки в заказах (особенно при передаче между кассиром и кухней).
3. Клиенты жалуются на долгое ожидание еды, даже после оплаты.
4. Онлайн-заказы иногда «теряются» или дублируются.

Задача для системного аналитика:
1. Проведите анализ текущего процесса заказа (as-is).
2. Выявите узкие места и причины ошибок.
3. Предложите улучшенный процесс (to-be)
5. Предложите метрики для оценки успешности изменений.

Дополнительные условия:
- Часть клиентов — пожилые люди, которые не пользуются смартфонами.
- Кухня физически не успевает готовить в часы пик.

Как бы вы решили эту задачу? 😊