Котятки🐱,
я уже тут делилась, что периодически почитываю лекции по DevOps - ну правда, они же должны понимать, что от них архитекторы хотят)
Иногда у меня лекции по софтам и командообразованию.
В общем, на фоне подготовки к очередной лекции по топологии команд между делом собрала подборочку по топологии BI-команд.
Ну что ж, честно признаюсь, пока у нас в домене все менее очевидно, чем в DevOps, через раз ловлю себя на том, что удачный паттерн может легко стать антипаттерном.
Погнали:
1) Hub-and-Spoke
О чём модель: Централизованная команда отвечает за инфраструктуру и стандарты, а в бизнес-подразделениях работают встроенные аналитики, адаптированные под нужды своих функций.
Где почитать: https://www.fivetran.com/blog/how-to-organize-your-analytics-team
2) Централизованная модель
О чём модель: Вся аналитика сосредоточена в одном отделе или департаменте, включая инженеров, BI-аналитиков, дата-сайентистов.
Где почитать: https://atlan.com/structure-for-your-data-team/
3) Гибридная модель
О чём модель: Комбинация центра экспертизы (или платформенной команды) с встраиваемыми аналитиками в каждом юните.
Где почитать: https://atlan.com/structure-for-your-data-team/
4) CoE / BICC (Центр компетенций)
О чём модель: Выделенная структура для стандартизации BI, развития навыков и внедрения лучших практик в организации.
Где почитать: https://en.wikipedia.org/wiki/Business_Intelligence_Competency_Center
5) Tiger Teams / Purple Teams
О чём модель: Временные кросс-функциональные команды, собранные под конкретные бизнес инициативы с глубокой доменной специализацией.
Где почитать: https://datalere.com/articles/an-operating-model-for-data-analytics-part-iii-team-composition-and-dynamics
________________________________________
Что я не стала сюда включать?
-всеми любимый embended/data mesh, когда аналитики полностью встроены в продуктовые или бизнес-команды, при этом используют платформу, управляемую централизованно – частный Hub-and-Spoke, который возникает, когда BI-команда раньше сидела централизованно, а теперь ценных специалистов погнали в поля поднимать аналитические компетенции бизнеса.
-чистую децентрализованную модель. Ну коммон, это не топология команды, а чистые хаос и анархия)
В общем, все как я люблю

Котятки🐱,
Сегодня утром я размышляла о том, как перейти от Озера данных к DWH и обратно на разных этапах жизненного цикла организаций, и в как сделать механизм трансформации гибким.
Вот это интервью в целом интересно:
https://www.astera.com/ru/type/blog/data-warehousing-financial-services-industry/
В нем рассказ об эволюции, шаблонах, подходах, о взглядах финансистов на BI-процессы.
Стандартная история про шаблонизацию первичных загрузок тут прерывается рассуждениями о качестве данных, что для этого домена является важнее скорости.
Занимательно, но с развитием AI некоторые ранее правильные вещи уже шатаются

Котятки, я думала, что меня уже ничто не удивит. Но боже, как же я хочу научиться снимать вот такие ролики, чтобы популяризировать мой self-service BI 😻 https://youtube.com/shorts/JU-cMV6rTTk?si=pfDLSgpKyrffW6S5

Котятки🐱
Мы с коллегами достаточно часто дискутируем на тему, в какую еще точку приложить наш AI (кроме тех, которые уже окучены).
Я всегда стояла на том, что финальный анализ данных - это прерогатива человека, особенно в аналитических дашборд ах.
В этой маленькой и совсем не программной статейке есть мысль доверить ИИ преданализ, и нет, речь не про качество данных.
Линк:
https://croclub.com/data-reporting/stages-of-business-intelligence/
Предлагается фактически доверить ему Exploratory Data Analysis.
Что ж, я бы конечно скинула на AI всякий data blending

Котятки,
Я, удивительным образом, всегда оказываюсь в организациях с развитой data-культурой. В основном, это производственные компании: в условиях, когда решения в команде принимаются «на ощущениях», легко промахнуться, ну а в пром компаниях стоимость ошибки очень очевидна и рассчитываема.
В общем, сегодня простенький мини-курс залетает нам в рекомендации:) Он скорее для тех, кому анализ в работе нужен время от времени и кто регулярно сталкивается с тем, что отчетность подбить надо, презу к проекту сделать надо, а профильный чувак занят:)

Разберитесь за один вечер, как вытащить из данных ответ «почему» и куда расти дальше, на курсе по аналитике:
• 6 уроков: SQL → Python → Excel/PowerPoint
• практика на реальных данных (можно положить в портфолио)
• поддержка эксперта-практика в чате
• супер-гайд «20 фреймворков аналитика» (133 стр. схем и шаблонов, которые помогают быстро находить решения)

1 300+ специалистов уже прошли курс; большинство отмечают, что после него проще находить точки роста продукта и аргументировать решения перед руководством.

⏰ Регистрация открыта бесплатно до 18 июля
Рекомендую записаться на курс

P.S Этот мини-курс бесплатный.

Реклама. ООО «Высшая школа аналитики и стратегии». ИНН: 7716917009

Котятки🐱,
Сегодня грустно размышляла, что поставки аналитики just-in-time для создания ценности уже недостаточно. Запросы моих пользователей растут, а проекты становятся все сложнее.
Три группы стейкхолдеров на проекте отчетности -уже почти норма, а датавиз-ограничения BI-платформы больше вообще никого не волнуют.
Сегодня я вчитываюсь в очень приятную статью про психологию принятия решений, столкновению опыта и суждений и погружаюсь в модели решений, которые поддерживаемы BI:
https://ilwllc.com/2025/04/beyond-dashboards-the-psychology-of-decision-driven-bi-ba/

Котятки🐱,
Сегодня утром я плотно познакомилась с концепцией Second-Order Intelligence
https://www.tonicadvisory.co.uk/post/second-orderintelligence
От меня часто просят аналитику, которая может не только покрыть запрос ‘So what?’, но и дать какие-то стратегии, обозначить риски. Статья раскрывает это видение.
К сожалению, формат дашборда к таким вещам не сильно приспособлен.
В прочем, мои изыскания по формату подачи данных в самом разгаре, и думаю, что-то да получится в итоге🤦‍♀️

Ok, Grok!
Я скормила ему всю карту навыков и компетенций аналитика, дополнила ее скиллами по системному мышлению и стандартами, и попросила только одно -выдай мне, какого джуна взять сегодня, чтобы через 3-5 лет получить нужного человечка в команду.
Что ж...
Он в итоге присобачил к каждому навыку личностное качество, обобщил и выплюнул в меня оч обширный список требований.
Конечно, это нечитаемо, но хоть сообразил сам, что в PlantUml мне будет удобнее)) Делюсь.
P.S.
Ну и, конечно, потом на второй итерации Grok исправился, и оставил для джуна всего 29 личностных качеств.
Читаю их и думаю, что если бы я делала первичный скрининг по личностным качествам какими-нибудь ИИ-ботами, то стоимость подбора была бы просто золотой, а кандидаты на вакансию бежали бы от меня пачками.
Вероятно, это первый случай за много лет, когда я подумала "Боже, как хорошо, что есть рекрутеры и HR в целом". И что они живые люди.

Котятки🐱
Сегодня уже даже не пятничка, а мне все страньше и страньше! Всё чудесатее и чудесатее! Всё любопытственнее и любопытственнее!
В общем, не знаю как, но от изучения паттернов построения дашбордов на арабском я плавно нырнула в целом в лингвистику визуализации данных.
И вернулась в очередной раз к старому товарищу, вот этому блогу:
https://www.tableaufit.com/category/tableau-dashboard-design/linguistics/
Статью с аллегориями из Алисы в стране чудес я, конечно, не могла упустить, делюсь:

https://www.tableaufit.com/alice-in-wonderland-a-linguistics-approach-to-data-visualization/

Котятки🐱,
Как человек, ухитрившийся заболеть в отпуске, я страдаю от странненьких идей. Например, почему бы мне не взять что-то для ‘легкого чтения’?
Этот тренажер по Sql я нашла по какому-то видосу из youtube, и поверьте мне, даже если вы его пройдете от и до, это никак не поможет в реальной разработке. Хотя, неплохо так взбодрит, когда вы последний раз код руками дергали в пару лет назад и давно похоронили себя под грудой переписок и согласований.
В общем, да, чисто прокачка к собесу:
https://github.com/gowthamrajk/SQL-Tutorials/blob/main/800%2B%20SQL%20Server%20Interview%20Questions%20and%20Answers%20.pdf?ysclid=mdfr73s6wm457388522
Его можно пройти за вечер, ибо там сразу с ответами))
Еще из интересного —сейчас дочитываю Mathematical Introduction to Deep Learning: Methods, Implementations and Theory: https://arxiv.org/pdf/2310.20360
Не сказала бы, что книга сильно удачная. Некоторая математика в ней как бы за кадром, приходится иногда обниматься со старой университетской книжкой по рядам.

Котятки🐱,
Помните, я как-то ванговала, что data observability как концепт очень всем понравится, и за нами придут?
Я короче сдалась и тестирую батончик под названием Astronomer, ибо он сейчас на слуху(Astro). Он по факту является надстройкой над Airflow и пока мало пригоден для моего текущего стека, так как Airflow у меня в зачаточной стадии развития и три дохлых дага я уж как-нибудь смогу промониторить, но интересно) Ну и из полезного, наверно, я оттуда сопру концепт построения дашборда по data observability, ибо он на мой вкус норм и повторить его на данных мониторинга любого другого ETL с модификацией будет вполне реально.
https://www.astronomer.io/blog/data-observability-101-an-introduction-to-the-most-critical-features-of-modern-data-observability/
P.S. ну и конечно у них в блоге много теории и полезностей на тему data observability

Котятки🐱
В копилочку полезностей еще сегодня летит блог по Power BI:
https://www.antaresanalytics.net/blog
В нем есть интересные статьи про оптимизацию, магию списков и многое другое.
А главное, я нашла там сравнение производительности классических мер и визуальных расчетов.

Линк:
https://www.antaresanalytics.net/post/performance-comparison-of-power-bi-visual-calculations

Котятки,
сегодня столкнулась с проблемой с компом, которая ввела меня в ступор.
В компьютер вселился дух хаоса. Неконтролируемый скроллинг.
https://learn.microsoft.com/ru-ru/answers/questions/2828148/question-2828148
Звук самопроизвольно увеличивался, а любая интернет-страница с окошком выбора из списка начинала вести себя так, будто ее кто-то проклял или сайт в стадии DDoS-атаки.
Путем напряжения домочадцев выяснилось, что виновата не кошка. А также не мышь, не клавиатура, не периферия, не настройки.
Помог один из ответов в треде, он на скрине.
P.S. Короче, я умом понимаю, что это наверняка что-то аппаратное, но прямо попахивает магией.

Котятки🐱,
я как и многие, подписана на Junk Charts (https://junkcharts.typepad.com/).
Люблю всякие истории, когда аналитика "не справилась" - плохие диаграммы, ошибочные интерпретации, кул стори из серии "как аналитика налажала".
Есть в этом своего рода guilty pleasure.
Сегодня я на больничном, развлекаю себя всратыми иcториями и визуализациями:
1) Интерпретация данных в стиле "ошибка выжившего"
https://datavizblog.com/2023/07/02/historical-dataviz-survivorship-bias-and-getting-the-data-wrong/
2) Тред на реддите про ужасные визуализации: https://www.reddit.com/r/dataisugly/ - это пушка бомба, давно в него не заходила, но оторваться сегодня смогла только часа через 2
3) Книжечка Карен Фелан "Простите, я разрушил вашу компанию. Почему бизнес-консультанты – это проблема, а не решение" - прямо мой личный сорт героина. Я начала читать ее вчера, дошла до главы "Показатели-это средства, а не цели" и прямо залипла.
Она старенькая, есть на литрес, а обзор вот тут https://demakhin.livejournal.com/153565.html