AI Актуалочка
На последних стратсессиях по данным и аналитике - встретил новый фактор. Блок некоторых участников обсуждать и комититься на долгосрочные цели. Причина - зачем мы строим планы в текущей парадигме, если вот прям совсем скоро GenAI трансформирует все. Приходится тратить много сил, чтобы вернуть креатив и вовлеченность
В итоге это проводит к двойственной стратегии - условно вы планируете и "старый BI" с его понятными практиками и пользой и "новый BI" с этими всеми экспериментами и гипотезами. В условиях нехватки ресурса - это такая себе стратегия, ну а как иначе. Нельзя останавливаться - надо бежать во все стороны, и при этом не отставать (сарказм).
Я писал про DG здравого смысла, про то, что надо трезво оценивать текущую и целевую зрелость своей компании с учетом ее рынка и размера. Видимо нужна такая же модель зрелости для AI.
Наверное там должны быть тезисы типа:
- если твоя выручка меньше ярда долларов, (или) ты не техкомпания - не трать деньги на хостинг своей Gen AI инфры. Следи за трендами, и качай свой Core BI, хранилище и DQ. Максимум делай 1 пилот по самому критичному AI usecase своего бизнеса.
- если ты относительно богат и лидер отрасли - подели бюджет на три части:
1/3 надата гавернанс на построение качественного слоя дата продуктов и метаданных, управление рисками
1/3 на разработку: proof-of-concept'ы по консервативно ранжированному списку юзкейсов, найм и обучение людей
Только 1/3 на инфру.
Посерчил и не нашел ничего толкового. Только вендорский и big4 булшит.
Видимо рано еще.
Если кто находил что толковое по GenAI зрелости - кидайте.
Ссылки на более-менее интересные статьи, что я нашел - оставлю в комментах.
На последних стратсессиях по данным и аналитике - встретил новый фактор. Блок некоторых участников обсуждать и комититься на долгосрочные цели. Причина - зачем мы строим планы в текущей парадигме, если вот прям совсем скоро GenAI трансформирует все. Приходится тратить много сил, чтобы вернуть креатив и вовлеченность
Кстати - Про проблему FOMO (Fear of missing out, страх, что все что-то знают и делают, а только ты – все упускаешь) в контектсе GenAI истерии вышел терапевтический выпуск с Евгением Котом. Помогает. Главное не поймайте ФОМО во время прослушивания подкаста про ФОМО.
В итоге это проводит к двойственной стратегии - условно вы планируете и "старый BI" с его понятными практиками и пользой и "новый BI" с этими всеми экспериментами и гипотезами. В условиях нехватки ресурса - это такая себе стратегия, ну а как иначе. Нельзя останавливаться - надо бежать во все стороны, и при этом не отставать (сарказм).
Я писал про DG здравого смысла, про то, что надо трезво оценивать текущую и целевую зрелость своей компании с учетом ее рынка и размера. Видимо нужна такая же модель зрелости для AI.
Наверное там должны быть тезисы типа:
- если твоя выручка меньше ярда долларов, (или) ты не техкомпания - не трать деньги на хостинг своей Gen AI инфры. Следи за трендами, и качай свой Core BI, хранилище и DQ. Максимум делай 1 пилот по самому критичному AI usecase своего бизнеса.
- если ты относительно богат и лидер отрасли - подели бюджет на три части:
1/3 на
1/3 на разработку: proof-of-concept'ы по консервативно ранжированному списку юзкейсов, найм и обучение людей
Только 1/3 на инфру.
Посерчил и не нашел ничего толкового. Только вендорский и big4 булшит.
Видимо рано еще.
Если кто находил что толковое по GenAI зрелости - кидайте.
Ссылки на более-менее интересные статьи, что я нашел - оставлю в комментах.
5 BI вендоров и стол
В этом мире автогенерирумой экспертизы провели ламповый, но круглый стол с ребятами из Visiology, Data Lens, Loginom, PIX BI. Еще Маша Гришина к нам пришла разогнать тоску своим отборным обесцениванием.
Наговорили 2 часа не под запись. Спасибо ребят.
Для написания саммари в пост👇 мучил промптами текстовую расшифровку нашей встречи, плюнул и написал сам. Сука сглаживает все. Бесит, ведь не ждешь уже подвоха.
На фото справа - Сергей aka Громов - человек,который не пришел - предпочел дебри природы дебрям современного биай.
Кто его осудит.
Всем лета.
Тезисы
В этом мире автогенерирумой экспертизы провели ламповый, но круглый стол с ребятами из Visiology, Data Lens, Loginom, PIX BI. Еще Маша Гришина к нам пришла разогнать тоску своим отборным обесцениванием.
Наговорили 2 часа не под запись. Спасибо ребят.
Для написания саммари в пост👇 мучил промптами текстовую расшифровку нашей встречи, плюнул и написал сам. Сука сглаживает все. Бесит, ведь не ждешь уже подвоха.
На фото справа - Сергей aka Громов - человек,
Кто его осудит.
Всем лета.
Тезисы
Вот мой конспект тезисов:
💁♂ Российский биай (vs мировой):
- считает что догнал в ux и core фичах (спорно)
- сильно отстает в платформенности (да)
- будет опережать в ИИ, тут все стартовали с одной точки (возможно да)
🧐 80% роcсийского рынка все еще на западном биай несмотря на риски - «Если что-то работает, то, конечно, никому неохота переделывать»
⚡ Борьба концепций - биай как рисовалка (молодежь) vs биай end to end (старики). Борьбы видимо нет. Просто делят клиентов по зрелости стека и запросам. Впереди консолидация рынка.
😰 Про суперсет и другой оперсорс: «Если организация научилась управлять сайзингом, ресурсом и набрала решимости идти в продукт/опенсорс — всё-таки может взлететь на большом масштабе и ресурсе. Кор фичи отточить а дальше легче.
Иначе через три года - осознание и откат к рыночным корпоративным продуктам.»
Ну и что там про Gen AI
🤗 GenAI быстрее стартует там где выше толерантность к ошибкам ("где руками косячат еще больше")
В итоге сценарии в дата менеджменте (глоссарии, документация, DQ) - более перспективные чем в биай.
😟 «Мы видим панику в глазах у стоящих на обрыве: компании боятся пускать ИИ в DWH и неструктурированные источники...» хм, ну не знаю
🤑 «GenAI ложно воспринимается как волшебная таблетка - как сам BI 10 лет назад. Порог входа в движуху очень высокий»
Решения от вендоров (облачные, но и тех пока нет) будут косо-криво интегрироваться с экосистемами компаний (каталоги, мета, документация, метрики), а свой end-to-end дата ассистент это супердорого и сложно.
Придётся строить серьёзный фундамент, с DG и другим блекджеком. А это уже не секси.
Короче сдувается драйв и все смотрят на бихтехи?
😭 Вендоры играют с
- саммаризацией - добыча инсайтов из дашбордов
- навигацией - продвинутый поиск и рекомендация готовых отчетов
- сoding копайлотами - они есть и будут на каждом углу: писать SQL, DAX, HTML и проч - нормальная тема, но это уже принятая нами реальность.
Чистые дата ассистенты пытаются делать, и тут все признаются - все работает только на "красивых" примерах. На продукт пока не тянет.
- считает что догнал в ux и core фичах (спорно)
- сильно отстает в платформенности (да)
- будет опережать в ИИ, тут все стартовали с одной точки (возможно да)
Иначе через три года - осознание и откат к рыночным корпоративным продуктам.»
Ну и что там про Gen AI
В итоге сценарии в дата менеджменте (глоссарии, документация, DQ) - более перспективные чем в биай.
Решения от вендоров (облачные, но и тех пока нет) будут косо-криво интегрироваться с экосистемами компаний (каталоги, мета, документация, метрики), а свой end-to-end дата ассистент это супердорого и сложно.
Придётся строить серьёзный фундамент, с DG и другим блекджеком. А это уже не секси.
Короче сдувается драйв и все смотрят на бихтехи?
- саммаризацией - добыча инсайтов из дашбордов
- навигацией - продвинутый поиск и рекомендация готовых отчетов
- сoding копайлотами - они есть и будут на каждом углу: писать SQL, DAX, HTML и проч - нормальная тема, но это уже принятая нами реальность.
Чистые дата ассистенты пытаются делать, и тут все признаются - все работает только на "красивых" примерах. На продукт пока не тянет.
Please open Telegram to view this post
VIEW IN TELEGRAM
Data Nature 🕊
Про BI Health Score Мы в командах всегда много экспериментировали с этим подходом. Сейчас в Авито заходим на новый круг. Проблема стара как сам BI: массово делаем отчёты → страдает гигиена → страдает навигация → теряем трафик. Кто-то пытается зарегулировать…
Рассказывал недавно про BI health score. И вот подъехал пост в канале Маши Аничковой про проведенный в Авито BI субботник. Есть много мыслей как еще усилить пользу, но опыт будем повторять и миксовать с сертификаций отчетов и витрин 🧹
Please open Telegram to view this post
VIEW IN TELEGRAM
Telegram
Пирожки и бары | про BI
Как проверить 1 000 объектов в BI-системе и не сойти с ума (а главное - зачем?)
Под BI-объектами в этом посте я буду подразумевать дашборды и то, из чего они состоят - в нашем случае это квери и чартсы. А также датасеты - источники данных для дашборда -…
Под BI-объектами в этом посте я буду подразумевать дашборды и то, из чего они состоят - в нашем случае это квери и чартсы. А также датасеты - источники данных для дашборда -…
- Как внедрять стандарты там, где бизнес быстро меняется и аналитики не успевают думать про гавернанс?
- Как делать кор слои метрик, отчетов, витрин в децентрализованных мульти-доменах?
- Как реально качать селфсервис сценарии на стыке оперсорс BI и LLM?
- Как прокачивать качество и культуру визуализации, не уходя в избыточность и датавизо-поклонничество?
- А нужны ли вообще процессы и центры экспертизы или аджальный хаос лучше подходит этому миру?
Если у тебя есть ответ на один из этих вопросов выше - откликайся на вакансию к нам в команду Core BI.
Мы делаем постмодерновый BI с блекджеком и здравым смыслом.
Ищем звезду. Стек значения не имеет.
Детали - в посте Димы, CV в личку
#АвитоBI
- Как делать кор слои метрик, отчетов, витрин в децентрализованных мульти-доменах?
- Как реально качать селфсервис сценарии на стыке оперсорс BI и LLM?
- Как прокачивать качество и культуру визуализации, не уходя в избыточность и датавизо-поклонничество?
- А нужны ли вообще процессы и центры экспертизы или аджальный хаос лучше подходит этому миру?
Если у тебя есть ответ на один из этих вопросов выше - откликайся на вакансию к нам в команду Core BI.
Мы делаем постмодерновый BI с блекджеком и здравым смыслом.
Ищем звезду. Стек значения не имеет.
Детали - в посте Димы, CV в личку
#АвитоBI
Бенчмарки по численности и функционалу data ролей
В этом году делал полевой ресерч структур дата/BI команд в российском Tech сегменте (cпасибо всем за участие).
В эту же тему делал ранее более широкий опрос.
В итоге после очистки осталось 64 российских компаний из разных отраслей и я таки собрал данные в публичный деш.
Вот хайлайт выводов
Пропорции ролей
На 1 data роль - 11.7 casual users (обычные бизнес пользователи)
На 1 BI/DA - 25 casual users
На 1 DE - 1.9 BI/DA
Структура data ролей (в среднем):
51% — BI/DA (на 1 BI - 8-10 Data-аналитиков)
26% — Data Engineers.
17% — Data Scientists.
7% — DG/DQ
В условном IT+ecomm - количество дата ролей значимо больше, чем в других отраслях:
На 1 data роль - 8.3 casual users
На 1 BI/DA - 15 casual users
Воздержусь от других выводов - слишком малая выборка и много вопросов к тому кто, кого, куда относит на стыках DE-BI, DA-DS.
Кажется специфика компании ее история и аналитическая традиция влияет на состав (и нейминг) ролей не меньше, чем размер или отрасль.
Данные можно соотнести с databenchmarks.
Забавно что если сделать регруппинг моих ролей по их корзинам insight / engineering / ML (DS попадает в Insight, BI и DG в Engineering) то получаются очень близкие цифры.
Другие наблюдения из интервью
BI COE/Core BI
В децентрализованной модели - масштаб спонсирует организацию: при небольшом числе доменов и BI-аналитиков (менее 30) - BI CoE себя не окупает.
При росте возникает BI Core/CoE, который берёт на себя стандартизацию, кросс-доменные практики работы с качеством, демократизацию, обучение, координацию инициатив развития.
Триггер - когда несколько доменов начинают автономно строить свои собственные процессы управления BI/данными.
Размер Core BI обычно 3–5 человек. Больше - только если команда берет на себя дополнительные домены на поддержку, как правило корп функций.
Есть варианты «виртуального» CoE (сборные советы чемпионов) - могут давать ограниченный эффект на малом-среднем масштабе.
Другие Роли
- Подход 1: BI работает рядом с SA и DE, деля между собой функции в BI-цикле. BI - деши и репортинг витрины. SA и DE - качество остальных слоев данных.
- Подход 2: BI как fullstack/AE. DE занимается платформой и кор слоем витрин.
При этом все может быть гибридно и неоднородно внутри одной компании от домена к домену.
Курирование доменов
Зрелые компании вводят дополнительную роль Дата партнеров (нейминг разнится), отвечающие за BI сертификацию, полноту метаданных, за качество данных внутри домена. Это могут быть BI-лиды, системные аналитики. Роль замыкает на себя рутины гавернанса.
Кому есть что добавить - велком
В этом году делал полевой ресерч структур дата/BI команд в российском Tech сегменте (cпасибо всем за участие).
В эту же тему делал ранее более широкий опрос.
В итоге после очистки осталось 64 российских компаний из разных отраслей и я таки собрал данные в публичный деш.
Вот хайлайт выводов
Пропорции ролей
На 1 data роль - 11.7 casual users (обычные бизнес пользователи)
На 1 BI/DA - 25 casual users
На 1 DE - 1.9 BI/DA
Структура data ролей (в среднем):
51% — BI/DA (на 1 BI - 8-10 Data-аналитиков)
26% — Data Engineers.
17% — Data Scientists.
7% — DG/DQ
В условном IT+ecomm - количество дата ролей значимо больше, чем в других отраслях:
На 1 data роль - 8.3 casual users
На 1 BI/DA - 15 casual users
Воздержусь от других выводов - слишком малая выборка и много вопросов к тому кто, кого, куда относит на стыках DE-BI, DA-DS.
Кажется специфика компании ее история и аналитическая традиция влияет на состав (и нейминг) ролей не меньше, чем размер или отрасль.
Данные можно соотнести с databenchmarks.
Забавно что если сделать регруппинг моих ролей по их корзинам insight / engineering / ML (DS попадает в Insight, BI и DG в Engineering) то получаются очень близкие цифры.
Другие наблюдения из интервью
BI COE/Core BI
В децентрализованной модели - масштаб спонсирует организацию: при небольшом числе доменов и BI-аналитиков (менее 30) - BI CoE себя не окупает.
При росте возникает BI Core/CoE, который берёт на себя стандартизацию, кросс-доменные практики работы с качеством, демократизацию, обучение, координацию инициатив развития.
Триггер - когда несколько доменов начинают автономно строить свои собственные процессы управления BI/данными.
Размер Core BI обычно 3–5 человек. Больше - только если команда берет на себя дополнительные домены на поддержку, как правило корп функций.
Есть варианты «виртуального» CoE (сборные советы чемпионов) - могут давать ограниченный эффект на малом-среднем масштабе.
Другие Роли
- Подход 1: BI работает рядом с SA и DE, деля между собой функции в BI-цикле. BI - деши и репортинг витрины. SA и DE - качество остальных слоев данных.
- Подход 2: BI как fullstack/AE. DE занимается платформой и кор слоем витрин.
При этом все может быть гибридно и неоднородно внутри одной компании от домена к домену.
Курирование доменов
Зрелые компании вводят дополнительную роль Дата партнеров (нейминг разнится), отвечающие за BI сертификацию, полноту метаданных, за качество данных внутри домена. Это могут быть BI-лиды, системные аналитики. Роль замыкает на себя рутины гавернанса.
Кому есть что добавить - велком
3 вакансии в Авито
для тех, кто ищетновые вызовы классных задач
1️⃣ Аналитик данных на задачи Аналитической платформы
Классные ребята, которые строят продуктовые метрики и отчетность по внутренним аналитическим инструментам и CJM, анализируют воронку использования, ищут точки роста эффективности, влияют на приоритизацию фич.
2⃣ BI-разработчик в команду Рекламы
Классные ребята с амбициозными целями, позиция с с влияниеv (!) на бизнес и миксом хардовой инженерии и софтововыми хороводами с бизнесом под музыку данных
3⃣ Секретная вакансия (еще не на сайте, пишите в ЛС)
Классные ребята в HR BI команде ищут себе классного тимлида. В меню все что мы любим - BI-разработка и дата-аналитика, системный анализ и интеграции данных, метрики и редизайн процессов, стратегия и работа со стейкхолдерами. Диджитальный HR снова в моде в этом сезоне.
Требования высокие, но и работа хороша
Всем классной пятницы
#АвитоBI
для тех, кто ищет
Классные ребята, которые строят продуктовые метрики и отчетность по внутренним аналитическим инструментам и CJM, анализируют воронку использования, ищут точки роста эффективности, влияют на приоритизацию фич.
Классные ребята с амбициозными целями, позиция с с влияниеv (!) на бизнес и миксом хардовой инженерии и софтововыми хороводами с бизнесом под музыку данных
Классные ребята в HR BI команде ищут себе классного тимлида. В меню все что мы любим - BI-разработка и дата-аналитика, системный анализ и интеграции данных, метрики и редизайн процессов, стратегия и работа со стейкхолдерами. Диджитальный HR снова в моде в этом сезоне.
Требования высокие, но и работа хороша
Всем классной пятницы
#АвитоBI
Please open Telegram to view this post
VIEW IN TELEGRAM
Сходил на эфир к Владу Каменскому, CEO Юниверс дата.
Влад участвовал в создании издания DAMA DM BoK на русском языке и делает с командой ламповый дата каталог из Петербурга☔️
См их пост как LLM делает глоссарий.
📽️ Видео
Почти половину эфира НЕ говорили про ИИ.
Ну а потом таки говорили.
Про ИИ в дата менеджменте.
Делал основанные на ощущении прогнозы. Например что ценность ИИ в DG наступит быстрее чем в BI.
Еще про доменные роли,
Про бигтех и качество данных.
В ролике есть таймкоды🙂
Кто любит такое - ставьте на x2 и велком в комменты.
Влад участвовал в создании издания DAMA DM BoK на русском языке и делает с командой ламповый дата каталог из Петербурга
См их пост как LLM делает глоссарий.
📽️ Видео
Почти половину эфира НЕ говорили про ИИ.
Ну а потом таки говорили.
Про ИИ в дата менеджменте.
Делал основанные на ощущении прогнозы. Например что ценность ИИ в DG наступит быстрее чем в BI.
Еще про доменные роли,
Про бигтех и качество данных.
В ролике есть таймкоды
Кто любит такое - ставьте на x2 и велком в комменты.
Please open Telegram to view this post
VIEW IN TELEGRAM
ADKAR + self-service BI: Кормить и учить готовить
Третьего дня на стратсесии тренер подсветил модель чендж менеджмента ADKAR - и заставил пару часов на нее медитировать.
В итоге все немного прониклись. Вроде здравый смысл, но есть в этом что-то простое и точное про поведение людей.
Мысль ушла в сторону вовлечения неаналитиков в selfservice BI - вечную боль, и вечный миф всех биай проектов.
Настолько вечный, что ты уже начинаешь смотреть на тему без спешки и обращаться кгадалкам универсальным практикам управления.
Набросал табличку проникновения self-service сценариев в роль продакта (цифры из головы) и проблемность этапов ADKAR.
Общее наблюдение - есть паттерн, что ведется разработка тулов (A), потом обучение (K), при этом пропускается Понимание и Желание. Желание строится на потребности, и хорошо когда она есть и сильная. Но если нет - нужно ее создавать (а иногда не стоит). Видимо отрезая продактов от адхок поддержки аналитиков и создавая давление в проектах/калибровках, требующее самообслуживания.
Прикольно, что многообразие практик внедрения дата культуры реально ложится на эти 5 этапов, и можно строить тактику более комплексно, не теряя ничего из фокуса, анализировать, где больше всего барьеров в моменте.
Но тезис о том, что нужно двигаться строго слева направо спорный - если создать желание и знание, но не дать сразу возможностей (тулов) будет не гуд.
У кого какой опыт, какие цифры?
Третьего дня на стратсесии тренер подсветил модель чендж менеджмента ADKAR - и заставил пару часов на нее медитировать.
В итоге все немного прониклись. Вроде здравый смысл, но есть в этом что-то простое и точное про поведение людей.
Мысль ушла в сторону вовлечения неаналитиков в selfservice BI - вечную боль, и вечный миф всех биай проектов.
Настолько вечный, что ты уже начинаешь смотреть на тему без спешки и обращаться к
Коротко: ADKAR это о том что любые изменения идут через последовательные этапы
- Awareness (Осведомленность) — Человек осведомлен и понимает необходимость изменений
- Desire (Желание) — У человека есть личная мотивация участвовать.
- Knowledge (Знание) — Человек имеет информацию и навыки, необходимые для работы по-новому.
- Ability (Способность) — Человек имеет ресурс и инструменты применять новые навыки на практике.
- Reinforcement (Закрепление) — Новый подход подкрепляется, чтобы стать нормой.
Набросал табличку проникновения self-service сценариев в роль продакта (цифры из головы) и проблемность этапов ADKAR.
Общее наблюдение - есть паттерн, что ведется разработка тулов (A), потом обучение (K), при этом пропускается Понимание и Желание. Желание строится на потребности, и хорошо когда она есть и сильная. Но если нет - нужно ее создавать (а иногда не стоит). Видимо отрезая продактов от адхок поддержки аналитиков и создавая давление в проектах/калибровках, требующее самообслуживания.
Прикольно, что многообразие практик внедрения дата культуры реально ложится на эти 5 этапов, и можно строить тактику более комплексно, не теряя ничего из фокуса, анализировать, где больше всего барьеров в моменте.
Но тезис о том, что нужно двигаться строго слева направо спорный - если создать желание и знание, но не дать сразу возможностей (тулов) будет не гуд.
У кого какой опыт, какие цифры?
Больше трафика проекту DataKids
Есть такая проблема у родителя - найти баланс запретов.
Дети (как и взрослые) оказываются в коридоре дешевого дофамина цифрового контента, а обеспокоенные мамы-папы занимаются ограничением разной степени жесткости.
Ограничения плохо работают. И вот ты снова ищешь ребенку что-то в оффлайне, пытаешься конкурировать.
Хорошие идейные ребята делают образовательный проект Data Kids.
Кому то он точно поможет с этой темой.
Это бесплатное игровое обучение, конкурс и семейная активность :
- Выбираете номинацию и создайте свой проект
- Выигрывайте призы
- Смотрите обучающие вебинары вместе с детьми
- Голосуйте за лучшие работы
Как бонус - шанс объяснить детям чем занимаешься сам на работе (все мы в конце концов рисуем графики)
Сессии проходят весь октябрь. Есть разные возрастные группы.
Короче со всех сторон классная тема❤️
Подробнее
#нереклама
Есть такая проблема у родителя - найти баланс запретов.
Дети (как и взрослые) оказываются в коридоре дешевого дофамина цифрового контента, а обеспокоенные мамы-папы занимаются ограничением разной степени жесткости.
Ограничения плохо работают. И вот ты снова ищешь ребенку что-то в оффлайне, пытаешься конкурировать.
Хорошие идейные ребята делают образовательный проект Data Kids.
Кому то он точно поможет с этой темой.
Это бесплатное игровое обучение, конкурс и семейная активность :
- Выбираете номинацию и создайте свой проект
- Выигрывайте призы
- Смотрите обучающие вебинары вместе с детьми
- Голосуйте за лучшие работы
Как бонус - шанс объяснить детям чем занимаешься сам на работе (все мы в конце концов рисуем графики)
Сессии проходят весь октябрь. Есть разные возрастные группы.
Короче со всех сторон классная тема
Подробнее
#нереклама
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
<Осторожно - в этом посте нет ни одного упоминания AI>
Делали с командой внутренний курс для BI в Авито - откапал свою типологию ролей в BI проектах 5-ти летней давности.
Отряхнул и переписал из текущей точки, добавил логики. Короче - дополняйте какие роли или нюансы упущены.
Ссылка на картинку
Забавное открытие - вроде все уже сказано и открыто в профессии, но приходят в компанию новые поколения и говорить об каких-то вещах - есть смысл снова.
#АвитоBI
"Агенты еще минимум десятилетие не смогут никого заменить полноценно.
Индустрия в погоне за инвестициями выдает "кашу" за работающие решения и завышает ожидания рынка, когда технологии еще не готовы для реальных задач.
А главный риск - из-за ИИ автоматизации снизить нашу способность понимать мир"
После этого интервью Андрея Карпатого (сооснователя OpenAI) - агрессивная подача tableau на Dreamforce 2025 звучит особенно забавно.
15 лет назад всем продавали чудо селфсервиса, сейчас в таком же стиле - «явление Agentforce народу».
Давит погоня конкурентов и инвесторы - в итоге сырой эксперимент с недоказанной ценностью выдают за новое поколение BI, в своем стиле заметая под ковер все подводные камни.
И многие из нас тоже в этой гонке веры. Смесь интереса и страха отстать - пилим своих агентов или планируем.
Понятно стало, что не нужно ждать отдачи в ближайшие годы. Это будет стоить компаниям кучу денег и никто не знает, где эта экономика сойдется.
Это выбило большинство в роль наблюдателей - заниматься в своих компаниях спокойной (и тоже недешевой) подготовкой условий для AI агентов - внедрять семантические слои, слои метрик, голден/кор витрин и прочую годноту. Тестить более локальные юзкейсы ИИ чем дата-ассистент.
Я попробовал обобщить, что такое Пререквизиты AI Аналитика - предшествующие компоненты, без которых можно даже "не лезть".
Получился такой документ с тремя скоупами:
① Подготовка
② MVP дата-агента
③ Продуктивная агентская среда
Выглядит монструозно. По моей оценке:
Подготовка - будет скромно стоить от 100 млн в год.
С MVP уже уверенно от 150 млн руб в год.
Но кажется ничего не притянуто. Дополните?
Те, кто видел посты про опрос NewHR про рынок аналитиков в других каналах и не реагировал - я возвращаю вас к моральной дилемме
- снова проигнорировать - типа другие ответят, а я почитаю
- или воспарить над текучкой, потратить 20 мин, внести свой вклад в комьюнити и сделать исследование точнее.
Этот опрос возможно поможет лучше разобраться
- Все ли еще деньги важнее задач - как меняется мотивация и зп
- Какие карьерные треки работают между специализациями аналитиков
- Как меняется пропорции типов задач, есть ли (вдруг) снижение доли адхоков (когда то же AI даст эффект)
Прошлый раз было мало ответов биайщиков, и сейчас мало, но если будет больше в этот раз можно будет например поизучать такую картинку по BI и сравнить с собой.
Без ваших ответов мы - аналитики из авито опять станем лучшими.
С вашими — тоже, просто это будет статистически значимее.
Впрочем — нам и не нужны подтверждения
Провокация — Рационализация — Провокация
Не ту технику назвали бутербродом
(кстати доказанный булшит - начинать негативный фидбек с похвалы, это выглядит неискренне)
А опрос таки пройдите, у кого будет возможность.
Ребята очень просили. Осталась неделя.
Please open Telegram to view this post
VIEW IN TELEGRAM
Рубрика - типа шарю за ИИ.
Закину вам два топика
1️⃣ Джунов перестают нанимать... на ожиданиях.
Generative AI as Seniority-Biased Technological Change - Свежее исследование Гарварда о том как внедрение GenAI влияет на найм работников разного опыта.
В основе исследования
- 62 млн резюме и 200 млн вакансий в США (2015–2025) в LinkedIn и не только.
- 285 тыс компаний, из которых 10,5 тыс внедрили GenAI (якобы, определяли по вакансиям).
Основные результаты
После 2023 года (после релиза ChatGPT) компании-адоптеры GenAI показали −9–10% сокращение занятости junior-сотрудников в течение 6 кварталов после внедрения; Снижение связано не с увольнениями, а со снижением найма.
Важно, что падение связано с ожиданием будущей автоматизации, а не с уже реализованной заменой: просто увольнения стоят дорого.
Занятость senior-сотрудников не изменилась.
Ограничения
- Компании-адоптеры крупнее и технологичнее, поэтому результаты не обязательно применимы ко всей экономике.
- Не учтён «теневой» ИИ-адопшен — использование ИИ сотрудниками без формальной интеграции.
2️⃣ В октябре пошел поток статей на тему AI пузыря - буквально от всех, например от инвестбанкиров (Goldman Sachs, Deutsche Bank), от бизнес школ (Ель, Гарвард). Все согласны, что рынок перегрет, прибыли нет, у всех дежавю времён доткомов. Вкачано уже столько денег что никакой ИИ не вернет.
В статье Wired спросили учёных, изучающих технологические пузыри. Те дали ИИ оценку 8 из 8. Идеально надуто. 🎈
▪️Неопределённость — никто не знает, как именно ИИ будет зарабатывать.
▪️Pure-play компании — тысячи стартапов, живущих только на слове «AI» в названии
▪️Заряженные инвесторы — миллиарды от людей и фондов, которые просто не хотят «пропустить поезд».
▪️Сильный нарратив — «ИИ изменит всё, автоматизирует всё, спасёт всё».
Если коротко: Вопрос не в том есть или нет пузырь - он очевидно есть - вопрос сроков и сценария сдувания.
Сдувание тех пузыря - не что-то обязательно страшное - будет коррекция на рынке, большинство стартапов исчезнет (не получив следующих раундов), сгорит много капитала.
ИИ при этом никуда не денется, он продолжит развиваться, инфраструктура, сервисы, достижения останутся, но больше сконсолидируются у гигантов.
Интернет пережил свой пузырь. Скоро очередь ИИ.
(Прикольная аналогия что Nvidia - это фирма продававшая лопаты во время золотой лихорадки в америке)
Вместо морали
ИИ инициативы в компании, как и программы AI-ready - тоже такие себе "пузырики". Все признают, что защита ИИ инвестиции в большой корпорации сейчас - это прыжок веры руководства и страха опоздать. 95% пилотов фейлятся, а 5 процентов выглядят как нишевые решения с небольшим roi.
Панельная дискуссия на конференции RT DataTalks 6.0 - как подтверждение.
Кстати - озвученная идея сразу применять в компании практику чарджить косты на ИИ с бизнес-юнита - звучит адекватно. Мучительное отрезвление от паттерна ИИ ради ИИ после анализа P&L.
Всем ИИ-позитива)
Закину вам два топика
Generative AI as Seniority-Biased Technological Change - Свежее исследование Гарварда о том как внедрение GenAI влияет на найм работников разного опыта.
В основе исследования
- 62 млн резюме и 200 млн вакансий в США (2015–2025) в LinkedIn и не только.
- 285 тыс компаний, из которых 10,5 тыс внедрили GenAI (якобы, определяли по вакансиям).
Основные результаты
После 2023 года (после релиза ChatGPT) компании-адоптеры GenAI показали −9–10% сокращение занятости junior-сотрудников в течение 6 кварталов после внедрения; Снижение связано не с увольнениями, а со снижением найма.
Важно, что падение связано с ожиданием будущей автоматизации, а не с уже реализованной заменой: просто увольнения стоят дорого.
Занятость senior-сотрудников не изменилась.
Ограничения
- Компании-адоптеры крупнее и технологичнее, поэтому результаты не обязательно применимы ко всей экономике.
- Не учтён «теневой» ИИ-адопшен — использование ИИ сотрудниками без формальной интеграции.
В статье Wired спросили учёных, изучающих технологические пузыри. Те дали ИИ оценку 8 из 8. Идеально надуто. 🎈
▪️Неопределённость — никто не знает, как именно ИИ будет зарабатывать.
▪️Pure-play компании — тысячи стартапов, живущих только на слове «AI» в названии
▪️Заряженные инвесторы — миллиарды от людей и фондов, которые просто не хотят «пропустить поезд».
▪️Сильный нарратив — «ИИ изменит всё, автоматизирует всё, спасёт всё».
Если коротко: Вопрос не в том есть или нет пузырь - он очевидно есть - вопрос сроков и сценария сдувания.
Сдувание тех пузыря - не что-то обязательно страшное - будет коррекция на рынке, большинство стартапов исчезнет (не получив следующих раундов), сгорит много капитала.
ИИ при этом никуда не денется, он продолжит развиваться, инфраструктура, сервисы, достижения останутся, но больше сконсолидируются у гигантов.
Интернет пережил свой пузырь. Скоро очередь ИИ.
(Прикольная аналогия что Nvidia - это фирма продававшая лопаты во время золотой лихорадки в америке)
Вместо морали
ИИ инициативы в компании, как и программы AI-ready - тоже такие себе "пузырики". Все признают, что защита ИИ инвестиции в большой корпорации сейчас - это прыжок веры руководства и страха опоздать. 95% пилотов фейлятся, а 5 процентов выглядят как нишевые решения с небольшим roi.
Панельная дискуссия на конференции RT DataTalks 6.0 - как подтверждение.
Кстати - озвученная идея сразу применять в компании практику чарджить косты на ИИ с бизнес-юнита - звучит адекватно. Мучительное отрезвление от паттерна ИИ ради ИИ после анализа P&L.
Всем ИИ-позитива)
Please open Telegram to view this post
VIEW IN TELEGRAM
Иван Вахмянин из Visiology поделился первыми результатами их обновленного анализа вакансий специалистов по BI на HeadHunter (см картинку за 24 год).
Ребята выгрузили весь массив вакансий с 2021 года, обогатили данные и пропустили их через LLM, чтобы по описаниям и тегам определить, под какую платформу ищут человека.
Попросил датасет - делюсь инсайдами про 25й (неполный год)
- Power BI продолжает оставаться безусловным лидером (а шуму то было) — почти 50% всех вакансий связаны с ним (хотя доля начала снижаться, до 2023 она только росла за счет частичного замещения Qlik и Tableau).
- С клика тоже массово никто не слезает. Сидят ровно - видимо не обновляются но и не платят поддержку
- Superset впервые обогнал Tableau в 2024, и по предварительным данным за 2025 год снова идет небольшой спад доли. В итоге примерно сейчас на одном уровне в Tableau.
- Наблюдается рост числа вакансий по DataLens, Visiology и FineBI, ну и в целом суммарная доля "замещающих" BI платформ продолжает расти. Но вместе они дают только 5% вакансий
- «Тяжёлый» корпоративный западный BI — IBM Cognos, Oracle BI и другие — теряет позиции прямо очень сильно.
Похожую аналитику дает опрос Ромы
Пытался сделать выборку компаний, перешедших в 24-25 с одного тула на другой, понять популярные перетоки. Но лидера не видно «все переходят на разное».
Вопрос, на который было бы неплохо ответить - как меняется доля компаний, которые делают свой биай (на базе опенсорса).
За месяц узнал о трех больших кейсах (2 банка из топ 10 и телеком) когда решали закрывать свой инхаус продукт.
Но и тут везде разная мотивация и тулы. Кажется это отдельный ресерч.
Иван завтра обещал дать свою аналитику этих данных на своей конференции ViRush - бесплатной вендор-пати про биай в кластере Ломоносова. Он всех зовет.
#добровольнаяреклама
Ребята выгрузили весь массив вакансий с 2021 года, обогатили данные и пропустили их через LLM, чтобы по описаниям и тегам определить, под какую платформу ищут человека.
Попросил датасет - делюсь инсайдами про 25й (неполный год)
- Power BI продолжает оставаться безусловным лидером (а шуму то было) — почти 50% всех вакансий связаны с ним (хотя доля начала снижаться, до 2023 она только росла за счет частичного замещения Qlik и Tableau).
- С клика тоже массово никто не слезает. Сидят ровно - видимо не обновляются но и не платят поддержку
- Superset впервые обогнал Tableau в 2024, и по предварительным данным за 2025 год снова идет небольшой спад доли. В итоге примерно сейчас на одном уровне в Tableau.
- Наблюдается рост числа вакансий по DataLens, Visiology и FineBI, ну и в целом суммарная доля "замещающих" BI платформ продолжает расти. Но вместе они дают только 5% вакансий
- «Тяжёлый» корпоративный западный BI — IBM Cognos, Oracle BI и другие — теряет позиции прямо очень сильно.
Похожую аналитику дает опрос Ромы
Пытался сделать выборку компаний, перешедших в 24-25 с одного тула на другой, понять популярные перетоки. Но лидера не видно «все переходят на разное».
Вопрос, на который было бы неплохо ответить - как меняется доля компаний, которые делают свой биай (на базе опенсорса).
За месяц узнал о трех больших кейсах (2 банка из топ 10 и телеком) когда решали закрывать свой инхаус продукт.
Но и тут везде разная мотивация и тулы. Кажется это отдельный ресерч.
Иван завтра обещал дать свою аналитику этих данных на своей конференции ViRush - бесплатной вендор-пати про биай в кластере Ломоносова. Он всех зовет.
#добровольнаяреклама
В развитии BI функции как и в продукте тоже есть свой фича-паритет. Чтобы вырваться топ-1 нужно сначала выстроить "базовые вещи" современного BI проекта в компании.
Так в 2025 мы в Авито активно «догоняли». В чем то это проще. Переосмысливаешь на ходу и делаешь лучше. А еще делаешь "проверку на AI" - убеждаешься не инжинирим ли мы то, что отомрет.
Так мы например - запустили сбор фидбека и подсчет CSAT на BI объекты. Таня Быкова (BI тимлид в Авито Недвижимости), залидировала инициативу и написала пост про проект и его пользу.
Что мы воспроизвели
- Виджет-кнопка в деше (как фича в BI системе) для добровольной ОС от юзера - все бы хорошо, но очень низкая конверсия в ответы. И это не лечится - условный must have, без высокой ценности.
- Часть про BI контент в ежеквартальных опросах платформы - дает хороший обзор статуса и динамики по 10 факторам оценки, при проваливании на домены - охватов уже маловато.
Что мы добавили
- "Фидбек-бот" - отправляет точечные запросы на фидбек пользователям про их топ-отчеты. Тот же набор из 10 факторов. Детальность до домена и отчета. Хорошая конверсия - за одну рассылку собрано в несколько раз больше ответов чем за год с кнопки в дешах. Важно не уронить частыми сообщениями, но при этом создать плотность ответов по ключевым дешам.
"Проверка на AI"- какой тут ход мысли (накидывайте):
- В нашем образе будущего - деши останутся, но их юзкейсы ужмутся, количество сократится.
AI "отвечалка" (сколько было...) и "чартилка" (построй мне.. , покажи динамику...) канибализируют (хоть бы уже) ручные адхоки и "аналитические деши"
- Фокус сместится на развитие дата-инфры, но будут оставаться деши-продукты - эдакие мастер-приложения для чистого репортинга, мониторинга устойчивых бизнес-сценариев, обзора показателей (то для чего даши придумывались). Деш - как shared mental model процесса/бизнеса.
- Такие деши должны потерять монументальность. Ускорится итеративность продуктовых изменений - автоанализ юзаджа элементов деша (чартов, фильтров.. ) и фидбеки юзера дадут генерацию "прожарки" - предложений улучшений, и редфлаги для отправки деша на сертификационное ревью.
- Далее видимо автооптимизация через as-a-code архитектуру и автокастомизация аппа под юзера - если в этом будет смысл.
Еще про фидбеки на BI-контент писал 2 года назад.
Про NPS BI в статье Ромы про метрики BI
#АвитоBI
Так в 2025 мы в Авито активно «догоняли». В чем то это проще. Переосмысливаешь на ходу и делаешь лучше. А еще делаешь "проверку на AI" - убеждаешься не инжинирим ли мы то, что отомрет.
Так мы например - запустили сбор фидбека и подсчет CSAT на BI объекты. Таня Быкова (BI тимлид в Авито Недвижимости), залидировала инициативу и написала пост про проект и его пользу.
Что мы воспроизвели
- Виджет-кнопка в деше (как фича в BI системе) для добровольной ОС от юзера - все бы хорошо, но очень низкая конверсия в ответы. И это не лечится - условный must have, без высокой ценности.
- Часть про BI контент в ежеквартальных опросах платформы - дает хороший обзор статуса и динамики по 10 факторам оценки, при проваливании на домены - охватов уже маловато.
Что мы добавили
- "Фидбек-бот" - отправляет точечные запросы на фидбек пользователям про их топ-отчеты. Тот же набор из 10 факторов. Детальность до домена и отчета. Хорошая конверсия - за одну рассылку собрано в несколько раз больше ответов чем за год с кнопки в дешах. Важно не уронить частыми сообщениями, но при этом создать плотность ответов по ключевым дешам.
"Проверка на AI"- какой тут ход мысли (накидывайте):
- В нашем образе будущего - деши останутся, но их юзкейсы ужмутся, количество сократится.
AI "отвечалка" (сколько было...) и "чартилка" (построй мне.. , покажи динамику...) канибализируют (хоть бы уже) ручные адхоки и "аналитические деши"
- Фокус сместится на развитие дата-инфры, но будут оставаться деши-продукты - эдакие мастер-приложения для чистого репортинга, мониторинга устойчивых бизнес-сценариев, обзора показателей (то для чего даши придумывались). Деш - как shared mental model процесса/бизнеса.
- Такие деши должны потерять монументальность. Ускорится итеративность продуктовых изменений - автоанализ юзаджа элементов деша (чартов, фильтров.. ) и фидбеки юзера дадут генерацию "прожарки" - предложений улучшений, и редфлаги для отправки деша на сертификационное ревью.
- Далее видимо автооптимизация через as-a-code архитектуру и автокастомизация аппа под юзера - если в этом будет смысл.
Еще про фидбеки на BI-контент писал 2 года назад.
Про NPS BI в статье Ромы про метрики BI
#АвитоBI