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 🧹
#АвитоBI
#АвитоBI
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