Please open Telegram to view this post
VIEW IN TELEGRAM
Хабр
База про жизненный цикл разработки ПО (SDLC): этапы, виды моделей и их различия
Software Development Life Cycle (SDLC) — это фундамент, на котором строится разработка. Он помогает выстроить процессы так, чтобы команда четко понимала, что и когда ей нужно делать, а заказчик знал,...
Please open Telegram to view this post
VIEW IN TELEGRAM
Хабр
работа с Kafka в Go: практическое применение
Автор статьи Якушков Федор. Apache Kafka — это мощная распределённая платформа для обработки потоков данных, которая завоевала популярность благодаря своей способности эффективно управлять большими...
Зачем аналитику знать Kafka?
🎯 Главная цель: зачем системному аналитику знать Kafka?
Kafka — это не просто технология для разработчиков. Аналитик, понимающий её принципы, может проектировать более эффективные системы, улучшать процессы сбора данных и точнее ставить задачи команде.
❓ Зачем аналитику разбираться в Kafka?
1. Проектирование потоков данных
- Аналитик часто участвует в проектировании интеграций между системами.
- Kafka помогает организовать гибкую передачу событий (например, заказы → аналитика → CRM → склад).
- Без Kafka такие потоки часто делают через прямые вызовы API или базы данных, что сложнее масштабировать.
2. Работа с реальными данными (event-driven аналитика)
- Современные системы генерируют потоки событий (клики, платежи, логины).
- Kafka позволяет собирать их в реальном времени и передавать в аналитические хранилища (ClickHouse, BigQuery и др.).
- Без Kafka данные могут теряться или приходить с задержкой.
3. Упрощение ETL-процессов
- Раньше данные выгружали пакетами (раз в час/день), теперь можно стримить их непрерывно.
- Например:
- Данные из мобильного приложения → Kafka → обработка → витрины данных.
- Логи веб-сервера → Kafka → анализ аномалий.
4. Общение с разработчиками на одном языке
- Если аналитик говорит: *«Нам нужно подписаться на топик
- Понимание Kafka помогает уменьшить разрыв между аналитикой и разработкой.
5. Оптимизация нагрузки на БД
- Если система пишет данные напрямую в PostgreSQL / MySQL, при высокой нагрузке могут быть тормоза.
- Kafka буферизирует данные и отдаёт их потребителям в удобном темпе.
⛔️ Когда Kafka НЕ нужна?
- Если данные обновляются редко (раз в день).
- Если система маленькая и нет проблем с производительностью.
- Если команда не готова поддерживать Kafka (это всё же дополнительная инфраструктура).
📌 Вместо вывода
Аналитику Kafka нужна, чтобы:
✅ Лучше проектировать интеграции.
✅ Работать с данными в реальном времени.
✅ Упрощать ETL и снижать нагрузку на БД.
✅ Говорить с разработчиками на одном языке.
📖 Полезные материалы для аналитика:
1. Официальная документация Kafka – база для понимания.
2. Введение в Apache Kafka для системных аналитиков и проектировщиков интеграций - основы в одном месте
3. Kafka для самых маленьких разработчиков, аналитиков и тестировщиков. - немного теории для самых маленьких
Если в вашем проекте есть много событий, микросервисы или большая нагрузка — Kafka стоит изучить🚀
Источник: @ba_and_sa
Kafka — это не просто технология для разработчиков. Аналитик, понимающий её принципы, может проектировать более эффективные системы, улучшать процессы сбора данных и точнее ставить задачи команде.
1. Проектирование потоков данных
- Аналитик часто участвует в проектировании интеграций между системами.
- Kafka помогает организовать гибкую передачу событий (например, заказы → аналитика → CRM → склад).
- Без Kafka такие потоки часто делают через прямые вызовы API или базы данных, что сложнее масштабировать.
2. Работа с реальными данными (event-driven аналитика)
- Современные системы генерируют потоки событий (клики, платежи, логины).
- Kafka позволяет собирать их в реальном времени и передавать в аналитические хранилища (ClickHouse, BigQuery и др.).
- Без Kafka данные могут теряться или приходить с задержкой.
3. Упрощение ETL-процессов
- Раньше данные выгружали пакетами (раз в час/день), теперь можно стримить их непрерывно.
- Например:
- Данные из мобильного приложения → Kafka → обработка → витрины данных.
- Логи веб-сервера → Kafka → анализ аномалий.
4. Общение с разработчиками на одном языке
- Если аналитик говорит: *«Нам нужно подписаться на топик
user_actions
и агрегировать данные»* — это понятнее, чем *«Сделайте выгрузку из БД каждые 5 минут»*. - Понимание Kafka помогает уменьшить разрыв между аналитикой и разработкой.
5. Оптимизация нагрузки на БД
- Если система пишет данные напрямую в PostgreSQL / MySQL, при высокой нагрузке могут быть тормоза.
- Kafka буферизирует данные и отдаёт их потребителям в удобном темпе.
- Если данные обновляются редко (раз в день).
- Если система маленькая и нет проблем с производительностью.
- Если команда не готова поддерживать Kafka (это всё же дополнительная инфраструктура).
📌 Вместо вывода
Аналитику Kafka нужна, чтобы:
✅ Лучше проектировать интеграции.
✅ Работать с данными в реальном времени.
✅ Упрощать ETL и снижать нагрузку на БД.
✅ Говорить с разработчиками на одном языке.
1. Официальная документация Kafka – база для понимания.
2. Введение в Apache Kafka для системных аналитиков и проектировщиков интеграций - основы в одном месте
3. Kafka для самых маленьких разработчиков, аналитиков и тестировщиков. - немного теории для самых маленьких
Если в вашем проекте есть много событий, микросервисы или большая нагрузка — Kafka стоит изучить
Источник: @ba_and_sa
Please open Telegram to view this post
VIEW IN TELEGRAM
Apache Kafka
Apache Kafka: A Distributed Streaming Platform.
Please open Telegram to view this post
VIEW IN TELEGRAM
Хабр
Пользовательская документация: как мы применили к ней лучшие мировые практики
Привет, Хабр! Я Костя Макушев, работаю техническим писателем в подразделении ИТ-Инфраструктуры Т-Банка. В этой статье расскажу, какие проблемы возникли с пользовательской документацией продуктов...
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Хабр
Тест от айти-джинна: справишься с рабочими задачами аналитика, тимлида, тестировщика?
Вечер пятницы, пустой коворкинг, посиделки над пет-проектом после работы. Накопилась усталость, навалились проблемы, выгорание не за (вы)горами. Очень сильно хочется кофе: он нужен любой ценой,. Даже сильнее хочется чего-то нового в жизни.Знакомая ситуация?…
Брокеры сообщений — что это, из чего состоят, плюсы и минусы: сравниваем APACHE KAFKA, REDIS И RABBITMQ
Перейти | BA|SA
Перейти | BA|SA
Академия разработки MediaSoft
Брокеры сообщений — что это, из чего состоят, плюсы и минусы: сравниваем Apache Kafka, Redis и RabbitMQ
Как работают брокеры сообщений, что такое брокеры сообщений, плюсы и минусы брокеров сообщений, особенности Apache Kafka, особенности Redis, особенности RabbitMQ, сравнение брокеров сообщений
Салют! Сегодня продолжаем мой «мини курс» для системных аналитиков!
В прошлый раз рассмотрели:
1. Введение в системный анализ
Сегодня у нас:
2️⃣ Выявление требований
#курс | @ba_and_sa
____________
Для закрепления:
Сбор требований — это основа успеха любого проекта. Ошибки на этом этапе могут привести к переделкам, срыву сроков и недовольству заказчика.
🚀 Для начала начните с подготовки:
Перед встречей с заказчиком:
- Изучите контекст. Узнайте, чем занимается компания, какие у нее бизнес-цели, кто конкуренты. Почитайте документацию, если она есть (например, ТЗ прошлых проектов)
- Определите стейкхолдеров. Кто принимает решения? Кто будет пользоваться системой? Не упустите ни одну группу: менеджеры, конечные пользователи, технические специалисты
- Сформулируйте гипотезы. Запишите свои предположения о потребностях заказчика — это поможет задавать точные вопросы.
📋 Техники сбора требований
Используйте комбинацию методов:
- Интервью.
Задавайте открытые вопросы: «Расскажите, как сейчас проходит процесс X», избегайте наводящих вопросов: «Вам же нужна автоматизация, верно?»
- Воркшопы. Совместное обсуждение с использованием доски (физической или цифровой) помогает визуализировать требования.
- Наблюдение. Посмотрите, как пользователи работают в текущей системе — это выявит неочевидные проблемы.
- Прототипы. Эскизы интерфейсов или схемы процессов помогут заказчику конкретизировать пожелания.
✅ Как готовиться к интервью
- Составьте чек-лист вопросов, но будьте готовы отклониться от него. Примеры:
▫️ «Что вас не устраивает в текущем процессе?»
▫️ «Какие ограничения (бюджет, сроки, технологии) важно учесть?»
- Используйте технику «5 почему». Если заказчик говорит: «Нам нужна кнопка здесь», спросите: «Почему это важно?», пока не докопаетесь до корневой потребности.
- Записывайте всё. Используйте диктофон (с разрешения!) или конспектируйте ключевые тезисы.
📑 Документирование требований
📎 Статья: Стандарты и шаблоны для ТЗ на разработку ПО
- Структурируйте информацию. Разделяйте требования на:
- Функциональные (что система должна делать).
- Нефункциональные (производительность, безопасность, удобство).
- Ограничения (сроки, бюджет, законодательство).
- Используйте шаблоны. Например, User Stories (*«Как [роль], я хочу [действие], чтобы [цель]»*) или Use Case-диаграммы.
- Проверяйте требования на SMART: Конкретные, Измеримые, Достижимые, Релевантные, Ограниченные по времени.
❗️ Чего делать НЕ стоит
- Не додумывайте за заказчика. Если что-то непонятно — переспрашивайте.
- Не игнорируйте конфликтующие требования. Если мнения стейкхолдеров расходятся, зафиксируйте это и обсудите приоритеты.
- Не используйте технический жаргон. Говорите на языке заказчика.
- Не спешите. Лучше потратить время на уточнение, чем переделывать готовый функционал.
✅ Проверка и согласование
- Проведите ревью. Убедитесь, что требования:
- Полные (охватывают все сценарии).
- Непротиворечивые.
- Тестируемые (можно проверить результат).
- Утвердите документ. Подпись заказчика формализует договоренности и снижает риски.
____
Советы из личного опыта
- Всегда спрашивайте: «Что будет, если этого НЕ сделать?» — это помогает отсечь «хотелки» от критически важных требований.
- Добавляйте примеры из реальной жизни в документацию («Для заказа клиент заполняет форму, как на Рис. 1»).
- Используйте инструменты: Jira, Confluence, Miro, Draw.io — они упрощают визуализацию и совместную работу.
Финальный лайфхак: Требования меняются. Заложите в процесс регулярные встречи для актуализации документации и будьте готовы к итерациям.
Источник: @ba_and_sa
В прошлый раз рассмотрели:
1. Введение в системный анализ
Сегодня у нас:
#курс | @ba_and_sa
____________
Для закрепления:
Сбор требований — это основа успеха любого проекта. Ошибки на этом этапе могут привести к переделкам, срыву сроков и недовольству заказчика.
Перед встречей с заказчиком:
- Изучите контекст. Узнайте, чем занимается компания, какие у нее бизнес-цели, кто конкуренты. Почитайте документацию, если она есть (например, ТЗ прошлых проектов)
- Определите стейкхолдеров. Кто принимает решения? Кто будет пользоваться системой? Не упустите ни одну группу: менеджеры, конечные пользователи, технические специалисты
- Сформулируйте гипотезы. Запишите свои предположения о потребностях заказчика — это поможет задавать точные вопросы.
📋 Техники сбора требований
Используйте комбинацию методов:
- Интервью.
Задавайте открытые вопросы: «Расскажите, как сейчас проходит процесс X», избегайте наводящих вопросов: «Вам же нужна автоматизация, верно?»
- Воркшопы. Совместное обсуждение с использованием доски (физической или цифровой) помогает визуализировать требования.
- Наблюдение. Посмотрите, как пользователи работают в текущей системе — это выявит неочевидные проблемы.
- Прототипы. Эскизы интерфейсов или схемы процессов помогут заказчику конкретизировать пожелания.
- Составьте чек-лист вопросов, но будьте готовы отклониться от него. Примеры:
▫️ «Что вас не устраивает в текущем процессе?»
▫️ «Какие ограничения (бюджет, сроки, технологии) важно учесть?»
- Используйте технику «5 почему». Если заказчик говорит: «Нам нужна кнопка здесь», спросите: «Почему это важно?», пока не докопаетесь до корневой потребности.
- Записывайте всё. Используйте диктофон (с разрешения!) или конспектируйте ключевые тезисы.
📑 Документирование требований
- Структурируйте информацию. Разделяйте требования на:
- Функциональные (что система должна делать).
- Нефункциональные (производительность, безопасность, удобство).
- Ограничения (сроки, бюджет, законодательство).
- Используйте шаблоны. Например, User Stories (*«Как [роль], я хочу [действие], чтобы [цель]»*) или Use Case-диаграммы.
- Проверяйте требования на SMART: Конкретные, Измеримые, Достижимые, Релевантные, Ограниченные по времени.
- Не додумывайте за заказчика. Если что-то непонятно — переспрашивайте.
- Не игнорируйте конфликтующие требования. Если мнения стейкхолдеров расходятся, зафиксируйте это и обсудите приоритеты.
- Не используйте технический жаргон. Говорите на языке заказчика.
- Не спешите. Лучше потратить время на уточнение, чем переделывать готовый функционал.
- Проведите ревью. Убедитесь, что требования:
- Полные (охватывают все сценарии).
- Непротиворечивые.
- Тестируемые (можно проверить результат).
- Утвердите документ. Подпись заказчика формализует договоренности и снижает риски.
____
Советы из личного опыта
- Всегда спрашивайте: «Что будет, если этого НЕ сделать?» — это помогает отсечь «хотелки» от критически важных требований.
- Добавляйте примеры из реальной жизни в документацию («Для заказа клиент заполняет форму, как на Рис. 1»).
- Используйте инструменты: Jira, Confluence, Miro, Draw.io — они упрощают визуализацию и совместную работу.
Финальный лайфхак: Требования меняются. Заложите в процесс регулярные встречи для актуализации документации и будьте готовы к итерациям.
Источник: @ba_and_sa
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Хабр
(Не)кладбище тикетов: воскрешаем бэклог без шаманов и танцев с бубнами
Они копятся в темных уголках бэклога — тикеты, которые никто не решает. Сначала их было десять, потом сто, а через год вы с ужасом понимаете: это уже кладбище. Команда боится туда заглядывать,...
Forwarded from Analyst IT
Please open Telegram to view this post
VIEW IN TELEGRAM
Хабр
Просто покажи: сила визуализации в аналитике
Привет, друзья! Сегодня поговорим о том, как системный аналитик (то есть я, ты или тот парень из соседнего отдела) может использовать визуализацию, чтобы перестать быть "человеком, который пишет...
Please open Telegram to view this post
VIEW IN TELEGRAM
Хабр
Keycloak: как упростить аутентификацию и не сойти с ума?
Привет! Я Диана, системный аналитик в Clevertec и экс-преподаватель. В этой статье = нескучной лекции продолжу тему межсистемной аутентификации. Первое занятие можно посмотреть тут . Сейчас...
Please open Telegram to view this post
VIEW IN TELEGRAM
Хабр
Как изменится системный анализ и работа аналитика, когда ИИ «победит»
Без системного аналитика многие проекты заходят в тупик. Ведь некачественно проработанные требования или слабо продуманная архитектура ведут к дорогим ошибкам на этапе разработки и внедрения. ...
А как вы думаете, заменит ли ИИ аналитиков? Или что нам ждать от этой штуки? Может мы станем хорошими напарниками?
Давайте немного разберемся
1. Что ИИ уже умеет делать вместо аналитика?
✅ Автоматизация рутины – сбор требований, анализ данных, генерация документации.
✅ Обработка больших данных – быстрее человека находит паттерны и аномалии.
✅ Генерация отчётов и диаграмм – ChatGPT, Copilot, Power BI с ИИ уже помогают.
✅ Предсказательная аналитика – прогнозирует риски на основе исторических данных.
2. Что ИИ пока не может заменить?
❌ Глубокий контекст и переговоры – ИИ не чувствует скрытые мотивы стейкхолдеров.
❌ Креативное решение проблем – не может придумать неочевидное решение, как человек.
❌ Эмпатия и soft skills – не убедит директора выделить бюджет или уладить конфликт в команде.
❌ Ответственность за решения – ИИ не подпишет ТЗ и не понесёт последствия за ошибку.
3. Полная замена или помощник?
🔹 Скорее помощник (как калькулятор для бухгалтера).
🔹 Часть задач уйдёт – например, ручной сбор требований или анализ логов.
🔹 Но появится спрос на новые навыки – умение работать с ИИ, интерпретировать его выводы, принимать финальные решения.
4. Кого заменит, а кого нет?
✔ Рискуют аналитики, которые только "переливают воду" в документации.
❌ Не рискуют те, кто умеет:
- Вести переговоры,
- Понимать бизнес-контекст,
- Принимать нестандартные решения.
____________
Вывод по моему мнению:
ИИ не заменит системных и бизнес-аналитиков, но:
- Слабых специалистов – вытеснит,
- Сильных – сделает в разы продуктивнее.
Совет: осваивай Prompt Engineering, учись задавать ИИ правильные вопросы – и будешь востребованным специалистом. 😉
Как думаешь, какие навыки аналитика ИИ пока не сможет повторить?
Давайте немного разберемся
1. Что ИИ уже умеет делать вместо аналитика?
2. Что ИИ пока не может заменить?
3. Полная замена или помощник?
🔹 Скорее помощник (как калькулятор для бухгалтера).
🔹 Часть задач уйдёт – например, ручной сбор требований или анализ логов.
🔹 Но появится спрос на новые навыки – умение работать с ИИ, интерпретировать его выводы, принимать финальные решения.
4. Кого заменит, а кого нет?
✔ Рискуют аналитики, которые только "переливают воду" в документации.
❌ Не рискуют те, кто умеет:
- Вести переговоры,
- Понимать бизнес-контекст,
- Принимать нестандартные решения.
____________
Вывод по моему мнению:
ИИ не заменит системных и бизнес-аналитиков, но:
- Слабых специалистов – вытеснит,
- Сильных – сделает в разы продуктивнее.
Совет: осваивай Prompt Engineering, учись задавать ИИ правильные вопросы – и будешь востребованным специалистом. 😉
Как думаешь, какие навыки аналитика ИИ пока не сможет повторить?
Please open Telegram to view this post
VIEW IN TELEGRAM