Спизжено откуда-то

Котятки🐱,
Сегодня с утра я была озабочена работой с инцидентами в BI и поднимала старые мануалы, чтобы оттолкнуться от них мыслью.
Моя мечта - однажды сделать такую систему управления инцидентами, чтобы это было прозрачно и максимально быстро для пользователя. Хоть ИИ-агента на сотрудника техподдержки заводи🤦‍♀️
В первом гайде - классический процесс работы с инцидентами для дата-команды:
https://medium.com/%40mikldd/incident-management-for-data-teams-5a14acd4e3d8
Во втором - чуть более инновационный подход с неким этапом ‘мобилизация’, что кажется неплохо сработает для платформ с множественными компонентами и затрудненной локализацией места инцидента:
https://www.bigeye.com/blog/incident-management-for-data-teams

Котятки🐱, моя копилка чек-листов пополнилась - ниже очень подробные материалы по подготовке документации и передаче на техподдержку дашбордов в Power BI:
-дашборды (общая информация, визуальная часть, навигация): https://data-goblins.com/power-bi/report-checklist
-документация для передачи на поддержку модели данных: https://data-goblins.com/power-bi/dataset-checklist и тут https://data-goblins.com/dataset-checklist
-гайд для передачи ETL, если они сделаны внутри BI
-сервисные функции (ролевая модель, доступы, размещение, обучениеи пр https://data-goblins.com/power-bi/app-checklist)

Внутри - микс из чек-листов и описанию процессинга передачи на поддержку, с ключевыми вопросами, которые надо задать и себе как разработчику, и стороне поддержки.

Котятки🐱,
Что я курю читаю и где беру все материалы для канала?
Материалы я гуглю в момент, когда сталкиваюсь с какой-то интересной мыслью или идеей, и обычно мои вопросы начинаются с фраз ‘что будет,если…?’ и ‘я хочу,чтобы…’
В общем, чаще всего я ищу мечту, а не что-то конкретное, и поэтому на моем пути в датавиз достаточно много интересных открытий.
Ну и 3 канала, из которых я сохраняла посты себе в избранное на этой неделе, но не репостила:
1.Книжный клуб: https://www.tg-me.com/book_cube
Сейчас там серия постов про PlantUml. Конечно же, моя ленивая жопа не пишет код для PlantUml сама, я учусь точнее ставить задачи ИИ по написанию мне этого кода
2.Data nature : https://www.tg-me.com/datanature
На этой неделе я у них чек-лист диагностики проблем с BI себе сохранила, ну а так перманентно пялюсь на гайд по DataGovernance: https://miro.com/app/board/uXjVPlrgODk=/
3.Анализ данных: https://www.tg-me.com/data_analysis_ml
Я ни разу не ML разработчик, но залезть и потестировать новую модельку на предмет полезности -это ко мне. Сохранила себе пост про mistral, чтобы не забыть потыкать на досуге.

Котятки, своим студентам я обычно выдаю полный список всего, на что подписана, с пометкой ‘чтобы начать создавать себе информационный фон’. Я думаю публикнуть это здесь, чтобы больше не заморачиваться.

Котятки🐱,
Сегодня явно мой день)
У меня есть продвинутые пользователи (это те, которые сами пришли, сами дашики попросили, хотят селф-сервис, бриф заполнили и метрики описали, датасет и источники прикинули, прототип принесли и пр.). Можете, конечно, сказать, что у всех они есть, это уже не удивляет🤦‍♀️
Но мои пошли дальше и сами курсы прошли по Power BI и материалами со мной поделились.
Я по диагонали глянула пару уроков - оч норм, на русском, для начинающих.
В копилочку курсов летит:
https://rutube.ru/plst/467259/

Котятки🐱,
у меня прошло "100 первых дней на новом месте", и я трепетно подвожу итоги.
И вскрываю свою шкатулку с подсказками,которые брала себе на борт.
Они норм, применимы для синиоров и лидов аналитики.

1) паттерн поиска выигрышных проектов/идей с точки зрения архитектуры
https://www.businessarchitecture.info/finding-quick-wins-using-enterprise-architecture
Результат: портфель проектов на год.
2) Паттерн установления целей для BI-проектов
https://datarundown.com/bi-project-goals/
Результат: есть примерный список моих KPI (хоть мне и не удалось еще добиться того, чтобы их начали хотя бы измерять) и понимание, как функционирует арх комитет на новом месте, как согласовывать новые проекты
3) Поиск проблем и антипаттернов при BI-диагностике
Мануальчик тут: https://www.reforge.com/blog/why-most-analytics-efforts-fail
Результат: перечень вещей, которые вы берете на борт как гигиенический минимум, но не в ущерб квик-винов)
Ну и конечно, у меня есть калькулятор ROI BI-проектов (целых 3, буду честна).
Выложить не могу, но почти все они основаны на вот этих паттернах расчета (первый, второй и четвертый):
https://www.linkedin.com/pulse/5-simple-methods-calculating-data-analytics-roi-santiago-tacoronte
P.S. Паттерн с расчетом зрелости аналитики я на борт не беру почти никогда, так как он не пригоден для крупных компаний.

Котятки🐱,
Во вчерашнем посте речь зашла о калькуляции roi от BI-проектов, и я подумала вот о чем: у меня в копилке валяется исходник одного из расчетов. Это калькулятор roi для платформы data science, но при небольшой заточке он подойдет для любого дата-проекта.
Ниже ссылка на видео инструкцию и сами файлы калькулятора:
https://dataiku.hubs.vidyard.com/watch/nqXHb2MEL2sdYygYy8MwDK
P.s. Английский не мой родной язык, я для перевода пользовалась ЯндексПереводчик, сохрани господь их мудрую команду. Чисто этот сервис и их API заставил меня перенести все свои pets с VK cloud к ним.
P.p.s. За рекламу, если что, они мне не платят. Эта часть моей души не продается.

⚡️ Мы подготовили для вас эксклюзивную подборку экспертных материалов по IT и HR!

📂 Внутри папки вас ждет:
🟠AI-HR-агент - помогает сделать крутую вакансию, проанализировать кандидатов, провести собеседование и подготовить подходящий под кандидата оффер.
🟠Владеет ли интервьюер достаточными навыками, чтобы оценить уровень владения ЛЛМ соискателем? Чек лист для интервьюера...
🟠Как провести исследования, когда ресурсов не хватает?
🟠И еще 40 полезных статей, которые прокачают ваши навыки, помогут трудоустроиться.

🔗 А сегодня делимся с вами кейсами по AI в HR, которые я собирала в рамках изучения того, как автоматизируются разные Capabilities (по Бренсину)

🤝 Сохраняйте папку «IT & HR», изучайте материалы и выходите на новый уровень!

Ссылка на папку: https://www.tg-me.com/addlist/nwOCtnp4eIJmOTUy

Чисто мой вайб вчера, когда на заполненную БД для аналитики начали раскатываться зеро-миграции)

Котятки🐱,
я поучаствовала в папке для каналов.
Не скажу, что плохо (но и не хорошо тоже), это скорее стимулировало меня приподнять материалы по HR-аналитике, которые у меня были.
Чем делюсь сегодня:
1) Гайд, как осознать, что за данные есть в HR (особенно мозг сдвигает биометрия)
https://decisionwise.com/resources/white-papers/the-hr-analytics-playbook-for-the-beginner/
2) Классическая классиикация источников данных в домене HR
https://www.aihr.com/blog/hr-data-sources
3) Датасеты HR (полезны, если вы сами учитесь и что-то пилите в BI-системах)
https://www.aihr.com/blog/hr-data-sets-people-analytics/
Это, конечно, не датасеты на кагл, но вроде неплохой список (чаще смотрите ссылки на зеркале, основные часто битые)

Котятки🐱,
меня почему-то спросили, почему определенная механика расчета roi BI-проектов не подходит для крупных компаний.
В меня полетела пачка контрпримеров, но ладно.
Если по сути, то размер компании влияет на количество ваших внутренних клиентов, и значит, у вас смещаются зоны влияния и перечень процессов, которые вы можете гарантированно контролировать.
У меня на тему внедрения BI-проектов в компаниях разных размеров только вот это исследование, старенькое.
Буду рада, если поделитесь чем-то более свежим.
https://www.yellowfinbi.com/blog/how-organization-size-affects-business-intelligence-goals-deployments-adoption-a

Котятки🐱,
не все в курсе, но я еще читаю пару лекций в курсе DevOps Lead - по аналитике, архитектуре и непрерывности бизнеса.
Вчера была тема Disaster recovery plan (План восстановления деятельности).
В рамках темы я всегда сравниваю Хранилища и классические приложения: к плану на случай катастрофы в BI&DWH чуть отличается, ведь в качестве ядра для DRP выступает не только резервная копия/архив, но и резервная сборка.
Поделюсь материалом по DRP для хранилищ: https://dlthub.com/blog/second-data-setup

Котятки🐱,
Сегодня я натолкнулась на пост по такому когнитивному искажению, как неприятие алгоритма:
https://www.tg-me.com/mental_radar/462
И нахлынуло: в 21 году я обсуждала эту тему в испанском чатике по power bi, и мы делились не только всякими проблемами data trust, но и в целом неприятием статистики и данных как фактору работы. Типа ‘понимание текущей среды и прогноз будущего важнее, чем прошлое’. Датафобия. Эта тема расцвела тогда на фоне ковида-мощного форс-мажора, который мягко дискредитировал всякие статистические прогнозы, но благо, на короткий срок.

Что почитать:
тут немного про проблему: https://www.datamartist.com/anti-data-leadership-the-lies-of-non-fact-based-management
Тут хорошо про человеческие архетипы, которые олицетворяют 2 крайности при работе с данными https://ecommercefastlane.com/de/how-to-overcome-dataphobia-when-facing-crm/