Котятки🐱, еще сегодня я была в поиске прекрасного, и не смогла пройти мимо этого портала-каталога открытых датасетов. Пусть останется тут, в копилочке: https://opendatainception.io

Котятки🐱,
В далеком 2019 году я впервые услышала о стандартизации BI - подрядчик занес нам идеи гайдбуков, а мой тогдашний BI-разработчик популярно объяснил, почему не нужно делать 6 коннектов к одному и тому же датасету в одном и том же дашборде.
В общем, на воспоминания натолкнул меня white paper Why Should You Standardize Your Business
Intelligence Tools, делюсь.
Что еще интересного:
1)что такое bi-архитектура https://www.techtarget.com/searchbusinessanalytics/definition/business-intelligence-architecture
2)Что советует качать, чтобы из bi-разраба стать bi-архитектором https://www.geeksforgeeks.org/gfg-academy/business-intelligence-developer-to-business-intelligence-architect/
Последняя статья имхо не все раскрывает, ибо всегда есть всякие платформенные вопросы типа конфигурации, репликации и восстановления, железо, мониторинг и логирование и пр - короче все те вопросики, которые между любым архитектором и инфрой/девопс.

Котятки,
в ту же тему стандартизации внутренней архитектуры данных и загрузок Qlikview: ко мне в ручки однажды попала преза с объяснением подхода к загрузке данных в формате tier-3, где логика загрузки уже внутри BI бьется по слоям. Я пользую ее и не придумываю велосипед)
Это норм, так как по факту мы получаем переиспользуемость, ускорение загрузки, нормальное масштабирование, а главное - изоляцию логики, пресловутую семантическую модель.
По идее, это должно было бы сильно упростить поддержку и тестирование, но добавьте к этому еще 3 слоя хранилища под капотом
и... па-рам-пам-пам-пам))
С другой стороны, все солидные BI-ребята идут в модный семантический слой, например в Power BI этот подход тоже декларируется: https://learn.microsoft.com/en-us/power-bi/guidance/center-of-excellence-business-intelligence-solution-architecture.
P.S. Я ранее была склонна хранить семантический слой на BI, а не на уровне хранилища, но после изменения политики лицензирования у крупных игроков развернула диван на 180 градусов: хранить что-то из фундаментальной бизнес-логики на "подписочных" лицензиях меня не вдохновляет.

279. Эстетическое искажение правды.

Мы можем нередко доверять источнику информации без фактчекинга, и сейчас эта проблема становится все более актуальной. Красивая визуализация, интерфейс, хорошо оформленный текст воспринимается как более достоверный.

И так мы неосознанно связываем визуальную чистоту с интеллектуальной точностью. Запускается вроде такой цепочки: красивое = проработанное, проработанное = кто-то потратил время. Значит это серьезно. Раз серьезно– значит можно не перепроверять.

Тут даже не речь про то, что мы уже живем в эпоху реалистичных ИИ генераций, фейки кроются в лентах фэйсбуков, телеграмов и линкединов. Все чаще встречаю посты в LinkedIn, когда чистый буллшит, но с хорошим шрифтом через графики показывает чьи-то прогнозы, неподкрепленные ни одним реальным отчетом или данными. Потом мозг может запомнить это и выдавать за правду из уголком памяти.

В общем важно, скролля ленту тратить еще какой-то процент энергии на то, чтобы отделять эстетику от содержания.

Если охото углубиться в тему, в этом исследовании смотрят на связь облегченной обработки информации с чувством понятности и доверия. А вот это постарше, тут как раз есть про то, что визуально привлекательная информация воспринимается как более достоверная, разбирают в контексте вопросов здоровья.

Котятки, что ни день то какая -то тусня👆у меня вполне осознанный зоопарк из Qlikview и Power BI под разные цели, но! в текущих реалиях я на такие штуки по миграции захаживаю)

Котятки🐱,
Сейчас сижу над задачкой по облагораживанию интеграций, вспоминаю всякие страшные истории про то, как кто-то кого-то потер и радуюсь, что у меня нормальное резервирование и адекватное RPO.
А всякие страшилки на тему sql пусть будут в прошлом)) И тут:
https://www.brentozar.com/archive/2019/06/brace-yourself-for-these-9-database-horror-stories/

Котятки🐱,
В моей копилочке гайдов по Power BI пополнение: книжечка From rookie to rockstar.
Читать по главам тут:
https://radacad.com/online-book-power-bi-from-rookie-to-rockstar/
Я уже публиковала тут отдельные статьи этого эксперта, особенно по темам отношений и моделей в Power BI, но и его цельный мануал тоже норм.
p.s. Если лень переходить по каждой главе отдельно, то при вводе e-mail мануал целиком можно получить по почте в pdf)

Котятки😺, когда мои пользователи дорастают до требования ‘дайте нам самим доступ к бд, сами себе SQL будем писать’, я достаю этот шедевр моего детства) Пусть и тут он будет https://youtu.be/PTAkqURmI0s?si=H_SKbbHGbhfDkGc3

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

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

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

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

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

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

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

⏰ Регистрация открыта бесплатно до 18 июля
Рекомендую записаться на курс

P.S Этот мини-курс бесплатный.

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

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

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