Говно случается и это и есть жизнь. А вообще жизнь все время разная: то всё супер, то в один момент жена ломает ногу, дети заболевают, на работе завал, в личных делах дедлайны, и кажется, что тебя просто накрывает волной задач и проблем. В такие моменты очень легко почувствовать, что сил больше нет и ты вот-вот сломаешься. У меня обычно так и бывает, всё наваливается разом, и кажется, что выбраться из этого завала невозможно. ...
Введение: цикличность технологических революций История IT представляет собой череду волн автоматизации, каждая из которых радикально меняла требования рынка и подходы к разработке. Эти волны не просто внедряли новые технологии — они трансформировали бизнес-модели, создавали новые профессии и переопределяли ценность специалистов. Предлагаю исторически взглянуть на роль аналитиков и трансформацию их роли и задач 1. Первая волна (1950-1970): автоматизация вычислений и зарождение системного анализа Технологический ландшафт Мейнфреймы и перфокарты Языки программирования низкого уровня (COBOL, Fortran) Первые базы данных (IBM IMS, 1966) Требования рынка: В эту эпоху IT был уделом узких специалистов — инженеров, способных «общаться» с машинами на их языке. Ключевым требованием было глубокое понимание аппаратной части и умение оптимизировать крайне ограниченные вычислительные ресурсы. IT-рынок труда: Крайне узкий сегмент, доступный только специалистам с инженерным образованием Практически отсутствует конкуренция за рабочие места — спрос значительно превышает предложение Зарплаты в 2-3 раза выше средних по экономике (аналогично современным «золотым воротничкам») Появление аналитиков: Прообразом современных аналитиков стали «системные аналитики», которые переводили бизнес-задачи на язык машинных инструкций Их роль была технической — декомпозиция задач для программистов Анализ ограничивался оптимизацией алгоритмов и распределением памяти Пример: В банковском секторе системные аналитики проектировали схемы обработки транзакций, сократив время операций с дней до часов 2. Вторая волна (1970-1990): децентрализация и первые корпоративные системы Технологические прорывы Персональные компьютеры Электронные таблицы (VisiCalc) Прообразы CRM (ACT! 1987) Начало ERP-систем (SAP R/2) Требования рынка: Умение адаптировать технологии для бизнес-пользователей Развитие интерфейсов «человек-машина» Понимание основ бизнес-процессов IT-рынок труда: Появление массового спроса на IT-специалистов в бизнесе Формирование «рынка кандидата» — компании конкурируют за ограниченное число специалистов Зарождение IT-рекрутинга как отдельного направления Начало гендерного дисбаланса — доля женщин в IT падает с 30-40% до 15-20% Выпускники компьютерных специальностей получали 2-3 оффера до окончания вуза Эволюция анализа: Появление «бизнес-аналитиков» как моста между IT и менеджментом Аналитики начинают работать с требованиями стейкхолдеров Возникает необходимость в первичной документации процессов Формируются первые методики сбора требований Пример: Внедрение Excel потребовало от аналитиков не только технических навыков, но и понимания финансовых моделей, что сократило ошибки в расчетах на 90%. 3. Третья волна (1990-2010): интернет-революция и комплексные системы Ключевые технологии CRM (Salesforce) WMS (Manhattan Associates) Полноценные ERP (SAP R/3) Веб-технологии Требования рынка: Интеграционные компетенции Понимание сквозных бизнес-процессов Управление сложными проектами Работа с большими объемами данных IT-рынок труда: Взрывной рост спроса на веб-разработчиков (до +400% за 1995-2000 гг.) Формирование глобального аутсорсинга (Индия, Восточная Европа) Появление «звездных» зарплат в Кремниевой долине (первые миллионные пакеты) Начало «войны за таланты» — компании внедряют реферальные программы и опционы Расцвет аналитиков: Аналитики становятся архитекторами бизнес-процессов Появление специализаций: бизнес-аналитики, системные аналитики, data-аналитики Критическая важность моделирования процессов и данных Развитие UML и других стандартов визуализации Пример: Внедрение WMS в Amazon сократило время сборки заказов с 3 часов до 30 минут благодаря глубокому анализу логистических цепочек. 4. Четвертая волна (2010-2020): Big Data и гиперавтоматизация Технологические тренды Облачные CRM AI в WMS RPA (UiPath) Платформы аналитики Требования рынка: Работа с неструктурированными данными Навыки предиктивной аналитики Интеграция AI/ML в бизнес-процессы Управление цифровыми продуктами IT-рынок труда: Острейший дефицит Data Scientists (соотношение вакансий к кандидатам 5:1) Массовый переход на удаленный формат (до 60% IT-специалистов работают удаленно) Резкий рост зарплат в AI/ML (до $300-500 тыс. в FAANG) Появление «цифровых кочевников» — глобальная конкуренция за топ-специалистов Забавный факт: В 2019 году 43% IT-специалистов меняли работу ежегодно ради 20-30% прироста зарплаты Трансформация аналитики: Аналитики осваивают Data Science Появление «цифровых двойников» бизнес-процессов Активное использование имитационного моделирования Смещение фокуса на customer journey и UX Пример: ИИ-аналитика в CRM повысила точность прогноза продаж на 40% благодаря работе аналитиков с алгоритмами машинного обучения. 5. Пятая волна (2020-н.в.): Agentic AI и автономные системы Современные технологии Автономные ИИ-агенты Генеративный ИИ Квантовые вычисления Гиперсинтетические данные Требования рынка: Управление ИИ-системами Этика искусственного интеллекта Работа в гибридных (человек+ИИ) командах Непрерывная адаптация к меняющимся технологиям Текущее состояние рынка: Резкое охлаждение: в 2023-2024 массовые увольнения в Big Tech (Meta -11%, Google -6%) Конкуренция на позиции Junior: 8 резюме на 1 вакансию (против 1:3 в 2021) Снижение зарплат на 30% для новых сотрудников Критический спрос на AI/ML-специалистов (+40% вакансий в 2024) При общем спаде, 72% компаний испытывают сложности с наймом senior-специалистов Роль аналитиков сегодня: Аналитики становятся «тренерами ИИ», формируя промпты и обучающие наборы Критически важны навыки валидации решений ИИ Управление «цифровой экологией» — балансом между автоматизацией и контролем Разработка онтологий для Agentic AI Инсайт: По данным исследований, 72.3% команд уже активно используют ИИ в тестировании, а ESB-платформы с low-code инструментами сокращают потребность в junior-разработчиках на 50% . Будущее (2025-2030): что потребует рынок? Прогнозируемые тренды Полная автономность: ИИ-агенты будут самостоятельно проводить анализ требований и адаптировать системы, но потребуют «наблюдателей» из числа аналитиков Живая аналитика: Системы реального времени с прогнозными возможностями станут стандартом, увеличивая спрос на аналитиков-интерпретаторов Этическая автоматизация: Возникнет новая специализация — аудиторы алгоритмов и цифровых процессов Гибридные навыки: Аналитики будущего будут сочетать технические компетенции с психологией и философией Персонализация в масштабе: Как отмечают эксперты, в 2025 году маркетинговая аналитика достигнет уровня, когда контент будет динамически адаптироваться даже под настроение пользователя Роль аналитиков в 2030: Архитекторы цифровых экосистем: проектирование взаимодействий между автономными агентами Кураторы данных: обеспечение качества информации для ИИ Послы цифровой этики: контроль за соблюдением моральных норм в автоматизированных системах Трансляторы смыслов: интерпретация решений ИИ для человека Будущее (2025-2030): прогнозы по рынку труда Поляризация спроса: ...
Метрология, наука об измерениях, сегодня находится на стыке цифровых технологий, автоматизации и искусственного интеллекта. Её роль в промышленности, медицине, энергетике и других отраслях невозможно переоценить — от точности измерений зависят качество продукции, безопасность и экономическая эффективность. Рассмотрим ключевые тренды, делающие метрологию одной из самых высокотехнологичных сфер. Цифровизация и автоматизация метрологических процессов Современные IT-решения кардинально меняют подход к измерениям: Автоматизированные системы управления (АСУ МС) позволяют объединить все этапы работы метрологических служб: от планирования поверок до анализа данных. Например, система АСУ МС от компании «Палитра Систем» сокращает время на заполнение документации в 3 раза за счёт интуитивного интерфейса и интеграции с CAD-системами. Онлайн-калибровка и сертификация становятся реальностью благодаря IoT и облачным технологиям. Датчики в режиме реального времени передают данные для удалённого контроля, что особенно востребовано в нефтегазовой отрасли и авиакосмической промышленности. 3D-метрология и прецизионные измерения Технологии 3D-сканирования и лазерного трекинга позволяют достигать точности до 0,01 мм, что критически важно для: ...
Материалы после выступления на TechMeetup 7 System analysis МТС Финтех. Чеклист для проверки архитектурных диаграмм Несколько правил для проверки своей архитектурной диаграммы. Общие вопросы которые стоит себе задать У диаграммы есть заголовок? Понятно, к какому типу относится диаграмма, что она показывает? Понятен ли уровень и скоуп диаграммы? У диаграммы есть легенда / расшифровка обозначений? Как проверить элементы диаграммы У каждого элемента есть название? Понятен ли тип каждого элемент (уровень абстракции)? Понятно, что делает каждый элемент? Понятна ли технология, связанная с элементом? (если применимо на данном уровне абстракции) Понятен ли смысл всех аббревиатур и сокращений? Понятен ли смысл всех цветов элементов? Понятен ли смысл всех форм элементов? Понятен ли смысл всех иконок? Понятен ли смысл линий границ элементов? (сплошная, пунктирная…) Понятен ли смысл размеров элементов? Понятен ли смысл группировки элементов? Связи и отношения ...
27 февраля вышла новая платформа 1с 8.3.22.1851 посмотрим какие ошибки исправлены, что бы принять решение о том стоит ли обновляться. Новый функционал я разбирать не планирую, думаю обновление ради нового функционала это совсем другая история, тут же я буду исходить из мысли, а стоит ли обновить прод. новая платформа 1с 8.3.22.1851, список исправленных ошибок Перейдем к списку исправленных ошибок в новой платформе 8.3.22.1851. Если хотите прочитать что нового в версии 8.3.22 посмотрите — тут. В заметке только исправленные ошибки в 8.3.22.1851. ...