Подборка интересного из мира IT за неделю:

👁 Видео: ➖ Карта паттернов и технологий интеграции. Как устроена карта, как её применять на практике и как она может помочь в обучении, выборе технологий и решении бизнес-задач. ➖ Как аналитику подняться от уровня «ноги с ушами» и стать инженером. YouTube | VK Видео ➖ Опасный инструмент — статистика. Она может извлечь максимум из данных, а может — ввести в заблуждение. YouTube | VK Видео ➖ 13 ошибок в использовании BPMN: разбор на примере задачи. YouTube | VK Video ➖ Как аналитику общаться с заказчиками без вреда для себя. ➖ Наталья Косинова Портфель инструментов для экспресс бизнес-анализа. Какие инструменты может использовать аналитик в процессе обследования организаций и решения организационных проблем. ➖ Технологические моменты разработки. YouTube | VK Video 📱 Посты ТГ ➖ Архитектурные паттерны (MV(X). ➖ Нотация С4 для документирования архитектуры. ➖ Не умею работать с руководством: отстаивать границы впихуемости по порученным задачам. ➖ МОДЕЛИРОВАНИЕ ПРОЦЕССОВ. ➖ ПРО ВИДЫ МОДЕЛЕЙ ПРОЦЕССА. ➖ Что за «база», которая нужна в IT? ➖ Инфографика. Делаем рабочие встречи полезными. 📖 Статьи ➖ Искусственный интеллект: как изменится практика аналитика? Статья описывает, как внедрение ИИ трансформирует роль системного аналитика, расширяя его задачи на всех этапах жизненного цикла разработки: от интеграции требований к большим языковым моделям и проектирования обработки их данных до тестирования непредсказуемых сценариев и документирования новых ролей, таких как «Инженер ИИ». Аналитик должен глубже понимать возможности и ограничения ИИ-компонентов, координировать их взаимодействие с традиционными системами и обеспечивать соответствие результатов ожиданиям заказчика, сохраняя свою ключевую роль в управлении логикой проекта.

➖ ЛЮСТРА: Методика разработки бизнес-требований в проекте по автоматизации бизнес-процессов. Методика ЛЮСТРА предлагает структурированный подход к разработке бизнес-требований в проектах автоматизации, смещая фокус с технических решений на стратегические цели бизнеса, чтобы снизить частоту изменений требований. Она использует мнемотехники для анализа легитимности требований, их источников и контекста, помогая выявлять реальные потребности заказчиков и минимизировать риски доработок на поздних этапах.

➖ EDA of dataset Python. Статья посвящена методам анализа и очистки данных (EDA) с использованием Python и библиотеки Pandas, включая работу с пропущенными значениями через fillna(), dropna(), обработку дубликатов с помощью drop_duplicates() и преобразование категориальных данных с get_dummies(). Автор демонстрирует практические примеры кода для решения типичных проблем с "грязными" данными, подчеркивая важность предварительной обработки для повышения качества анализа и машинного обучения.

➖ Манифест аналитика. Статья представляет свод практических правил для системных и бизнес-аналитиков, акцентируя важность критического мышления, постоянного взаимодействия с заказчиком и готовности задавать вопросы, чтобы избежать ошибок из-за недосказанности или ложных предположений.

➖ Миллиарды векторов и немного магии: превращаем сырые данные с маркетплейсов в пригодные для анализа. Статья описывает процесс преобразования неструктурированных данных маркетплейсов (текстов, изображений) в эмбеддинги с использованием моделей LaBSE-ru-turbo и CLIP, что позволяет структурировать информацию для анализа. Полученные векторы применяются для решения задач поиска конкурентов, сопоставления категорий между площадками, SEO-оптимизации и настройки рекламы, используя инструменты вроде Faiss для эффективной работы с миллиардами данных.

➖ Как сделать графики и диаграммы понятными: 5 советов для аналитиков. Статья предлагает практические советы по созданию понятных и эффективных визуализаций данных, включая выбор подходящих форматов графиков, использование таблиц вместо избыточных диаграмм, акцент на ключевых сравнениях и правильную работу с цветами.