PRO Data Swamp

Сегодня провел лекцию в рамках дисциплины "Управление данными" для студентов 3его курса на тему "Бизнес-аналитика и управление данными".

Разобрали четыре ключевых направления: 1⃣ Уровни данных: операционные (транзакции) vs аналитические (инсайты). 2⃣ Архитектуры: Data Lake, Data Warehouse, Data Mesh и Data Fabric. 3⃣ Эволюция аналитики по Gartner: от вопроса «Что произошло?» до «Что делать?». 4⃣ BI-процесс: 5 этапов от сбора данных до предсказаний на базе AI.

В рамках этой лекции проходим понятие Data Swamp (болото данных).

Data Swamp — это когда компания собирает тонны данных, но не может ими пользоваться.

Вспомните свой мобильник - это пример такого болота) 😁

С повсеместным внедрением ИИ я сейчас наблюдаю появление кучи "сгенерированной документации", когда разработчики просят ИИ описать уже написанный код, получается «болото документации»: текста много, но с этим невозможно работать.

Да, когда в команде нет системного аналитика такая документация - это лучше, чем совсем ничего. Но это пересказ работы кода, а не понимание того как это должно было работать и какую задачу должно было решать.

Так что каждый должен заниматься свои делом. Разработчики с помощью ИИ писать код, а системные аналитики с помощью ИИ писать технические задания или восстанавливать описание работы отдельных компонентов и встраивать его в бизнес-контекст. Просто md файл с портянкой комментариев к коду не поможем разобраться что и зачем работает так как работает.

——

А вы уже генерируете технические задания с помощью ИИ? Какие модели используете?

✌️ ПРО СА|🆕 НЕКСТ СА

#PROSAпульс #вакансии #пульс_рынка

В этом посте были ссылки, но мы их удалили по правилам Сетки