Салют! Исходя из вчерашнего опроса, сегодня у нас будет разбор эволюции бизнес- и системного анализа: как изменилась профессия за 12 лет моей работы

1️⃣ Раньше (2013–2016):
BA - фокус на бизнес-процессах, требованиях стейкхолдеров и документация (BPMN, Use case)

Моя первая работа:
- Основная задача: Описание AS-IS процессов, написание регламентов, инструкций, иногда — сбор требований для доработок в Excel

- Инструменты: Visio, BPMN (на базовом уровне), Excel, PowerPoint. SQL знали единицы

- Требования к кандидатам:
- Умение общаться с бизнесом и структурировать информацию.
- Базовое понимание процессов компании (например, производственных циклов в нефтянке).
- Опыт в предметной области ценился выше технических навыков .

Мой опыт: В производственной компании 80% времени уходило на визуализацию процессов в нотациях типа EPC. В нефтянке добавились дашборды в Tableau, но ИТ-составляющая была минимальна — мы лишь «переводили» запросы бизнеса на язык техников.

2️⃣ Переходный период (2017–2019): Слияние BA и SA, первые интеграции

Что изменилось:
- Роль BA стала более технической: В нефтяной компании я уже проектировала БД, писала ТЗ для разработчиков, тестировала API

- Появились Agile и Scrum: Раньше работали по Waterfall, теперь — короткие итерации и user stories

- Новые требования:
- SQL (простые запросы — JOIN, GROUP BY).
- UML для диаграмм классов и последовательности.
- Понимание интеграций (REST/SOAP).

Кейс: Внедрение системы на заводе потребовало работы с ERP, интеграцией с SAP — пришлось учить основы XML и EDI.

3️⃣ Сейчас (2020–2025): Системный анализ как «гибридная» профессия

Тренды:
- Стирание границ BA/SA: В ИТ-компаниях один аналитик часто совмещает обе роли:
- BA-часть: Общение с заказчиком, гипотезы, CJM.
- SA-часть: Проектирование API, работа с Kafka, микросервисами, нагрузочным тестированием

- Hard Skills обязательны:
- SQL (оконные функции, оптимизация запросов).
- Python (скрипты для анализа данных, pytest для тестирования).
- Системы (Kubernetes, Docker — хотя бы на уровне понимания).
- Документирование (Swagger, OpenAPI, архитектурные Decision Records)

- Soft Skills: Умение вести переговоры с DevOps и CTO, а не только с продукт-менеджерами.

Пример из практики: В финтехе мой типичный день — это:
1. Утром: Создание спецификации gRPC-сервиса для платежей.
2. Днем: Сессия с бизнесом по поводу фрод-правил (тут нужен BA-скилл).
3. Вечером: Ревью логики в ClickHouse для аналитического дашборда.

4️⃣ Исчезнут ли BA и SA как отдельные роли?

Прогноз:
- В корпорациях (банки, нефть) разделение останется: BA — для регуляторики и процессов, SA — для технической реализации

- В IT-продуктах (стартапы, SaaS) будет доминировать Product Analyst — гибрид BA+SA+Data Analyst

Важно: Уже сейчас в 60% вакансий пишут «Бизнес/Системный аналитик» и ждут знания:
- BPMN и Event Storming.
- User Stories и диаграммы последовательности в PlantUML.
- Figma для прототипов и Postman для тестирования API .
И многое другое.

📌‼️Советы тем, кто начинает сейчас

1. Не выбирайте «чистый» BA — без технических навыков будет сложно после 3–5 лет опыта

2. Учите не только SQL, но и основы DevOps (CI/CD, логирование). Это то, чего не хватало мне в 2017

3. Осваивайте генерацию документации через ChatGPT (но валидируйте выводы!). В 2025 году ручное написание SRS — анахронизм

4. Следите за трендами:
- Low-code (Mendix, Retool) — бизнес теперь сам правит логику, аналитик проектирует только стыки.
- AI-augmented analysis — GPT для первичного анализа требований, но финальное решение всегда за человеком .

Итог: За 12 лет я прошла путь от «описателя процессов» до проектировщика архитектуры. Главное изменение — аналитик теперь не переводчик, а инженер решений. И да, границы между BA и SA размыты, но это делает профессию только интереснее.

Источник: @ba_and_sa

Вопрос к вам: Как вы видите будущее анализа — будет ли разделение ролей или полное слияние?

Если говорить про требования к кандидатам, тогда (2012-2013) и сегодня (2024-2025), то отличия тоже есть:

✅ 2012-2013 г.

- Раньше было проще попасть даже с минимальными знаниями бизнес-анализа (я прошла 3 собеседования и мне прислали оффер). За плечами было только образование прикладной информатики, знаний было мало, опыта практически не было, только прохождение практики на одном проекте, ну и диплом с описанием процессов.

- Технические требования: моделирование БП в любой из нотаций, знание Excel, умение общаться с заказчиками, написание документации.

✅ 2024-2025 г.:

- Тут уже сложнее, кандидатов все больше, требования все серьезней.
Компании ищут, в основном, хоть с каким-то опытом за плечами (минимум один проект). Чтобы было не только образование (и то с уклоном на ИТ), но и курсы, вебинары, и тд.

- Технические требования: моделирование БП, основы интеграции, api, понимание архитектуры, знание БД (написание простых запросов), и многое другое . Напомню, что я делала анализ рынка по требованиям к кандидатам в 2024г., там как раз есть описание требований по опыту работы кандидатов.

⁉️ Что ждет аналитиков в будущем?

1. Полное исчезновение «чистых» BA в IT-продуктах (но сохранение в госсекторе в банках, крупных компаниях (нефтяных например)

2. Рост спроса на аналитиков-«переводчиков» между бизнесом и Data Science-командами

3. Упрощение entry-level: Junior-аналитикам будут доверять меньше задач, но требовать базового понимания DevOps (CI/CD, логирование) Ну и технические навыки будут серьезней.

Вывод

Аналитика движется к гибридным ролям с акцентом на:

✅ Техническую грамотность (код + инфраструктура).

✅ Гибкость (быстрое переключение между бизнесом и tech).

✅ Работу с ИИ (использование, но не зависимость от него).

Совет: Прокачивайте системное мышление и навыки презентации — это то, что не автоматизируется в ближайшие 10 лет.

Источник: @ba_and_sa

Салют! Сегодня у нас новая тема для обсуждения «Как ИИ изменит профессию системного аналитика: угроза или новые возможности?»

За последние несколько лет искусственный интеллект (ИИ) проник во многие сферы IT, автоматизируя рутинные задачи и даже создавая код. Но что ждет бизнес-/системных аналитиков? Полностью ли ИИ заменит нас или станет мощным инструментом в наших руках? Давайте разбираться.

1️⃣ Как ИИ уже влияет на бизнес-/системный анализ?

Автоматизация документирования
- ИИ (например, ChatGPT, Notion AI) помогает быстро генерировать пользовательские истории, Use Cases, BPMN-описания.
- Анализ требований стал быстрее: нейросети умеют структурировать информацию из интервью и писем.

Если смотреть на мои кейсы, то вот пример, как я использую ИИ уже сейчас:

Автоматизация документирования требований:

Задача: Преобразовать разрозненные бизнес-постановки в структурированные требования.

Как помогает ИИ:
- ввожу в ChatGPT или аналогичный инструмент описание задачи: описать требования (BR, UR, FR, NFR) к задачи «Разработать сервис для отправки писем с ЭЦП через API для внутренних сервисов компании».
- ИИ генерирует готовый список требований, включая бизнес- (BR), пользовательские (UR), функциональные (FR) и нефункциональные (NFR) требования, с нумерацией и детализацией .

Пример вывода ИИ:
“> BR-001: Повысить безопасность отправки писем за счет ЭЦП.
> FR-002: Подпись файлов должна выполняться с использованием закрытого ключа” и тд.

Результат: Экономия 50–70% времени на первичную формализацию требований.

Умный анализ данных
- ML-модели выявляют аномалии в логах, предсказывают нагрузки на систему, помогают в принятии решений.

Генерация прототипов и UML
- Инструменты вроде Miro AI, Lucidchart предлагают автоматическую визуализацию процессов.

Вывод: Пока ИИ берет на себя рутину, но не заменяет аналитика полностью. Но! Это мощный помощник в нашей рутинной работе)))

2️⃣ Что будет через 5–10 лет?

🤯 Пессимистичный сценарий:

- ИИ научится полностью собирать требования, проектировать архитектуру и даже вести переговоры с заказчиком.
- Останутся только "аналитики-надсмотрщики", которые будут проверять работу ИИ.

😀 Оптимистичный сценарий:

- Аналитики перейдут на более высокий уровень: стратегическое проектирование, глубокая аналитика, управление ИИ-инструментами.
- ИИ станет "цифровым ассистентом", как калькулятор для математика — без него работать можно, но с ним эффективнее.

Мой прогноз: Полной замены не будет, но аналитики, которые не научатся работать с ИИ, окажутся в проигрыше. И станет значительно меньше вакансий и, скорее всего, они станут менее востребованы, если говорить про новичков.

3️⃣ Что делать уже сейчас?

✅ Осваивать ИИ-инструменты (ChatGPT, Claude, Copilot для анализа кода).
✅ Развивать soft skills — переговоры, управление ожиданиями стейкхолдеров.
✅ Углубляться в бизнес-аналитику — ИИ пока плохо понимает контекст бизнеса.
✅ Изучать Data Science basics — чтобы говорить на одном языке с ML-инженерами.
✅ Системный анализ - углубиться больше в системную часть нашей профессии, бизнес пока боится полностью отдавать ИТ-часть на ИИ (архитектура, интеграции, код, общение с командой разработки и тд)

4️⃣ Статьи по теме, или другие мнения на этот счет:

1. Как ИИ меняет работу IT-аналитиков: возможности и угрозы

2. Как изменится системный анализ и работа аналитика, когда ИИ «победит»

3. Как искусственный интеллект меняет будущее бизнес-аналитики и аналитики 

Вместо вывода:
ИИ не заменит системных аналитиков, но изменит их роль. Те, кто научится использовать ИИ как инструмент, получат преимущество. Будущее за гибридом "аналитик + ИИ".

А как вы используете ИИ в работе? И как вы считаете, как повлияет ИИ на нашу сферу?
Делитесь в комментариях! 🚀

Docs as Code — это подход к созданию документации, при котором:

- Документация пишется как код (в текстовых форматах: Markdown, reStructuredText, AsciiDoc).
- Хранится в системе контроля версий (Git).
- Сборка и публикация автоматизируются через CI/CD (например, GitHub Actions, GitLab CI).
- Изменения проходят ревью, как код.

📎И небольшая подборка статей на эту тему:

- Docs as Code: введение в предмет
- Инструменты подхода Docs-as-code
- Как перейти на Docs-as-a-Code и какие инструменты для этого использовать
- Docs As Code: Документация как Код

@ba_and_sa

Салют! Сегодня делюсь с вами своими советами по составлению резюме для новичка😊

1️⃣ Структура резюме

Резюме должно быть четким, читаемым и релевантным.

Оптимальная структура:
- Контактные данные (имя, телефон, email, LinkedIn/GitHub если есть)
- Цель / Краткое описание (2-3 предложения о твоих навыках и ожиданиях от работы):

- Навыки (Hard & Soft Skills)
- Опыт работы (если есть) / Стажировки / Проекты
- Образование
- Дополнительная информация (сертификаты, курсы, языки, хобби, если это релевантно)

2️⃣ На что обратить внимание?

✅ Что выделить:

1. Технические навыки (даже если опыта мало):
- Работа с требованиями (User Stories, Use Cases)
- Основы SQL (простые запросы)
- UML / BPMN (даже базовые диаграммы)
- Знание методологий (Agile, Waterfall)
- Инструменты (Jira, Confluence, Trello, Figma, Postman)

2. Soft Skills (очень важны для аналитика):
- Коммуникация, работа с stakeholders
- Аналитическое мышление
- Умение структурировать информацию

3. Проекты / Кейсы (если нет коммерческого опыта):
- Учебные проекты (например, разбор бизнес-процессов магазина)
- Курсовые работы (если связаны с анализом)
- Фриланс / Волонтерство (если помогал с документацией)

4. Образование и курсы:
- Диплом по смежной специальности (IT, экономика, менеджмент)? Укажи.
- Курсы по аналитике (Coursera, Stepik, Skillbox)? Обязательно впиши.

❌ Чего избегать:

- Общих фраз в стиле "быстро учусь, стрессоустойчивый" (лучше показать на примере).
- Списка всех подряд технологий (если не уверен — не пиши).
- Длинных описаний нерелевантного опыта (например, если работал официантом — можно кратко, без деталей).

3️⃣ Как повысить шансы на собеседование?

- Подстрой резюме под вакансию (используй ключевые слова из описания).
- Добавь цифры (если есть проекты — укажи результаты: "автоматизировал процесс, что сократило время обработки данных на 20%").
- Сделай одностраничное резюме (новичку хватит).
- Проверь на ошибки (HR отсеивают резюме с опечатками).

‼️ Вместо вывода:

HR ищут понятное, структурированное резюме с акцентом на навыки и потенциал. Даже без опыта можно выделиться за счет учебных проектов и правильной подачи.

Источник: @ba_and_sa

Также приведу реальный пример
из своего опыта (адаптированный для новичка), чтобы показать, как можно эффектно подать даже небольшой опыт.

1️⃣ Пример раздела "Навыки"

🔹 Hard Skills:

- Сбор и анализ требований (User Stories, Use Cases, SRS)
- Моделирование процессов (UML: Use Case, Activity, BPMN)
- Основы SQL (SELECT, JOIN, подзапросы)
- Работа с API (понимание основ Postman, Swagger)
- Инструменты: Jira, Confluence, Figma, Miro - начальный уровень

🔹 Soft Skills:

- Коммуникация с заказчиками и разработчиками
- Документирование процессов (тех. задания, инструкции)
- Решение конфликтов требований (приоритизация)

Если знаешь хотя бы 30% из этого — уже хорошо!

2️⃣ Пример раздела "Опыт" (для новичка)

🔹 Учебный проект: «Разработка мобильного приложения для заказа еды»

Даже если это был курс или хакатон — подавай как проект!

- Провела интервью с "заказчиком" (преподавателем), выявила 12 ключевых требований.
- Создала Use Case-диаграмму и User Flow для процесса заказа.
- Проанализировала сценарии оплаты, предложила упрощение (уменьшила шаги с 5 до 3).
- Результат: защитила проект на 9/10 баллов, получила рекомендацию для стажировки.

🔹 Фриланс (микрозаказ): Оптимизация процесса для малого бизнеса

- Проанализировала текущий процесс учета товаров в Excel.
- Разработала инструкцию по автоматизации отчетов (Google Sheets + формулы).
- Клиент сократил время на формирование отчетов на 40%.

Суть: покажи, что ты реально делала, даже если это маленький проект.

3️⃣ Пример раздела "Образование и курсы"

🔹 Высшее образование -
Московский Технический Университет

Факультет: Информационные системы (2020–2024)
- Дипломная работа: "Анализ требований к CRM-системе для малого бизнеса" (оценка: 5).

🔹 Курсы

- "Системный анализ и проектирование" (Otus/Stepik, 2023)
- Изучила: сбор требований, UML, базовый SQL.
- Выполнила 5 практических кейсов.
- "Основы Agile и Scrum" (Coursera, 2022)
- Участие в симуляции спринта (роль: Product Owner).

4️⃣ Пример "Цели" в резюме

➖Плохо:
"Хочу работать системным аналитиком, чтобы развиваться в IT."

➕Хорошо:
"Начинающий системный аналитик с практическим опытом в сборе требований и моделировании процессов. Ищу команду, где смогу применять знания в аналитике и участвовать в реализации IT-решений. Готов обучаться и вносить вклад в проекты."

5️⃣ Что я убрала бы из резюме (из личного опыта)

- Неочевидные технологии, которые не использовала на практике (например, "знаю Python" без примеров кода).
- Общие фразы типа "ответственная, целеустремленная".
- Неактуальный опыт (например, подработку курьером, если она не связана с аналитикой).

✅ Ключевой совет

HR смотрят на конкретику и потенциал. Даже если твой опыт — это 2 учебных проекта, но они хорошо оформлены, шансы есть‼️

Удачи вам на собеседованиях!!! С вами всегда на связи @ba_and_sa

UX/UI для системного аналитика: кратко и понятно

1️⃣ Чем отличаются UX и UI?

- UI (User Interface) – это визуальная часть: кнопки, цвета, шрифты, расположение элементов.
- UX (User Experience) – это удобство и логика взаимодействия. Даже красивый интерфейс может быть неудобным, если UX плохой.

2️⃣ Зачем системному аналитику разбираться в UX/UI?

- Чтобы понимать, как пользователи работают с системой и какие у них боли.
- Чтобы правильно формулировать требования к интерфейсу (не просто "сделать кнопку", а "упростить процесс оформления заказа").
- Чтобы общаться с дизайнерами и разработчиками на одном языке.

3️⃣ Основные принципы UX, которые важно знать

- Простота – чем меньше шагов для действия, тем лучше.
- Консистентность – одинаковые элементы ведут себя одинаково (например, синие подчеркнутые слова = ссылки).
- Обратная связь – пользователь должен понимать, что происходит (например, сообщение "Заказ сохранен" после нажатия кнопки).
- User Flow – логика перемещения пользователя по системе (например, "регистрация → подтверждение почты → вход в ЛК").

4️⃣ Основные принципы UI, которые важно знать

- Иерархия элементов – важные элементы (кнопки, заголовки) должны выделяться.
- Читаемость – шрифты должны быть разборчивыми, контраст текста и фона – достаточным.
- Единый стиль – цвета, шрифты, отступы должны быть согласованы по всей системе.
- Доступность – интерфейс должен быть удобен для всех, включая людей с ограниченными возможностями (например, контраст для слабовидящих).
- Предсказуемость – элементы интерфейса должны вести себя интуитивно (например, иконка лупы = поиск).

5️⃣ Что может сделать аналитик для улучшения UX?

- Изучать сценарии пользователей (как они реально работают с системой).
- Анализировать боли (например, если пользователи часто ошибаются при заполнении формы – возможно, её надо упростить).
- Проверять гипотезы (например, A/B-тестирование: сравнить два варианта интерфейса).

6️⃣ Что может сделать аналитик для улучшения UI?

- Собирать требования к визуалу (например, "кнопка должна быть заметной, но не раздражающей").
- Проверять соответствие гайдлайнам (если у компании есть дизайн-система, следить, чтобы интерфейс ей соответствовал).
- Тестировать адаптивность – убеждаться, что интерфейс хорошо выглядит на разных устройствах (ПК, мобильные).
- Фиксировать несогласованности (например, если в одном месте кнопки зеленые, а в другом – синие).

⁉️ Где взять информацию по UX/UI?

- Книги: *"Не заставляйте меня думать. Веб-юзабилити и здравый смысл"* (Стив Круг), *"Интерфейс"* (Алан Купер).
- Гайдлайны (Google Material Design, Apple Human Interface Guidelines).
- Инструменты: Figma, Miro (для анализа экранов и user flow).

Вывод: UX/UI – это не только про дизайн, но и про логику и удобство системы. Хороший системный аналитик должен понимать основы, чтобы создавать удобные и эстетичные решения.

Источник: @ba_and_sa

Используйте Camunda как удобный REST-движок для оркестрации и workflow — без необходимости работать с Java

⏳ 6 мин | 🟤⚪️⚪️

Перейти | BA|SA

Салют! Когда я проходила собесы у меня часто спрашивали «Чем полезен системный аналитик в команде разработки?» или я должна была пояснить, кто он такой и чем занимается. Поэтому сегодня немного погрузимся в эту тему😉

Системный аналитик (СА) — это мост между бизнесом и разработкой. Он не просто "собирает требования", а помогает команде создавать качественный . продукт с минимальными затратами времени и ресурсов.

Но чем именно он полезен для каждого участника команды?

1. Для тестировщиков (QA)

✅ Четкие требования = меньше багов на выходе

- Аналитик прорабатывает сценарии использования, edge-кейсы и нефункциональные требования (производительность, безопасность), что снижает количество "недопониманий" на этапе тестирования.
- Формализует требования так, чтобы их можно было проверить (критерии приемки).

❌ Без аналитика: тестировщики тратят время на уточнения, спорят с разработчиками, а баги всплывают поздно из-за размытых ожиданий.

2. Для разработчиков

✅ Минимум "мусорных" задач и переделок

- Аналитик отсекает нереалистичные или противоречивые пожелания заказчика, оставляя только работоспособные решения.
- Декомпозирует задачу так, чтобы не пришлось переписывать половину кода из-за упущенного требования.

❌ Без аналитика: разработчики либо делают "как поняли", либо получают бесконечные правки от заказчика.

3. Для проектировщиков (архитекторов, Tech Lead'ов)

✅ Технические ограничения учтены на раннем этапе

- Хороший аналитик знает основы архитектуры и заранее согласует с проектировщиком, какие решения реализуемы, а какие — нет.
- Помогает избежать "костылей" в системе, потому что требования изначально проработаны с учетом возможностей платформы.

❌ Без аналитика: архитектор получает сырые требования и вынужден сам додумывать, как это должно работать.

4. Для дизайнеров (UX/UI)

✅ Понимание пользовательских сценариев = осознанный дизайн

- Аналитик объясняет, кто и как будет пользоваться системой, какие у пользователей боли и цели.
- Формализует требования к интерфейсу (например, "должна быть одна кнопка для подтверждения, а не три").

❌ Без аналитика: дизайнер рисует красиво, но непрактично, и потом приходится переделывать.

5. Для менеджеров (PM, PO, продактов)

✅ Контроль над scope'ом и приоритетами

- Аналитик помогает разбивать фичи на MVP и "допилы", чтобы не распыляться.
- Снижает риски, выявляя противоречия в требованиях до начала разработки.

❌ Без аналитика: менеджер берет на себя роль аналитика, но тратит время на рутину вместо стратегии.

—————————
Где без системного аналитика не обойтись?

🔹 Сложные предметные области (финансы, медицина, гос.системы) — без аналитика легко наломать дров.
🔹 Большие распределенные команды — нужен человек, который держит в голове всю систему.
🔹 Проекты с жесткими регуляторными требованиями (например, GDPR, 152-ФЗ) — без аналитика можно пропустить критичные ограничения.

Когда системный аналитик не так критичен?

🔸 Маленькие проекты или стартапы — можно обойтись проджектом или техлидом.
🔸 Прототипирование и эксперименты — если требования меняются каждый день, аналитик может замедлять процесс.


Поэтому можно сказать, что Системный аналитик — это не просто "тот, кто пишет ТЗ", а профессионал, который экономит время и нервы команды, снижая риски и повышая качество продукта. Если в вашем проекте есть сложность, неопределенность или много заинтересованных сторон — без него будет тяжело.

Источник: @ba_and_sa

Развертывание микросервисов: проблемы, решения, стратегии, антипаттерны, практические рекомендации

⏳ 25 мин | 🟤🟤⚪️

Перейти | BA|SA

Большой гайд по CJM — зачем, где и как его строить

⏳ 9 мин | 🟡⚪️⚪️

Читать статью | Analyst IT

Как превратить бизнес-требования в эффективную схему БД без жертв

⏳ 9 мин | 🟤🟤⚪️

Перейти | BA|SA

Как мы внедрили единый шаблон тикетов для разработчиков и упростили работу команды

⏳ 7 мин | 🟤⚪️⚪️

Перейти | BA|SA

Больше никаких правок! Или как я сдаю прототипы с первого раза

⏳ 8 мин | 🟤⚪️⚪️

Перейти | BA|SA