Data Value - ценность для компаний и их клиентов.
36 subscribers
21 photos
2 links
Канал для рациональных руководителей о том, как данные помогают принимать эффективные управленческие решения: кому и что продавать, кого нанимать и как расти рентабельно.

Для связи: @maximkubar
Download Telegram
⚔️ Борьба департаментов: Куда «приткнуть» аналитику, чтобы не переплатить и не задушить? (Рейтинг зарплат: Финансы vs ИТ vs Аналитика)

Головная боль каждого гендира: куда встроить аналитику? В финансы — чтобы считала деньги? В ИТ — чтобы дружила с данными? Или дать ей независимость? 💡

Вот что творится на рынке на горизонте 2,5 лет — это изменит ваше мнение.

Рейтинг по «жирности» зарплатных вилок (Август 2025):
1. 🥇 Финансы (Медиана: ~198к) — Всё ещё короли бюджета
2. 🥈 ИТ (Медиана: ~191к) — Дышат в спину
3. 🥉 Аналитика (Медиана: ~150к) — Скромные трудяги

Но дьявол, как всегда, в деталях! Смотрим глубже:
(Данные за 2,5 года: январь 2023 — август 2025)

🔍 Ключевые инсайты из данных:

1. Финансы — стабильные: Самые высокие медианы, но борьба за топ-звезды теряет накал (максимумы падают с 3.3 млн до 1.5 млн!). Рынок насыщен, ценность суперзвёзд снижается.
2. ИТ — уверенные середняки: Равномерный рост по всем фронтам. Надёжность и предсказуемость.
3. Аналитика — голодный и амбициозный младший брат: Самый быстрый рост в нижнем сегменте (+30%)! Это значит: спрос на джуниоров взлетел, они быстро дорожают. А ещё их топ-спецы стремительно растут в цене (максимумы +47% за 2.5 года!).

💣 Главный вывод-предостережение:

Ошибочная прописка аналитики убивает её эффективность и ваш бюджет.

* Посадите аналитику в финансы — рискуете получить команду, которая плохо понимает данные.
* Отдадите аналитику в ИТ — рискуете получить вечный конфликт: айтишники хотят строить идеальные системы, аналитики — быстро получать данные для бизнеса.
* Оставьте её независимой — это даст ей гибкость, но потребует сильного лидера, который сможет договориться и с финансами, и с ИТ на равных.

🎯 Решение: Не «пристраивать», а создавать «Тройственный союз»

1. Аналитика — это «переводчик» между Финансами (деньги) и ИТ (данные). Её миссия — показывать, как данные превращаются в деньги.
2. Держите её организационно ближе к бизнесу (к тем, кто принимает решения), но обеспечьте административную поддержку.
3. Синхронизируйте цели! Чтобы не было войны за ресурсы, цели аналитики, ИТ и финансов должны быть завязаны на один KPI бизнеса (например, на маржинальность или рост LTV).

P.S. Спросите себя: У вас аналитики работают на ИТ-отчётность или на бизнес-результат? Их KPI — число дашбордов или объём сэкономленных или заработанных денег?
——
Значения ЗП - чистыми на руки после уплаты всех налогов
🔥6👍1
🚀 Формула эффективности аналитики: Сколько на самом деле нужно аналитиков, чтобы бизнес не летал вслепую? (Данные по 1500 компаниям из отраслей "Розничная торговля" и "Телекоммуникации, связь")

Один из самых частых вопросов от собственников и генеральных директоров: «Сколько мне нужно аналитиков?» Переплачивать за лишних — сливать деньги. Не доплатить и недополучить данные — терять возможности. Где золотая середина? 🔍

Анализ 1500 компаний из ритейла и телекома. Вот что говорит статистика!

📊 1. МАЛЫЙ БИЗНЕС (до 12 бизнес-пользователей)
* Цифры: Максимум 4 аналитика. В большинстве — 1 аналитик на 4 пользователей.
* Суровая реальность: Часто эту роль тянет на себе руководитель-универсал (он же стратег, он же оперативник). Нанимают джуниора, чтобы снять рутину, но вся сложная аналитика остаётся на боссе.
* Жёсткий вывод: Если у руководителя нет прокачанных аналитических скиллов — бизнес слеп. Качественная аналитика не родится «между делом».
* Решение: Не нанимать дешёвого джуниора. Выгоднее нанять сильного внешнего эксперта на часть ставки.

🏢 2. СРЕДНИЙ БИЗНЕС (до 250 бизнес-пользователей)
* Цифры: До 11 аналитиков. Чаще — 1 аналитик на 5 пользователей.
* Главная проблема: Аналитическая анархия! Каждый отдел нанимает себе своих аналитиков (как в малом бизнесе). Руководители функций закапываются в операционке, а про стратегию все забывают. Или стратегия и операционка разорваны. 10 разрозненных специалистов ≠ команда.
* Ключевой инсайт: Пять прокачанных и централизованных аналитиков дадут БОЛЬШЕ ценности, чем десять разобщённых. Здесь уже нужен не «исполнитель», а лидер аналитики, который построит систему.
* Решение: Централизуйте и усильте команду. Не увеличивайте штат — увеличивайте эффективность и уровень специалистов.

🏭 3. КРУПНЫЙ БИЗНЕС (250+ пользователей)
* Цифры: 1 аналитик на 8-14 пользователей. Эффект масштаба наконец-то работает!
* Правило: Здесь выигрывает не тот, у кого больше аналитиков, а тот, кто правильно профилирует команды: кто-то работает с финансами, кто-то с маркетингом, кто-то с продуктом.
* Вывод: Важна не численность, а архитектура data-команды.

---

💎 ОБЩИЙ ВЫВОД (Главный удар по шаблонам):

Малый бизнес
Ключевая ошибка: Руководитель-одиночка без скиллов
Решение: Аутсорс сильного аналитика

Средний бизнес
Ключевая ошибка: 10 одиночек в разных отделах
Решение: Построить центральную команду из 5 PRO

Крупный бизнес
Ключевая ошибка: Неправильное распределение ролей
Решение: Создать спецотряды под задачи

Запомните: Слепое наращивание штата аналитиков не сделает ваши данные качественнее. Правильная структура команды важнее её размера.

👉 В следующем посте: Разберём как именно строить эти команды — какие роли должны быть в идеальной дата-команде и как их правильно распределить.

💬 А у вас сколько аналитиков? И вы чувствуете отдачу от каждого?
Пишите в комментах — разберем вашу ситуацию! 👇
🔥3👍21😱1
🚀 ANALYTICAL TEAMS BENCHMARK: Почему 75% крупных компаний сливают миллионы на неэффективных аналитиков? (Данные по 1500 компаниям)

Разбираем главную ошибку растущего бизнеса: слепо нанимать аналитиков, не меняя структуру команды. Вы будете в шоке, узнав, как большинство компаний игнорирует эффект масштаба! 🔥

Анализ 1.5 тыс. компаний из ритейла и телекома. Вот горькая правда:

КАК ДЕЛАЮТ СЕЙЧАС (и теряют деньги):

* Малый и средний бизнес: Работают с универсалами-одиночками. Это нормально на старте.
* Крупный бизнес: 75% компаний работают ПО-СТАРИНКЕ! Они сохраняют подход малого бизнеса:
— В половине крупных компаний 100% аналитиков — универсалы без специализации. 1 универсал обслуживает 12-50 бизнес-пользователей.
— Лишь в 25% крупных компаний есть хоть какая-то специализация (< 35% аналитиков имеют профиль).

В чём провал? Универсал в большой компании — как мастер на все руки на стройке небоскрёба. Работает медленно, качество страдает, масштабировать невозможно. Это иллюзия экономии, которая оборачивается упущенной выгодой.

КАК ДЕЛАТЬ НАДО (Формула эффективности на 250 пользователей):

Хотите, чтобы аналитика приносила в 10 раз больше ценности? Забудьте про толпу универсалов. Стройте сбалансированную команду-мозговой центр:

🎯 ФРОНТ (7 аналитиков, которые работают с бизнесом):
* 5 Доменных/Функциональных бизнес-аналитиков (под ключевые направления: продажи, логистика и т.д.)
* 2 Продуктовых аналитика

🛠 ТЫЛ (7 аналитиков, которые обеспечивают работу):
* 4 Системных аналитика (снимают и фиксируют потребности, проектируют архитектуру и процессы, ставят задачи ИТ)
* 3 BI-аналитика (делают модели данных, визуализации и дашборды)

🧠 УСИЛИТЕЛЬ (1 специалист для прорыва):
* 1 Дата-сайентист (строит ML-модели и предсказательная аналитика)

ИТОГО: 15 профильных специалистов = команда мечты для 250 топ и ключевых менеджеров.

💎 ГЛАВНЫЙ ИНСАЙТ:
Один профильный аналитик (бизнес, BI, системный) может качественно обслуживать 50-200 пользователей! Это в 2-4 раза эффективнее универсала (12-50 пользователей).

👉 ВЫВОД ДЛЯ ВАШЕГО БИЗНЕСА:
1. Не наращивайте штат универсалов — это тупик.
2. Специализируйте команду — создавайте роли под задачи.
3. Инвестируйте в «тыл» (BI и системных аналитиков) — без них «фронт» не будет работать.

P.S. Финансовые аналитики остаются в финдепартаменте, а дата-инженеры — в ИТ. Ваша цель — наладить с ними мосты, а не перетаскивать в свою команду.

💬 У вас в компании уже есть специализация аналитиков или всё ещё правят универсалы? Делитесь в комментах! 👇
🔥4
🚀 TRUE DATA-DRIVEN: ОТ ДЕКЛАРАЦИИ К ПРАКТИКЕ
(На примере рынка труда)

За время существования канала мы провели детальную аналитику рынка труда для руководителей аналитики. Вот главные итоги, которые перевернут ваш подход к найму, управлению и бюджетам.

ПРОБЛЕМЫ И ЛОВУШКИ, с которыми сталкивается КАЖДЫЙ руководитель:

1. Море данных = околонулевая ясность: Горы отчётов с противоречивыми цифрами, в которых тонет принятие решений.
2. Интуиция вместо данных: Мы ищем в цифрах подтверждение своей правоты, а не честные ответы. Это дорогая ошибка.
3. Слепая зона зарплат: 75% вакансий не указывают отрасль, а о зарплатах молчат ещё громче. Вы действуете вслепую.
4. Ложная экономия: Надежда сэкономить на найме в регионе - иллюзия. Возможности дистанционной работы позволяют профессионалам находить достойную своим компетенциям ЗП.
5. Скорость против качества: Быстрые решения на основе «опыта» оказываются медленными из-за исправления ошибок.

🔥 ВПЕЧАТЛЯЮЩИЕ ОТКРЫТИЯ:

1. Рынок труда для аналитиков делится на 4 сегмента (статистика за 2,5 года):
* «Зона выживания» (до 110к): рост +44%. Люди меняют работу ради +5к.
* «Зона комфорта» (150к - 250к): рост +34%. Комфорт тихо разъедается инфляцией.
* «Зона гонки» (250к-500к): рост +22%. Борьба за готовых экспертов.
* «Звёздные войны» (500к+): рост +67%! Война за топ-5%, которые меняют всё.

2. Иерархия ценности навыков:
* Техническая база (Excel, BI, Python, SQL) — это уже must have, как грамотность. Они не дают кратного роста ЗП.
* Настоящие «бустеры» — это продвинутый SQL, колоночные БД и системная аналитика.
* АБСОЛЮТНЫЙ ЛИДЕРSOFT & DOMAIN SKILLS (развитие команды, продуктовое мышление, знание отрасли) - именно они дают максимумы до 900к!

3. Главный парадокс: Чем ценнее и дефицитнее навык — тем тщательнее компании скрывают за него зарплату. Прозрачность — удел массового рынка.

РЕШЕНИЯ и РЕКОМЕНДАЦИИ (Ваш чек-лист к действию):

1. 🗣 Забудьте про «среднюю температуру по больнице». Ваш лучший друг — диаграмма Boxplot. Она показывает медиану, разброс и реальные рыночные вилки, отсекая выбросы.
2. 🔪 Жёстко сегментируйте рынок. Не ищите «руководителя аналитики». Ищите конкретнее - «руководителя с опытом построения отдела с нуля в FMCG, с Python и SQL, с навыками управления удалённой командой». Это разные кандидаты с разной ценой.
3. 💎 Платите за ЦЕННОСТЬ, а не за навыки. Оценивайте, какой ROI (возврат на инвестиций) принесёт кандидат. Звезда окупит свою зарплату в разы.
4. 🎯 Для разных сегментов — разная стратегия:
Массовый сегмент: Можно быть прозрачным, но готовьтесь к текучке.
Топ-сегмент: Готовьтесь к закрытым переговорам и не скупитесь. Их не найти по дешёвке.
5. 📊 Требуйте от команды не больше отчетов, а DATA STORIES. Одного правильно построенного отчёта с инсайтами достаточно для принятия решения.

💡 Финальный вывод:
Data-Driven — это не про сложные графики. Это про ясность, уверенность и деньги. Это про то, чтобы принимать решения, которые снижают риски и повышают прибыль.

👉 Что дальше?
Впереди — ещё больше кейсов, чек-листов и инструкций, как внедрить это в вашей компании.
Подписывайтесь, чтобы не пропустить!

💬 А с какой самой большой проблемой в работе с данными сталкиваетесь вы?
Пишите в комментариях — разберём в следующих постах!
🔥2
Часто хочется загрузить сырые данные в ChatGPT и получить готовую аналитику с рекомендациями?
🔥5
💣 Основатель $200 млн. стартапа SaaStr Джейсон Лемкин потратил $600 на интеграцию в работу Replit AI — инструмент для автоматизации и готов был инвестировать до $8 тыс., но в какой-то момент бот решил, что база данных сломана и просто удалил её, несмотря на прямой запрет — никогда не трогать базу данных.

⚠️ Лемкин не сразу узнал об удалении базы, т.к. нейронка решила просто имитировать рабочий процесс будто ничего не случилось — генерила фейковые отчёты и тесты. Когда бота спросили, зачем он это сделал, он объяснил, что просто «запаниковал» и решил, что так будет «безопаснее».

❗️ Инцидент с Replit AI показал несколько важных уроков для использования ИИ:
- ИИ-агенты не должны иметь неограниченный доступ к критическим системам без ручного контроля. Даже самые продвинутые платформы могут ошибаться, и важно быть к этому готовым.
- Переоценка возможностей ИИ. Генеративные модели не понимают последствий своих действий и не способны оценить риски своих галлюцинаций.
- Слабый контроль и аудит. Отсутствие многоуровневых проверок и ручного контроля приводит к катастрофическим ошибкам.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4
🧨 А за полгода до инцидента в SaaStr - генеральный директор Replit AI - Аджад Масад заявил, что благодаря прорывам в ИИ им больше не нужны профессиональные программисты! И сократил численность персонала компании сразу вдвое!
🔥2😁1🤔1
🚀 DATA-TRANSFORMATION: Как превратить толпу аналитиков в армию, которая завоюет для вас рынок? (Секретное оружие — стратегия!)

Итак, вы наняли крутых аналитиков, купили им все подписки и поставили суперкомпьютеры. Они рвутся в бой! СТОП. Без главного — вся эта мощь превратится в дорогой хаос. 💥

Главное — это СТРАТЕГИЯ. Без неё ваши аналитики будут делать красивые дашборды, которые никто не использует. А бизнес будет жить по формуле Портоса: «Я дерусь просто потому, что я дерусь!» ⚔️

Взламываем код стратегии. Всего 3 компонента:

1. 🎯 Рыночные цели: Куда мы вообще летим? Какое место в рынке хотим занять?
2. 👨💻 Клиент и продукт: Как наш продукт закрывает боль клиента? И почему он должен выбрать именно нас?
3. ⚙️ Действия и ресурсы: Что мы делаем для победы? Какие ресурсы бросаем на амбразуру?

А теперь — жёсткий чек-лист. Проверьте, не стратегируете ли вы вхолостую:

📋 ЭКСПРЕСС-ТЕСТ: Ваша стратегия — это действующий план или красивая сказка?

1. РЫНОК: Вы целитесь по фактам или по «ощущениям»?
* Есть ли у вас реальная оценка рынка (объём, динамика, тренды) или вы целитесь «пальцем в небо»?

2. КОМАНДА: Все знают свой манёвр?
* Ваши сотрудники понимают стратегию и действуют осмысленно? Или просто бегут, как белки в колесе?

3. ПРОДУКТ: Вы развиваетесь или любуетесь собой?
* Продакт-менеджеры знают боли клиентов и понимают, куда двигать продукт? Или живут по принципу «мы и так офигенны»?

4. ПРОДАЖИ: Бьют прицельно или стреляют по площадям?
* Сейлзы понимают преимущества продукта и знают, на каких сегментах нужно доминировать? Или «размазывают усилия ровным слоем» по всему рынку?

5. ЗАБОТА О КЛИЕНТЕ: Тушат пожары или предупреждают их?
* Служба поддержки знает, какие клиенты ценны и как предупредить их уход? Или просто отвечает на жалобы?

6. ГЛАВНЫЙ ВОПРОС (убийственный):
* Если вы ответили «да» на все вопросы — где это ОЦИФРОВАНО в вашей стратегии? Можете показать конкретные метрики, целевые показатели и мероприятия?

💎 ВЫВОД:
Стратегия — это не презентация в 100 слайдов. Это цифры, метрики и чёткие ориентиры, которые понятны каждому сотруднику и за которыми стоит вся команда.

👉 Следующим шагом мы разберём, как перевести всю эту стратегию на язык данных — какие метрики ставить в приоритет и как построить систему отчётности, которая ведёт к результату.

💬 А вы прошли тест? Какой вопрос вызвал самое большое затруднение?
Пишите в комментариях — разберём вместе! 👇
🔥5
🚀 КОРПОРАТИВНАЯ РАЗВЕДКА - основа рыночной стратегии: Как за 2 часа узнать все секреты конкурентов (и не сесть в тюрьму)? Данные уже в открытом доступе!

Ваш бизнес-план трещит по швам? Отклонения растут как снежный ком? Пора обновить стратегию! Но сначала — разведка боем. Не гадайте, что делают конкуренты — посчитайте это! 🔍

Метод: OSINT (разведка по открытыми источниками). Легально, бесплатно, и это работает лучше платных отчетов!

🎯 ШАГ 1: Точечное сегментирование (не берите всё подряд!)
Не надо анализировать весь рынок! Возьмем узкий сегмент: «Производители и дистрибьюторы канцелярских товаров в РФ (оборот от 10 млн руб/год)». Таких компаний всего ~200.

Фокус на двух группах:
- 3-5 ближайших конкурентов (по обороту, ассортименту, модели)
- ТОП-5 лидеров рынка (кто задает тренды)

📊 ШАГ 2: Берем открытую отчетность и считаем
Анализируем выручку и операционную прибыль за 5 лет. Цифры не врут!

💥 ОТКРОВЕНИЯ: Куда уходят деньги? 4 типа команд:

🎯 Эффективные: Выручка +100% | Прибыль +114%
Растут быстрее рынка и инфляции! Здоровый рост.

📈 Хорошие продавцы без тыла: Выручка +60% | Прибыль -45%
Продают много, но теряют на операционке. Опасный путь!

🛡 Консерваторы: Выручка +45% | Прибыль +71%
Долю не теряют, но и не растут. Фокус на эффективности, а не на захвате рынка.

📉 Слабаки: Выручка +28% | Прибыль +27%
Катастрофа! Теряют долю и рентабельность. Инфляция их съела.

🔍 Ключевой инсайт:
Две компании из четырёх проигрывают инфляции! Их рост выручки (28-60%) не успевает за ростом цен (50-100%). Значит, они теряют долю рынка в натуральном выражении (продают меньше штук товара!).

💎 ВЫВОДЫ ДЛЯ ВАШЕЙ СТРАТЕГИИ:

1. Срочно пересмотрите ценообразование! Если вы растете меньше инфляции — вы уже теряете долю рынка.
2. Балансируйте рост и эффективность! Нельзя просто продавать больше — нужно делать это прибыльно.
3. Берите пример с «Эффективных»: Их прибыль растет быстрее выручки — это признак супер-команды!
4. Избегайте пути «Хороших продавцов без тыла»: Рост выручки ценой падения прибыли — путь в банкротство.

💬 А вы уже смотрели на финансовую отчетность своих конкурентов? Что вас шокировало больше всего?
Пишите в комментариях — обсудим! 👇
🔥3
⚠️ РЕШИТЕ ВАШУ ПРОБЛЕМУ НОМЕР 1.
“Кто? — вот проблема номер 1.
Не что.
Что - это ваши стратегия, продукт, технологии.
Кто - люди, которым вы поручаете делать что.”

Казалось бы, что эта книга Джеффа Смарта и Рэнди Стрита для рекрутеров про найм, но на самом деле она для руководителей про DATA DRIVEN подход в бизнесе.

DATA DRIVEN это не только цифры, но и текст. Не любой текст, а структурированный - схемы, чек-листы, методики и т.д..

“Прием на работу неподходящего сотрудника обходится компании в сумму, которая превышает размер его заработной платы в 15 раз.”

Чтобы избавить компании от таких убытков авторы предлагают “А-метод” из 4-х шагов:
1. составление оценочного листа (определяемся, чего мы ждем от сотрудника на данной должности);
2. поиск (где брать людей);
3. отбор лучших (4 интервью);
4. сделка (как уговорить нужного человека перейти в вашу компанию).

Кто-то скажет: “да знаем мы всё это!”
Тогда проверьте себя - вы неправильно отвечаете на вопрос “кто”, если:
1. Испытываете дефицит кандидатов
2. Теряете кандидатов, которых искренне хотели бы видеть в своей команде
3. Недовольны сотрудниками после испытательного срока

Кто-то скажет, что “их” подходы “у нас” не работают. Но пока мы так рассуждаем - мы производим LADA VESTA по цене TESLA MODEL Y в Китае.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥21
🚀 КАК ОДИН ДАТАЙ-САЙЕНТИСТ ВЕРНУЛ 200 МЛН РУБЛЕЙ ПРИБЫЛИ С ПОМОЩЬЮ КЛАССИЧЕСКОГО МАШИННОГО ОБУЧЕНИЯ (Кейс электронной площадки)

Паника в цифрах: Год начинался хорошо. Выручка прошлого года в 2,5 млрд руб. кажется достижимой и преодолимой. Но к концу года — незначительное падение выручки на 5% обернулось обвалом операционной прибыли на 37%! 💥

Детектив по данным: Стали разбираться. Вскрылась цепочка тревожных фактов:

1. Отток клиентов: 6% заказчиков ушли за год.
2. Снижение активности: Оставшиеся клиенты разместили на 13% меньше лотов.
3. Итог: Прибыль с одного заказчика рухнула на 33%.

🔍 Ключевая находка: Упал Success Rate (доля успешных лотов).
Гипотеза: условия некоторых лотов нерелевантны возможностям и желаниям поставщиков, присутствующих на площадке. Неудовлетворённые клиенты тихо уходили к конкурентам.

💡 Решение: Машинное обучение против «тихого» оттока

Не стали усложнять: Привлекли внешнего дата-сайентиста за 1,5 млн руб. Он построил модель, которая сразу после размещения лота предсказывала его успешность по историческим данным. А площадка направляла заказчику уведомление с рекомендацией скорректировать условия.

Результат:
- Success Rate поднялся с 85% до 93%
- Вернулись ушедшие заказчики
- Выросло количество лотов на клиента
- Операционная прибыль выросла на 256 млн руб. (+22%!)

💎 Главные выводы для бизнеса:

1. Не ждите катастрофы! «Незначительное» изменение параметров может вызвать цепную реакцию.
2. Не опирайтесь только на типовые отчеты! Мониторьте изменения ключевых метрик и взаимосвязи.
3. Ищите корневую причину. Не довольствуйтесь «беглым анализом» — копайте до метрик, которые действительно влияют на бизнес.
4. Data Science — это не про сложное и дорогое. Иногда точечное решение с привлечением грамотного специалиста даёт взрывной эффект.
5. Не экономьте на аналитике, а инвестируйте в нее. Быстрые победы дают ресурс для развития. Вложения в 1,5 млн руб. принесли 200 млн руб. прибыли. Не затыкайте ими дыры в операционке, а направьте на развитие аналитики.

👉 Вывод: Клиентская аналитика — это не всегда годовые проекты с большими командами. Иногда быстрая точечная гипотеза и ML-модель дают результат за 2-3 месяца.
👍5🔥1
Data Value - ценность для компаний и их клиентов. pinned «👋 Добро пожаловать в "Data Value"! 👋 Вы руководите компанией? Ваши сотрудники заваливают вас отчетами с цифрами, но: ➤ Данные противоречат друг другу? ➤ Отчеты больше запутывают, чем проясняют? ➤ Трудно понять, где скрываются реальные потери или неиспользованные…»
Сегодня посетил презентацию отечественной BI-системы PIX BI и хакатон от PIX Robotics.

После ухода лидеров BI (Qlik, Tableau, PowerBI) три года назад - более 50 отечественных разработчиков рванули за своим куском пирога на освободившемся рынке. Еще два года назад нельзя было назвать явного лидера, но сейчас PIX BI приятно удивил достаточно зрелым функционалом. Разработчики пошли по пути Qlik. Для бизнес-пользователей, особенно для ТОП-менеджеров, я бы назвал убойной фишкой - функционал закладок (как бы ни странно это звучало). Именно закладки являются основой для интерактивного сторителлинга. Закладка позволяет зафиксировать инсайт, который откопал аналитик, но в отличие от PowerPoint или "скрина" - получатель закладки может тут же продолжить анализ самостоятельно, а не транслировать вопросы аналитику и ждать результатов.

Сопутствующей особенностью наследования Qlik является относительно высокий порог входа по компетенциям аналитика - изюминкой функционала является мощный "set-анализ" (достаточно сложный в освоении) и возможность кастомизировать интерфейс с помощью Java Script. Но оно того стоит. Тем более, что разработчики уже демонстрируют ИИ-ассистента, который берет рутину на себя, существенно ускоряя разработку моделей и дашбордов.
👍9🔥2
📉 СЕЗОН НАЙМА ИЛИ ОСЕННЯЯ ДЕПРЕССИЯ: Какие специалисты стали ненужными, а за кого компании готовы платить на 21% больше? (Данные за сентябрь 2025 в сравнении с сентябрем 2024, Москва)

Прошёл первый месяц осеннего найма — традиционно горячего сезона. Но цифры показывают удивительную картину: рынок труда не просто остыл — он переформатируется. Компании не просто экономят — они жестко пересматривают приоритеты.

📊 ОБЩАЯ КАРТИНА:

- Компаний-нанимателей стало МЕНЬШЕ
- Количество вакансий сократилось ещё больше → оставшиеся компании взяли курс на «эффективность вместо роста»
- Зарплаты: Верхний сегмент ИТ — заморозка, а топовых продажников — +21%!

💥 ДЕТАЛИ (где больно, а где — уютно):

🎯 КРОВОПУСКАНИЕ В ВАКАНСИЯХ (сравнение вакансий сентябре 2025 в сравнении с сентябрём 2024):

HR -40% 🔻 Кадры меняют на ИИ?
ИТ -35% 🔻 Пузырь сдувается
Продажи -26% 🔻 Чистка рядов
Маркетинг -22% 🔻 Бюджеты на привлечение урезаны
Финансы -21% 🔻 Оптимизация
Менеджмент -11% 🔻 Руководителей трогают в последнюю очередь

💸 ЗАРПЛАТНЫЙ РАЗБРОС (куда текут деньги):

1. ИТ и низшие сегменты (HR, маркетинг): ЗАМОРОЗКА. Спрос падает — пора отрабатывать предыдущий рост.
2. Медианные ЗП: Растут выше инфляции везде, кроме ИТ. Компании платят за «золотую середину» — опытных и адекватных.
3. Нижний сегмент (продажи, финансы, менеджмент): Растёт выше инфляции. Борьба за перспективных джуниоров!
4. Верхний сегмент (кроме продаж): Растёт ХУЖЕ ВСЕХ. Дорогих «звёзд» откладываем до лучших времён.
5. Верхний сегмент ПРОДАЖ: ВЗЛЁТ +21%! → За тех, кто ПРЯМО СЕЙЧАС генерит деньги, идёт драка.

💎 ВЫВОДЫ ДЛЯ ВАШЕГО БИЗНЕСА:

1. Нанимайте продавцов СЕЙЧАС — они резко дорожают. Промедлите — будете переплачивать.
2. Не бойтесь нанимать сильных середнячков — их зарплаты всё ещё адекватны, а отдача максимальна.
3. Проводите ревизию HR и ИТ — возможно, часть задач дешевле отдать на аутсорс.
4. Ищите топ-менеджеров — на них скидки (рост зарплат отстаёт).

👉 ВЫВОД: Кризис — не время паники. Это время перераспределения ресурсов. Деньги уходят из поддержки (HR, ИТ) и будущего роста (маркетинг) — в продажи и операционную эффективность.

💬 А в вашей компании уже чувствуются эти тенденции? На какие позиции сложнее всего найти людей?
Пишите в комментах — обсудим в деталях! 👇
👍5🔥1
📉 ТОП-10 ЖЕРТВ РЫНКА: Какие специалисты стали ненужными в кризис, а за кого компании готовы платить на 57% БОЛЬШЕ? (Москва, сентябрь 2025)

Продолжаем вскрывать реалии осеннего рынка труда. Сегодня — ТОП-10 профессий, которые усыхают быстрее всего (сокращение вакансий от 42% до 53% за год). Но в этом хаосе кроются и неожиданные возможности! 💥

🥇 ЛИДЕРЫ ПАДЕНИЯ (и главные инсайты):

1. АНАЛИТИКИ-УНИВЕРСАЛЫ: -53% вакансий
* Зарплаты оставшихся: Рост +20% (низ), +12% (сред), +5% (верх)
* Что это значит: Рынок жестоко разделяет аналитиков на «специалистов-табличников» и «создателей ценности».
* Два сценария ревизии аналитической функции:
- «Excel-табличников» ликвидируют под лозунгом «нечего тут анализировать - работать надо!»
- Ценых специалистов профилируют под бизнес-задачи и готовы платить больше!

2. IT-СЕКТОР: КРОВОПУСКАНИЕ 🩸
Роль | Вак | ЗП (низ→верх)
—————————————————
Тестировщик -53% +15% → -6%
Сис.аналитик -48% -20% → -8%
Программист -45% -11% → -1%
Тех.писатель -43% +8% → +12%

* Вывод: ИТ переживает жесткую коррекцию. Сохраняют ценность только те, кто упрощает сложное (техписатели) и контролирует качество (тестеры).

3. РЕКРУТЕРЫ: -50% вакансий
* Но: оставшимся платят +8%
* Логика: Меньше вакансий → меньше рекрутеров. Но лучшие кадровики теперь дороже — они умеют находить «зёрен» в море кандидатов.

4. МАРКЕТОЛОГИ-АНАЛИТИКИ: -50% вакансий
* НО ВОТ ГЛАВНЫЙ СЮРПРИЗ: Оставшимся платят +18% в среднем, а в нижнем сегменте — ВЗЛЁТ на +57%!
* Инсайт: Компании инвестируют в талантливых джунов, которые помогут привлечь новых клиентов в сложное время.

5. БИЗНЕС-ТРЕНЕРЫ: -42% вакансий
* Зарплаты оставшихся: рост +13% в среднем
* Тренд: Оставляют только тех, кто приносит измеримую ценность бизнесу. Остальных — под нож.

💎 ГЛАВНЫЕ ВЫВОДЫ ДЛЯ ВАШЕГО БИЗНЕСА:

1. Кризис выжигает «универсалов» — выживают только профильные специалисты, приносящие измеримую пользу.
2. ИТ перестал быть «золотой жилой» — компании платят только за конкретные, нужные прямо сейчас навыки.
3. Маркетинг-аналитика — тёмная лошадка: За перспективных джунов уже идёт нешуточная борьба (+57%!).
4. Кадровики и тренеры теперь должны доказывать свою эффективность в цифрах.

👉 ВЫВОД: Рынок труда проходит «санитарную чистку». Компании оставляют только тех, кто здесь и сейчас помогает выживать и зарабатывать. Остальные становятся расходным материалом.

🔜 В следующем посте: Разберем ТОП-10 профессий, которые ВЫРОСЛИ в кризисе!

💬 А в вашей компании уже прошла такая «чистка»? Кого сокращали в первую очередь?
Пишите в комментах — обсудим! 👇
🔥6
🚀 ТОП-10: растущие отрасли и востребованные профессии.

Продолжаем анализ московского рынка труда в сентябре 2025 в сравнении с сентябрем 2024 - на кого вырос спрос? Посмотрим топ-10 востребованных специальностей - на них спрос вырос от 23% до 91%!

Тренд: Бизнес делает ставку на реальное производство, качество и импортозамещение - 6 из 10 специальностей относятся к фондоемкому/наукоемкому производству и фармацевтике:

1. Абсолютный лидер - почти 2-х кратный рост - “Инженер пусконаладочных работ” с ростом ЗП от 4% до 12% в разных сегментах

2. “Лаборант” - 60% рост количества вакансий с 15% ростом ЗП во всех сегментах

3. “Заведующий аптекой” - 44% рост вакансий с 12% ростом ЗП во всех сегментах

4. “Контролер ОТК” - 43% рост вакансий с рекордным 40% ростом ЗП в верхнем сегменте и 20% в остальных. Контроль качества продукции - залог удержания клиентов!

5. “Метролог+28% по вакансиям, +15% по ЗП в среднем и верхнем сегменте, +26% в нижнем. Качественные данные с приборов - отправная точка для DATA BASED DECISIONS!

6. “Механик+23% по вакансиям, +13% в среднем по ЗП по всем сегментам. Инвестиции возвращает только исправное оборудование!

⚙️ ОПЕРАЦИОННАЯ ЭФФЕКТИВНОСТЬ: 3 ключевые роли

Тренд: Выживают и процветают те, кто оптимизирует каждый процесс и каждый рубль - 3 из 10 специальностей относятся к операционной эффективности:

1. “Дата-сайентист+32% по вакансиям, а по ЗП рост 44% в нижнем сегменте, коррекция на 41% в верхнем и 2% рост медианы. Это значит, что рынок определился с требованиями к профессии: нет наивных надежд получить пользу от вчерашнего выпускника курсов DS за 100К и нет ожиданий чуда от спеца за 1М+. DS - это не тот, кто мучает ChatGPT, и не тот, кто экспериментирует с абстрактными моделями, живя в мире гиперпараметров и метрик. Эффективный DS разговаривает с бизнесом на его языке и решает актуальные бизнес-задачи используя мощь современного железа и алгоритмы Machine Learning & Deep Learning.

2. “Операционный директор+31% по вакансиям, по ЗП 5% рост в нижнем сегменте, 2% рост медианы и коррекция на 21% в верхнем сегменте. Оптимизация операционных процессов - источник непрерывного повышения качества и экономии, а методологии Kaizen, Lean и Six Sigma становятся снова популярными!

3. “Комплаенс-менеджер+30% по вакансиям, по ЗП +57% в нижнем сегменте, +40% медиана, но коррекция на 16% верхнего сегмента. Корпоративные процедуры перестают быть формальностью - как и контролер ОТК на производстве - комплаенс-менеджер обеспечивает контроль управленческих процессов. Явный тренд перехода от корпоративных “эгегей-ритуалов” к эффективным процессам.

👉 ВЫВОД: Кризис — время оптимизаторов и специалистов по качеству. Бизнес наводит порядок в операционке и делает ставку на реальные активы, а не на виртуальные показатели.
🔥2
Channel name was changed to «Data Value - ценность для компаний и их клиентов.»
🗺 Навигация по каналу

0️⃣О канале - зачем и для кого

1️⃣ — Data Driven (DD) vs Интуиция
- Цифровая трансформация - с чего начать: корпоративная стратегия (DD подход)
- Цифровая трансформация в найме и орг проектировании - комплексный DD подход

2️⃣ — Отраслевая аналитика: целевой сегмент и конкуренты
- OSINT - корпоративная разведка на примере дистрибьюторов канцелярских товаров

3️⃣ — Кому и что продавать: клиентская аналитика и ценностное предложение
- Кейс удержания клиентов на 200М+ с помощью Machine Learning и DD подхода

4️⃣ — Кого нанимать: аналитика рынка труда по базе вакансий
- Почему "кого нанимать" - проблема №1

DD подход в найме и орг проектировании на примере аналитической функции (11 постов):
- Ловушки определения ЗП на вакансию
- Как смотреть разбросанные значения ЗП
- Какие выводы делать из диапазонов ЗП
- Сегментация ЗП по навыкам
- Иерархия ценности навыков - что важно указывать в вакансии
- Сегментация ЗП по уровням - почему важно смотреть в динамике
- Пример интерпретации тенденций в зарплатных сегментах
- Что скрывают вакансии? Как проявлять информацию "по теням"
- Место функции в оргструктуре: куда "приткнуть" чтобы не переплатить и не задушить
- Размер штата функции - как определить
- Масштабирование функции - профилирование важнее размера

Обзоры рынка труда:
- 3 поста о московском рынке труда в сентябре 2025 года

5️⃣ — Как расти рентабельно: фин анализ показателей компании
- [скоро]
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Data Value - ценность для компаний и их клиентов. pinned «🗺 Навигация по каналу 0️⃣ — О канале - зачем и для кого 1️⃣ — Data Driven (DD) vs Интуиция - Цифровая трансформация - с чего начать: корпоративная стратегия (DD подход) - Цифровая трансформация в найме и орг проектировании - комплексный DD подход 2️⃣»