И да, мы не знаем, что будет завтра. Кроме того, что наступит 1 апреля. Может, это все розыгрыш - белые спины, белые списки… 😄
А может, и нет.

На первый взгляд кажется, что достаточно уметь сформулировать запрос - и готово. Но аналитика никогда не сводилась к набору строк в Python или SQL.

Код - это только инструмент.

Он выполняет команды, автоматизирует расчеты, строит модели. Однако сам по себе он не определяет, какую задачу вообще стоит решать и почему именно так.

Аналитик работает не с синтаксисом, а с неопределенностью, то есть он формулирует гипотезы, проверяет их, замечает странности в данных, задает неудобные вопросы бизнесу. Машина может выдать регрессию, но не спросит, достаточно ли наблюдений и имеет ли результат практический смысл. Она не несет никакой ответственности за выводы.

Есть еще важный момент - интерпретация. Даже идеально рассчитанная модель не говорит, что делать дальше. Нужно понять, какие факторы действительно влияют на показатель, какие из них управляемы, а какие - просто статистический шум. Нужно объяснить это руководителю без формул, на языке рисков и последствий.

ИИ меняет профессию, но не отменяет ее. Рутинные операции становятся быстрее, проверка гипотез - удобнее, черновики кода появляются за секунды.

Однако именно поэтому возрастает роль человека, который понимает статистику глубже, чем интерфейс библиотеки, и способен критически оценить результат. В конечном счете выигрывает тот, кто умеет думать, сомневаться и принимать решения. А этому за вас ни одна модель не научится.

func run() error {    
  handle err { return err }   
    
  check one()    
  check two()    
  check three()    
   
  return nil
}

func run() (err error) {     
  try(one())    
  try(two())    
  try(three())    
  
  return nil
}

func run() (err error) {     
  one()!   
  two()!  
  three()!  
  
  return nil
}

func run() error {
    return record.ID == "" ? errors.New("empty id") : nil
}

func run() (err error) {     
  one()?  
  two()?  
  three()?  
  
  return nil
}

Дальше - больше. Он решает: «А что, если запрограммировать его плакать, когда сядет батарейка? Типа как ребенок, который потерял маму в супермаркете».

Как так вышло? Его приложение постучалось в облако DJI, а сервер решил: «О, свой! Держи права рута на все девайсы». Классическая ошибка авторизации на бэкенде.

1. Элиот Хоровиц - сооснователь и первый CTO MongoDB. В 2007–2009 годах он возглавил разработку ядра базы данных на C++ и спроектировал систему шардинга и репликации, которая позже стала отраслевым стандартом. Над проектом работала целая команда, но именно техническое видение Хоровица определило архитектуру MongoDB. В 2020 году он покинул пост CTO, основал стартап Viam и вернулся к практической разработке. В интервью он не раз подчеркивал: ему ближе писать код и строить системы, чем управлять крупными командами.

2. MongoDB - одна из самых протестированных баз данных с открытым кодом.

В ее репозитории тестового кода больше, чем продакшен-кода ядра. Это не маркетинг: перед каждым релизом внутренняя система Evergreen запускает миллионы автоматических проверок - от юнит-тестов до сценариев имитации падений серверов и сетевых разделений. Именно такая тестовая культура позволяет MongoDB стабильно работать в продакшене у тысяч компаний.

3. В PHP пустой массив

[]

может интерпретироваться и как список, и как объект.

В некоторых версиях драйвера это приводило к тому, что неверно сформированный запрос (например, на удаление конкретных записей с пустым фильтром) мог быть воспринят базой как команда на

очистку всей коллекции

или базы. Это не был баг самого сервера MongoDB, а именно специфика реализации «обертки» для PHP тех лет.

4. Самый большой известный публично кластер MongoDB принадлежит eBay.

В 2019 году они рассказали, что у них работают

более 100 шардов

, хранящих

петабайты данных

, с нагрузкой

миллионы запросов в секунду

.

5. В MongoDB нет JOIN, но есть $lookup,

который делает то же самое, но с другим синтаксисом. Но появился он только в 2015 году в версии 3.2. До этого люди хакерили с помощью $unwind и $group.

До сих пор встречается мнение, что C# и весь Microsoft-стек - только про Windows. Хотя Java, например, тоже долго ассоциировалась с Oracle, а Go - с Google. Сам факт, что язык или платформа связаны с большой компанией, сам по себе мало о чем говорит.

Если 10–15 лет назад C# и правда был сильно завязан на Windows, то сейчас картина давно изменилась.

Раньше все крутилось вокруг .NET Framework, IIS, Windows Server и MSSQL. Почти весь стек жил внутри экосистемы Microsoft, поэтому такая ассоциация была вполне понятной.

Сейчас C#-backend чаще выглядит совсем иначе: ASP.NET Core, Docker, Linux-контейнеры, PostgreSQL, Redis, очереди, CI/CD, облака и прочая привычная инфраструктура, которая есть почти в любой backend-разработке. Поэтому C# уже давно не воспринимается как что-то сугубо виндовое.

Но тут есть нюанс. Если весь опыт связан только с WPF, WinForms, старым .NET Framework, IIS и Windows-легаси, рынок и правда будет уже. Такие вакансии никуда не делись, просто это отдельный сегмент.

Если же человек работает с ASP.NET Core, Web API, EF Core, Docker, тестами, микросервисами, CI/CD, умеет собирать и деплоить сервисы, понимает базы, логи, мониторинг и производительность, то его обычно воспринимают просто как backend-разработчика. Без привязки к ярлыку Microsoft-мира.

Мне вообще не очень близка идея любой ценой убегать от Microsoft. Куда полезнее взять современный .NET и сверху добрать нормальные универсальные навыки, которые нужны почти в любой backend-команде: Docker, базовый Linux, SQL, Redis, очереди, CI/CD, контейнеры, облака, логирование и метрики.

С таким набором C# на рынке чувствуется вполне уверенно.

Я сидел и тупил в монитор. Потом пошел к менеджеру и спросил: "Вы серьезно?!

• Твой личный эксперт, который отвечает на все вопросы, проверяет домашки и не дает закопаться в прокрастинации.

• Карьерный консультант, который помогает составить резюме, которое выделит среди сотни кандидатов и подсказывает как проходить собеседования без дрожи в коленках.

🔴 Хранение данных о движении откликов. Сохраняем то, что часто теряется (контакт рекрутера, ссылка на вакансию, что за компания, когда обещали вернуться с фидбеком и прочее).

🔴

Оценка эффективности поиска. Если ты, например, сделал больше 50 откликов, но дальше дело не пошло - от части причина в молчании рынка, но также проблема может быть в твоем резюме. А если тебя активно зовут на HR интервью, но после него отказывают, стоит поработать над самопрезентацией и ответами на софтовые вопросы. И так далее.

1. Обновления резюме и составления стратегии поиска.
2. Общения с уже существующими контактами - спросить о внутренних вакансиях и реферальных программах.
3. Пересмотра старых диалогов с рекрутерами.
4. Поиска прямых контактов HR в Сетке.