Привет, Хабр!
Меня зовут Софья Худякова, я руковожу отделом продуктовой аналитики в «Гарде». Занимаюсь аналитикой требований уже почти двадцать лет — сначала как специалист, теперь как руководитель отдела. В этой статье — не про хард-скиллы и технологии (об этом написано достаточно), а про то, как изменился образ мышления, который нужен современному аналитику.
Когда я только начинала постигать профессию, у меня и коллег были четкие ориентиры — книги Карла Вигерса и Алистера Коберна, свод знаний BABOK от IIBA и профессиональные стандарты. Мир был понятным. Аналитик понимал, чего от него ждут: собрать требования, задокументировать, согласовать со стейкхолдерами, передать разработчикам. Мы знали, что такое SRS-документ, а синтаксис нотаций моделирования был отточен до автоматизма. Приходя на согласование со стейкхолдерами с распечатками, мы были уверены: вот компетенции, вот практики, вот артефакты — это работает.
Сегодня мой фокус как менеджера — поиск и развитие компетенций, изучение и внедрение новых, наиболее совершенных практик, отвечающих изменяющейся реальности. Я провела сотни собеседований и набрала не одну команду. Раньше у меня был четкий и почти неизменный список того, что должен уметь кандидат и какими качествами обладать, а сейчас приоритеты расставлены иначе. Безусловно, часть компетенций по-прежнему актуальны, но появились новые — те, что ранее никому бы пришло в голову включать в профиль должности.
Мир изменился, изменился контекст, новые обстоятельства диктуют новые требования. В информационной безопасности новые угрозы появляются каждый день, конкуренты не дремлют. Time-to-market — это не просто метрика эффективности, а вопрос выживания продукта на рынке. Мы приносим разработчику схему, эталонно составленную по всем правилам нотации, а он говорит: «Мне некогда разбираться, нарисуй попроще». В такие моменты я осознаю, что методы двадцатилетней давности по-прежнему актуальны, но их уже недостаточно.
Что именно изменилось? Делюсь своими размышлениями.
Силы, которые изменили профессию
Прежде чем говорить о новых требованиях к профессии аналитика, важно понять контекст. Почему вообще она изменилась? Я выделяю несколько ключевых факторов.
Время сжалось. Технологии развиваются молниеносно. Agile, DevOps, CI/CD сдвинули ожидания бизнеса. Продукт должен развиваться итерациями, фичи — выходить быстро, обратная связь — учитываться немедленно. Документ, который пишется три недели, в итоге проигрывает короткой user story, которую разработчик понял с первого прочтения. В кибербезопасности это ощущается особенно остро: уязвимость может стать публичной сегодня утром, и уже к вечеру нужно понимать, как продукт на нее реагирует.
Информации стало слишком много. Чаты в мессенджерах, Confluence, Jira, почта, созвоны, демо, ретроспективы, исследования рынка, техдокументация из смежных систем. Если раньше аналитик добывал сведения по крупицам через интервью и встречи, и извлекал их из документации, то теперь информация лавинообразно обрушивается на него каждый день. Уже недостаточно просто найти информацию, структурировать и проанализировать — сперва следует отфильтровать ее и не утонуть в шуме.
Пришли нейросети. Еще недавно мы не могли помыслить о том, что часть нашей работы возьмет на себя машинный интеллект. Сбор и агрегация информации, анализ конкурентов, черновики требований, поиск противоречий, перевод технического языка на язык бизнеса — всё это машина делает за секунды. Но для продуктивной работы с нейросетями следует развивать навык критического восприятия, ведь нейросеть — не эксперт, а лишь инструмент ускорения мышления.
Изменился технологический уклад. Произошло несколько ключевых сдвигов, изменивших отрасль. Двадцать лет назад большинство систем были монолитами. Аналитик описывал поведение одного большого продукта. Сейчас архитектура цифрового продукта — это облачные сервисы, контейнеры и микросервисы, каждый со своим API, зоной ответственности и контрактами взаимодействия.
Решения объединились в экосистемы и платформы. Продукты встраиваются в более широкие экосистемы через API. Интеграция с платформами мониторинга, управляющими центрами, тикетными системами порождает новый класс требований.
Разработка эволюционировала в автоматизированный конвейер. Вместо громоздкой водопадной модели теперь доминируют Agile/Scrum. Практики DevOps, библиотеки с открытым исходным кодом и CI/CD-конвейеры автоматизируют разработку и ускоряют выдачу кода в продакшен. В результате цикл поставки ПО сократился с месяцев до недель.
Безопасность внедрена в процесс разработки. Раньше требования к безопасности писались отдельным документом ближе к финалу проекта. Сейчас согласно практикам DevSecOps, требования встраиваются в каждый сценарий с самого начала. Это сквозная характеристика каждой фичи. Моделирование угроз и карта уязвимостей стали частью процесса разработки требований, особенно если вы, как и я, участвуете в разработке ИБ-продуктов.
Аналитик больше не может позволить себе думать только о том, что видит пользователь на экране. Нужно держать в голове множество контекстов, думать о том, как взаимодействуют системы под капотом — и как изменение в одной из них отразится в другой.
Что требует мир от «нового» аналитика
Как вышеописанные предпосылки изменили нашу профессию? Какие навыки стали критически важными, а о чем мы раньше вообще не думали?
Намеренно абстрагируюсь от перечисления необходимых новых знаний в части технологий и хард-скиллов — таких материалов достаточно. Вместо этого порассуждаю о практиках «нового мышления», которые следует развивать современному аналитику.
Управление своей ментальной энергией
Раньше это звучало бы странно в описании профессиональных компетенций, сейчас навык управления ментальной энергией стал насущной необходимостью. Информация для аналитика — сырье, а мышление, когнитивный ресурс — основной инструмент.
Информационная перегрузка — это не метафора, а физиология. Еще буквально недавно многозадачность считалась крутым скиллом, но нейробиологи доказали, что мозг не умеет эффективно многозадачиться: каждое переключение стоит когнитивных ресурсов. Всем знакома ситуация, когда утром открываешь ноутбук, первые два часа уходят на разбор уведомлений, чатов и писем, а когда приходит время сосредоточиться, голова уже не работает.
Благодаря просветительской работе нейробиологов-популяризаторов науки мы лучше знаем, как работает мозг, как устроены механизмы внимания и принятия решений. Для аналитика разобраться в этом — значит лучше использовать собственный потенциал.
Благодаря знаниям механизмов работы внимания и принципов мышления мы можем выработать полезные привычки, которые точно улучшат результативность. Это позволяет сосредоточенно работать в период пиковой концентрации, а разбор почты и рутинные коммуникации отложить на потом — когда внимание уже рассеяно.
Качественный сон упорядочивает нейронные связи, поэтому поговорка из народных сказок «Утро вечера мудренее» с точки зрения нейрофизиологии имеет очевидный практический смысл.
Умение концентрироваться на важном — навык, который раньше не выделялся в профессиональных стандартах. Сейчас же он стал конкурентным преимуществом аналитика. Хороший специалист должен уметь отличить сигнал от шума: какой запрос заказчика — действительно важная потребность, а какой — эмоциональная реакция на текущую боль? Какое обсуждение в чате требует вашего участия прямо сейчас, а какое — нет? Аналитик, который реагирует на все подряд, быстро становится реактивным и теряет стратегический взгляд на продукт.
Осознание когнитивных искажений
Даже сильный ум может быть бессилен перед системными ловушками мышления, присущими каждому человеку. В работе аналитика чаще всего «сбоят» механизмы, отвечающие за получение, интерпретацию информации и принятие решений.
Начну с такого широко известного когнитивного искажения, как предвзятость подтверждения (confirmation bias). Это очень опасно при сборе требований. Ведь если аналитик уже решил, как должна работать функция, он будет неосознанно игнорировать стейкхолдеров, которые думают иначе. Чтобы не попадать в эту ловушку разума во время интервью, следует задавать вопросы, которые могут опровергнуть гипотезу, а не подтвердить ее.
Групповое мышление (groupthink) провоцирует нас стремиться к консенсусу, согласию и гармонии в команде. Это перевешивает способность группы людей критически оценивать альтернативные решения.
Третья ловушка сознания, о которой хочется поговорить, — неприятие нового (status-quo bias). Неосознанное стремление сохранять текущее положение дел заключает аналитика в рамки привычных решений, ведь они требуют меньше когнитивных усилий и, кажется, несут меньше рисков. В разработке ПО это зачастую проявляется как сопротивление изменениям устаревшей логики или отказ от костылей, откладывание решений по рефакторингу или улучшений архитектуры, по принципу «работает — не трогай». В бэклоге копятся задачи, которые требуют полного переосмысления функциональности, а аналитик проектирует только точечные «заплатки». Следование этой парадигме масштабирует рутину, блокирует развитие и убивает инновации, что не повышает шансы на выживание в стремительно меняющемся мире.
Знание когнитивных искажений не делает нас иммунными к ним, но позволяет замечать их в себе и собеседниках и корректировать коммуникации. Так, навык критического мышления следует усилить целенаправленным осознанием этих «ловушек разума». Успешный аналитик не просто опирается на интуицию, а систематически выявляет и нивелирует влияние искажений.
Глубокая эмпатия
Раньше в требованиях к должности аналитика компании писали, что им нужен «коммуникабельный специалист, который обладает навыком активного слушания». Это по-прежнему важно, но уже недостаточно. Современный аналитик работает в условиях, когда все вокруг перегружены. Стейкхолдер на встрече думает о других проблемах. Разработчик устал от неточных требований. Руководитель ожидает четкого ответа, а не длинного объяснения. Поэтому аналитику важно обладать навыком глубокой эмпатии. На практике это означает буквально следующее: понять, почему стейкхолдер сопротивляется изменениям (часто за этим стоит страх, а не обоснованный аргумент), услышать то, что пользователь ожидает, но не говорит вслух, и сформулировать требования так, чтобы они были поняты и приняты командой, а не просто формально согласованы.
Аналитик, который умеет считывать эмоциональное состояние и настроение собеседника, получает гораздо больше полезной информации и отдачи от своей работы. Как проявляется эмпатия и как изменение мышления повышает эффективность и продуктивность, хорошо описано в книге «Открытое мышление» от Института Арбингера (оригинальное название The Outward Mindset). Для меня это одна из настольных книг.
Выживание в условиях постоянной неопределенности
Классический аналитик старой школы стремился собрать все требования, согласовать все детали, зафиксировать все сценарии — и только потом передавать в разработку. Это был правильный подход для мира, который менялся медленно.
Сегодня аналитик не может позволить себе ждать «идеального полного понимания», этот подход часто становится узким горлышком. Пока собираешь «все требования», половина из них устаревает: конкурент выпустил аналог, появилась новая угроза безопасности, изменилось законодательство.
Нынешние реалии требуют, чтобы специалист умел работать с «достаточно хорошими» требованиями. Важно определить, что нужно знать для следующего шага, зафиксировать это — и двигаться итерационно, валидируя решение со стейкхолдерами и разработчиками. Чтобы не закапываться и не истощать свой когнитивный ресурс, я обычно задаю себе такие вопросы:
Важно ли это прямо сейчас?
Что случится, если эти данные я предоставлю позднее?
Является ли эта задача блокером для моей работы или работы команды?
Неопределенность не должна парализовать, она становится неотъемлемой частью рабочего контекста. Это требует внутренней устойчивости, толерантности к наличию частичной информации, умения работать с рисками, допущениями и способности принимать решения в условиях неполной информации.
Нейросеть — «второй мозг»
Для современного аналитика нейросеть — это «второй мозг», однако приходится учиться определять, когда можно положиться на нее, а когда следует включить человеческую эмпатию и продуктовый контекст. Появляется новая ответственность: критически оценивать то, что сгенерировала модель. Так, если раньше аналитик доверял собственному тексту, который он написал с нуля, то сейчас изначально следует быть скептически настроенным к любому выводу искусственного разума.
Нейросети хорошо справляются с поиском, агрегацией информации и монотонными действиями. Однако мы хорошо знаем, что нейросеть — ответственный, исполнительный, но туповатый работник. Четко следуя сформулированной задаче, модель выдаст ответ, даже когда не знает правильного: придумает несуществующие системы, сошлется на несуществующие стандарты. Такие галлюцинации в контексте аналитической работы дорого обходятся бизнесу.
Мы становимся «метааналитиками». Наша роль эволюционирует от разработки артефакта к постановке задачи через промпт. Мы не тратим время на сочинение текста, а думаем о том, какие правильные вопросы следует задать системе.
Я редко использую нейросети как «просто чат». Для каждой группы запросов я задаю модели роль, а далее я обогащаю запрос контекстом, формулирую задачу и определяю требования к результату. Первый ответ редко устраивает на сто процентов, поэтому уточняю вводные и ограничения. Важно не начинать каждый раз новый запрос, а последовательно дорабатывать задачу в том же треде. Несколькими итерациями я довожу результат до нужного уровня. Сохраняю удачный промпт в библиотеке и затем переиспользую, добавляя новые ограничения или изменяя задачу.
Системное мышление
Пока системы были изолированными монолитами, а интеграций было мало, и они были простыми, можно было позволить себе думать в рамках одного продукта, экрана или бизнес-процесса. В эпоху распределенных систем высокой связанности, главным для аналитика становится не умение писать подробные спецификации, а способность мыслить системно.
В контексте разработки требований системное мышление помогает видеть продукт не как набор отдельных фич, а как живую систему взаимосвязей. Аналитику крайне важно видеть связи, а не только элементы. Отдельный микросервис прост, сложность появляется на стыках. Например, что произойдет, когда сервис недоступен.
Аналитик, обладающий системным мышлением, опишет не только позитивный сценарий, но и поведение системы на границах, сценарии частичного отказа, подумает о том, кто подписан на событие, и что случится, если оно не придет или придет дважды.
Любое требование теперь затрагивает сразу несколько уровней. Разработчик хочет точный контракт API, тестировщику нужны критерии приемки, владельцу продукта важно понять бизнес-ценность. И это не разные документы — это разные уровни абстракции, разный взгляд на одну и ту же реальность, и аналитик должен понимать их все и уметь переключаться между ними.
Системное мышление учит видеть иерархию и зависимость систем и использовать уровни абстракции для управления сложностью. Низкий уровень описывает элементы и их поведение, самый высокий — динамику в целом. Хороший аналитик отличается от плохого не тем, что знает больше всех деталей, а тем, что умеет структурировать хаос, выделять главное и делать сложные системы понятными для разных участников процесса.
Сложность современных систем растет быстрее, чем способность человека ее осознавать. Поэтому системное мышление становится не просто полезным навыком, а профессиональной опорой. Оно помогает видеть причинно-следственные связи, находить скрытые зависимости, управлять сложностью системы и коммуницировать на разных уровнях с разными заинтересованными лицами.
Я изучала и тренировала системное мышление по материалам «Школы системного мышления» Анатолия Левенчука. Также решала задачи, которые позволяют не только познакомиться с теорией, но и формировать навык системного взгляда.
При этом системное мышление — абстрактно сформулированное умение. Его невозможно «оцифровать» или измерить четким критерием. Его можно развивать бесконечно, но не получится поймать момент, когда ты вдруг начал мыслить системно.
Что в профессии осталось неизменным
При всем сказанном — суть профессии не изменилась.
Аналитик по-прежнему помогает команде понять, что именно нужно построить и почему. Это требует умения задавать правильные вопросы, слышать ответы, структурировать смысл и передавать его тем, кто будет воплощать продукт в жизнь.
Фундаментальные принципы, описанные в классических трудах по бизнес-анализу и системному анализу, по-прежнему актуальны, задают правильную систему координат и формируют основу, но на нее теперь накладывается новый контекст.
Мы по-прежнему работаем с неопределенностью, превращая ее в определенность — просто теперь неопределенности стало значительно больше: она меняется быстрее, и набор инструментов для работы с ней расширился. Вместе с этим интеллектуального ресурса аналитика тоже требуется больше, а значит, важно умение оптимально и эффективно его использовать. Ценность аналитика по-прежнему определяется качеством его мышления.