惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

S
Security Affairs
S
Schneier on Security
N
News | PayPal Newsroom
T
Threatpost
Cloudbric
Cloudbric
H
Heimdal Security Blog
Recent Commits to openclaw:main
Recent Commits to openclaw:main
Google Online Security Blog
Google Online Security Blog
D
Darknet – Hacking Tools, Hacker News & Cyber Security
Spread Privacy
Spread Privacy
V
Vulnerabilities – Threatpost
The Last Watchdog
The Last Watchdog
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
L
LINUX DO - 最新话题
P
Proofpoint News Feed
C
CXSECURITY Database RSS Feed - CXSecurity.com
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
Apple Machine Learning Research
Apple Machine Learning Research
NISL@THU
NISL@THU
Application and Cybersecurity Blog
Application and Cybersecurity Blog
The Hacker News
The Hacker News
O
OpenAI News
人人都是产品经理
人人都是产品经理
C
Cyber Attacks, Cyber Crime and Cyber Security
C
Check Point Blog
C
Cisco Blogs
GbyAI
GbyAI
J
Java Code Geeks
L
LangChain Blog
I
Intezer
T
Tailwind CSS Blog
有赞技术团队
有赞技术团队
MyScale Blog
MyScale Blog
美团技术团队
The Register - Security
The Register - Security
Help Net Security
Help Net Security
WordPress大学
WordPress大学
Y
Y Combinator Blog
T
Tor Project blog
M
MIT News - Artificial intelligence
爱范儿
爱范儿
TaoSecurity Blog
TaoSecurity Blog
V
Visual Studio Blog
T
Threat Research - Cisco Blogs
P
Palo Alto Networks Blog
月光博客
月光博客
T
Tenable Blog
S
Securelist
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
D
DataBreaches.Net

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Почему ваша HR-аналитика бесполезна и как научиться задавать вопросы, спасающие бюджет
Natalia_Prok · 2026-05-01 · via Все публикации подряд на Хабре

Уровень сложностиПростой

Время на прочтение4 мин

Охват и читатели759

Мнение

Всем привет!

Меня зовут Прокопович Наталья, я руковожу направлением зарплатной аналитики в Сбере и работаю на стыке HR, данных и бизнеса. Также являюсь амбассадором исследовательских подходов в people analytics. Еще преподаю в МГИМО и пишу о том, как превращать данные в практические решения для бизнеса. Сегодня поговорим о базе вопросах, с которыми к нам приходят.

Многие современные компании напоминают адептов карго-культа: они возводят алтари из BI-систем, приносят в жертву миллионы на сбор метрик и рисуют дашборды, надеясь, что боги эффективности ниспошлют им правильные решения. В целом, компании продолжают принимать катастрофические решения не потому, что у них «мало данных», а потому, что они используют аналитику как «одеяло безопасности», пытаясь легитимизировать интуицию руководства вместо того, чтобы заниматься реальным исследованием.

Как раз HR-аналитика - это не отчеты. Это процесс принятия качественных управленческих решений.

В основе практически любой аналитической неудачи лежит «плохой вопрос». Если вы неправильно определили проблему на старте, никакие нейросети и продвинутая статистика не спасут ваш бюджет, который вы потратили.

Ошибка №0: Почему математика не спасет плохой вопрос

В методологии доказательного менеджмента (Evidence-Based Management) аналитика - это строгая цепочка. Но, вопреки линейным представлениям новичков, это итеративный процесс с внутренними циклами:

  1. Вопрос (постановка «отвечаемого» вопроса - answerable question).

  2. Гипотезы (пространство альтернативных объяснений).

  3. Данные (сбор под конкретные задачи).

  4. Анализ (проверка гипотез).

  5. Вывод (интерпретация).

  6. Решение (управленческое действие).

Ошибки аналитики очень часто возникают не в математике, не в статистике и не в BI, а на самом первом этапе - когда организация неправильно определяет, что именно она хочет понять.

Принцип «Неправильный вопрос → Неправильное решение» означает, что аналитик, покорно взявший в работу сырой запрос, просто помогает организации быстрее и дороже совершить ошибку.

Ловушка «Сырого запроса»

Профессиональный аналитик не «берет задачу в работу». Он проводит деконструкцию. То, что менеджеры называют «задачей», обычно является «сырым управленческим запросом» - смесью тревоги и политики.

Каждый такой запрос содержит пять слоев, которые нужно «распаковать». Приведу гиперболизированный пример:

  1. Симптом: «у нас падает вовлеченность».

  2. Эмоция: паника руководителя из-за цифр в отчете.

  3. Готовое решение: «нам нужен тимбилдинг».

  4. Скрытая гипотеза: «если мы попрыгаем в мешках, производительность вырастет».

  5. Политический интерес: необходимость оправдать расходы перед акционерами.

Когда к вам приходят с фразой «Нам нужно повысить вовлеченность», вы обязаны задать вопросы: «Где именно она падает?», «У кого?», «По сравнению с чем?», «Какое конкретное решение вы планируете принять по итогам?» и, наконец, «Почему это важно для бизнеса именно сейчас?». Без этих границ вы занимаетесь не аналитикой, а «BI-галлюцинациями».

Факт против интерпретации

Интеллектуальная честность аналитика проверяется умением отделять наблюдаемые факты от их субъективной оценки. Любимый опять же гиперболизированный аттракцион - «Молодежь не хочет работать».

  • Факт: У сотрудников до 25 лет текучесть кадров выше среднего показателя по компании.

  • Интерпретация: «Они инфантильны, ленивы и нелояльны».

  • Решение: «Усилить контроль, штрафы и отбор на входе».

Если аналитик соглашается с этой логикой, он просто обслуживает предвзятость подтверждения. Эксперт по доказательному менеджменту обязан выдвинуть альтернативные гипотезы для того же факта, например:

  • Зарплатная вилка не конкурентна именно для этой группы.

  • Система адаптации рассчитана на людей с другим бэкграундом.

  • Стиль «директивный хаос»токсичен для поколения Z.

  • Разрыв между обещаниями рекрутера и реальностью.

Методика «3 гипотезы + 1 критическая»

Чтобы не стать жертвой аналитического театра, используйте методику «3+1». Для любого бизнес-симптома сформулируйте три стандартных объяснения (например: процессы, деньги, люди) и одну «запретную» (критическую) гипотезу.

Шаблон гипотезы: «Если [условие], то [результат], особенно у [группа]».

Критическая гипотеза (H4) - это то, что мы хотим игнорировать. Например: «Они бы все равно ушли, что бы мы ни делали, из-за структурного сдвига на рынке труда». Проверка такой гипотезы требует интеллектуального мужества, так как она может доказать, что планируемое «дорогое вмешательство» абсолютно бесполезно.

Аналитическое айкидо

«Плохой заказчик» по-вашему мнению - это норма. Ваша роль - «профессионализировать» его запрос, используя приемы «аналитического айкидо».

Тип запроса

Как это звучит

Риск для бизнеса

Стратегия «Айкидо»

Решение вместо проблемы

«Нужно повысить вовлеченность»

Аналитика обслуживает случайное действие.

«Какое решение вы примете на основе этих цифр?»

Причина вместо вопроса

«Люди уходят из-за денег»

Игнорируются реальные факторы, бюджет сливается на пересмотры.

«Давайте проверим эту версию как одну из четырех возможных».

Слишком широкий запрос

«Разберитесь с текучестью»

Анализ без границ, «смерть от Excel».

Уточнение сегмента, периода и конкретного бизнес-эффекта.

Политический запрос

«Подтверди, что программа сработала»

Аналитика как инструмент манипуляции.

«Чтобы вывод был устойчив к вопросам заказчика, давайте проверим и альтернативы».

Важный нюанс: В этой игре всегда есть скрытый участник - это рядовой сотрудник, который в итоге испытает на себе последствия вашего «анализа». Если вы ошиблись в вопросе, именно он пострадает от внедрения ненужных KPI.

В общем, я для себя свела первичный бриф почти до 6 вопросов, от которых потом можно сплясать:

  1. Что вы хотите понять или решить?

  2. Какое конкретно управленческое решение будет принято по итогам анализа?

  3. Кто является конечным бенефициаром этого решения?

  4. Каковы границы проблемы (какая группа сотрудников, какой период)?

  5. Какие объяснения (гипотезы) у вас уже есть?

  6. Как мы поймем, что ответ полезен для бизнеса?

Заключение

В аналитике правит принцип "Garbage in → garbage out" . Если на вход подана неверная интерпретация реальности, на выходе вы получите математически безупречное, но абсолютно бесполезное или даже вредное решение.

В следующий раз, когда вам принесут «очевидную причину» или «готовое решение», сделайте паузу. Проявите когнитивную гигиену. Спросите себя: «А какую проблему мы на самом деле решаем, и кто пострадает, если мы ошибаемся?». Возможно, этот вопрос станет самым ценным активом вашей компании в этом году.