Logo
TGCATALOG
Catálogo Selecciones Blog
Control Lab - лаборатория данных

Control Lab - лаборатория данных

Канал о менеджменте, науке о данных и их синергии. Мысли, исследования и наработки.

Sin valoraciones
38
10.09.2026
38
10.09.2026
Sin valoraciones
38
10.09.2026
Redirección segura vía bot
О канале

Канал о менеджменте, науке о данных и их синергии. Мысли, исследования и наработки.

Подписчиков 733
Язык Español
Ссылка t.me/controlcharts
Descripción
📊 Control Quantitative Laboratory — Telegram-канал, где делятся мыслями и исследованиями в области количественного менеджмента и науки о данных. Автор публикует наработки по анализу данных, моделям прогнозирования и интеграции этих дисциплин. 🔬 Основной фокус на синергии менеджмента и data scienc...Leer más ↓Descripción ↑

📊 Control Quantitative Laboratory — Telegram-канал, где делятся мыслями и исследованиями в области количественного менеджмента и науки о данных. Автор публикует наработки по анализу данных, моделям прогнозирования и интеграции этих дисциплин.

🔬 Основной фокус на синергии менеджмента и data science: от оптимизации процессов до AI в бизнесе. Посты включают кейсы, графики, коды и разборы реальных задач, помогая понять, как данные меняют управление.

💡 Идеально для специалистов, интересующихся аналитикой и стратегиями. Регулярные обновления с практическими примерами стимулируют глубокое погружение в тему и применение знаний.

Últimas publicaciones

Control Lab - лаборатория данных
Control Lab - лаборатория данных
🔒Открыть пост
и посмотреть медиа
RICE, ACE, WSJF Какой фреймворк принятия решений используешь ты? Принятие решения - одно из главных задач которыми занимается продукт, управленец При этом в лесу разных фреймворков часто можно увидеть, что какой-либо знакомый набор аббревиатура набор букв фактически работают не так как задумано по той причине, что используются не для той среды для которой придуманы. Примеры RICE Score = (Reach × Impact × Confidence) / Effort - Reach — Сколько пользователей затронет за период - Impact — Насколько сильно повлияет на целевую метрику - Confidence — Уверенность в оценке (отражает способ проверки информации и достоверность которую дает метод) - Effort — Относительная сложность реализации выраженная в положительном исчислении Применяется для Гипотез, и только! Он не подходит для выбора инициатив, которые готовы к тому, чтобы быть запущенными в реализацию. Если уж говорить про инициативы, то тут из известного лучше всего подходит WSJF (Weighted Shortest Job First) используется для приоритизации готовых инициатив (фич) в очереди Delivery. WSJF = Cost of Delay / Job Size - Cost of Delay — Сколько стоит задержка (бизнес-ценность, время на рынок, риск) - Job Size — Оценка объёма работы WSJF — Приоритет (чем выше, тем важнее) Когда исопльзуеться? - Для готовых инициатив (фич) в Delivery - Когда инициативы (фичи) прошли валидацию и готовы к реализации - Когда нужно выбрать, какую фичу делать следующей WSJF в классическом виде предполагает единую очередь для одного стрима. Когда у нас несколько стримов (Desktop, Mobile, Backend), работающих над одной инициативой: Но имеет свои проблемы: 1. Неделимость инициативы. Инициатива уровня E2E требует участия всех трёх стримов. Вы не можете запустить фичу на Mobile, если Backend не готов. 2. Разная скорость стримов Delivery. У каждого стрима свой Throughput, свой Cycle Time. Задача, которая для Backend — 3 дня, для Mobile может быть 2 недели. 3. Конкуренция за ресурсы между инициативами. Если у вас 5 инициатив в бэклоге, и каждая требует участия всех трёх стримов, то вы не можете просто отсортировать их по WSJF и брать сверху. В случае мульти-стримной системе поставки (в Delivery) при этом есть решения Рекомендация: Перед тем как взять инициативу в Delivery, проверить доступность всех необходимых стримов. Если хотя бы один стрим перегружен — инициатива не стартует, а ждёт освобождения. Бэклог Delivery сортируется по WSJF, но старт инициативы происходит только при готовности всех стримов. - Ввести WIP-лимиты на уровне «количество одновременных E2E-инициатив», а не на уровне отдельных стримов. Например: не более 3 инициатив одновременно в Delivery. - Использовать узкое горлышко как драйвер расписания. Если Backend — узкое горлышко, то приоритизировать бэклог Delivery по тому, что максимально загружает Backend ценной работой. - Для квартального планирования — метод критической цепи, если у вас фиксированный набор инициатив на квартал. Если же разложить на какую-то простую понятную форму, когда что использовать, то можно представить так: - Value vs Effort (ICE) — Базовая приоритизация - RICE — Гипотезы в Discovery - WSJF — Готовые фичи в Delivery - WSJF + WIP-лимиты — Мультистримная среда (Delivery) Конечно, если вы переходите к использованию более автоматизированных систем, где за приоритизацию может отвечать машина, то стоит рассмотреть подробнее о том, что такое Симплекс Метод, который является более универсальным походом, и наиболее качественно решает проблему упаковки и получения максимального Value. --- Из интересного, это то, что WSJF наиболее близок к теории игр В теории игр используется метод Неймана–Моргенштерна (Neumann–Morgenstern), который позволяет оценить ожидаемую полезность для каждого игрока в сложной игре. Как можно связать с теорией игр? Шаг 1. Определите «полезность» для вашего продукта Полезность — это не просто деньги. Это может быть: - Бизнес-ценность (рост конверсии, удержание, выручка), - Стратегическая важность (выход на новый рынок), - Снижение рисков (техдолг, безопасность), - Удовлетворённость ключевых клиентов. Шаг 2. Оцените неопределённость по каждой задаче Для каждой user story или фичи оцените несколько сценариев по времени и результату: - Оптимистичный (всё гладко) — вероятность, время, полученная ценность, - Наиболее вероятный, - Пессимистичный (всплыли подводные камни). Шаг 3. Примените функцию полезности с учётом отношения к риску Команды часто избегают задач с большим разбросом (рискованных), даже если их ожидаемая ценность высока. Фон Нейман–Моргенштерн позволяют ввести выпуклую/вогнутую функцию (например, логарифмическую), чтобы отразить вашу толерантность к риску. Пример: - Если вы стартап, готовы рисковать — функция линейная. - Если продукт в стабильной фазе, штрафуете пессимистичные сценарии (вогнутая функция). Вместо сложных формул на практике часто используют «взвешенный по риску» приоритет: вычитаете из ценности, скажем, 10% за каждый день отклонения сверх ожидаемого. Шаг 4. Решите задачу оптимизации на итераци...
Control Lab - лаборатория данных
Control Lab - лаборатория данных
🔒Открыть пост
и посмотреть медиа
Не дня без ИИ. И так, как вы оценивате на сколько вам ИИ помог в достижении результата? Или вы теперь стали делать больше задач но не целевых?
Control Lab - лаборатория данных
Evolución de suscriptores
+0.1% últimos 30 días
Actuales
733
Hace un mes
732
Crecimiento medio
+0 / día
Actualizado
hace 20 horas

Reseñas de canal Control Lab - лаборатория данных

Inicia sesión para dejar una reseña

Solo los usuarios registrados pueden compartir su opinión.

Aún no hay reseñas

¡Sé el primero en compartir tu experiencia con este recurso!

Recursos similares

VulnerabilidadGestión - seguridad

VulnerabilidadGestión - seguridad

Telegram-инструменты
744

Gestión de la vulnerabilidad, conformidad y automatización.

Canal
세나 리서치- tendencias de los ingresos

세나 리서치- tendencias de los ingresos

Telegram-инструменты
29

Ingresos por tendencias: criptograma, inversiones, análisis de mercado.💰📈

Canal
3 PM - Gestión de Proyectos

3 PM - Gestión de Proyectos

Telegram-инструменты
25

Notas de producto de los gerentes, análisis PMP, experiencia Lyft, Stripe.IBMpara los gerentes de productos.

Canal
Cambiar a tema claro
Inicio Catálogo Selecciones Blog Entrar