Что не приемлешь в работе?

Что я не приемлю в работе

Честный разговор о красных флагах

За 10+ лет я научился распознавать, что меня демотивирует и что я не готов терпеть. Расскажу откровенно.

1. Игнорирование данных ("Я знаю интуитивно")

Что это:

Когда лидеры или stakeholders принимают решения на основе gut feeling, а не на основе данных. И когда ты приносишь анализ, который противоречит их мнению, они игнорируют твою работу.

Пример из жизни:

Лидер: "Я уверен, что нужно повысить цену на 20%"
Мне: "Но данные показывают, что price elasticity -1.5, это приведет к потере 30% выручки"
Лидер: "Нет, я это чувствую. Сделаем."

(месяц спустя: выручка упала на 28%)
Лидер: "Данные вводят в заблуждение"

Почему это неприемлемо:

• Я трачу время на анализ, который игнорируют
• Компания теряет деньги на плохих решениях
• Мой профессионализм не уважают

Что я ищу: Компанию, где лидеры слушают данные и готовы менять мнение.

2. Бесконечные "просто быстрые" запросы без контекста

Что это:

Постоянные ad-hoc запросы:

• "Сколько юзеров вчера?"
• "Сколько выручки?"
• "А по категориям?"
• "А по странам?"
• "Еще добавь регионы"

Без попытки понять, для чего это нужно.

Проблема:

09:00 - Начинаю работать над важным проектом
09:15 - Приходит запрос "Выручка за вчера?"
09:20 - Отправил ответ
09:25 - "А давай я буду видеть это ежедневно в дашборде?"
09:30 - Начинаю строить дашборд
11:00 - Дашборд готов, но уже потеряно 2 часа

Почему неприемлемо:

• Нет стратегии, только реактивность
• Не растешь как профессионал
• Настоящие важные проекты откладываются

Что я ищу: Self-service BI, где люди сами смотрят дашборды. А я занимаюсь стратегическими вопросами.

3. Слабое качество данных, которое не исправляют

Что это:

Данные грязные, но компания не инвестирует в их качество. Ты постоянно борешься с ошибками.

Реальный пример:

-- Запрос который я пишу каждый день
SELECT 
  user_id,
  CASE 
    WHEN source = 'null' THEN NULL
    WHEN source = 'NULL' THEN NULL
    WHEN source = '' THEN NULL
    WHEN source = 'undefined' THEN NULL
    ELSE source
  END as source_clean,
  -- И еще 20 таких очисток...
FROM events

Места, где я это видел:

• Разные разработчики логируют события по-разному
• Нет стандарта именования колонок
• NULL и 'null' используются как синонимы
• Данные с 3 лет назад имеют другой формат

Почему неприемлемо:

• 80% времени на очистку вместо анализа
• Результаты неточные (нельзя доверять)
• Ничего не меняется (Data Engineering не считают важным)

Что я ищу: Компаний, где есть Data Engineer'ы, которые заботятся о качестве.

4. Отсутствие экспериментирования

Что это:

Когда A/B тесты считают "пустой тратой времени" или делают "экспресс-тесты" в течение дня.

Пример:

Продакт: "Новая фича точно будет работать!"
Мне: "Давайте запустим A/B тест на неделю?"
Продакт: "Неделю? Мы за день это запустим!"
(через 3 дня фича работает плохо, но уже развернута всем)
Продакт: "Хм, оказывается все сложнее"

Почему неприемлемо:

• Нет культуры научного подхода
• Компания теряет деньги на плохих фичах
• Нельзя расти как аналитик

Что я ищу: Культуру экспериментирования и evidence-based decision making.

5. Микроменеджмент ("Сделай это так, а не иначе")

Что это:

Когда босс говорит не только ЧТО нужно сделать, но и КАК, шаг за шагом. Нет свободы в выборе методологии.

Пример:

Босс: "Напиши код на Python, используй Pandas, выведи в Excel"
Мне: "Но там 50 млн строк, Python и Pandas будут медленно. Можно SQL?"
Босс: "Нет, я сказал Python"
(результат: скрипт работает 8 часов, Excel падает)
Босс: "Почему это так долго?"

Почему неприемлемо:

• Нельзя предложить лучшее решение
• Чувствуешь себя исполнителем, а не профессионалом
• Отсутствует развитие

Что я ищу: Доверие к профессионализму, свобода выбора инструментов.

6. Отсутствие обратной связи на результаты

Что это:

Ты пишешь анализ, отправляешь дашборд, но никогда не узнаешь:

• Использовал ли его кто-то?
• Помог ли он принять решение?
• Что случилось дальше?

Реальный сценарий:

Мне: "Я нашел, что за последние 90 дней retention упал на 10%"
Босс: "Спасибо" (не смотрит)
Я: "Это из-за изменения в app, которое вы развернули"
Босс: "Ладно, спасибо"
(никаких действий, не уверен помог ли мой анализ)

Почему неприемлемо:

• Нет понимания impact'а
• Работаешь в пустоту
• Сложно мотивировать себя

Что я ищу: Компании, где анализ ведет к действиям, и ты это видишь.

7. Избыток метрик, но нет понимания

Что это:

"Давайте отслеживать ВСЕ" культура:

• 500 метрик в дашборде
• Никто не знает какие критичные
• Alerts за все подряд
• Все панику вызывает

Проблема:

Дашборд показывает 500 метрик
Vanity metrics: пользователей 1M (звучит красиво, но не важно)
Критичные метрики: почти не видны

Все орут:
"Посмотрите! Метрика X упала на 1%!"
И мы 8 часов ищем почему

Почему неприемлемо:

• Noise вместо signal
• Сложно найти реальные проблемы
• Anxiety из-за false alarms

Что я ищу: OKR'ы и понимание, что важно (3-5 ключевых метрик).

8. Политика вместо меритократии

Что это:

Решения принимаются на основе статуса, а не фактов.

Мне (data): "Вот анализ, стратегия A лучше"
Старший вице-президент: "Я против"
Политика: Выбирают стратегию B

(результаты: A выиграла бы на 50M, B потеряла 10M)
Владелец компании потом: "Почему результаты плохие??"

Что я ищу: Культуру, где лучший аргумент побеждает, независимо от звания.

9. Изменение приоритетов каждую неделю

Что это:

"Давайте переделаем все" каждый понедельник.

Понедельник: "Нужен анализ customer churn"
Вторник: "Стоп, нужен анализ pricing"
Среда: "Стоп, нужен анализ new feature adoption"
Четверг: "Стоп, вернемся к churn"

Результат: ничего не закончено

Что я ищу: Стратегический план на квартал с четкими приоритетами.

10. Неуважение к аналитике как профессии

Что это:

• "Аналитика — это просто работа Excel"
• "Может это сделать junior за деньги junior'а?"
• "Данные не нужны, интуиция работает"
• Аналитика рассматривается как support функция

Реальные фразы, которые я слышал:

"У тебя же легкая работа, просто смотришь в Excel"
"Почему аналитика стоит дорого? Это же не разработка"
"Может это сделает стажер?"
"Нам не нужны данные, мы знаем что делать"

Что я ищу: Уважение к данным и аналитике как к стратегической функции.

Мой идеальный работодатель — противоположность

✅ Слушает данные и действует ✅ Self-service BI, я работаю над стратегией ✅ Качество данных в приоритете ✅ Культура экспериментирования ✅ Доверие к профессионализму ✅ Видна обратная связь и impact ✅ Понимание: 3-5 ключевых метрик > 500 тщетных ✅ Лучшие идеи побеждают, независимо от статуса ✅ Долгосрочное видение и планирование ✅ Уважение к аналитике как дисциплине

Честное заявление

Я могу работать в несовершенных условиях. Но я не хочу работать где:

• Мою работу игнорируют
• Нет развития
• Нет смысла

Лучше быть в компании среднего уровня, где ценят аналитику, чем в крутой компании, где она считается пустой тратой.