У каждого, кто побывал хотя бы на десяти собеседованиях, есть несколько стереотипов об этих встречах. Они касаются HR-менеджеров, вовлеченности специалистов, условий, требований, критериев принятия решений. Есть распространенное мнение, что чаще всего место получает кандидат с самым большим опытом и минимальными требованиями, а не тот, кто блестяще справился со всеми вопросами и тестами. Но на деле все не совсем так. Далее поговорим о том, чем вы можете отпугнуть работодателя, даже продемонстрировав незаурядный ум.

Нет контакта

Есть две потенциально проигрышных линии поведения:

1. Спрашивайте — я отвечу. Если бы специалист хотел принять решение, основываясь на резюме, ответах на вопросы и результатах тестов, зачем было бы организовывать личную встречу?
2. Презентация себя. У интервьюера много работы, в том числе с другими кандидатами, так что не надо тратить его время и выдавать длинные истории о своем опыте в ответ на каждый вопрос.

Ваша задача на собеседовании — максимально расслабиться и забыть, что от человека напротив может зависеть ваше будущее. Отчасти за это отвечает HR-менеджер, но и от вас многое зависит. Шутки, свободные (но приличные) позы, улыбки, мимика, жестикуляция — все это поможет. Собеседник рассматривает вас как часть своей команды, а это означает, что простота общения может сгладить технические помарки.

Тренинг: самый верный способ научиться устанавливать контакт с рекрутерами и не делать ошибок на собеседовании — опыт. В поисках новой работы не ограничивайтесь одним-двумя собеседованиями — ходите на столько, сколько позволяет время. Второй полезный тренинг — посещать профессиональные ивенты: семинары, конференции, встречи. Общение с незнакомыми коллегами избавит вас от комплексов и здорово поможет в профессиональном развитии.

Постоянная неуверенность

Плохо, когда кандидат на собеседовании допускает глупые ошибки. Но еще хуже, если он будет допускать следующую типичную ошибку на собеседовании - любую свою мысль ставить под сомнение. Если претендент через слово добавляет «наверное», «возможно», «скорее всего», «думаю, да», «может быть» — специалист будет воспринимать это как бесконечную череду «не знаю». Последнее, чем хочется заниматься на собеседовании, — играть в шарады и игры разума. Так что даже кандидат с плохим образованием расположит в себе больше, чем вечно неуверенный в себе человек.

Тренинг: причина неуверенности редко находится в профессиональной области, куда чаще это психологическая проблема более общего плана. Достаточно следить за своей речью и понять наконец, что нести ответственность за ошибочные решения куда проще, чем кажется.

Неумение оперировать неизвестным

У каждой компании своя специфика, поэтому логично, что специалисты не ждут от соискателей, что они знают все. Иногда работодатель сознательно в вакансии не пишет все необходимые инструменты, языки, смежные дисциплины — чтобы не отпугнуть хороших кандидатов. Акцент делается на том, как соискатель на собеседовании сможет оценить свои силы.

Худший вариант, как основная ошибка на собедовании — ложь, даже с расчетом изучить предмет до начала работы.

Не стоит и пренебрегать сложностью неизвестных вам дисциплин и инструментов. Рекрутеров настораживают соискатели, которые хоть и не врут, но акцентируют внимание на несерьезности упущения и обещают получить уровень «мастер» к первому рабочему дню.

Лучше всего не только признаться, что вы чего-то не знаете, но и попытаться спрогнозировать время на расширение знаний. Сделать это можно двумя способами:

1. Спросить у интервьюера, сколько может занять освоение материала до требуемого уровня и насколько предмет можно изучить в процессе работы. Не лучший вариант, зато защищает вас от головной боли и бессонных ночей.
2. Сделать прогноз, исходя из собственного опыта. Например, от вас требуется знание Python. Вы в курсе, что синтаксис языка относительно простой. Значит, двух недель точно хватит для освоения базовых возможностей на практике. Еще минимум неделя уйдет на начальное знакомство с библиотеками и еще столько же — на специфику применения. Так что можете сказать интервьюеру, что вам потребуется от трех до пяти недель, чтобы достигнуть минимально достаточного уровня.

Тренинг: достаточно завести простую привычку — постоянно изучать что-то новое в профессии. Ставьте себе напоминалки, коллекционируйте полезные сайты и книги в закладках браузера. Вы сами не заметите, как вскоре достаточно точно научитесь определять время, которое потребуется вам на изучение нового материала.

Проблемы с мягкими навыками

Soft skills — это множество смежных факторов, которые делают вас ценным сотрудником: тайм-менеджмент, обучаемость, стрессоустойчивость, работоспособность, креативность, коммуникабельность и так далее. Писать об этом в резюме уже просто неприлично (если только у вас нет подтверждения в сертификатах), но продемонстрировать на собеседовании — отличная идея.

Проблема в том, что слишком часто кандидаты опаздывают на встречи, приходят неопрятными, не берут с собой записную книжку и ручку, забывают отключить звук на телефоне, — список можно продолжать бесконечно. Все это не только раздражает интервьюера, но и заставляет сделать выводы о совместной работе в перспективе. Уж если человек не способен показать уважение и дисциплину в первые полчаса знакомства, стоит ли вообще иметь с ним дело?

Тренинг: не нужен. Достаточно головы на плечах.

Отсутствие интереса к месту

Речь не о том, что перед собеседованием надо изучить историю компании, ее достижения и прочитать все отзывы. Хотя это не будет лишним. Собеседующему важно понять и услышать, почему вы пришли устраиваться именно на это место, какие у вас цели, требования и пожелания вне финансового аспекта. Когда у соискателя нет ни единого вопроса по условиям труда, возникает ощущение, что у него это собеседование «для галочки» или он сбежит при первой возможности. Логично, что в такой ситуации работодатель обратит внимание на более критичных людей.

Тренинг: возьмите за правило раз в один-два месяца пополнять и обновлять профессиональные планы — краткосрочные задачи по текущим проектам и цели-мечты. Если будете придерживаться плана, уже к концу первого года сформируете четкое понимание, в чем вы хороши, где хотите работать и на каких условиях.

Как видите, есть минимум пять причин, почему даже блестящие ответы на все вопросы могут не произвести впечатления на HR-менеджера и специалиста на техническом интервью. Учитывайте их, и «страшные» собеседования для вас станут возможностью интересно провести время и заполучить отличную работу.

Студенты GeekUniversity соревнуются в разработке наиболее успешной модели ИИ на Python. Правда, бояться бунта машин рановато: все, что модели умеют — это предсказывать цены на недвижимость. О том, как проходят эти соревнования, почему для обучения ИИ используется язык программирования Python и о других интересных вещах нам рассказал специалист по Data Science Сергей Ширкин. Сергей имеет богатый профессиональный опыт в сфере финансов и IT, а в настоящее время работает в маркетинге и является деканом факультета искусственного интеллекта в GeekUniversity. 

— Сергей, что студентам дает курс «Python для Data Science»? Что они изучают? 

— В первую очередь курс дает представление об основных программных библиотеках для языка Python, которые используются в Data Science, а также помогает освоить базовые приемы работы с ними. Речь идет о библиотеках NumPy, Pandas, Matplotlib, Seaborn, Scikit-learn. Это основные библиотеки для обработки данных, математических алгоритмов и построения моделей. 

С помощью этих библиотек уже можно создавать работающие модели искусственного интеллекта. Чтобы успешно работать с ИИ, необходимо знать библиотеки и уметь пользоваться ими, поэтому их изучение — важный этап в подготовке будущих Data Scientist’ов. 

— Почему именно Python? В чем его преимущества в работе с ИИ и Data Science?

— Python — достаточно простой для изучения, но при этом чрезвычайно мощный язык. Кроме того, он является интерпретируемым, то есть отдельные команды преобразуются в исполняемый код непосредственно в процессе выполнения программы. Это несколько замедляет работу программ (в отличие от тех, что написаны на компилируемых языках), но зато позволяет запускать их без предварительной компиляции, как в Java или C++. Отдельные команды можно запускать прямо из среды разработки. Мы используем пакет Anaconda с Jupyter Notebook — этот софт дает дополнительные преимущества в работе с табличными данными, позволяет запускать команды и строить графики в ячейках данных, в целом облегчает работу. 

Правда, у Python в Data Science и области обработки данных есть один конкурент — это язык R. Он тоже интерпретируемый, также позволяет запускать отдельные команды из командной строки и строить графики, обладает удобной средой разработки. Но его минус в том, что разработанные на R программы сложно использовать для промышленных решений. К тому же он довольно специализированный, ориентированный в основном на статистические вычисления. Python лишен такого недостатка: это полноценный, универсальный язык программирования, а разработка ИИ на Python уже не представляется сном, как это было раньше. Сегодня даже наблюдается «миграция» специалистов с R на Python — а в обратную сторону такого движения не происходит. 

Наконец, для Python создано множество программных библиотек, которые упрощают разработку в сфере машинного обучения. Частично они написаны на том же Python, частично — на C++, они удобные, быстрые и непрерывно развиваются. Так что, если речь идет об искусственном интеллекте, то сегодня 95 % разработок ведется именно на Python. 

— На курсе вы даете не только теоретические знания, но и практические навыки на примере конкретных задач?

— Да, наши студенты участвуют в своеобразном состязании: создают модель, которая учится прогнозировать цены на недвижимость.

Представьте агентство по продаже недвижимости, у которого есть база данных по квартирам, выставленным на продажу. Известны их характеристики: количество комнат, площадь, этаж. Кроме того, заданы характеристики районов: экологическая обстановка, какие магазины есть поблизости, каковы социальные условия и так далее. Цены некоторых квартир известны, а других — нет. 

По совокупности этих признаков строится модель, которая учится предсказывать цены на квартиры. Ее задача — проанализировать данные о жилье, для которого стоимость указана, и выявить закономерности в ценообразовании. Затем модели предлагается контрольный набор данных, в котором отсутствует информация о ценах (эти данные есть только у преподавателя). Результаты работы модели — предсказанные цены на недвижимость — сравниваются с реальными. Чем точнее полученные цифры, тем выше качество работы модели.

Мы уже подвели итоги соревнования, и первые места в своих группах заняли Сергей Кабанов, Михаил Донченков, Арминэ Мороз и Рашид Исхаков. Студенты отлично поработали! 

Кстати, построение удачной модели — не просто хорошее достижение, но и большое преимущество. Студенты, модели которых попали в топ, могут стать наставниками в GeekUniversity — помогать другим группам и потокам с предметом, который сами хорошо освоили. Наставничество позволяет не только поделиться знаниями, но и отточить навыки, глубже разобраться в предмете, поднять собственный уровень. Кроме того, это помогает подготовиться к собеседованиям при трудоустройстве.

— По завершении этого курса уже можно пытаться устраиваться на работу?

— Да, у нас есть студенты, которые окончили этот курс, разместили резюме на сайтах вакансий, и некоторым из них почти сразу прислали приглашения. Конечно, полученных знаний еще недостаточно, чтобы браться за любые проблемы. Но вполне можно решать задачи вроде нашей — такие, где требуется анализ табличных данных, прогнозирование результата. Студент, окончивший курс создания ИИ на Python, сможет воспользоваться теми же методами, чтобы построить аналогичные модели. 

Курс дает не только быстрые знания о библиотеках, но и навыки для реальной работы. Человек быстро входит в курс дела и попадает в рабочую обстановку. Студенты практически с минимальными знаниями приходят на курс, а через месяц уже строят работоспособные модели. 

— Что еще может оказаться преимуществом при трудоустройстве?

— Многие работодатели приветствуют, если соискатель на должность Data Scientist участвовал в соревнованиях и конкурсах. Большой плюс — участие в конкурсах Kaggle (примечание GB: kaggle.com — это веб-сообщество, в котором участники могут взяться за решение практических задач в сфере машинного обучения и искусственного интеллекта, например: за распознавание рукописного текста, анализ изображений, прогнозирование транзакций клиентов и подобных. За победу в состязании зачастую предусмотрены крупные денежные призы). Причем преимуществом является уже сам факт участия в конкурсе. Победить там достаточно сложно, так как участников всегда много. Даже войти в первые 10 % — это уже огромное достижение. Далеко не все специалисты, уже работающие в Data Science, принимали участие в конкурсах Kaggle!

Конечно, чтобы участвовать в состязании Kaggle, нужно знать библиотеки для Data Science и уметь пользоваться ими — в том числе теми, которые мы изучаем на курсе. Библиотек много, мы осваиваем здесь самые основные и востребованные. Вряд ли с полученными знаниями студент сможет создать модель для анализа текста или распознавания изображений (мы проходим это на факультете позже). Но работать с табличными данными он будет готов. Некоторые из наших студентов по окончании курса отправились на Kaggle и приняли участие в конкурсе (результат мне неизвестен, но сам факт — уже знаменательный). 

— Где сегодня востребован Data Scientist? 

— Практически во всех сферах. Преимущество специалиста по Data Science в том, что он сможет использовать свои навыки везде: например, сначала поработать в финансовом секторе, а потом с легкостью перейти в маркетинг — не потребуется изучать его с нуля, так как глубокие профильные знания не нужны. Принципы построения моделей универсальны, технологии работают везде одинаково, библиотеки используются одни и те же. Знания о предметной области, конечно, будут очень полезны, но их можно получить уже по ходу работы.

Специалисты по Data Science востребованы сегодня в ритейле, телекоме, у операторов связи, в создании поисковых систем, в промышленности и нефтяной отрасли. Специалист может попробовать себя в совершенно разных сферах. Поработал в продажах, захотелось нового — занялся компьютерным зрением или обработкой естественного языка. У нашего выпускника много дорог! 

Заработок специалиста в крупных городах начинается примерно от 70 тысяч рублей в месяц. Это средняя зарплата спеца по Data Science на Python и Machine Learning, у которого нет опыта работы. Через год-два можно найти более прибыльное место. С тремя годами опыта человек может рассчитывать на зарплату в 200 тысяч, с пятью — 250 и более. 

— Какие знания нужны для учебы на курсе?

— Потребуются основы программирования на Python. Еще надо уметь находить производные, иметь понятие о матрицах, векторах — но глубокого погружения в математику на этом курсе у нас нет. Мы не объясняем здесь работу с алгоритмами, даем только самое общее представление. В последующих курсах будем изучать математический анализ, линейную алгебру, статистику и все то, что необходимо для подробного разбора алгоритмов, а также сами алгоритмы машинного обучения, нейронные сети и многое другое.

— Спасибо за интересный рассказ! Желаем вам новых успехов, а студентам — побед и больших достижений!

Сегодня расскажем о RAD — Rapid Application Development, или быстрой разработке приложений. 

Меньше слов, больше дела! 

Идея RAD зародилась в 1980-х годах как альтернатива устаревающей методологии Waterfall, о которой мы уже писали. Каскадная модель программирования уже тогда воспринималась как перегруженная формальностями и недостаточно гибкая. Заказчик выдавал разработчику техническое задание и не видел результата до тех пор, пока программа не «сходила с конвейера» уже готовой, — и ожидания пользователя зачастую не оправдывались. Продукт мог оказаться слишком сложным, неудобным, а мог и устареть за время разработки. 

В каскадной модели на ранних этапах работы проводится тщательное планирование, но это не помогает предусмотреть все риски и сложности. Поэтому проект дорожает, а время — уходит впустую.

В 1988 году американский инженер-программист Барри Боэм (Barry Boehm) опубликовал статью «Спиральная модель разработки и совершенствование программного обеспечения», в которой предложил создавать не цельную программу, а выпускать ряд прототипов, каждый из которых содержит дополнительную или расширенную функциональность по сравнению с предыдущим. Пользователь может изучить и попробовать в деле каждый прототип. Получая обратную связь, разработчик дорабатывает приложение, пока заказчик не получит готовый продукт, который полностью его устраивает.

Идея оказалась перспективной. Ее проработал специалист IBM Джеймс Мартин — в 1991 году вышла его книга «Быстрая разработка приложений» с изложением оригинальной методики применения RAD или Rapid Application Development. Спустя два года Джеймс Керр и Ричард Хантер написали книгу «Внутри RAD: как построить полностью функциональную систему за 90 дней или меньше», где проанализировали подводные камни и возможности, которые они выявили при планировании и реализации успешного проекта RAD.

Эти книги заложили фундамент для практического применения RAD, и с тех пор эта методология остается в арсенале IT-разработчиков.

Нарисуйте мне программу

Плохие программы, не отвечающие потребностям пользователей, появляются потому, что заказчик и разработчик по-разному понимают задачу. Даже если будущий пользователь заранее составит подробное техническое задание и напишет спецификации, все равно остается шанс, что программист поймет их не так, как предполагалось. Пользователь и разработчик смотрят на программу с разных сторон: снаружи и изнутри. Заказчик зачастую хорошо понимает, что именно он хочет получить, но не очень ясно представляет, как этого достичь. Программист, напротив, отлично разбирается в устройстве программы, но не имеет четкого представления, что нужно пользователю.

RAD предлагает вести разработку так, чтобы заказчик мог увидеть практические результаты на самых ранних этапах — и скорректировать техническое задание, если это будет необходимо. Очередной цикл разработки начинается не раньше, чем пользователь оценил результаты предыдущего. 

Изначально программист создает приложение в черновом варианте. Это могут быть наброски интерфейса и несколько пунктов меню. Если заказчика устраивает первый прототип, программа дорабатывается: добавляются новые элементы интерфейса, функциональность. С каждой итерацией приложение обрастает возможностями, и пользователь постоянно уточняет требования и задает вектор развития. 

Методологию быстрой разработки RAD можно сравнить с работой художника. Сначала живописец делает эскиз. Потом создает черновой вариант картины. Затем он начинает прорабатывать элементы, добавляет детали, исправляет недочеты. Разумеется, не каждый заказчик способен по первому наброску представить себе, как будет выглядеть готовая картина, — возможно, он вообще не имеет понятия о перспективе или композиции. Но по крайней мере художнику не придется переписывать весь холст — ведь к завершению работы уже не окажется, что клиент перепутал натюрморт с пейзажем: «Нет-нет, я имел в виду сельский вид, а не корзину с фруктами!» Куда проще внести исправления в эскиз, чем в завершенное полотно.

RAD гарантирует, что в результате заказчик получит именно то, что ему нужно, — если в ходе разработки он последовательно одобрял каждый шаг, добавленные в проект детали и функциональные модули. 

Быстро, качественно, дешево — выберите три из трех

Три кита, на которых покоится RAD, — это скорость разработки, качество программного кода и дешевизна. Да, это та самая методология, которая предлагает не выбрать два пункта из трех, а получить все сразу.

Почему быстро?

Методология RAD требует, чтобы работающие прототипы создавались максимально часто. Продолжительность одного производственного цикла — от выработки требований до демонстрации пользователю (то есть одной итерации) — от одного дня до трех недель.

Во многих случаях разумным вариантом будет разделить приложение на функциональные модули, каждый из которых можно создавать и тестировать отдельно. Модули разрабатываются параллельно разными командами, но по общей схеме: от простых прототипов к более сложным, с регулярным контролем со стороны заказчика. В конце работы или каждой итерации модули соединяют в цельное программное решение. 

Полезны инструменты автоматизации разработки — они помогают переводить пожелания пользователя в формализованные требования и спецификации, на основании которых формируется модель программы.

Почему качественно?

Пользователь может определять, какую функциональность он хочет видеть реализованной в следующей итерации. Постоянное взаимодействие заказчика и разработчика гарантирует, что приложение будет развиваться в нужном направлении, интерфейс будет удобным, а функциональность востребованной. Такая схема избавляет программиста от лишней работы и исключает ситуации, когда часть программы приходится переделывать с нуля из-за неверно понятых вводных.

Почему дешево? 

Деньги — странный предмет: вот они есть, а вот их нет. Бывает, что их не хватает, и приходится прерывать разработку, когда написана еще далеко не вся запланированная функциональность. Что получит заказчик в этом случае?

Если разработчик использует методологию Waterfall, то техническое задание и спецификации на программу он получает в самом начале работы. Какую из задач решать в первую очередь, а что оставить «на десерт», решает сам разработчик — при этом не всегда четко понимая, что для пользователя важно, а что не очень. В итоге заказчик, у которого внезапно закончились средства на проект, может получить программу, в которой реализованы второстепенные задачи, но отсутствует ключевая функциональность.

При Rapid Application Development пользователь сам решает, что ему требуется в первую очередь, и постоянно получает все более функциональные прототипы — то есть, фактически, работающие версии программы. Если финансирование внезапно иссякнет — пользователь не останется у разбитого корыта. 

Разработка идет быстро, и заказчик получает программу существенно раньше — а это и экономия финансов.

Инструментарий RAD

Методология RAD еще с конца 1980-х была нацелена на использование новейших технологий ускорения разработки — и этот фокус на инструментах автоматизации по-прежнему актуален. 

Средства автоматизации разработки программ (Computer-Aided Software Engineering), или CASE-инструменты — это программные продукты для проектирования приложений. Такая система позволяет быстро создать модель программы, а затем автоматически сгенерировать программный код. Получается прототип — запускаемый модуль, который можно продемонстрировать заказчику. 

От одноклеточного к развитому: эволюция программы

Разработка приложения по методологии RAD проходит в несколько этапов. 

Первый — анализ и планирование. Здесь определяются цели и задачи проекта — что и для чего будет делать приложение. Совместными усилиями заказчик и разработчик выявляют риски, устанавливают сроки и бюджет, определяют ключевые моменты разработки.

Затем начинается пользовательское проектирование. На этом этапе создается серия работающих прототипов программы. Каждый очередной прототип отличается от предыдущего дополненной функциональностью, изменениями дизайна и производительности. Процесс создания одного прототипа называется итерацией. RAD не накладывает жестких временных рамок на продолжительность одной итерации, но рекомендует, чтобы она была максимально быстрой. 

В начале очередного цикла разработки заказчик и программист вместе формулируют требования, которым должна соответствовать очередная версия. Преимущество RAD в том, что не надо заранее продумывать каждую мелочь: сначала разрабатывается самая общая концепция, которая на следующих итерациях будет дополняться и уточняться.

Затем в дело вступают программисты. С помощью инструментов CASE они воплощают требования в виде модели, создавая очередной прототип. Его показывают пользователю и получают обратную связь. Уточняя пожелания и требования к программе, заказчик фактически руководит разработкой.

Прототип зачастую создается на скорую руку, только для проверки концепций. Это нормально: если пользователя устраивает новая функциональность и все работает как следует, в следующей итерации разработчик «отполирует» интерфейс и код. Перфекционизм может даже вредить — на очередном этапе любую доработку пользователь может посчитать неудачной. Если программист стремится сразу сделать все идеально, его усилия окажутся напрасными. 

Как только заказчик дал обратную связь, цикл начинается заново. Вырабатывается план на следующую итерацию. Если пользователя что-то не устроило в прототипе, на новом витке цикла изменения откатывают назад и реализуют альтернативный вариант.

Если заказчик принял прототип — уточняем требования к функциональности, прорабатываем ее более детально, планируем новую. Обговариваем визуальные элементы и интерфейсы.

От прототипа к прототипу программный продукт приобретает вид завершенного приложения. Итерации выполняются, пока не будут реализованы последние требования.

Когда моделирование завершено, начинается конструирование: автоматически сгенерированный код дорабатывается и совершенствуется. 

Финальный этап разработки — переключение. Готовый программный продукт тестируют, развертывают на пользовательских машинах, конвертируют информацию в новый формат или «заливают» в новые базы данных, подготавливают документацию и обучают операторов работе в системе.

Когда мы рады RAD’у, а когда не рады

У методологии RAD есть и преимущества, и недостатки, а также области применения, в которых она показывает себя лучше или хуже. 

Эффективные варианты применения RAD

• Если проект легко делится на независимые или слабосвязанные модули. Разработку в таком случае можно вести параллельно, несколькими командами, каждая из которых будет собирать прототип только одного модуля. В конце итерации или всей работы над программой модули объединяют в цельное приложение. 
• Если требования к программному обеспечению быстро меняются. RAD — отличный выбор, когда заказчик понимает, что программа нужна как можно скорее, но к концу работы над ней часть спецификаций наверняка изменится.
• В условиях ограниченного бюджета. RAD гарантирует, что заказчик получит продукт, выполняющий поставленные задачи, даже если внезапно закончатся деньги.
• Когда у пользователя нет ясного представления, как должен выглядеть и работать продукт. Поскольку программу создают небольшими итерациями, во время которых спецификации и требования постоянно уточняются, в итоге заказчик получает продукт, соответствующий его пожеланиям. Но лучше в общих чертах заранее сформулировать бизнес-цели и задачи для приложения.
• Когда у вас есть коллектив хороших разработчиков и дизайнеров. Задача RAD — быстро создать качественный продукт. А это могут только профессионалы.
• Если пользователь готов активно участвовать в проекте на протяжении всей работы — обсуждать нововведения и функциональность, тестировать прототип, давать обратную связь. Если у заказчика не хватает на это мотивации, стоит попробовать другие модели — например, Waterfall, где пользователь только формулирует ТЗ или спецификации. 

Преимущества RAD — кратко

• Разработка выполняется быстро и дешево.
• RAD обеспечивает приемлемый для пользователя уровень качества.
• Пользователь получает в итоге именно ту функциональность, которую хочет.
• Пользователь может оперативно внести изменения в проект.
• Функциональность, которая нужна заказчику «еще вчера», можно разработать в первую очередь, и использовать, даже если остальные части программы еще не готовы.

Недостатки RAD

• RAD применима для больших команд.
• RAD зависит от вовлеченности заказчика в работу. Если он не может принять участие в очередном обсуждении проекта, работа может приостановиться.

RAD уже не молодая методология — ей слегка за 30, — но она по-прежнему используется в разработке программного обеспечения и сдавать свои позиции не собирается. Ведь для методологии главное — не возраст, а эффективность. 

— Анна, привет! Начнём по традиции с высшего образования. Где и на кого ты училась после школы? 

Моя родина — Новосибирск. После школы я поступила в Новосибирский университет на экономический факультет, училась менеджменту. Через 4 года переехала в Москву, чтобы поступить в Высшую школу экономики на управление персоналом, HR. 

— Как из менеджера превратилась в дизайнера?

Я всегда любила рисовать, меня интересовал дизайн, и ещё в Новосибирске я решила попробовать простенькие курсы. Знаете, такие, где обещают, что через два месяца вы будете зарабатывать 80 тысяч рублей в месяц. Там научили делать всякие базовые штуки. Потом были продвинутые курсы ещё на два месяца. Это был первый шаг в сторону дизайна, можно сказать, случайность, подкреплённая любовью к творчеству.

На первом курсе магистратуры я искала стажировку в HR, но меня никуда не брали. Вдруг пришло предложение пойти на работу в консалтинг. Я согласилась. В компании занималась созданием концепции торговых центров — рисовала 3D-модели, проводила экономический анализ, продумывала, какие магазины поставить рядом и прочее.

Поработав в сфере менеджмента, я поняла, что это не моё, и в конце бакалавриата решила пойти за мечтой — заняться дизайном. Слепила портфолио из того, что было, и разместила объявление на hh.ru.

В первое портфолио вошли презентации для учёбы, пара простых лендингов с курсов, листовки и скетчи.  Всё получилось: мне удалось устроиться в небольшую компанию, которая занимается контекстной рекламой. Там я рисовала лендинги, баннеры, делала небольшую айдентику и полиграфию.

— Почему решила идти учиться дальше?

Руку на баннерах я набила очень быстро и уже через полгода поняла, что мне не хватает системных, дизайнерских знаний. Для меня очень важно образование, хочется, чтобы в голове всё было по полочкам: и типографика,  и колористика, и композиция, и как с заказчиком работать, и вёрстка, и анимация. 

В этот момент очень вовремя на глаза попалась информация о курсах веб-дизайна GeekBrains. Понравилось, что курс был достаточно объёмным, включал нужные темы, а также был связан с серьёзной IT-компанией. Я поняла: надо брать. 

С курсами в итоге вышло интересно. Я пришла, чтобы выучиться на промодизайнера — он делает контекстную рекламу и баннеры. Но во время обучения я точнее определилась с тем, что мне нравится. Поняла, что меня привлекает продуктовый дизайн — UX/UI. Преподаватель поддержал: сказал, что мне обязательно нужно идти в эту сферу, потому что, во-первых, есть склонности, во-вторых, это трендовая и денежная область.

Дополнительно к занятиям в GeekBrains я занималась самообразованием, смотрела бесплатные дополнительные уроки, читала статьи, расспрашивала знакомых специалистов, преподавателей.

— Что вошло в твоё портфолио для поиска работы?

Я включила в него проект, который мы разрабатывали на блоке продуктового дизайна. Это необычное приложение, которое произвело настоящий фурор среди работодателей. Оно предназначено для не совсем обычной продажи шоколада.

Выглядит так. Ты покупаешь шоколад и получаешь начало истории персонажа. Рассказ обрывается на сюжетном повороте с возможностью выбора варианта развития событий. Покупаешь ещё одну шоколадку, выбирая вариант, и читаешь продолжение истории. На собеседованиях работодатели говорили что-то вроде: «Ваше приложение — это бомба, весь офис просто лежал».

Параллельно я работала в компании, которая делает бизнес-тренинги. Это стартап с небольшим штатом, и потому я там была и арт-директором, и креативным директором в одном лице. Я понимала, что мне нужен реальный опыт UX/UI и предлагала делать всякие интересные продвинутые вещи — Customer Journey Map, сложные механики на сайте.

Это, конечно, сыграло на руку при поиске работы. Если подытожить, то устроиться на нынешнее место работы в QIWI мне помогли две вещи — хорошая академическая работа и реальный опыт, который я сама себе организовала.  

— А ещё тебя пригласили стажером в Mail.ru Group…

Да, меня пригласили на стажировку, и это было очень приятно. Но потом, к сожалению, я поняла, что работа мне не совсем подходит. Во-первых, небольшая зарплата, на которую сложно будет прожить человеку, который снимает в Москве квартиру, а во-вторых, круг обязанностей не включал то, чем мне хотелось бы заниматься. Я хотела развиваться в продуктовом дизайне, а в GeekBrains нужен был стажер на промодизайн.

Но я всё равно не хотела упускать шанс и предложила такое решение: буду часть дня стажироваться, а часть – работать на своей текущей работе при условии снижения зарплаты. В GB согласились, а на текущей работе нет. Более того, для начальства это послужило знаком, что я теряю интерес. В итоге по обоюдному согласию мы решили расстаться. Но тогда уже было понимание, что это место больше ничего не может мне дать в плане развития.  

— И ты начала искать новую работу? Как это происходило?

Да, я сформировала новое портфолио, оформила работы на Behance, сделала кейсы для академической и практической работы и пошла на hh.ru. В течение двух недель очень активно искала работу, каждый день рассылая по 20 откликов на вакансии — создавала «воронку», чтобы охватить максимальное количество работодателей.

Многие просили меня сделать тестовое задание, кто до, а кто и после собеседования. Я невероятно тогда устала. Делала, например, тестовые задания для МТС и Wildberries, они долго думали, потом выбрали других кандидатов.

— Как проходило собеседование в QIWI?

Приглашение в QIWI пришло на второй неделе. Интервью было очень плотное, продолжалось часа два. Гоняли и по практическому опыту, и по учебному. Пришлось даже показать сырые макеты, работы, которые я в таком виде не собиралась никому демонстрировать. Проводили собеседование HR-сотрудник и руководитель направления продуктового дизайна. Вышла усталая, но это была приятная усталость. Было с чем сравнивать – после некоторых собеседований чувствуешь себя совершенно опустошённой.

Буквально на следующий день они сообщают мне, что готовы меня взять. Я была в шоке – даже тестовое не попросили сделать. Так что с начала августа 2019 года я начала работать в QIWI.

— Как освоилась на новом рабочем месте и в новой профессии?

Всё прошло очень гладко. Коллектив просто чудесный, и такая лайтовая, комфортная атмосфера. Ребята очень отзывчивые. Общение свободное, все на одном уровне. Ко мне сразу прикрепили наставницу — коллегу, которая стала моей «дизайн-мамой», она всему меня учила, постоянно подсказывала.

Что касается профессиональной адаптации, то тут двоякие ощущения. В промодизайне мне было некомфортно. Там нужны такие творческие личности, которых буквально распирает от вдохновения. Когда на прошлой работе меня подталкивали «давай, давай ещё идеи», я не понимала зачем, ведь всё работает, хорошо выглядит и выполняет свою функцию. Так что сейчас я на своём месте.

С другой стороны, я ещё новичок, а им быть не очень приятно. Ты не можешь самостоятельно принимать решения, не понимаешь многих вещей. Хотя теперь, когда прошло несколько месяцев, я себя чувствую гораздо увереннее.  

— В чём состоят твои обязанности, что ты делаешь каждый день?

Вместе с группой дизайнеров работаю над мобильным приложением и веб-сайтом для карты рассрочки «Совесть». Мы не просто создаём макеты, мы продумываем пользовательский опыт. Я не только делаю типографику, подбираю цвета и оттенки, но и думаю, что человеку нужно от приложения, какие тексты куда поставить (сам текст пишет копирайтер, а от меня нужна идея), решаю, какие функции важны, и в каком месте их лучше расположить.

Раз в одну-две недели к нам приходят пользователи, с которыми мы беседуем о том, зачем им нужно приложение и сайт, как они им пользуются. Я пока готовлюсь к этой работе, скоро сама буду проводить такие интервью.

— Получается, что, когда ты училась в GB, у тебя была и основная работа и дополнительная. Как удавалось на всё время находить?

Я так живу всегда: после работы не лежу на диване, а всегда делаю что-то ещё, занимаюсь хобби. Раньше у меня была учёба в вузе и работа. Когда закончила учиться, с одной работой мне стало скучно, и я всегда старалась занять себя, пусть даже это было вязание, вышивка или ещё что-то подобное.  

Когда начала учиться на онлайн-курсах, то после работы дома я смотрела видеоуроки и делала домашнее задание. В начале этого года появились еще и подработки. Но тогда, как по велению судьбы, я травмировала ногу и полгода работала только из дома. Образовалась просто куча времени, и его на всё хватало – и на работу, и на вторую работу, и на уроки, и на домашку. Вот так «повезло».

— Думаю, что не все способны столько делать, даже работая из дома.

У меня есть один секрет, как всё успевать – просто надо гореть своей работой, учебной, и чем ещё вы занимаетесь. Это должно быть отдыхом и главным увлечением. Тогда вместо того, чтобы лежать на диване и смотреть сериалы, ты будешь говорить: «О, новый урок по продуктовому дизайну вышел, надо бежать смотреть!»

Я не очень уважаю всяческие приёмы тайм-менеджмента. Получается, ты сам себя загоняешь в какие-то рамки, как в армии. Если тебе не интересно твоё дело, то никакой тайм-менеджмент не поможет. Это мой главный и единственный совет, который касается любого дела в жизни.

— В офисе нравится работать?

Да, очень нравится: пока не хочу ни на фриланс, ни на удалённую работу. Здесь классный офис, и, главное, коллеги, с которыми можно общаться. А дома — диван, стол и кошка. Фриланс — тоже нет, потому что это будут относительно мелкие проекты, а мне нравится заниматься крупным делом, где задействована не только я.

Очень важно, что мы трудимся в комфортном темпе и по относительно свободному графику работы. Я знаю, что я должна отработать 8 часов, и сама решаю, когда уходить и приходить. Проспала, пришла в 11, значит, уйду в 8 вечера. Терпеть не могу, когда мне говорят «приходите в девять, уходите в шесть». А если я эффективно сделаю свою работу в другое время или вообще к четырём часам, что тогда? Всё равно сидеть до шести?

— Какие твои дальнейшие планы на профессиональное развитие, чем хочешь заниматься в будущем?

В идеале я бы хотела строить вертикальную карьеру. Для этого обязательно требуется стать высококлассным дизайнером. Но это не самоцель, а только этап. Дальше очень хочется работать с людьми, помогать им развиваться, строить команду и организовывать её работу. Для этого нужно улучшать свою экспертизу по всем фронтам.

Хотите узнать больше о выпускниках факультета веб-дизайна и других дизайн-факультетов GeekBrains? Вот их истории:

• «На втором месяце обучения у меня отобрали ноутбук»: история курсанта, который захотел стать дизайнером
• Путь в IT через дизайн: учеба + фриланс + удаленка — история веб-дизайнера Лии Давидян, которая нашла новую профессию и работу
• UI-дизайн: начало пути и штурм больших заказов: выпускник GB Виталий Асташкин о том, как он получил первую работу и вышел на крупные коммерческие проекты.