Небольшое тизер того, как пишу новые статьи. Я рассказывал, что хочу выпускать с какой-то переодичностью статьи на хабре, вс и других площадках. Так вот, работаю сейчас над 4 статьями, работаю как вы понимаете в своих досках! (это прямо найс!) Так вот, первый скрин - этот структура статей по фреймам и материалы Скрин 2 - это небольшой тизер текущей статьи, я решил изучить с точки зрения бизнес-модели и рентабельности вопрос большого количества аптек. На скрине мой район (буквально диаметр в 10-15 минут ходьбы) и тут 16 аптек. А у вас также? Пишите ваши предположения почему это так? И да, ставьте реакции, если интересно! @blackproduct

Нужно ли мне учиться, когда курс можно скормить нейронке? И как будет выглядеть образование будущего Зачем учиться? Чтобы эффективнее решать больше задач и более сложные задачи. Но сейчас же есть чудо-нейронки, которые за меня сегментацию сделают, фичу запилят и потом отчитаются об успешности эксперимента. Если нейронка не шарит за продуктовый подход, так ей можно скормить методологию и скиллы эксперта и станет она умнее Вани Замесина. Появился сегмент студентов, которые покупают обучение только для того, чтобы расшифровать и скормить нейронке. Сами при этом не учатся. Ну реально, зачем? 1. Если инструмент доступен всем — владение инструментом тебя не отличает от других. Все могут установить себе скиллы эксперта. Но без фундаментального понимания ты проиграешь тем кто установил скиллы И имеют фундаментальное понимание. Создаёшь продукты в 10 раз быстрее? Ты в 10 раз быстрее узнаешь, что ты проигрываешь конкурентам в понимании стратегии. 2. Чем лучше будут нейронки, тем более убедительно будут выглядеть результат их работы. Если ты отвечаешь за стратегию большого продукта — тебе потребуется быть супер-экспертом, чтобы поймать заковыристую галлюцинацию нейронки и направить нейронку в правильную сторону при сотнях доступных стратегий. 3. Один из важных результатов обучения — возможность видеть сквозные паттерны в других сферах, получать эмержентные навыки и возможность совершать новые действия из кобминации существующих. Умею вайбкодить, принимать продуктовые решения и привлекать клиентов — могу сделать фестиваль и собрать на него много участников. Результат = опыт+навыки * инструмент. НО Мы с вами дружно перенеслись в ветку реальности в которой всё стало очень быстро и интенсивно. И учиться как учились наши деды — по лекциям, неделями, чтобы потом самому пытаться применять в своём продукте — уже не работает. Слишком медленно и неэффективно. Обучение будущего будет выглядеть не как обучение. 1. Информация становится бесплатной. Поэтому я выложил большую часть канона в открытый доступ. И скоро много лекций выложу в открытый доступ 2. Человек будет решать задачи и учиться в процессе 3. Нейронка делает, ты принимаешь решения 4. Обучение должно быть максимально быстрым. Длинные программы будут состоять из множества коротких спринтов. 5. Обучение будет работать с более фундаментальным уровнем знаний и навыков. Нужно учить челвоека думать, а не повторять заученные действия.

Оптимизировать метрики или творить искусство Второе выступление было в МФТИ для преподавателей ВУЗов. Оно было посвящено разбору кейсов про управление образовательными продуктами. До меня слушателям рассказали про продуктовый подход к образованию (в частности, про JTBD и релевантные образовательным программам метрики), мне же предстояло поразбирать это на примерах. Рассказ я построил на семи кейсах: 3 из российской практики (про нашу русскоязычную специализацию по ML на Курсере), 4 из мировой. В каждом случае давалась вводная с описанием ситуации, дальше мы генерировали идеи «а что дальше» и разбирали, чем все закончилось и какие можно сделать для себя выводы из этого. Мой любимый пример был про то, как полярные отзывы о курсе могут быть хорошим знаком, что вы уже нашли ваш сегмент, и остается описание курса, объяснение, для кого подходит ваш курс, и все привлечение построить так, чтобы точнее попадать именно в свою аудиторию. В конце поговорили о том, ремесло или искусство преподавание и надо ли ко всем этим метрикам относиться слишком серьезно. Десятитомный Ландавшиц, например, это бесспорно легендарный образовательный продукт. Но retention, NPS и CSI у него ни к черту. Как и доходимость до конца. А чего стоят одни только шутки про «потерял целую тетрадь выкладок - напишем «очевидно что». Однако сложно представить, чтобы Ландау из-за этого переживал :) Похожая история с Колмоговорым: на него одновременно и жалуются за плохое чтение лекций на мехмате, где мысли сильно опережали речь, и вспоминают с восторгом его «даму с собачкой» (красивое объяснение доказательства основной теоремы алгебры) и учатся всей страной по его учебникам. Увы, далеко не каждый из нас Ландау или Колмогоров, чтобы позволить себе быть плохим лектором и все равно стать лектором и автором легендарным, поэтому нам и нужно смотреть на метрики курсов - чтобы обеспечить базовый минимум и потихоньку его улучшать. Но сам по себе этот базовый минимум, увы, не может заменить преподавателю ни талант, ни творческий подход к работе.

Так стоит ли вообще создавать стратегию? После прошлого поста про эволюцию подходов к стратегии в докладах на конференциях остался главный вопрос: «Если она устаревает быстрее, чем внедряется, — может, не мучиться?» Ответ нашелся там же: создавать стратегию все же стоит, просто предмет создания сместился. Мы видим, что стратегию рекомендуют создавать не только как инфраструктуру дешевых экспериментов, работу со сквозными метриками и культуру права на ошибку, а прежде всего как осознанный набор решений о том, как конкурировать. Просто теперь без пятилетнего документа. Отсутствие стратегии — это тоже выбор. Но этот выбор сопровождается возможностью влиять на события реактивно, только когда оно уже случилось. А выигрывает чаще всего не тот, кто шел по жесткому плану, а тот, у кого было видение плюс понимание возможных исходов события и подготовленные ресурсы для реакции на эти самые события: победитель понимал, куда идет, и умел вовремя воспользоваться появившимися возможностями. А что, если все-таки «работать над стратегией в любом случае дорого и долго»? И тут есть решение: делать это быстрыми итерациями. Это недорого и совсем недолго: асинхронная стратсессия за неделю, пересборка раз в полтора месяца, ИИ собирает выжимку за день. Когда цена пересборки упала на порядок, аргумент «пока напишем — устареет» становится не таким актуальным. Поэтому не стоит создавать документ-предсказание на пять лет — его создание критиковали и семь лет назад. Стоит создавать три вещи: 1. Ответ на вопрос «зачем и куда мы идем?» — к какому следующему шагу хотим дойти на понятном горизонте. 2. План готовности к разным сценариям. 3. Алгоритм пересборки, декомпозированный до уровня ежедневных задач на случай, если мы не попали прогнозом ни в один из сценариев. И чем выше неопределенность, тем это нужнее: в хорошие времена ошибки прощаются, в кризис смысл за каждым решением становится вопросом выживания. @productmindset