🔠→🔠 Совсем недавно говорили тут про T-shape, но оказывается есть ещё одно понятие – M-shape😁 Оно появилось ещё в начале 2000х и конечно же не в том виде, в каком представляется сейчас. Если T-shape – это специалист с глубокими знаниями в одной области и широкими (поверхностным) в смежных, то M-shape – это когда компетенции становятся глубокими в двух и более областях. Кроме очевидной выгоды для компании и команды: когда разработчик справляется и с девопс задачами, а аналитик с задачами data-инженера или ML есть и выгоды для спеца. 💡Почему для специалиста это важно: – диверсификация навыков и инструментов, дополнительная опора в нестабильности – востребованность рынком (с одной стороны поиск спецов со знанием домена, а с другой – сокращение расходов и вынужденное ролевое смешение) – симбиоз компетенций даёт бОльший результат и сложнее может быть заменен AI – применение опыта с одного домена на другом для решения нетривиальных задач. Как говорится, самые интересные решения возникают на границах предметных областей – более широкий взгляд на проблемы: если клиенты уходят или конверсия упала, то это не только потому что аналитик ошибся в расчётах и данных некачественные, а могут быть причины и других уровней: UX, колл-центр, маркетинг, резонансные истории и т.п. Оффтоп про резонанс: когда я работала в недвижке, у нас как-то резко вырос трафик на сайт, стала искать причину, а оказалось, что на пикабу выложили квартиру на 8 кв. м., которая у нас была в продаже 😅 убирать не стали, оказалось, что поток заявок с неё был приличный 🚀 Что это значит на практике? 🔘 Аналитик + продакт – Понимает не только “как считать retention”, но и “как улучшить продукт, чтобы retention рос” – Может говорить на одном языке и с инженером, и с CEO 🔘 Data + бизнес-стратегия – Видит не только цифры, но и рыночные тренды, unit-экономику, конкурентов  – Превращает данные в стратегию 🔘Аналитик + коммуникация /продажи – Пишет сложные SQL-запросы и умеет объяснить результат маркетологу или продакту  – Его слушают, потому что он переводит data на язык бизнеса, человека😁 🔘 Аналитика + AI/ML – Умеет построить модель и интерпретировать ее результаты. Если добавить сюда ещё финансы и способность посчитать, доказать фин эффект от модной инициативы – цены вам не будет😁 Например, у меня есть знакомая, которая с образованием строителя, создаёт сейчас цифровую платформу для строительства. Или мой пример: я запускала рекламные кампании когда-то, трогала маркетинговые инструменты и процессы и обогатила это цифровыми навыками, а сейчас обогащаюсь управленческими. И хотелось бы еще изучить новый домен. И есть плохие примеры, когда нет погружения в сферу, в бизнес смысл, в клиентов и процессы. Ваш "хвост" прошлой жизни до IT никогда не лишний. Постарайтесь принять его как есть (мне вот больно принимать годы «в пустую», поэтому я с вами!😁), он точно был нужен вам и ценен. Сочетание вашего богатого опыта и создает ваше уникальное рабочее предложение😁 А если «хвоста» нет, то какие ваши годы, обязательно еще будет😂 Делитесь, как ваши «хвосты» вам помогают, какие качества забрали из прошлого?