Кравец Дарья

Привет!)

Более 13 лет работаю на стыке бизнеса, клиента и IT-продукта: прошла путь от бизнес-аналитика → Руководителя команды бизнес и системного анализа → Technical Product Owner AI продукта.

• работала в X5 Group и Билайн с крупными IT-продуктами, автоматизацией бизнес-процессов и ML/AI-решениями для B2B и B2C.

• 4+ года управляю командами: найм, развитие, performance review, распределение ресурсов и построение процессов;

• руководила командой 30+ человек;

• выстраивала с нуля процессы Discovery, бизнес- и системного анализа, требования и стандарты проектирования решений;

• сейчас работаю с ML-персонализацией и рекомендательными системами: от проработки продуктовой стратегии и гипотез до запуска решений и проведения A/B-тестов;

• работаю на стыке Product Management, Business Analysis, System Analysis, ML и разработки;

• обучала сотрудников бизнес-анализу, Lean, проведения Discovery, работе с требованиями и оптимизацией бизнес-процессов;

• разработала обучающие курсы для платформы Product Star.

Мой профиль LinkedIn

Аналитикам

• Разобраться со сложной рабочей задачей: как подойти к ней, что исследовать, какие артефакты использовать и как довести решение до разработки;

• вырасти от Junior/Middle до Senior/Lead: определить пробелы, составить план развития и понять, какие компетенции действительно нужны на следующем уровне;

• прокачать бизнес- и системный анализ: требования, BPMN, User Story, Use Case, Acceptance Criteria, API и интеграции, процессы;

• научиться не просто «собирать требования», а понимать бизнес-задачу, предлагать решение и работать на уровне продукта.

Руководителям и менеджерам

• выстроить процессы в команде с нуля или починить существующие: роли, зоны ответственности, workflow, требования, Discovery, взаимодействие бизнеса и разработки;

• построить систему развития команды: грейды, матрицы компетенций, обратная связь и performance review;

• масштабировать процессы с одной команды на несколько команд или направлений.

Продактам и тем, кто движется из аналитики в Product Management

• перейти от мышления «получил требования — описал» к продуктовому мышлению и ownership;

• выстроить Discovery: проблема → исследование → гипотеза → решение → метрика → эксперимент;

• работать с технически сложными продуктами и эффективно взаимодействовать с аналитиками, разработчиками, Data Science и ML-командами;

• разобраться, как использовать AI/ML и LLM в продуктовых задачах без необходимости становиться Data Scientist.