Бизнес-анализ в сфере ИТ с использованием ИИ
Программа
1
- Жизненный цикл разработки ПО (SDLC)
- Обзор отрасли и IT-ролей
- Роли бизнес-аналитика
2
- Модели: водопадная, прототипирование, спиральная модель, V-модель, Agile-подход
- Современные методологии и фреймворки: Scrum, Kanban, Lean, SAFe
3
- Стандарты и сертификации: BABOK, PMI-PBA, PSPO
- Этика и качество бизнес-аналитики
- Артефакты на каждом этапе SDLC
4
- Полный цикл работы со стейкхолдерами
- BA как фасилитатор
- Как построить эффективную кооперацию
5
- Жизненный цикл продукта
- Бизнес-ценность и её показатели
- Видение продукта (Vision document) как основной документ
- Понимание конечных пользователей
- MVP – определяем минимально жизнеспособный продукт
6
- Уровни (типы) и виды требований (функциональные и нефункциональные)
- Техники выявления требований
- Виды документации требований
7
- User Stories и Acceptance Criteria
- Use Cases
- DoR (Definition of Ready) – определение готовности требований
- DoD (Definition of Done) – определение готовности функционала
- INVEST – инвестируй в качественные требования
8
- Жизненный цикл требований
- Техники приоритизации требований и уточнение требований (Backlog Refinement)
- Change log – артефакт для управления изменениями
- Матрица рисков
- Jira и Confluence в работе BA
9
- Декомпозиция и визуализация процессов
- BPMN 2.0
- Основы UML
10
- Инструменты: Draw.io, Figma, Canva
- Создание интерактивных прототипов
- Принципы Usability (удобства использования)
11
- Как писать эффективные промпты
- Использование AI для подготовки к выявлению требований
- Генерация функциональных/нефункциональных требований с помощью AI
12
- Типы разработки ПО, языки программирования и инструменты
- Архитектура ПО
- Основы баз данных
- API и форматы данных
13
- DevOps-культура
- CI/CD и качество ПО
- Как BA взаимодействует с разработчиками, архитектором, DevOps
14
- Построение диаграмм с AI
- Приоритизация с помощью ИИ
- AI для быстрого создания UI-макетов
15
- Понятие качества
- Внутреннее и внешнее качество продукта
- Критерии качества (KPI) продукта
- Взаимодействие с тестировщиками
- Участие в приёмочном тестировании
16
- Финализация требований и документации
- Работа в Confluence, Jira, Notion
17
- Создание диаграмм и прототипов
- Подготовка презентационных материалов
- Работа в Confluence, Jira, Notion
18
- AI как помощник в бизнес-анализе на каждом этапе
- Принципы работы AI-ассистентов
- Настройка AI-помощника
- Этические аспекты использования AI
19
- Основы эффективного питчинга и презентации решения
- Работа с обратной связью и замечаниями
- Сильные речевые стратегии
- AI-инструменты для создания презентации
20
- Представление работы
- Рефлексия и ретроспектива курса
- План дальнейшего индивидуального развития
Курс
10 недель
30 часов
Проводит обучение
Марина Мельник
Founder, CEO, Lead Trainer, AI Transformation Consultant, Career Therapist