27 июля Бабушкинский районный суд Москвы вынес решение по делу №02-1545/2026 — и интересно оно не столько исходом, сколько тем, что суд вообще не стал выяснять. Спор шёл о рабочих данных, загруженных в DeepSeek. Но вопрос «слила ли нейросеть чьи-то секреты третьим лицам» суд не разбирал вовсе — и, возможно, ответа на него никогда не будет. Разбирали другое: имела ли сотрудница право вынести эти данные за пределы компании. Не имела.
Директора по продажам одной московской инженерной компании уволили с формулировкой «разглашение коммерческой тайны». На должности она проработала меньше полугода, оклад — свыше 800 тысяч рублей в месяц. По версии работодателя, женщина копировала защищённые сведения из внутренней системы отчётности и загружала их в DeepSeek, пересылала служебную переписку — включая данные о зарплатах сотрудников и бюджетных планах — на личную почту в скрытой копии, а поставщику компании между делом рассказала о планах запустить собственный бренд.
В суд она пошла не для того, чтобы доказать невиновность, а чтобы изменить формулировку увольнения на «по соглашению сторон» — тогда полагается выходное пособие в 5 миллионов рублей. Суд отказал: такую выплату не платят при увольнении за виновные действия, только при сокращении штата или расставании по-хорошему. Увольнение признали законным. Правда, не всё легло в одну сторону: суд всё же присудил бывшей сотруднице компенсацию — 10 тысяч рублей за необоснованный выговор по одному из мелких эпизодов.
Формулировка, на которую опёрся суд, звучит сухо: у сотрудницы «отсутствовала производственная необходимость» выносить данные за пределы защищённого контура компании. Не «нейросеть подвела», а «человек сам решил, что вынести и куда». DeepSeek в этой логике можно было бы заменить флешкой, личной почтой, фотографией экрана на телефон — итог для суда был бы тем же. Сервис здесь не подсудимый, а просто место, куда сложили то, что не должны были выносить.
Разница, которую легко упустить, если по инерции решить, что раз речь про нейросеть — значит, была «утечка через ИИ». Двумя неделями раньше разбирали похожую на первый взгляд историю: переписки пользователей DeepSeek засветились в поисковой выдаче Google из-за того, как устроена кнопка «Поделиться» — там была настоящая техническая дыра, человек ни при чём. Здесь всё наоборот: дыру в DeepSeek никто не искал и не нашёл. Один человек своими руками вынес данные за периметр компании — и только этот жест суд и оценивал.
Прямого запрета загружать рабочие документы в нейросеть в законе нет — есть общее требование сохранять коммерческую тайну, а расшифровывает его каждая компания как умеет. По некоторым оценкам, около 60% компаний вообще никак не прописали правила работы сотрудников с нейросетями: не разрешили и не запретили, а просто не подумали. В итоге каждый сотрудник в моменте сам решает, где проходит грань между «свести цифры быстрее» и «вынести то, что выносить нельзя».
Прецедент не первый в своём роде — просто раньше редко доходило до суда. В 2023 году сотрудники Samsung вставили в ChatGPT фрагменты внутреннего кода и протокол совещания — компания после этого временно запретила генеративный ИИ вообще, для всех и без исключений. Три года спустя в России похожая история впервые прозвучала не в служебной записке, а в официальном решении суда.
Секретность в этой истории оказалась вообще не про то, взломают DeepSeek или нет. Вопрос был в том, что человек с доступом к данным решил сделать в конкретный момент, — и суд оценил именно это решение, а не инструмент, которым оно было исполнено.
Подобные разборы с нейросетями — от судебных прецедентов до курьёзов — собираются в отдельном канале: t.me/veruna_ai_news.
Для нашего дорогого клиента ищем Data Scientist Engineer. В перспективную продуктовую компанию с большими амбициями и небольшими бюджетами. Сфера близка к iGayming индустрии. Не казино! Не бодишоп! Остальное под NDA, но немного расскажем на финальном интервью.
Ваша основная задача будет обеспечить бесшовные интеграции (сотни интеграций) в сфере AI, их надёжность, масштабируемость и быстродействие. 🎯 КОГО ИЩЕМ: 1. Data Engineer с опытом работы с инфраструктурой AI на AWS и GCP. 2. Нужны «рабочие руки», а НЕ технический менеджер. 3. Нужен человек полностью соответствующий нашим ожиданиям, а НЕ который учится на ходу. 4. Со знанием разговорного английского языка (English-speaking team). 5. Осознанность и понимание ценности нефинансовой мотивации (работа на результат). 6. Предпочитение отдаём мужчинам, 30+, без вредных привычек. Работа интеллектуально тяжелая.
⛔️ КТО НЕ ПОДОЙДЁТ: 1. Кандидаты с преобладающим или последним опытом в роли технических менеджеров: Team Lead, CTO и т.п. – это нерелевантный данной позиции опыт работы. Мы ищем «рабочие руки», а НЕ технического менеджера. 2. Кандидаты с опытом работы на фрилансе. Кандидаты с перерывом в карьере больше 3 месяцев. 3. Кандидаты с низким уровнем разговорного английского языка. 4. Кандидаты из санкционных и нестабильных стран. Мы считаем, что у настоящего специалиста доход должен позволять переезд, иначе есть вопросики к вашей квалификации. 5. Самоучки. Мы предпочитаем выпускников топовых ВУЗов и победителей физмат олимпиад.
🏅 ТРЕБОВАНИЯ: 1. Опыт работы 6+ лет в роли Data Engineer. 2. Опыт работы 2+ года с AI-инфраструктурой на GCP и AWS. 3. Опыт работы 4+ года с ML. 4. Опыт работы 3+ года с GCP Vertex AI (GEAP). 5. Опыт работы 2+ года с Amazon SageMaker. 9. Опыт работы 5+ лет с Kubernetes. 7. Опыт работы 8+ лет с Python. 8. РАЗГОВОРНЫЙ английский на уровне C1+. 9. Внимательность. Если вы не заметили проблему с нумерацией этих пунктов, то вы нам не подходите.
⭐️ МЫ ПРЕДЛАГАЕМ: 1. Заработную плату. 2. Полностью remote. 3. Гибкий график работы. Одна команда в Бангалоре (UTC+5:30), вторая в LA (UTC-7). Взаимодействие с обеими командами. 4. Работа в продуктовой компании. 5. Быстрое принятие решения о сотрудничестве.
🔎 ЭТАПЫ ОТБОРА ВКЛЮЧАЮТ: 1. Real-time coding сессия с расшариванием экрана. 2. System design. Нужно будет рисовать и писать код на маркерной доске у нас в офисе. Проезд на метро за наш счёт. 3. Assessment тестирование от независимой компании (2.5 часа). 4. Собеседование лично с основателем (на английском языке, он из Индии) и оффер! 🎉
Меня заебала одна особенность современных ИИ-систем.
Модель пишет:
— отправил; — сохранил; — проверил; — готово.
Начинаешь проверять — инструмент не вызывался, файл не создан, сообщение не отправлено, результат никто не видел. Модель просто описала действие, а продукт показал это так, будто действие произошло.
Я достаточно долго разбирался с такими разрывами и в итоге собрал небольшой публичный технический гид.
Он предлагает разделять несколько разных вещей:
— модель сказала, что выполнила задачу; — нужный инструмент был доступен; — вызов действительно произошёл; — появилось подтверждение результата; — состояние сохранилось для следующего запуска.
На GitHub лежат спецификации, схемы, примеры, тесты и валидаторы. Всё можно читать, запускать и ломать.
Теперь я не очень понимаю, куда двигаться дальше, поэтому нужна помощь людей, которые разбираются хотя бы в одном участке.
Можно:
— найти ошибку или противоречие; — придумать тест, который конструкция не выдержит; — прогнать сценарий на другой модели; — попробовать интеграцию с MCP или OpenTelemetry; — показать уже существующее лучшее решение; — просто объяснить, где я свернул не туда.
Верить в проект и читать всё целиком не требуется. Достаточно посмотреть один небольшой кусок и сказать по делу.
Привет, Пикабу! Это финальная часть моего расследования (ссылки на Пост 1, Пост 2 и Пост 3). Кратко напомню суть: оборудование ТСПУ Роскомнадзора на сети «Дом.ру» в Твери ошибочно закидывает пакетами TCP RST легитимные CDN-серверы Apple. В итоге иногда недоступны Apple TV, iCloud и Apple Music. Мной были собраны железные дампы трафика ядра Linux (iptables, conntrack, traceroute !Z) и направлены претензии.
На днях я получил официальные ответы от обеих структур. Произошел классический бюрократический футбол, в процессе которого обе организации запутались в показаниях и выдали потрясающую техническую ложь. Разбираем по полочкам.
Акт I. Ответ «Дом.ру» и подмена понятий
Оператор прислал официальное письмо, в котором утверждает: «Между вашим IP и Apple есть активные сессии по 443 порту, без блокировок, с двусторонним трафиком. Со стороны ТСПУ ограничений не фиксируем». И тут же добавляет: «В случае внесения зарубежных IP в исключения, направьте запрос в Роскомнадзор».
В чем ложь и манипуляция:
Ложь про логи ТСПУ. Оператор связи физически не имеет доступа к логам и управлению ТСПУ. Эти «черные ящики» стоят на их сети обособленно, полностью управляются из Москвы через ГРЧЦ, а их внутренний трафик зашифрован. «Дом.ру» физически не может видеть там алерты. Они просто посмотрели в свои коммутаторы и сделали вид, что ТСПУ не существует.
Подмена понятий на L4/L7. Сессия по 443 порту (HTTPS) действительно устанавливается. Первичный TLS Handshake проходит. Но мои логи iptables четко доказали, что ТСПУ уничтожает сессию внутри, как только Apple TV начинает качать тяжелый стриминг. То, что сессия живет одну секунду, а затем ТСПУ всаживает в нее серию из 9 фальшивых пакетов RST с WINDOW=0 — провайдер технично умолчал.
Явка с повинной. Зачем отправлять пользователя в РКН просить «исключения для IP-адресов Apple», если на вашей сети «все чисто и ничего не фильтруется»? Провайдер сам себя опроверг в рамках одного письма.
Акт II. Ответ Роскомнадзора и юридический абсурд
Следом пришел официальный ответ от Управления РКН по Тверской области от 28.07.2026 № 5488-69-09/69 за подписью заместителя руководителя Р. М. Козлова. Проект ответа им, судя по всему, готовил сам «Дом.ру», потому что ведомство под копирку продублировало откровенную неправду.
В чем абсурд документа:
Фальсификация данных проверки. В ответе РКН черным по белому написано: «Вам было рекомендовано самостоятельно провести диагностику... Такую диагностику выполнять Вы отказались». Извините, что?! В каждом моем тикете в поддержку «Дом.ру» были прикреплены raw-логи, дампы трассировок и правила логирования ядра. Провайдер просто скрыл эти данные от проверяющего инспектора РКН, чтобы выставить клиента «отказником».
Договор вместо физики. РКН цитирует пункт 8.3 тарифного плана «Дом.ру», где сказано, что «Интернет является добровольным объединением сетей, и оператор не гарантирует доступность отдельных сегментов». То есть искусственная генерация поддельных пакетов сброса (TCP RST Injection) оборудованием, установленным прямо на сети оператора, юридически приравнена к «проблемам где-то там в интернете».
Реестровая слепота. Ведомство сообщает, что сервисы Apple не внесены в Единый реестр запрещенных сайтов, а значит, доступ к ним по закону не ограничивается. Чиновники намеренно игнорируют разницу между блокировкой по IP из реестра и динамической сигнатурной фильтрацией трафика через ТСПУ в рамках «централизованного управления». ТСПУ работает без всяких реестров — оно просто видит тяжелый неизвестный поток данных и душит его, ошибочно принимая легитимный CDN за VPN-протоколы.
Инженерный итог
Как ИТ-специалист, я констатирую полный системный кризис в механизмах контроля качества связи. Создан опасный прецедент:
Автоматика ТСПУ может ломать любые легитимные CDN-сервисы, путая их с протоколами обхода блокировок;
Провайдер будет прятать логи, удалять тикеты из личного кабинета и врать регулятору при проверках:
Регулятор будет слать отписки, прикрываясь пунктами абонентского договора о том, что «никто ни за что не отвечает».
Подавать в суд индивидуально — это месяцы бюрократии ради компенсации в пару тысяч рублей. В сложившихся реалиях единственным инженерным решением для обеспечения стабильности сессий и базового качества связи становится маршрутизация трафика через изолированные шифрованные туннели. Ирония ситуации в том, что автоматика фильтрации создавалась для контроля сетевой активности, но из-за тотальной слепоты алгоритмов и нежелания операторов защищать своих клиентов, эта система сама принудительно вынуждает пользователей инкапсулировать легитимный трафик, уводя его в тень.
Бумажный трек официально завершен. Всем спасибо за поддержку! Занавес.
В анализе данных много направлений, их можно освоить с нуля — или перейти из одного в другое. Разбираемся, кем можно стать, сколько платят и с чего начать.
Что общего у всех, кто работает с данными
Любая компания что-то считает: сколько пользователей пришло и ушло, где застревают заказы и почему в одном городе продажи растут, а в соседнем стоят. Сами данные при этом почти всегда уже есть — их собирают приложения, кассы, сайты, системы учета. Сложность в том, что лежат они в разных местах, неоднородны и сами по себе ничего не объясняют.
Отсюда и нужда в разных специалистах, которые смогут обработать эти первичные данные. Кто-то доводит их до состояния, в котором с ними вообще можно взаимодействовать. Кто-то ищет в них ответы. Кто-то превращает эти ответы в решения для бизнеса. Базовый набор инструментов при этом у всех похожий: SQL, таблицы, Python, системы визуализации. Дальше пути расходятся.
Какая зарплата в анализе данных
Направление остается заметным на IT-рынке. За первое полугодие 2026 года медианная зарплата аналитиков выросла на 5%: до 220 000 рублей в Москве, 180 000 рублей в Петербурге и 160 000 рублей в остальных регионах.
Ниже собрали зарплаты в разных направлениях анализа. Рядом с каждой профессией приводим диапазоны из сервиса «Hh Карьера» — это доходы, которые работодатели указывают в вакансиях. Нижняя граница чаще встречается в предложениях для начинающих и в регионах, верхняя — у специалистов с несколькими годами практики.
Какую профессию в анализе данных выбрать
Аналитик данных
Базовая специальность в направлении. Аналитик собирает данные из разных источников, приводит их в порядок, считает метрики и отвечает на вопросы, например почему в марте просели продажи или какие клиенты возвращаются чаще. Рабочие инструменты — SQL, таблицы, Python и дашборды (от англ. dashboard — «панель инструментов»).
Направление может стать удачной точкой входа в аналитику за счет низкого порога (не нужна высшая математика, знание таблиц и кода на старте) и универсальных навыков, которые по мере развития карьеры пригодятся, например, при переходе в другие направления.
Доход по вакансиям: от 60 000 до 171 000 рублей в месяц
Еще одно направление для старта с нуля. Такой аналитик работает внутри продуктовой команды: смотрит, как люди пользуются приложением или сайтом, где они бросают процесс на полпути, что меняется после доработок. Главный рабочий метод — эксперименты: A/B-тесты, метрики, воронки, когорты.
Здесь мало уметь считать, нужно еще уметь доносить свою точку зрения. Продуктовый аналитик — один из тех людей в команде, который может сказать, что изменения не сработали — и доказать это цифрами.
Своеобразный «переводчик» между бизнесом и разработкой. Например, предприниматель говорит: «Нам нужно, чтобы клиент видел статус заказа». Разработчику этого мало — ему важно понять, откуда брать статус, как часто его обновлять, что показывать при сбое. Системный аналитик превращает пожелание в требования, схемы и техническое задание, разбирается в интеграциях, интерфейсах обмена данными и базах.
В эту роль часто переходят из тестирования, техподдержки и технической документации: там уже выработана привычка к деталям и формулировкам. Но и переучиться из другой профессии на системного аналитика тоже можно.
Смотрит, как устроена работа компании: где заявка теряется между отделами, почему согласование идет неделю, что можно упростить и сколько это сэкономит. Описывает процессы, считает эффект от изменений, помогает выбрать решение и внедрить его.
В деятельности бизнес-аналитика много разговоров с людьми. Профессия может подойти тем, кто уже работал в закупках, логистике, финансах или операционном управлении и хорошо понимает, как все устроено изнутри.
Строит отчеты и дашборды так, чтобы их понимали даже те люди, которые не разбираются в технических нюансах или анализе в целом. Например, чтобы руководитель отдела сам нашел ответ на свой вопрос, BI-аналитик собирает витрину данных. Работа заметная: результат видно сразу, и им пользуются каждый день. Можно освоить профессию с нуля или перейти из, например, аналитика данных, системного или бизнес-аналитика.
Пока аналитик считает, кто-то должен обеспечить, чтобы данные вообще доезжали: из приложения, кассы, рекламного кабинета — в хранилище, каждый день и без потерь. Этим занимается инженер данных. Он настраивает регулярную загрузку, проектирует хранилища и следит за тем, чтобы цифры в отчетах не расходились между собой. Порог входа выше: программировать придется уверенно. Но выше и зарплатная вилка
Работает с прогнозами: например, предсказать отток клиентов онлайн-магазина, распознать вероятность дефекта при печати в типографии, подобрать рекомендацию в ленте соцсети или маркетплейса. Специалист по Data Science формулирует гипотезу и проверяет ее на данных. Это направление с самым высоким порогом входа: понадобятся высшая математика и статистика, а учиться дольше.
Machine Learning инженер доводит модель до состояния, в котором она стабильно работает в реальном сервисе каждый день. Для этого нужны знания по построению и оптимизации ML-алгоритмов — в том числе с применением нейросетей. Такому можно научиться с нуля или перейти из смежных специальностей, например разработки на Python или даже математики — со знаниями линейной алгебры, теории вероятностей и статистики.
Самый частый вопрос от тех, кто присматривается к аналитике: не поздно ли заходить, если нейросети уже и код пишут, и графики строят. Пока картина такая: ИИ меняет работу аналитика, но не отменяет ее. С рутиной нейросеть справляется хорошо: например, пишет черновой запрос к базе, объясняет чужой код, собирает презентацию, помогает быстро разобраться в новых материалах.
Но границы по использованию нейросетей в работе тоже видны довольно четко. Вот какие минусы пока сохраняются у нейросетей.
Пропускают редкие ситуации. Например, могут не заметить, что у метрики знаменатель иногда оказывается нулем, — и ошибка потянется дальше по всем расчетам.
Чувствительны к формулировке. Один и тот же по смыслу вопрос, заданный разными словами, может привести к противоположным ответам.
Не знают контекста индустрии. Они честно перечислят «все продуктовые метрики», хотя единого списка не существует, а одну и ту же метрику в разных компаниях посчитают по-разному.
То есть ИИ ошибается, а заметить ошибку может только тот, кто разбирается в теме сам. Для новичка это скорее хорошая новость: да, нейросети не всемогущи — но это инструмент, который ускоряет и снимает простые монотонные задачи, может быстро набросать материалы по новой теме, поработать с визуализацией, помочь с обучением.
Именно поэтому во всех курсах Практикума есть модули по ИИ — в них мы обучаем технологичным инструментам и даем навыки, которые помогут стать востребованными на IT-рынке, когда работодатели все чаще ожидают от соискателей умение применять ИИ в работе.
С чего начать карьеру в анализе данных
В первую очередь — определиться с направлением. Познакомиться с разными специальностями можно бесплатно:
пройти бесплатные вводные модули — они есть почти во всех курсах, с их помощью можно получить базовые знания о профессии, попробовать задачи и понять, ваше это или нет.
Мировая аудитория Netflix чуть меньше населения США, а в среднем каждый пользователь проводит на нём 2 часа ежедневно. Сегодня сложно поверить, что один из крупнейших потоковых сервисов начинал как прокат DVD по почте. Это история об умении адаптироваться к любым обстоятельствам и об успешном маркетинге
Немного развернём мысль и подчеркнём важное: Netflix — это история об умении адаптироваться к любым обстоятельствам, сохраняя самое важное — интерес своей аудитории. И об успешном маркетинге, чтобы постоянно поддерживать и подогревать этот самый интерес.
В 2024 году суммарный доход Netflix составил $39 млрд, а на создание собственного контента у платформы ушло $15 млрд. Её название давно стало именем нарицательным. А фразу «посмотреть что-то на Netflix» поймут в 190 странах мира.
❯ Как появилась идея
Рид Хастингс и Марк Рэндольф основали компанию Netflix 29 августа 1997 года. Ранее первый основатель работал директором по маркетингу в компании Pure Software, принадлежавшей второму. По официальной версии, Netflix придумали в поездках между своими домами в Санта-Крусе и штаб-квартирой покупателя Pure Software в Саннивейле, ожидая окончательного решения.
Позднее Хастингс дважды менял версии истории появления Netflix:
Сначала заявил, что идея пришла к нему после оплаты $40 за поздний возврат DVD-диска с фильмом.
Потом сказал, что она возникла во время решения математической задачи о пропускной способности.
Рэндольф же заявлял, что основатели Netflix изначально хотели создать своего рода Amazon, но сфокусироваться на прокате DVD.
❯ Бизнес-модель Amazon
Для Netflix искали крупную категорию портативных товаров для продажи через Интернет. Популярные тогда видеокассеты были слишком объёмными, поэтому их оказалось неудобно и нерентабельно хранить и доставлять клиентам.
Специально для тех, кто пытается вспомнить, что такое видеокассета
DVD в США впервые появились за полгода до основания компании — в марте 1997-го. Основатели Netflix провели простой тест и отправили диск по почте в дом Хастингса в Санта-Крусе. Он пришёл целым и это стало решающим аргументом в пользу бизнес-идеи.
Так появился Netflix — первый в мире прокат DVD. В нём работали 30 сотрудников, а в библиотеке было 925 фильмов. Между прочим, почти все вышедшие к тому времени в формате DVD.
Давным-давно, когда на DVD было только 900 фильмов…
❯ Конкуренция с Blockbuster
Всего через месяц своего существования Netflix дополнила разовый прокат ежемесячной подпиской, а в 2000-м году полностью перешла на формат безлимитной аренды DVD. Компания набрала 300 000 подписчиков, но бизнес был убыточным.
Таким знали Netflix его клиенты в середине 2000-х
Основатели даже предложили своему основному конкуренту — Blockbuster — купить 49% Netflix и были готовы отказаться от названия. Но конкуренты отклонили предложение.
К 2002-му году DVD-плееры подешевели в среднем до $200 за штуку. Тут-то и начался новый рост. В этом же году компания вышла на IPO (первичное публичное размещение), а 2003-й наконец закончила с прибылью в $6,5 млн.
❯ Как интернет победил DVD
Дела у Netflix шли хорошо: к 2005-му году в коллекции компании было 35 000 различных фильмов. Ежедневно она отправляла американцам миллион DVD.
Но тут в дело вмешался интернет. Скорость передачи данных росла, стоимость трафика снижалась, и многие пользователи начали скачивать фильмы.
В компании разработали ТВ-приставку Netflix box. Идея устройства была в том, что оно будет скачивать фильмы из коллекции Netflix за ночь для последующего просмотра пользователем. В Netflix уже купили права на показ фильмов и всё было готово к выходу новой технологии на рынок. Но тут… появился YouTube, и от аппаратной передачи данных пришлось отказаться. Так технология устарела ещё до того, как успела дойти до зрителей.
Пришёл YouTube и испортил Netflix весь праздник
❯ Алгоритм Cinematch и максимальная персонализация
В 2007-м Netflix сделала ставку на потоковую передачу данных. «Изюминкой» сервиса стали персонализированные видеорекомендации на основе рейтингов и отзывов клиентов.
В улучшение алгоритма рекомендаций в компании вложились всерьёз и даже создали Netflix Prize — открытое соревнование для разработчиков, участники которого должны были улучшить этот алгоритм на 10%. Победителю полагался миллион долларов. Соревнование длилось четыре года — с 2006 по 2009, потому что никому не удавалось достичь цели.
Были команды, получившие «приз за прогресс», то есть повысившие точность хотя бы на 1%. Наконец летом 2009-го сразу две команды прислали исходный код улучшенного более чем на 10% алгоритма. Победитель просто успел сделать это на 20 минут раньше конкурента.
Пока участники конкурса искали решение, алгоритм Cinematch всё улучшался и улучшался. Он не только предлагал зрителям популярные фильмы, но и подбирал малоизвестные на основе их предпочтений.
Потоковый контент Netflix в 2007 году составлял около тысячи фильмов, то есть не более 1% от доступных на DVD. К 2009 году количество фильмов для потокового просмотра выросло в 12 раз.
В итоге Netflix снова удалось оказаться в потоке. Продажи DVD по всему миру падали — эпоха этого формата постепенно подходила к концу. Но доходы Netflix в 2009 году достигли $1,67 млрд.
При этом Netflix осталась верна первым клиентам, которые выбирали именно формат DVD по почте. Компания прекратила оказывать такую услугу только в 2023 году.
Кто они — люди, которые в 2023 году заказывали DVD по почте? | Кадр из скетчкома «Наша Russia»
❯ В игру вступает искусственный интеллект
Естественно, настолько быстро адаптирующаяся к любым изменениям компания, не могла пройти мимо возможностей искусственного интеллекта и машинного обучения. Именно они сегодня лежат в основе рекомендательных алгоритмов Netflix.
Netflix перешёл к персонализации не только рекомендаций фильмов. Сервис начал подбирать для каждого пользователя оптимальное заглавное изображение к каждому из них. Например, если в фильме играют два известных актера, на заглавном изображении появлялся тот из них, фильмы с участием которого чаще выбирал пользователь.
❯ Netflix на международном рынке
Переход к потоковому вещанию позволил Netflix не оставаться в пределах только США и в 2010-м году компания вышла на канадский рынок. Ещё через 4 года смотреть её контент можно было уже в 40 странах, а к 2016-му году пользователи Netflix проживали в 190 странах.
Пандемия обеспечила резкий рост Netflix, который идеально вписался в формат «ковидного досуга». Стоимость акций компании в период с 2020-го выросла с $300 с небольшим до $700 за штуку.
Оставайтесь дома и смотрите сериальчик
А весной 2022-го акции резко обвалились, потеряв 35% стоимости. За месяц до этого компания ушла из России, лишившись на восточно-европейском рынке 700 000 подписчиков. Однако даже после полного ухода из России сервис не отказался от выпуска субтитров к своим сериалам на русском языке.
❯ Netflix Original: показывать чужое — создавать своё
С 2011 года компания не только распространяет контент, но и сама производит его под брендом Netflix Original. Первым сериалом от Netflix стал «Карточный домик» — адаптированная версия мини-сериала BBC. В 2015-м году «Карточный домик» получил «Золотой глобус» в номинации «Лучший драматический сериал».
В 2021 году благодаря Netflix мир узнал о новой версии детской «Игры в кальмара». Количество зрителей первого сезона сериала достигло 111 миллионов человек за неполный месяц со дня премьеры.
Когда мир окончательно «окальмарился». Печенье с символикой сериала на рождественской ярмарке на Тайване
Netflix предлагает зрителям и другие форматы:
Фильмы, права на которые выкупает у создателей. На платформе распространялись «Закат цивилизации» и «Маугли». Многие фильмы в итоге выиграли «Оскар», что подогрело интерес публики. Это картины «Рома», «Манк» и «Ма Рейни: Мать блюза».
Видеоигры по мотивам фильмов и сериалов, которые стали доступны пользователям по той же подписке в мобильном приложении сервиса. В первую пятёрку вошли «Stranger Things: 1984»; «Stranger Things 3: The Game»; «Shooting Hoops»; «Card Blast» и «Teeter Up».
Телешоу. Например, компания выкупила у популярных американских стендаперов права на трансляцию их выступлений. Некоторые из них зрителям показали в прямом эфире.
Netflix не только расширяла набор доступных форматов, но и смешивала их. Так зрители могли получить совершенно новый опыт. Например, интерактивные эпизоды сериалов соединяли привычный фильм и видеоигру, а в шоу «Ты против дикой природы» ведущий действовал так, как указывала ему аудитория.
А вдруг аудитория ошибается… | Кадр из шоу «You vs. Wild»
❯ Из чего складывается доход Netflix
Сервис работает по принципу ежемесячной подписки. Причём пользователь может выбрать два варианта стандартного тарифа — с рекламой и без рекламы, смотреть видео на двух устройствах одновременно и даже добавить к своему тарифу ещё одного участника за дополнительную плату. Большая часть возможностей сервиса доступна на этом тарифе, то есть можно смотреть почти все видео в максимальном качестве.
Премиум-пользователи, естественно, смотрят контент сервиса без рекламы. Они также могут воспользоваться такими технологиями, как объёмный звук и Ultra HD.
В 2025 году Netflix прогнозирует доход только от рекламы в $3,2 млрд.
❯ Как всё это работает
Когда Netflix перешёл к потоковому вещанию, важной «фишкой» сервиса стало его качество. Кому же понравится, если подключенный по платной подписке сервис работает через пень-колоду…
На старте в 2007-м компания построила два дата-центра и использовала их для работы в новом формате. Но обслуживать такую аудиторию они уже не могли, а потому часто случались сбои. Так компания перешла на облачные технологии. Чтобы всё уж точно работало, как швейцарские часы, сейчас Netflix использует два разных облака: AWS и Open Connect. Решение снова оказалось верным — крупных отказов больше не было. Так что если вы хотите, чтобы ваш сервис работал как Netflix, стоит обратить внимание на облака.
Тут самое время скромно напомнить, что вы читаете эту статью в блоге Timeweb Cloud 😂
❯ Рецепт феноменального успеха Netflix
Секрет успеха платформы таков: маркетинг, маркетинг и ещё раз маркетинг! Именно правильно выбранная и успешно адаптируемая маркетинговая стратегия позволила компании пережить и кардинальную смену технологий, и многих своих конкурентов.
Маркетинг Netflix вездесущ: брендированный поезд в токийском метро
Однако, если разложить, стратегию Netflix на компоненты, получится вот что:
Удачная бизнес-идея. Стать первым прокатом DVD-дисков с отправкой почтой в США было смелым решением, которое полностью окупилось.
Поразительная гибкость и бизнес-чутьё. Благодаря своевременному переходу к потоковому вещанию Netflix живее всех живых. Упомянутый выше Blockbuster, например, прекратил своё существование в 2014 году.
Персонализация. Подбор не только фильмов, но даже заглавных изображений по предпочтениям пользователя.
Эксклюзивный контент. Собственные сериалы-рекордсмены по количеству просмотров, телешоу и видеоигры, уникальные комбинированные форматы.
Надежность сервиса и высокое качество видео. Минимизация количества сбоев и отказов.
А вы что смотрели на Netflix? Много у нас тут любителей «Кальмара» или «Бриджертонов»?
Теперь расскажу о том, как система формирует цепочки процессов и как она назначает сотрудников на задачи. Это сердце всей системы микромиров.
Когда в CRM создаётся новый файл заказ-наряда, нейромодуль автоматически определяет, из каких процессов будет состоять работа над этим автомобилем. Он анализирует данные из системы онлайн-записи, информацию, которую менеджер получил от клиента, рекомендации от парсеров и данные осмотра от мастера-приемщика.
На основе всего этого нейромодуль выстраивает цепочку процессов. Например: "Приёмка → Диагностика → Заказ запчастей → Ремонт → Контроль качества → Выдача". Или более сложная цепочка: "Приёмка → Диагностика → Заказ запчастей → Аутсорс (ремонт АКПП) → Установка агрегата → Контроль качества → Выдача".
Важно, что цепочка не фиксированная. Нейромодуль строит её индивидуально для каждой задачи. Если для ремонта не нужны запчасти, этап "Заказ запчастей" пропускается. Если аутсорс не требуется, он не добавляется.
После того как цепочка сформирована, система автоматически назначает сотрудников на каждый процесс. Она использует данные о специализации мастеров, их текущей загрузке, квалификации. Например, если нужна диагностика двигателя, система ищет свободного мастера-моториста. Если нужна работа с электрикой — автоэлектрика.
Каждый сотрудник видит свою часть цепочки в своём интерфейсе. Мастер-приемщик видит этап приёмки. Специалист по двигателям видит этап ремонта, который назначен ему. Менеджер по закупкам видит этап заказа запчастей. Никто не видит лишней информации, только то, что относится к его работе.
В моём интерфейсе микромиров это выглядит как цепочка средних сфер, связанных между собой. Я вижу весь маршрут автомобиля от въезда до выезда. Каждая средняя сфера показывает, кто назначен на процесс и какой у него статус.
Нейромодуль также рассчитывает время для каждого процесса в цепочке. Он складывает их и получает общее расчётное время ремонта. Клиент слышит эту информацию на старте, и она фиксируется в системе.
Если в процессе работы что-то меняется — например, диагностика выявила дополнительную неисправность, — нейромодуль автоматически перестраивает цепочку. Он добавляет новые процессы, убирает ненужные, пересчитывает время. В моём интерфейсе сферы перестраиваются мгновенно, и я вижу обновлённую картину.
В следующем посте расскажу, как я управляю этими цепочками и как могу вмешиваться в работу системы вручную.
