Эти навыки не влияют на основной грейд, но покажут полноту вашего профиля.
Agile-методологии
▼
Понимает основы SAFe framework и его применение для крупных технических организаций. Знает ключевые артефакты: PI Planning, ART, Value Stream. Участвует в PI Planning как представитель продуктовой команды.
Активно участвует в SAFe ceremonies: PI Planning, System Demo, Inspect & Adapt. Координирует product backlog с ART backlog. Управляет features и enablers с учётом технических dependencies и architectural runway.
Выполняет роль Product Manager в ART. Определяет program backlog с balance между business features и technical enablers. Координирует solution intent с Solution Architect. Фасилитирует PI Planning для 5-10 команд.
Формирует SAFe implementation стратегию для подразделения. Определяет Value Streams и ARTs с product-centric lens. Внедряет Lean Portfolio Management. Обучает TPM-ов навыкам работы в SAFe окружении.
AI-ассистенты кодирования
▼
Знает возможности ChatGPT и Claude для продуктовой работы. Использует AI-ассистентов для генерации идей, написания спецификаций и анализа данных. Понимает ограничения LLM в контексте технических задач.
Применяет ChatGPT/Claude для ускорения продуктовой работы: анализ конкурентов, генерация user stories, код-ревью спецификаций. Создаёт эффективные промпты для технических задач. Оценивает качество AI-генерированного контента.
Интегрирует AI-инструменты в продуктовый workflow команды. Определяет use cases для AI-ассистирования в техническом планировании, architecture review и documentation. Создаёт custom промпты для повторяющихся задач.
Формирует стратегию использования AI-инструментов в продуктовом подразделении. Определяет guidelines по качеству и безопасности AI-генерированного контента. Внедряет AI copilot practices для TPM-команды.
Знает возможности GitHub Copilot для ускорения разработки. Понимает, как AI code assistants влияют на продуктивность команды. Может оценить потенциальный ROI от внедрения Copilot для своей команды.
Оценивает влияние GitHub Copilot на скорость доставки фич и качество кода. Анализирует метрики adoption — acceptance rate, time saved, code quality impact. Формирует рекомендации для команды по эффективному использованию.
Определяет стратегию внедрения AI coding assistants для продукта. Оценивает security и compliance риски использования Copilot. Измеряет impact на delivery metrics и включает в product planning.
Формирует policy использования AI coding tools для подразделения. Определяет guidelines по security, IP и compliance для Copilot/Codeium. Оценивает aggregate impact на engineering productivity и quality.
CI/CD
▼
Понимает концепцию CI/CD и как GitHub Actions автоматизирует процесс доставки продукта. Знает основные этапы пайплайна — сборка, тестирование, деплой — и их влияние на скорость релизов.
Использует возможности GitHub Actions для улучшения продуктового процесса — автоматический деплой preview-сред, нотификации о статусе билда, интеграция с project boards и issue tracking.
Оптимизирует CI/CD-пайплайн для ускорения доставки продукта — параллельные проверки, feature branch deployments, automated rollbacks. Измеряет и улучшает DORA-метрики команды.
Определяет CI/CD-стратегию для продуктовой команды — frequency of deployments, change failure rate, lead time. Обеспечивает что пайплайн поддерживает нужную скорость итерации.
Git и workflow
▼
Понимает базовые продвинутые концепции Git для технического управления продуктом: стратегии ветвления (GitFlow, trunk-based) для планирования релизов, версионирование на основе тегов для продуктовых релизов, осведомлённость о разрешении конфликтов слияния для планирования спринтов. Следует командным конвенциям управления релизными ветками.
Уверенно работает с Git для отслеживания технических изменений: ревьюит diff-ы, понимает merge conflicts и branching стратегии. Читает git log для анализа velocity и change patterns. Настраивает branch protection rules.
Определяет branching strategy для продукта с учётом release cadence и feature flags. Анализирует git history для выявления tech debt hot spots. Конфигурирует automated workflows через GitHub Actions для product processes.
Формирует Git workflow стандарты для подразделения: trunk-based development, release branching, monorepo стратегии. Внедряет automated release notes генерацию. Определяет change management процесс для critical systems.
Prompt Engineering
▼
Использует AI-инструменты для подготовки технических спецификаций и архитектурной документации. Формулирует промпты, связывающие бизнес-требования и детали технической реализации. Применяет AI для ревью дизайна API и оценки технического долга.
Применяет продвинутые техники prompt engineering: chain-of-thought, structured output, system prompts. Создаёт промпты для технических задач: генерация спецификаций, анализ архитектуры, code review guidance.
Определяет prompt engineering practices для продуктовой команды. Создаёт библиотеку промптов для типовых TPM workflows. Оценивает quality и reliability промптов. Интегрирует AI capabilities в product processes.
Формирует prompt engineering стандарты для подразделения. Внедряет prompt testing и evaluation framework. Определяет best practices для AI-assisted product management. Обучает TPM-ов эффективному использованию LLM.
Unit-тестирование
▼
Понимает ценность юнит-тестирования для качества продукта и скорости разработки. Знает как покрытие тестами влияет на стабильность релизов и уверенность команды при изменениях кода.
Учитывает тестирование при планировании спринтов — выделяет время на написание тестов, отслеживает покрытие критических бизнес-сценариев. Аргументирует инвестиции в тесты через метрики дефектов.
Интегрирует метрики тестирования в продуктовый процесс — quality gates, тренды регрессий, корреляция покрытия с частотой багов. Определяет приоритеты тестирования на основе бизнес-рисков.
Определяет политику тестирования для продуктовой команды — минимальное покрытие для релиза, стратегия тестирования новых фич vs legacy-кода. Балансирует скорость доставки с надёжностью.
Алгоритмы и структуры данных
▼
Понимает базовые концепции сложности алгоритмов O(n), O(n²) для оценки влияния на пользовательский опыт. Способен оценить когда медленная фича — это проблема алгоритма, а не инфраструктуры.
Использует понимание алгоритмической сложности для приоритизации оптимизаций — какие фичи масштабируются с ростом данных, где bottleneck при увеличении пользовательской базы продукта.
Принимает продуктовые решения с учётом алгоритмических ограничений — выбор между точностью и скоростью поиска, trade-off в рекомендательных системах, оценка scalability фич при 10x росте.
Встраивает анализ алгоритмической сложности в процесс принятия продуктовых решений. Обеспечивает что технические ограничения учитываются на этапе discovery, а не при разработке.
Понимает основные структуры данных — массивы, объекты, деревья — на уровне, достаточном для чтения технической документации. Способен обсуждать с разработчиками выбор модели данных продукта.
Разбирается в структурах данных настолько, чтобы оценивать технические предложения команды — влияние выбора хранения на производительность, объём памяти и скорость реализации фич продукта.
Использует понимание структур данных для принятия продуктовых решений — выбор между нормализацией и денормализацией, оценка trade-off между скоростью чтения и записи при проектировании фич.
Участвует в архитектурных дискуссиях на равных с техлидами, обосновывая продуктовые требования с учётом ограничений структур данных. Транслирует бизнес-потребности в технические спецификации.
Безопасность приложений
▼
Знает основные типы уязвимостей OWASP Top 10 и понимает их потенциальное влияние на продукт и пользователей. Способен включить требования безопасности в пользовательские истории.
Учитывает OWASP-рекомендации при проектировании фич — безопасная аутентификация, защита данных пользователей, валидация ввода. Приоритизирует security-задачи в бэклоге продукта.
Интегрирует безопасность в продуктовый процесс — threat modeling на этапе discovery, security-требования в definition of done, регулярные аудиты. Оценивает бизнес-риски уязвимостей.
Определяет стратегию безопасности продукта — compliance-требования, политика обработки персональных данных, процесс реагирования на инциденты. Коммуницирует риски стейкхолдерам.
Интеграционное тестирование
▼
Понимает роль интеграционного тестирования для стабильности продукта. Знает что проверяется на этом уровне — взаимодействие компонентов, API-контракты, сценарии работы с данными.
Учитывает интеграционное тестирование при планировании фич — определяет критические интеграционные точки, выделяет время на тестирование в estimates. Отслеживает регрессии между компонентами.
Определяет стратегию интеграционного тестирования для продукта — какие сценарии критичны, какие можно покрыть contract tests, где нужны полноценные e2e-проверки. Приоритизирует по бизнес-риску.
Формирует политику интеграционного тестирования для продуктовой команды. Обеспечивает баланс между тщательностью тестирования и скоростью доставки, внедряет метрики качества интеграций.
Контейнеризация
▼
Понимает концепцию контейнеризации и зачем Docker используется в разработке продукта. Способен запустить локальную среду разработки из docker-compose для тестирования фич.
Использует Docker для воспроизведения багов и тестирования фич в изолированных средах. Понимает как контейнеризация влияет на процесс деплоя и скорость доставки обновлений продукта.
Учитывает контейнерную архитектуру при проектировании продуктовых решений — микросервисная декомпозиция, независимый деплой фич, feature flags. Оценивает влияние на time-to-market.
Определяет стандарты использования Docker в продуктовом процессе — preview environments для стейкхолдеров, automated testing в CI, среды для UAT. Оптимизирует pipeline доставки.
Логирование
▼
Понимает роль логирования для диагностики продуктовых проблем. Знает как логи помогают выявить причину багов, отследить поведение пользователей и оценить производительность фич.
Использует логи для анализа продуктовых метрик — воронки конверсии, частота ошибок, время выполнения ключевых операций. Формулирует требования к логированию для новых фич.
Проектирует требования к наблюдаемости продукта — какие события логировать, какие метрики собирать, как корреллировать технические и бизнес-показатели. Встраивает observability в процесс.
Определяет стратегию логирования и мониторинга для продуктовой команды. Обеспечивает что каждая фича поставляется с метриками успеха и дашбордами для отслеживания бизнес-влияния.
Метрики и мониторинг
▼
Понимает основы Prometheus & Grafana для управления продуктом: чтение дашбордов здоровья продукта (доступность, задержка), понимание метрик SLI/SLO для обсуждений надёжности продукта, навигация по панелям Grafana для метрик пользовательских сервисов. Следует командным конвенциям мониторинга здоровья продукта.
Формулирует требования к мониторингу продуктовых метрик — конверсия, latency ключевых операций, error rate. Создаёт Grafana-дашборды для отслеживания бизнес-KPI в реальном времени.
Проектирует систему мониторинга продукта — SLI/SLO для ключевых пользовательских сценариев, алерты на деградацию бизнес-метрик, корреляция технических и продуктовых показателей.
Определяет стратегию мониторинга для продуктовой команды. Устанавливает SLO для продукта, обеспечивает visibility для стейкхолдеров и настраивает escalation-процесс при нарушении SLA.
Многопоточность и конкурентность
▼
Понимает концепцию асинхронности и её влияние на пользовательский опыт — загрузка данных без блокировки UI, фоновые операции. Знает базовую терминологию для общения с командой.
Учитывает асинхронные паттерны при проектировании фич — оптимистичные обновления, фоновая обработка, очереди задач. Понимает влияние асинхронности на UX и проектирует состояния загрузки.
Принимает продуктовые решения с учётом асинхронной архитектуры — event-driven фичи, real-time обновления, eventual consistency для пользователей. Проектирует graceful degradation сценарии.
Определяет стандарты обработки асинхронных операций в продукте — UX-паттерны для длительных задач, стратегия уведомлений, приоритеты обработки. Обеспечивает единообразный пользовательский опыт.
Облачные провайдеры
▼
Понимает основные сервисы AWS и их роль в инфраструктуре продукта. Знает что EC2, S3, RDS используются для хостинга, хранения и баз данных, что влияет на стоимость и масштабируемость.
Оценивает влияние облачной архитектуры на стоимость и производительность продукта. Участвует в выборе сервисов AWS — Lambda vs ECS, DynamoDB vs RDS — с точки зрения бизнес-требований.
Принимает архитектурные решения по облачной инфраструктуре продукта — мультирегиональное развёртывание, стратегия DR, оптимизация стоимости. Балансирует надёжность и бюджет.
Определяет облачную стратегию для продуктовой команды. Управляет AWS-бюджетом, принимает решения о reserved instances vs on-demand, обеспечивает compliance и cost optimization.
ООП и паттерны проектирования
▼
Знает основные паттерны проектирования на уровне, позволяющем понимать технические обсуждения команды. Понимает зачем паттерны важны для расширяемости и поддерживаемости продукта.
Использует знание паттернов для оценки технических решений — стратегия для A/B тестов, наблюдатель для уведомлений, фабрика для создания различных типов контента в продукте.
Применяет понимание паттернов при проектировании продуктовых решений — plugin-архитектура для расширений, CQRS для отчётности, saga для сложных бизнес-процессов с компенсациями.
Оценивает архитектурные решения команды с точки зрения продуктовой стратегии. Обеспечивает что выбранные паттерны поддерживают планируемую функциональность и масштабирование продукта.
Понимает базовые принципы ООП на уровне, достаточном для чтения технических спецификаций и UML-диаграмм. Способен участвовать в обсуждении архитектуры модулей продукта с разработчиками.
Использует понимание ООП для оценки технических решений команды — модульность кода, расширяемость системы, стоимость добавления новых фич. Понимает когда архитектура тормозит развитие продукта.
Применяет знание ООП-принципов для принятия продуктовых решений — декомпозиция монолита, проектирование расширяемых API, оценка стоимости поддержки обратной совместимости.
Участвует в архитектурных решениях, обосновывая продуктовые требования к модульности и расширяемости. Обеспечивает что архитектура поддерживает планируемый roadmap на 2-3 квартала вперёд.
Пользовательская документация
▼
Понимает важность structured knowledge management для технического продукта. Умеет создавать и поддерживать документы в Confluence, Notion или аналогах. Знает принципы организации knowledge base для технической команды.
Самостоятельно проектирует структуру knowledge base для продукта: architecture docs, runbooks, decision logs. Определяет information architecture с учётом разных аудиторий — developers, TPMs, stakeholders. Поддерживает актуальность.
Выстраивает knowledge management стратегию для продукта. Внедряет docs-as-code подход для технической документации. Определяет lifecycle management для документов: creation, review, deprecation. Интегрирует с dev workflows.
Определяет knowledge management стандарты для подразделения. Внедряет cross-team knowledge sharing practices. Формирует information architecture для 10+ продуктов. Оценивает knowledge base health metrics.
Понимает роль пользовательской документации для технического продукта. Знает типы документации: quickstart guides, tutorials, reference docs, FAQs. Может ревьюить документацию на accuracy и completeness.
Определяет требования к пользовательской документации для технического продукта. Координирует создание docs с учётом developer и end-user аудиторий. Ревьюит documentation на технической accuracy и user-friendliness.
Формирует documentation strategy для продукта. Определяет content architecture с учётом user journeys. Внедряет metrics: time-to-resolution, doc usage, search success rate. Координирует docs с product releases.
Определяет documentation стандарты для подразделения. Внедряет docs-as-product approach с user research и iteration. Формирует documentation team structure и processes. Измеряет documentation quality с customer feedback.
Реляционные БД
▼
Понимает базовые концепции PostgreSQL для управления продуктом: влияние производительности БД на SLA продукта, планирование миграций для релизов фич, распознавание ограничений модели данных в обсуждениях фич. Следует командным конвенциям документирования продуктовых решений, связанных с БД.
Работает с PostgreSQL при анализе продуктовых данных — пишет запросы для аналитики, понимает влияние схемы БД на производительность фич. Учитывает ограничения при проектировании продукта.
Принимает решения о модели данных продукта с учётом возможностей PostgreSQL — JSONB для гибких структур, partitioning для масштабирования, full-text search для поиска по контенту.
Определяет стратегию хранения данных для продуктовой команды. Координирует миграции схемы БД с продуктовым roadmap, обеспечивает обратную совместимость и планирование downtime.
Чистый код и рефакторинг
▼
Понимает важность качества кода для скорости доставки продукта. Знает базовые метрики — покрытие тестами, цикломатическая сложность — и может интерпретировать отчёты SonarQube.
Учитывает метрики качества кода при планировании спринтов — выделяет время на рефакторинг, отслеживает тренды технического долга. Использует данные для аргументации инвестиций в качество.
Интегрирует метрики качества кода в продуктовый процесс — quality gates перед релизом, автоматический мониторинг деградации. Балансирует скорость доставки фич с поддержанием здоровья кодовой базы.
Определяет политику качества кода для продуктовой команды — стандарты приёмки, SLA на устранение критических дефектов, бюджет технического долга. Коммуницирует ценность качества стейкхолдерам.