Crafting Engineering Strategy, глава 14: Systems modeling
Главная мысль: systems modeling дёшево показывает, как устроена сложная система и где усилия дадут больше всего. Модель помогает думать, но не заменяет суждение. Если модель и реальность спорят, права реальность.
О чём глава
Заголовок раздела «О чём глава»В прошлой главе мы проверяли политику на кейсах. Здесь второй метод уточнения (refinement): описать систему моделью. Глава разбирает пять тем: когда метод нужен, какие брать инструменты, как строить модель, как её описать и чего она не умеет.

Основы за две минуты
Заголовок раздела «Основы за две минуты»Всё, что может накапливаться, называется запасом (stock). Изменения запасов — это потоки (flow). На схеме запасы — запросы, балансировщик нагрузки, сервер, успешные и неуспешные запросы, а каждая стрелка — поток. Если балансировщик отвечает 529, клиент повторяет запрос.
Systems modeling комбинирует запасы и потоки, чтобы понять поведение системы, которое иначе стало бы сюрпризом или слишком долго проявлялось бы в измерениях. Например, можно сравнить балансировщик, который ограничивает поток к серверу, чувствительному к нагрузке, и такой, который не ограничивает.

Без модели спор быстро становится философским: «как странно, что сервер так чувствителен». С моделью сразу видно, что сервер нужно защищать. Так работают модели: они дают дешёвый способ понять систему там, где полное понимание обошлось бы слишком дорого.
Когда модель полезна
Заголовок раздела «Когда модель полезна»- Неясно, где точки приложения усилий (
leverage points). Модель онбординга водителей Uber показала: вернуть ушедших водителей важнее, чем улучшать онбординг (глава 17). - Есть много данных для сравнения. Автор смоделировал влияние найма на продуктивность инженеров Uber и сравнил с внутренними данными.
- Спор стоит на неявных интуициях. Модель делает их структурой, которую можно обсуждать.
Во всех трёх случаях с моделью можно проверять и менять идеи намного быстрее, чем в живом эксперименте с командой. Моделирование не тормозит работу, если есть практика: на каждую модель для книги ушло меньше часа. Модель часто раскрывает неочевидное. Например, модель влияния LLM на работу разработчиков показала: сокращать время на тестирование выгодно, только если число проблем в production не растёт.
Но моделирование без практики даёт необоснованную уверенность: настоящее понимание приходит, когда идеи применяют в реальных ситуациях. И метод подходит не всегда. Если подход ясен и нужно уточнить детали, лучше strategy testing. Если нужно понять эволюцию экосистемы, берите Wardley mapping (глава 15).
Инструменты
Заголовок раздела «Инструменты»Идея простая, а инструменты мешают её распространению. Автор попробовал две крайности:
- Таблица. Модель влияния LLM он строил в разрастающейся таблице. Это было медленно и хрупко, в модель попали ошибки.
- Простые программы вроде SageModeler и Insight Maker. Они ограничены по возможностям, их долго осваивать, или они не дают поделиться моделью.
В итоге он вернулся к своей библиотеке lethain/systems: она быстрая, бесплатная, открытая, работает в Jupyter. Но читателю он советует другое: выберите любой удобный инструмент и тренируйтесь, пока модели не начнут получаться быстро.
Как строить модель
Заголовок раздела «Как строить модель»
- Эскиз. Нарисуйте запасы и потоки на бумаге или в Excalidraw.
- Ожидания. Подумайте, какие потоки вырастут, какие упадут и как это покажет, работает ли стратегия.
- Модель в таблице. Сначала основной путь (
happy path): потоки слева направо. Потом путь ошибок (exception path): потоки справа налево. - Эксперименты. Меняйте стартовые значения и смотрите, как скорости потоков влияют на результат. Это анализ чувствительности (
sensitivity analysis). - Документ. Опишите модель отдельно и ссылайтесь на неё из стратегий. Детали модели отвлекают читателя от самой стратегии.
Шаги 1–4 со временем сливаются в один цикл, а документ автор пишет после нескольких итераций. Готовые модели книги ищите в главах 16, 17 и 18.
Как описать модель
Заголовок раздела «Как описать модель»Читатели модели разные: одни не знают ваш инструмент, другие разбирают детали, чтобы уточнить или опровергнуть модель. Автор пишет прежде всего для тех, кто в детали модели вникать не станет. Порядок такой: что узнали (с графиками), схема запасов и потоков, что говорит сама схема, как построена модель, эксперименты. Большинству неважно, как построена модель, им нужны выводы. Дайте их в начале и считайте, что вашей модели никто не поверит так, как вы.
Чего модель не умеет
Заголовок раздела «Чего модель не умеет»Автор видел, как люди принимают модель за саму реальность. Он даёт три предостережения:
- Если модель и реальность спорят, права реальность. В Stripe модель надёжности была хорошей, но на практике результаты вышли неоднозначными. Команда слишком долго собирала данные и поздно занялась главным: как с пользой тратить небольшие силы на устранение проблем и как этих сил добавить.
- Модель неизменна, реальность меняется. Одна компания вкладывала в найм, но не могла нанять. Модель сначала толкала улучшать верх воронки найма, потом этап, когда кандидат принимает оффер. Главную преграду она не видела: интервьюеры расходились в ожиданиях.
- Любая модель что-то опускает. Модель миграции в Uber (глава 16) показала, что нужен агрессивный план, и миграция удалась. Но модель не оценила последствия завершённой миграции (среди них очень неудобная среда разработки) и не спросила, нужна ли миграция вообще.
Во всех трёх случаях модель была очень ценной и при этом незаметно уводила в сторону. Но команда ошиблась бы и без модели. Опасна чрезмерная уверенность в модели, а не она сама.
Итоги главы
Заголовок раздела «Итоги главы»- Модель даёт дешёвое понимание там, где полное слишком дорого.
- Метод нужен, если неясны точки приложения усилий, есть данные или спор стоит на интуициях.
- Если подход известен, берите
strategy testing; для экосистем —Wardley mapping. - Строить модель лучше так: эскиз, ожидания, основной путь, путь ошибок, эксперименты, документ.
- В документе сначала выводы, потом схема и детали.
- Модели что-то опускают, а главный риск — излишняя уверенность в них.
Ключевые термины
Заголовок раздела «Ключевые термины»| Термин | Значение |
|---|---|
systems modeling | Описание системы запасами и потоками |
Запас (stock) | Всё, что накапливается |
Поток (flow) | Изменение запаса |
leverage point | Место, где небольшое изменение сильно влияет на систему |
sensitivity analysis | Меняем стартовые значения и смотрим на реакцию модели |
Что это значит на практике
Заголовок раздела «Что это значит на практике»- Перед спором об ограничении нагрузки нарисуйте
stocksиflowsпути данных: источник, очередь, загрузка, ошибки, повторы. - Сравните модель с метриками, например с задержкой и долей ошибок. Расхождения покажут, чего вы не знаете.
Вопросы для самопроверки
Заголовок раздела «Вопросы для самопроверки»- Чем запас отличается от потока? Приведите пример из
pipelineданных. - В каких трёх случаях автор советует
systems modeling? - Почему полезная модель всё равно может вести не туда?
Предыдущая: Проверка стратегии. Следующая: Wardley mapping.