<\/a><\/noindex>C\u00edlem Data Science nen\u00ed pouze pln\u011bn\u00ed \u00fakol\u016f. Sp\u00ed\u0161e jde o studium a rozvoj nov\u00fdch siln\u00fdch obchodn\u00edch p\u0159\u00edle\u017eitost\u00ed. Algoritmick\u00e9 produkty a slu\u017eby, jako jsou syst\u00e9my doporu\u010den\u00ed, interakce se z\u00e1kazn\u00edky, klasifikace preferenc\u00ed ve stylu, v\u00fdb\u011br velikost\u00ed, design oble\u010den\u00ed, optimalizace logistiky, odhalov\u00e1n\u00ed sez\u00f3nn\u00edch trend\u016f a mnoh\u00e9 dal\u0161\u00ed nelze navrhnout p\u0159edem. Mus\u00ed se prozkoumat. Neexistuj\u00ed \u017e\u00e1dn\u00e9 pl\u00e1ny k reprodukci, jde o nov\u00e9 p\u0159\u00edle\u017eitosti s inherentn\u00edmi nejistotami. Koeficienty, modely, typy model\u016f, hyperparametry, v\u0161echny pot\u0159ebn\u00e9 prvky mus\u00ed b\u00fdt prozkoum\u00e1ny prost\u0159ednictv\u00edm experimentace, pokus\u016f a omyl\u016f, stejn\u011b jako opakov\u00e1n\u00ed. U \u0161pendl\u00edk\u016f se u\u010den\u00ed a design prov\u00e1d\u011bj\u00ed p\u0159edem, je\u0161t\u011b p\u0159ed jejich v\u00fdrobou. S Data Science se u\u010d\u00edte procesem, nikoli p\u0159ed n\u00edm.<\/p>\n
Ve fabrice na \u0161pendl\u00edky, kde je v\u00fduka na prvn\u00edm m\u00edst\u011b, ne\u010dek\u00e1me a nechceme, aby zam\u011bstnanci improvizovali na jak\u00e9koliv vlastnosti produktu, krom\u011b toho, aby zv\u00fd\u0161ili efektivitu v\u00fdroby. Specializace \u00fakol\u016f d\u00e1v\u00e1 smysl, proto\u017ee vede k efektivnosti proces\u016f a konzistenci v\u00fdroby (bez zm\u011bn koncov\u00e9ho produktu).<\/p>\n
Ale kdy\u017e se produkt st\u00e1le vyv\u00edj\u00ed a c\u00edlem je u\u010den\u00ed, specializace br\u00e1n\u00ed na\u0161im c\u00edl\u016fm v n\u00e1sleduj\u00edc\u00edch p\u0159\u00edpadech:<\/p>\n
1. Zvy\u0161uje n\u00e1klady na koordinaci. <\/b><\/p>\n
To znamen\u00e1 n\u00e1klady, kter\u00e9 se hromad\u00ed b\u011bhem \u010dasu str\u00e1ven\u00e9ho komunikac\u00ed, diskus\u00ed, od\u016fvodn\u011bn\u00edm a ur\u010den\u00edm priorit pr\u00e1ce, kterou je t\u0159eba vykonat. Tyto n\u00e1klady se exponenci\u00e1ln\u011b zvy\u0161uj\u00ed s po\u010dtem zapojen\u00fdch lid\u00ed. (Jak n\u00e1s u\u010dil J. Richard Hackman, po\u010det vztah\u016f r roste analogicky k funkci po\u010dtu \u010dlen\u016f n podle tohoto rovn\u011bn\u00ed: r = (n ^ 2 - n) \/ 2. A ka\u017ed\u00fd vztah odhaluje ur\u010dit\u00e9 mno\u017estv\u00ed n\u00e1kladov\u00fdch vztah\u016f). Kdy\u017e jsou analytici dat organizov\u00e1ni podle funkc\u00ed, v ka\u017ed\u00e9 f\u00e1zi, s ka\u017edou zm\u011bnou, ka\u017ed\u00fdm p\u0159ed\u00e1n\u00edm slu\u017eby atd. Je zapot\u0159eb\u00ed mnoho specialist\u016f, co\u017e zvy\u0161uje n\u00e1klady na koordinaci. Nap\u0159\u00edklad specialist\u00e9 na statistick\u00e9 modelov\u00e1n\u00ed, kte\u0159\u00ed cht\u011bj\u00ed experimentovat s nov\u00fdmi funkcemi, budou muset koordinovat sv\u00e9 akce s datov\u00fdmi in\u017een\u00fdry, kte\u0159\u00ed dopl\u0148uj\u00ed datov\u00e9 sady poka\u017ed\u00e9, kdy\u017e cht\u011bj\u00ed vyzkou\u0161et n\u011bco nov\u00e9ho. Podobn\u011b ka\u017ed\u00e1 nov\u00e1 natr\u00e9novan\u00e1 model znamen\u00e1, \u017ee v\u00fdvoj\u00e1\u0159 modelu pot\u0159ebuje n\u011bkoho, s k\u00fdm by mohl koordinovat sv\u00e9 akce pro jej\u00ed zaveden\u00ed do praxe. N\u00e1klady na koordinaci funguj\u00ed jako cena za iteraci, co\u017e je \u010din\u00ed slo\u017eit\u011bj\u0161\u00edmi a n\u00e1kladn\u011bj\u0161\u00edmi a s v\u011bt\u0161\u00ed pravd\u011bpodobnost\u00ed vedou k tomu, \u017ee se vzdaj\u00ed v\u00fdzkumu. To m\u016f\u017ee br\u00e1nit u\u010den\u00ed.<\/p>\n
2. T\u00edm se komplikuje doba \u010dek\u00e1n\u00ed. <\/b><\/p>\n
Je\u0161t\u011b hor\u0161\u00ed ne\u017e n\u00e1klady na koordinaci je \u010das ztracen\u00fd mezi pracovn\u00edmi sm\u011bnami. Zat\u00edmco n\u00e1klady na koordinaci se obvykle m\u011b\u0159\u00ed v hodin\u00e1ch, \u010dasu pot\u0159ebn\u00e9ho k po\u0159\u00e1d\u00e1n\u00ed sch\u016fzek, diskus\u00ed a projektov\u00fdch p\u0159ehled\u016f, \u010das \u010dek\u00e1n\u00ed se obvykle m\u011b\u0159\u00ed v dnech, t\u00fddnech nebo dokonce m\u011bs\u00edc\u00edch! Harmonogramy odborn\u00edk\u016f je t\u011b\u017ek\u00e9 sladit, proto\u017ee ka\u017ed\u00fd odborn\u00edk mus\u00ed b\u00fdt rozd\u011blen mezi n\u011bkolik projekt\u016f. Jedno hodinov\u00e9 shrom\u00e1\u017ed\u011bn\u00ed k projedn\u00e1n\u00ed zm\u011bn m\u016f\u017ee trvat n\u011bkolik t\u00fddn\u016f, ne\u017e se pracovn\u00ed proces vyrovn\u00e1. A po schv\u00e1len\u00ed zm\u011bn je t\u0159eba napl\u00e1novat i samotnou faktickou pr\u00e1ci v kontextu mnoha dal\u0161\u00edch projekt\u016f, co\u017e zab\u00edr\u00e1 pracovn\u00ed \u010das specialist\u016f. Pr\u00e1ce souvisej\u00edc\u00ed s opravou k\u00f3du nebo v\u00fdzkumem, pro jej\u00ed\u017e dokon\u010den\u00ed sta\u010d\u00ed n\u011bkolik hodin nebo dn\u00ed, m\u016f\u017ee trvat mnohem d\u00e9le, ne\u017e budou zdroje dostupn\u00e9. Do t\u00e9 doby jsou iterace a u\u010den\u00ed pozastaveny.<\/p>\n
3. To zu\u017euje kontext.<\/b><\/p>\n
D\u011blen\u00ed pr\u00e1ce m\u016f\u017ee um\u011ble omezovat u\u010den\u00ed, odm\u011b\u0148ov\u00e1n\u00edm lid\u00ed za to, \u017ee z\u016fst\u00e1vaj\u00ed ve sv\u00e9 specializaci. Nap\u0159\u00edklad v\u00fdzkumn\u00fd v\u011bdec, kter\u00fd mus\u00ed z\u016fstat v r\u00e1mci sv\u00e9 funk\u010dnosti, zam\u011b\u0159\u00ed svou energii na experimenty s r\u016fzn\u00fdmi typy algoritm\u016f: regres\u00ed, neuronov\u00fdmi s\u00edt\u011bmi, random forest a tak d\u00e1le. Ur\u010dit\u011b, dobr\u00fd v\u00fdb\u011br algoritmu m\u016f\u017ee v\u00e9st k postupn\u00fdm zlep\u0161en\u00edm, ale obecn\u011b lze mnohem v\u00edce vyt\u011b\u017eit z jin\u00fdch aktivit, jako je integrace nov\u00fdch datov\u00fdch zdroj\u016f. Stejn\u011b tak to pom\u016f\u017ee vyvinout model, kter\u00fd vyu\u017e\u00edv\u00e1 ka\u017ed\u00e9 kous\u00ed\u010dka vysv\u011btluj\u00edc\u00ed schopnosti dat. Nicm\u00e9n\u011b, jej\u00ed siln\u00e1 str\u00e1nka m\u016f\u017ee spo\u010d\u00edvat ve zm\u011bn\u011b c\u00edlov\u00e9 funkce nebo oslaben\u00ed ur\u010dit\u00fdch omezen\u00ed. To je obt\u00ed\u017en\u00e9 vid\u011bt nebo ud\u011blat, kdy\u017e je jej\u00ed pr\u00e1ce omezena. Proto\u017ee specializovan\u00fd v\u011bdec se zam\u011b\u0159uje na optimalizaci algoritm\u016f, m\u00e1 mnohem m\u00e9n\u011b p\u0159\u00edle\u017eitost\u00ed zab\u00fdvat se n\u011b\u010d\u00edm jin\u00fdm, i kdy\u017e to p\u0159in\u00e1\u0161\u00ed z\u00e1sadn\u00ed u\u017eitek.<\/p>\n
Pojmenujme rysy, kter\u00e9 se projevuj\u00ed, kdy\u017e t\u00fdmy datov\u00e9 v\u011bdy pracuj\u00ed jako tov\u00e1rny na \u0161pendl\u00edky (nap\u0159\u00edklad p\u0159i jednoduch\u00fdch aktualizac\u00edch stavu): \"\u010dek\u00e1n\u00ed na zm\u011bny datov\u00e9ho skluzu\" a \"\u010dek\u00e1n\u00ed na zdroje ML Eng\", kter\u00e9 jsou b\u011b\u017en\u00fdmi blok\u00e1tory. Nicm\u00e9n\u011b, domn\u00edv\u00e1m se, \u017ee nebezpe\u010dn\u011bj\u0161\u00ed vliv spo\u010d\u00edv\u00e1 v tom, co si nev\u0161imnete, proto\u017ee se nem\u016f\u017eete litovat toho, co je\u0161t\u011b nev\u00edte. Bezchybn\u00e9 spln\u011bn\u00ed po\u017eadavk\u016f a sebeklam, dosa\u017een\u00e9 v\u00fdsledkem efektivnosti proces\u016f, mohou skr\u00fdvat pravdu o tom, \u017ee organizace nejsou sezn\u00e1meny s v\u00fdhodami u\u010den\u00ed, kter\u00e9 prop\u00e1sly.<\/p>\n
\u0158e\u0161en\u00ed tohoto probl\u00e9mu je samoz\u0159ejm\u011b v zbaven\u00ed se metody tov\u00e1rny na \u0161pendl\u00edky. Abychom podpo\u0159ili u\u010den\u00ed a iteraci, mus\u00ed b\u00fdt role datov\u00e9 v\u011bdy sd\u00edlen\u00e9, ale s \u0161irok\u00fdmi odpov\u011bdnostmi, kter\u00e9 nejsou z\u00e1visl\u00e9 na technick\u00e9 funkci, tzn. uspo\u0159\u00e1dejte datov\u00e9 specialisty tak, aby byli optimalizov\u00e1ni pro u\u010den\u00ed. To znamen\u00e1, \u017ee je t\u0159eba najmout \"full-stack specialisty\" \u2014 univerz\u00e1ln\u00ed odborn\u00edky, kte\u0159\u00ed mohou plnit r\u016fzn\u00e9 \u00fakoly: od konceptu po modelov\u00e1n\u00ed, od realizace po m\u011b\u0159en\u00ed. Je d\u016fle\u017eit\u00e9 poznamenat, \u017ee nep\u0159edpokl\u00e1d\u00e1m, \u017ee p\u0159i naj\u00edm\u00e1n\u00ed specialist\u016f full-stack by m\u011bl klesnout po\u010det zam\u011bstnanc\u016f. Sp\u00ed\u0161e p\u0159edpokl\u00e1d\u00e1m, \u017ee kdy\u017e jsou organizov\u00e1ni jinak, jejich motivace l\u00e9pe odpov\u00eddaj\u00ed v\u00fdhod\u00e1m u\u010den\u00ed a efektivity. Nap\u0159\u00edklad m\u00e1te t\u00fdm t\u0159\u00ed lid\u00ed, ka\u017ed\u00fd s t\u0159emi obchodn\u00edmi dovednostmi. Na tov\u00e1rn\u011b na v\u00fdrobu \u0161pendl\u00edk\u016f by ka\u017ed\u00fd specialista v\u011bnoval t\u0159etinu \u010dasu ka\u017ed\u00e9mu profesn\u00edmu \u00fakolu, proto\u017ee nikdo jin\u00fd by nemohl vykon\u00e1vat jeho pr\u00e1ci. V full-stacku je ka\u017ed\u00fd univerz\u00e1ln\u00ed zam\u011bstnanec pln\u011b odd\u00e1n cel\u00e9mu obchodn\u00edmu procesu, zv\u011bt\u0161ov\u00e1n\u00ed rozsahu pr\u00e1ce a u\u010den\u00ed.<\/p>\n
S men\u0161\u00edm po\u010dtem lid\u00ed, kte\u0159\u00ed podporuj\u00ed v\u00fdrobn\u00ed cyklus, se sni\u017euje koordinace. Universal hladce p\u0159ech\u00e1z\u00ed mezi funkcemi, roz\u0161i\u0159uje datov\u00fd tok pro p\u0159id\u00e1n\u00ed v\u011bt\u0161\u00edho objemu dat, zkou\u0161\u00ed nov\u00e9 funkce v modelech, nasazuje nov\u00e9 verze do v\u00fdroby pro kauz\u00e1ln\u00ed m\u011b\u0159en\u00ed a opakuje kroky tak rychle, jakmile p\u0159ich\u00e1zej\u00ed nov\u00e9 n\u00e1pady. Samoz\u0159ejm\u011b, universal vykon\u00e1v\u00e1 r\u016fzn\u00e9 funkce sekven\u010dn\u011b, nikoli paraleln\u011b. Nakonec je to jen jeden \u010dlov\u011bk. Nicm\u00e9n\u011b proveden\u00ed \u00fakolu obvykle zabere jen malou \u010d\u00e1st \u010dasu pot\u0159ebn\u00e9ho k p\u0159\u00edstupu k jin\u00e9mu specializovan\u00e9mu zdroji. Tak\u017ee doba iterace se zkracuje.<\/p>\n
N\u00e1\u0161 universal mo\u017en\u00e1 nen\u00ed tak zru\u010dn\u00fd jako specialista na konkr\u00e9tn\u00ed pracovn\u00ed funkci, ale nesna\u017e\u00edme se o funk\u010dn\u00ed dokonalost nebo mal\u00e9 postupn\u00e9 zlep\u0161ov\u00e1n\u00ed. Sp\u00ed\u0161e se sna\u017e\u00edme prozkoum\u00e1vat a objevovat st\u00e1le nov\u00e9 profesion\u00e1ln\u00ed \u00fakoly s postupn\u00fdm dopadem. S celistv\u00fdm kontextem pro komplexn\u00ed \u0159e\u0161en\u00ed vid\u00ed p\u0159\u00edle\u017eitosti, kter\u00e9 \u00fazk\u00fd specialista p\u0159ehl\u00e9dne. M\u00e1 v\u00edce n\u00e1pad\u016f a v\u00edce mo\u017enost\u00ed. Tak\u00e9 selh\u00e1v\u00e1. Nicm\u00e9n\u011b cena selh\u00e1n\u00ed je n\u00edzk\u00e1 a v\u00fdhody u\u010den\u00ed jsou vysok\u00e9. Tato asymetrie podporuje rychlou iteraci a odm\u011b\u0148uje u\u010den\u00ed.<\/p>\n
Je d\u016fle\u017eit\u00e9 poznamenat, \u017ee rozsah autonomie a rozmanitosti dovednost\u00ed, kter\u00e9 jsou poskytov\u00e1ny v\u011bdc\u016fm pracuj\u00edc\u00edm se stacky, do zna\u010dn\u00e9 m\u00edry z\u00e1vis\u00ed na spolehlivosti datov\u00e9 platformy, na kter\u00e9 mohou pracovat. Dob\u0159e navr\u017een\u00e1 datov\u00e1 platforma abstrahuje v\u011bdce o zpracov\u00e1n\u00ed dat od slo\u017eitost\u00ed kontejnerizace, distribuovan\u00e9ho zpracov\u00e1n\u00ed, automatick\u00e9ho p\u0159echodu na jin\u00e9 zdroje a dal\u0161\u00edch pokro\u010dil\u00fdch po\u010d\u00edta\u010dov\u00fdch koncept\u016f. Krom\u011b abstrahov\u00e1n\u00ed m\u016f\u017ee spolehliv\u00e1 datov\u00e1 platforma zajistit bezprobl\u00e9mov\u00e9 p\u0159ipojen\u00ed k experiment\u00e1ln\u00ed infrastruktu\u0159e, automatizovat monitorov\u00e1n\u00ed a syst\u00e9m upozorn\u011bn\u00ed, zajistit automatick\u00e9 \u0161k\u00e1lov\u00e1n\u00ed a vizualizaci algoritmick\u00fdch v\u00fdsledk\u016f a lad\u011bn\u00ed. Tyto komponenty jsou navr\u017eeny a vytvo\u0159eny in\u017een\u00fdry datov\u00e9 platformy, tj. od specialisty na Data Science nejsou p\u0159ed\u00e1v\u00e1ny t\u00fdmu v\u00fdvoj\u00e1\u0159\u016f datov\u00e9 platformy. Specialist\u00e9 na Data Science jsou odpov\u011bdn\u00ed za ve\u0161ker\u00fd k\u00f3d pou\u017e\u00edvan\u00fd k provozu platformy.<\/p>\n
Jednou m\u011b tak\u00e9 zaj\u00edmalo funk\u010dn\u00ed rozd\u011blen\u00ed pr\u00e1ce s vyu\u017eit\u00edm efektivity proces\u016f, ale pomoc\u00ed pokus\u016f a omyl\u016f (to je nejlep\u0161\u00ed zp\u016fsob u\u010den\u00ed) jsem zjistil, \u017ee typick\u00e9 role v\u00edce p\u0159isp\u00edvaj\u00ed k u\u010den\u00ed a inovac\u00edm a poskytuj\u00ed spr\u00e1vn\u00e9 ukazatele: identifikaci a budov\u00e1n\u00ed mnohem v\u011bt\u0161\u00edho po\u010dtu obchodn\u00edch p\u0159\u00edle\u017eitost\u00ed ne\u017e specializovan\u00fd p\u0159\u00edstup. (Efektivn\u011bj\u0161\u00ed zp\u016fsob, jak se dozv\u011bd\u011bt o tomto p\u0159\u00edstupu k organizaci, ne\u017e metoda pokus\u016f a omyl\u016f, kterou jsem pro\u0161el, je p\u0159e\u010d\u00edst si knihu Amy Edmondson \"Interakce v t\u00fdmu: jak se organizace u\u010d\u00ed, vytv\u00e1\u0159ej\u00ed inovace a konkuruj\u00ed v ekonomice znalost\u00ed\").<\/p>\n
Existuj\u00ed n\u011bkter\u00e9 d\u016fle\u017eit\u00e9 p\u0159edpoklady, kter\u00e9 mohou u\u010dinit tento p\u0159\u00edstup k organizaci v\u00edce \u010di m\u00e9n\u011b spolehliv\u00fdm v n\u011bkter\u00fdch firm\u00e1ch. Proces iterace sni\u017euje n\u00e1klady na pokusy a omyly. Pokud jsou n\u00e1klady na chybu vysok\u00e9, mo\u017en\u00e1 budete cht\u00edt tyto n\u00e1klady sn\u00ed\u017eit (ale to se nedoporu\u010duje pro zdravotnick\u00e9 aplikace nebo v\u00fdrobu). Nav\u00edc, pokud se pot\u00fdk\u00e1te s petabyty nebo exabyty dat, m\u016f\u017ee b\u00fdt pot\u0159eba specializace v oblasti n\u00e1vrhu dat. Podobn\u011b, pokud je pro v\u00e1s d\u016fle\u017eit\u011bj\u0161\u00ed udr\u017eov\u00e1n\u00ed obchodn\u00edch p\u0159\u00edle\u017eitost\u00ed online a jejich dostupnost ne\u017e jejich zdokonalov\u00e1n\u00ed, m\u016f\u017ee funk\u010dn\u00ed nad\u0159azenost p\u0159ev\u00e1\u017eit nad u\u010den\u00edm. Nakonec model pln\u00e9ho z\u00e1sobn\u00edku spol\u00e9h\u00e1 na n\u00e1zory odborn\u00edk\u016f. Nejsou to jednoro\u017eci; mohou b\u00fdt nalezeni nebo vycvi\u010deni sami. Jsou v\u0161ak vysoce cen\u011bni, a k jejich p\u0159il\u00e1k\u00e1n\u00ed a udr\u017een\u00ed v podniku bude zapot\u0159eb\u00ed konkurenceschopn\u00e9 finan\u010dn\u00ed odm\u011bny, udr\u017eiteln\u00e9 podnikov\u00e9 hodnoty a zaj\u00edmav\u00e1 pr\u00e1ce. Ujist\u011bte se, \u017ee va\u0161e firemn\u00ed kultura m\u016f\u017ee zajistit takov\u00e9 podm\u00ednky.<\/p>\n
I kdy\u017e to v\u0161echno zohledn\u00edme, mysl\u00edm, \u017ee model pln\u00e9ho z\u00e1sobn\u00edku poskytuje nejlep\u0161\u00ed podm\u00ednky pro za\u010d\u00e1tek. Za\u010dn\u011bte s nimi a pot\u00e9 v\u011bdom\u011b p\u0159ech\u00e1zejte k funk\u010dn\u00edmu rozd\u011blen\u00ed pr\u00e1ce a\u017e tehdy, kdy\u017e je to skute\u010dn\u011b nezbytn\u00e9.<\/p>\n
Existuj\u00ed tak\u00e9 dal\u0161\u00ed nev\u00fdhody funk\u010dn\u00ed specializace. M\u016f\u017ee to v\u00e9st ke ztr\u00e1t\u011b odpov\u011bdnosti a pasivit\u011b ze strany pracovn\u00edk\u016f. S\u00e1m Smith kritizuje d\u011blen\u00ed pr\u00e1ce, nazna\u010duj\u00edc, \u017ee vede k otup\u011bn\u00ed talentu, tj. pracovn\u00edci se st\u00e1vaj\u00ed nev\u011bdom\u00fdmi a uzav\u0159en\u00fdmi, proto\u017ee jejich role jsou omezeny na n\u011bkolik opakuj\u00edc\u00edch se \u00fakol\u016f. Zat\u00edmco specializace m\u016f\u017ee zajistit efektivitu procesu, m\u00e9n\u011b \u010dasto inspiruje pracovn\u00edky.<\/p>\n
Univerz\u00e1ln\u00ed role v pracovn\u00edm prost\u0159ed\u00ed zaji\u0161\u0165uj\u00ed v\u0161e, co podporuje spokojenost zam\u011bstnanc\u016f: autonomii, mistrovstv\u00ed a c\u00edlev\u011bdomost. Autonomie znamen\u00e1, \u017ee nejsou z\u00e1visl\u00e9 na n\u011b\u010dem jin\u00e9m pro dosa\u017een\u00ed \u00fasp\u011bchu. Mistrovstv\u00ed spo\u010d\u00edv\u00e1 v siln\u00fdch konkuren\u010dn\u00edch v\u00fdhod\u00e1ch. A c\u00edlev\u011bdomost se projevuje ve schopnosti ovlivnit podnik\u00e1n\u00ed, kter\u00e9 buduj\u00ed. Pokud se n\u00e1m poda\u0159\u00ed nadchnout lidi pro svou pr\u00e1ci a umo\u017enit jim m\u00edt v\u00fdznamn\u00fd dopad na firmu, v\u0161e ostatn\u00ed se postar\u00e1 o sebe.habr.com<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"HIROSHI WATANABE\/GETTY IMAGES \u0412 \u043a\u043d\u0438\u0433\u0435 \u00ab\u0411\u043e\u0433\u0430\u0442\u0441\u0442\u0432\u043e \u043d\u0430\u0440\u043e\u0434\u043e\u0432\u00bb \u0410\u0434\u0430\u043c \u0421\u043c\u0438\u0442 \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442, \u043a\u0430\u043a \u0440\u0430\u0437\u0434\u0435\u043b\u0435\u043d\u0438\u0435 \u0442\u0440\u0443\u0434\u0430 \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f \u0433\u043b\u0430\u0432\u043d\u044b\u043c \u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a\u043e\u043c \u043f\u043e\u0432\u044b\u0448\u0435\u043d\u0438\u044f \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438. \u041f\u0440\u0438\u043c\u0435\u0440\u043e\u043c \u0432\u044b\u0441\u0442\u0443\u043f\u0430\u0435\u0442 \u043b\u0438\u043d\u0438\u044f \u0441\u0431\u043e\u0440\u043a\u0438 \u0437\u0430\u0432\u043e\u0434\u0430 \u043f\u043e \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0441\u0442\u0432\u0443 \u0431\u0443\u043b\u0430\u0432\u043e\u043a: \u00ab\u041e\u0434\u0438\u043d \u0440\u0430\u0431\u043e\u0447\u0438\u0439 \u0442\u044f\u043d\u0435\u0442 \u043f\u0440\u043e\u0432\u043e\u043b\u043e\u043a\u0443, \u0434\u0440\u0443\u0433\u043e\u0439 \u0432\u044b\u043f\u0440\u044f\u043c\u043b\u044f\u0435\u0442 \u0435\u0451, \u0442\u0440\u0435\u0442\u0438\u0439 \u043e\u0431\u0440\u0435\u0437\u0430\u0435\u0442, \u0447\u0435\u0442\u0432\u0435\u0440\u0442\u044b\u0439 \u0437\u0430\u043e\u0441\u0442\u0440\u044f\u0435\u0442 \u043a\u043e\u043d\u0435\u0446, \u043f\u044f\u0442\u044b\u0439 \u043e\u0431\u0442\u0430\u0447\u0438\u0432\u0430\u0435\u0442 \u0434\u0440\u0443\u0433\u043e\u0439 \u043a\u043e\u043d\u0435\u0446 \u0434\u043b\u044f \u043d\u0430\u0441\u0430\u0436\u0438\u0432\u0430\u043d\u0438\u044f \u0433\u043e\u043b\u043e\u0432\u043a\u0438\u00bb. \u0411\u043b\u0430\u0433\u043e\u0434\u0430\u0440\u044f \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438, \u043e\u0440\u0438\u0435\u043d\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0439 \u043d\u0430 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u044b\u0435 \u0444\u0443\u043d\u043a\u0446\u0438\u0438, \u043a\u0430\u0436\u0434\u044b\u0439 \u0440\u0430\u0431\u043e\u0442\u043d\u0438\u043a \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f \u0432\u044b\u0441\u043e\u043a\u043e\u043a\u0432\u0430\u043b\u0438\u0444\u0438\u0446\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u043c […]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":24671,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[702],"tags":[],"class_list":["post-32907","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-news"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t
![\"Pro\u010d](\"\/wp-content\/uploads\/2019\/05\/19d1e32e5d57abd463376af240cfa42e.jpg\")