Data Nature 🕊
الذهاب إلى القناة على Telegram
Канал о жизни BI аналитики и инфо-дизайна в корп реалиях с фокусом на работающих практиках управления. Веду как летопись полезного для себя и людей с такими же неврозами. александр бараков @alexbarakov datanature.ru data-nature.com (рекламу не размещаю)
إظهار المزيد6 151
المشتركون
+224 ساعات
+257 أيام
+4030 أيام
جاري تحميل البيانات...
القنوات المماثلة
سحابة العلامات
الإشارات الواردة والصادرة
---
---
---
---
---
---
جذب المشتركين
يوليو '26
يوليو '26
+60
في 1 قنوات
يونيو '26
+59
في 1 قنوات
Get PRO
مايو '26
+63
في 0 قنوات
Get PRO
أبريل '26
+46
في 0 قنوات
Get PRO
مارس '26
+83
في 1 قنوات
Get PRO
فبراير '26
+124
في 1 قنوات
Get PRO
يناير '26
+150
في 3 قنوات
Get PRO
ديسمبر '25
+73
في 1 قنوات
Get PRO
نوفمبر '25
+90
في 1 قنوات
Get PRO
أكتوبر '25
+99
في 2 قنوات
Get PRO
سبتمبر '25
+98
في 2 قنوات
Get PRO
أغسطس '25
+130
في 4 قنوات
Get PRO
يوليو '25
+129
في 3 قنوات
Get PRO
يونيو '25
+168
في 4 قنوات
Get PRO
مايو '25
+115
في 1 قنوات
Get PRO
أبريل '25
+128
في 2 قنوات
Get PRO
مارس '25
+128
في 1 قنوات
Get PRO
فبراير '25
+143
في 0 قنوات
Get PRO
يناير '25
+141
في 0 قنوات
Get PRO
ديسمبر '24
+251
في 2 قنوات
Get PRO
نوفمبر '24
+276
في 3 قنوات
Get PRO
أكتوبر '24
+139
في 4 قنوات
Get PRO
سبتمبر '24
+129
في 1 قنوات
Get PRO
أغسطس '24
+243
في 4 قنوات
Get PRO
يوليو '24
+108
في 4 قنوات
Get PRO
يونيو '24
+103
في 1 قنوات
Get PRO
مايو '24
+199
في 5 قنوات
Get PRO
أبريل '24
+146
في 5 قنوات
Get PRO
مارس '24
+134
في 3 قنوات
Get PRO
فبراير '24
+92
في 6 قنوات
Get PRO
يناير '24
+86
في 2 قنوات
Get PRO
ديسمبر '23
+83
في 1 قنوات
Get PRO
نوفمبر '23
+85
في 3 قنوات
Get PRO
أكتوبر '23
+170
في 6 قنوات
Get PRO
سبتمبر '23
+223
في 0 قنوات
Get PRO
أغسطس '23
+169
في 0 قنوات
Get PRO
يوليو '23
+185
في 0 قنوات
Get PRO
يونيو '23
+122
في 0 قنوات
Get PRO
مايو '23
+553
في 0 قنوات
Get PRO
أبريل '23
+78
في 0 قنوات
Get PRO
مارس '23
+412
في 0 قنوات
Get PRO
فبراير '23
+315
في 0 قنوات
Get PRO
يناير '23
+305
في 0 قنوات
Get PRO
ديسمبر '22
+46
في 0 قنوات
Get PRO
نوفمبر '22
+243
في 0 قنوات
Get PRO
أكتوبر '22
+91
في 0 قنوات
Get PRO
سبتمبر '22
+21
في 0 قنوات
Get PRO
أغسطس '22
+77
في 0 قنوات
Get PRO
يوليو '22
+50
في 0 قنوات
Get PRO
يونيو '22
+118
في 0 قنوات
Get PRO
مايو '22
+16
في 0 قنوات
Get PRO
أبريل '22
+27
في 0 قنوات
Get PRO
مارس '22
+53
في 0 قنوات
Get PRO
فبراير '22
+148
في 0 قنوات
Get PRO
يناير '22
+237
في 0 قنوات
Get PRO
ديسمبر '21
+618
في 0 قنوات
| التاريخ | نمو المشتركين | الإشارات | القنوات | |
| 14 يوليو | +2 | |||
| 13 يوليو | +3 | |||
| 12 يوليو | 0 | |||
| 11 يوليو | +3 | |||
| 10 يوليو | +4 | |||
| 09 يوليو | +28 | |||
| 08 يوليو | +4 | |||
| 07 يوليو | +3 | |||
| 06 يوليو | +3 | |||
| 05 يوليو | +2 | |||
| 04 يوليو | 0 | |||
| 03 يوليو | +2 | |||
| 02 يوليو | +4 | |||
| 01 يوليو | +2 |
منشورات القناة
+1AI не готовность - пост о том, как препарируем доменные данные и контекст в Авито
Антропик напомнил всем кто забыл, что Text2sql бесполезен, если он не шарит в данных домена. Мы догадывались.
Одна из тестируемых тут идей - AI-ready score в целях тимлидов доменов.
Это булевые проверки условно трех групп:
- Роли и в домене (BI-партнёр, Куратор метрик, AI-чемпион). Скучный компонент, но без гавернанс-людей никак;
- Разметка каноничных объектов. Смотрим, что доля трафика через сертифицированные здоровые витрины, деши и метрики не ниже таргета.
- База знаний домена - 11 типов контекста в репозитории: FAQ с ловушками, глоссарий, lineage, примеры text2sql, eval-кейсы, деревья метрик и др.
Генерация этого контекста - это тоже скилл, встроенный в работу - решил задачу -> закинул агентом PR в базу контекста. Автогенерённые объекты засчитываются только после ревью.
Всё это пока про покрытие.
Качество сразу после: golden sets по типовым задачам + трейсы от AI-дежурных дают базу для тюнинга
Будет понято, какие эвалы фейк, какие знания - балласт.
AI-дежурные и ассистенты это морковка спереди, рост доли их успешно отвеченных эдхоков в чатах - мотивация вкладываться дальше в контекст.
Замеры в этой части пошарю позднее.
Если интересно включится - все еще есть вакансии в BI
| 2 |  ахахахах, картинка угар, сори, не мог не запостить 🤨
🎙Через месяц проведем программу «Разработка BI+AI стратегии» — ежегодные живые воркшопы для BI/Data лидеров.
📅 5–28 августа • 11 дней по 2,5 часа в 18.00
AI-стратегии сейчас писать не лучшее время — никто не понимает ничего, кроме вектора и горизонта пары месяцев. Но и развивать BI без ИИ нет смысла.
Тот случай, когда программа нужна мне самому. Нужно обстучать весь этот поток гипотез, переопылиться.
Старые темы теперь с "ИИ":
– Self-Service, Reporting Factory и теперь Agentic BI: что ИИ каннибализирует, а где сертифицированный репортинг остается;
– Карго-культы в AI во всех дата-платформах страны: самолёты летающие и соломенные «AI-ассистенты»;
– Data и content management: сертификация, health score, архивация — как не утонуть в собственных витринах и отчётах c приходом AI-слопа;
– Почему text-to-SQL демо работает, а в проде врёт — и причём тут semantic layer, core-витрины и доменный контекст;
– Вайбкодинг в BI-команде: почему это уже обязательный тулинг и «как знать меру»;
– Core слой витрин как «здоровое питание» AI-аналитика вместо фастфуда из 6000 витрин низкого качества;
– Дата-каталоги и глоссарии наконец взлетят — но не для людей, а для AI-агентов;
– Метрики BI и какие новые шансы посчитать таки time-to-insight, Saved FTE и проч
Все это и прочее в режиме живых обсуждений, разборов кейсов друг друга — участников и топ-компаний. Апдейт контента примерно 50% vs прошлый год.
Заходите. Мест немного.
👉 https://biconsult.ru/bi-strategy-barakov/ | 1 425 |
| 3 |  +1Насмотренность на гавернанс данных дает мрачный образ будущего для гавернанса контекста.
Сегодня в тех компаниях строятся планы:
Соберем весь контекст, свяжем все знания компании в context/knowledge graph. Сделаем AI понимающим бизнес.
Десять лет назад примерно так же выглядели обещания от Data Governance:
Соберем все метаданные. Построим каталог. Назначим владельцев. Опишем определения. Наступит порядок.
Пока у меня есть только вопросы и гипотезы.
Делюсь чтобы собрать мнений.
1. Больше контекста = выше качество AI?
В кейсе Anthropic агент получил доступ к большому корпусу SQL, дашбордов и аналитических артефактов. Качество почти не выросло.
Во многих ошибочных ответах нужная информация находилась внутри доступного корпуса. Проблема была в выборе правильной сущности.
Ценность создавал не объем контекста, а уменьшение пространства выбора.
Большая часть рынка сегодня инвестирует в: knowledge graph; semantic layer; metadata; context. Anthropic пишет что после определенного уровня зрелости дополнительные знания дают меньший эффект, чем качественные процедуры, зашитые в skills: какие источники когда использовать, в каком порядке, с какими проверками и уточнениями.
2. Можно ли через AI собирать, создавать, валидировать контекст Компании?
DataHub исходит, что значительная часть контекста уже существует, просто разбросана по системам. Тут AI явно может помочь с Context Mining — поиском отсутствующего контекста.
Anthropic говорит, что самого важного слоя - бизнес-контекста - в системах нет: почему метрика считается именно так; почему существует исключение; почему доверяют именно этому источнику; почему было принято именно такое решение.
Такой контекст нужно создавать человеку.
Распределенная ответственность за валидацию контекста выглядит одним из главных рисков. То, из-за чего не взлетает DG — человеческий фактор.
Тут AI уже умеет:
находить противоречия;
находить устаревший контекст;
выявлять пробелы;
сравнивать версии;
запускать проверки, evals.
Возможно, мы движемся от модели: AI → Human → Approved
к модели: AI → AI Review → Human для конфликтов.
Но не факт.
3. Что вообще тащить в Context Layer?
На первый взгляд хочется построить новую систему и собрать туда все.
Сделать еще одну устаревающую копию реальности.
Кажется, Context Layer не должен управлять контекстом.
Скорее собирать связи о разном контексте из мастер-систем без дублирования (накидал матрицу на фото)
...и добавлять критичную инфу про:
Trust;
Certification;
Freshness;
Canonicality;
Completeness.
4. Кто такой Context Engineer?
Если контекст становится стратегическим активом, кто-то им должен управлять.
«Context Engineer» расщепляется на две роли:
(1) Context engineering — собирает контекст под конкретного агента: skills, retrieval, tools, evals. Чинит ошибки. Ближе к Analytics Engineer / BI.
(2) Context manager — владеет доменным слоем контекста. Эволюция Data Governance / Steward роли.
Откуда только этим людям взять capacity на это? Другие задачи никто не снимал. А эффективность от AI массово не наступила. | 2 545 |
| 4 | Эфир Visiology Cortex про их next gen BI прототип вызвал тут обсуждение в закрытых чатах и резонирует с тем, как мы строим свой BI тулинг в Авито.
Начну с предложения всем посмотреть, Иван с командой хорошо копает в продуктовые гипотезы, дает часто независимую аналитику. Ищут новые сценарии в BI и делятся.
Кто посмотрел - давайте обсудим (тут нет правильных ответов).
Закину свои мысли подробнее, с переходом в душноту:
15:05 Иван начал с того, что разложил базу про основные AI+BI группы юзкейсов. Тут все по делу:
- вайбкодинг в BI стоит своих токенов, годится для ресерча, прототипа, администрирования, но для прода все еще много правдоподобно ошибается, требует реворка/ревью. Ценность межуется с потерями. Всем пробовать.
- чат с базой данных (Text2SQL) работает, но точность сильно зависит от семантического слоя и системы управления контекстом, которые никто в реальной жизни (пока) не построил.
- ИИ помощники в BI, тупо полезные встроенные тулы, которые где то сильно (код), где то не сильно (визуал) ускоряют разработчика.
Потом начинается демо.
Красивое вендорское демо - смелое, с предположениями, иногда далекими от жизни:
32:19 cortex визы, новое поколение self service аналитики в понимании visiology.
Вопрос - почему юзера с бизнес-вопросом отправляют конструировать (пусть и с агентом) подключение? В это пойдет casual explorer а их обычно 5-7%. Кажется правильнее исходить, что качественные сорсы/квери уже размечены для агента аналитиками/BI. Наоборот надо предотвращать тут создание новых сорсов, коннектов неаналитиком.
Первый кусочек продуктового легаси и идеализма. Из области для атоса (юзера) это слишком много, для графа де ла фер (биайщика) слишком мало.
- Далее флоу ведет к генерации метрик.
Первый вопрос зачем их давать так свободно генерить, а не брать из сертифицированного стора ? (жесткий риск утраты так долго выстраиваемой версии блять правды)
Второй вопрос - как решена в генерации проблема правдоподобных и скрытых ошибок в логике? Ребята стильно обошли семантического слона в комнате, о котором вели речь в начале ролика.
Третий вопрос — зачем генерить визы и заставлять в них вникать, когда можно сразу ответить на вопрос.
При этом выдача набора виджетов фактоида, динамикой и основными разрезами сам по себе хорошая фича. Но кажется нужна по спец запросу или уже для креатора.
- Потом клац - на этом "сорсе" с "метриками" селфсервис юзер создал "деш". Тот же наброс — пушим в старое, не? Такое осядет мусором на сервере. Если только в личный сендбокс без шаринга если приспичило.
Сама по себе генерация дешей на базовом виздвижке и доработкой стандартными средствами — это хорошо. Но мы в Авито вероятно от этого пока откажется - слишком дорого, оставим агенту весь JS и не будем мучить всех сборкой дешей на бедной drag-n-drop библиотеке чартов. С UI чата - ожидание от неаналитика в создание визов руками уходит, а профики будут ваять с агентом на JS.
- Короче не хватило встроенного гавернанса - иначе ai-driven серфсервис это немного про обезьяну с грантатой - засрет все BI-слопом и положит dwh кверями.
43:53 - Аватар. Не до конца понял. Пока выглядит как простой rules-based алертинг. Проблема всех алертов была и останется
- в массовом false positive срабатывании чекеров. Поэтому все дайджесты инсайтов в итоге или отключают или пускают через проверку кожаным.
- в плохом выявлении причин событий автоматикой. Тут возврат к системе управления контекстом + агенты судьи. Без этого все тлен (с этом впрочем возможно тоже)).
47:07 - Лаборатория - норм, переупаковка Клода в контуре BI системы. Вопрос - зачем отдельный чат в cortex визы, тут есть mcp dwh/BI и можно его сделать стартовым. Плюс его в мессенджер высадить.
Каждая 10 цифра будет фейком, но для self service может и норм.
«Не могли этого не сделать. Must have для BI системы»
Звучит как продуктовые чемоданы без ручек, которые стоит бросить, раз уже делаем next gen.
А вообще крутые эксперименты.
Диалог с чатом в левой части экрана — значит все серьезно. AI-first.
Понимаю что пост — душнота страшная, но таков путь. Актуалочка. | 1 927 |
| 5 |  Простой тест: спроси коллегу, кто у вас в компании самый сильный BI. Если назвали тебя — пора откликаться на вакансии в Авито.
Если серьёзно — мы ищем сильных BI на senior и middle.
Нам важно:
— Автономность и самоменеджмент. Не разжевываем.
— End-to-end. Берешь проблему бизнеса и деливеришь результат.
— Диапазон. Свободно ходишь от кода и системного анализа к бизнес-логике и визуалу. И обратно.
Что получишь кроме зп: масштаб проектов, сильное BI-комьюнити и стек с AI блекджеком.
Откликаться мне в личку @alexbarakov или на сайте.
Синьорной позиции нет на сайте, но она есть.
Больше про BI в Авито — по тегу #AvitoBI в наших каналах. | 2 311 |
| 6 |  +1AI-first data-cтратегии сейчас писать не лучшее время. Никто не понимает ничего кроме вектора.
Для работы сделал компромиссный сценарий для ориентира.
В основе - и наш опыт в Авито и наблюдения/разговоры с мировым техом.
Сценарий на 100% неточен и завтра устареет.
Но мыслей много и надо записать, что есть "на сейчас":
1. Измеримого эффекта сейчас нет никакого. Пока. Большинство жжет токены, получает локальные эффекты, но не масштабирует пилоты. AI добавляют в устоявшиеся процессы. И AI усложняет систему и вносит в процессы хаос. Без новой AI-native инфраструктуры и процессов идет деградация качества, боттлнеки в review, затраты на реворк, блоки с персдатой. Нужен переход к новой модели работы "AI генерирует - человек проверяет", а это очень дорогая и требовательная система.
2. Изменения в BI понятны примерно (см прикидка на картинке)
В пропорции задач будет падать доля разработки BI дашбордов и витрин, доля ad-hoc.
Расти: разработка core моделей данных, semantic layer и governance.
Новый класс задач - создание и поддержка агентных систем.
Экономия будет, но ограниченная и неравномерная и не сразу.
Суммарный extra capacity пусть будет: ~ +0.3– 0.6 FTE на 1 BI разработчика к 28 году. И это при скорее бесткейс - частичное ускорение отдельных задач с сильной зависимостью от роста зрелости.
Реально есть ускорение - в создании витрин, пайплайнов, написании кода, создании чекеров и документации, ресерчах.
Причем больше AI ≠ лучше результат. В разработке оптимум ~30–50% AI-кода (не только наше ощущение). Дальше растёт число ошибок. Похоже это не временное ограничение, а некий предел.
Ускорение компенсируется новым оверхедом: human-review, коммуникации с бизнесом, debugging, governance.
С дешами тоже пока рано говорить об ускорении. Визы АI делает норм, но для продовых дешей объем реворка сопоставим с ускорением. Вот количество задач упадет - AI based apps заменят те деши, которые делались под разовую аналитическую задачу.
3. Синьоры вайбкодят лучше, получают больше эффекта (не только наш вывод). Новый подход повышает плотность решений и требует высокой итеративности и разборчивости и аутпутам, чтобы получить продовой результат. Мидлы чаще останавливаются и принимают результат ниже качеством, пропускают ошибки. Вайбкодинг нужен таки как отдельных хард (или софт, пофиг).
4. Самый большой эффект — не в ускорении, а в новых до этого не решавшихся задачах: считать 100% вместо 10%, проверять всё, а не выборку, документировать всё, а не частично. То, что раньше не делали из-за ресурса.
5. Главные пререквизиты — semantic layer (как слой метрик и разрезов), trusted сore слой витрин под ним (включая логическую и концептуальную модель) и доменная база знаний сверху (фьюшоты). Без них: text-to-SQL угадывает, делает правдоподобные ошибки, генерит rework, теряется построенная годами консистентность метрик и доверие пользователей.
6. Governance остается и становится важнее
AI ускоряет генерацию и валидацию меты, но не помогает с принятием решений, ответственностью. Human-in-the-loop остаётся. Плюсом AI увеличивает объемы контента, генерит AI slop, что требует большего ресурса на его разбор (сертификацию и архивацию). Добавляется гавернанс контекста и скиллов.
7. Основные "стены" в которые все врезаются: bottleneck в review, рост ошибок при росте доли AI-контента, низкий эффект из за недобора в governance, semantic layer, графах знаний и контекста.
8. «Как в любой масштабной трансформации - будущее наступает неравномерно».
Если в вашей компании нет волны вайбкода вы вероятно не видите, как сильно меняется профессия работы с данными.
Но переживать не имеет смысла, ведь это вне нашего контроля.
Можно включаться активнее, можно пока спокойно заниматься работой над AI ready архитектурой и следить.
Пока рождаются новые процессы и есть пока только иллюзия ценности AI.
Когда начнутся необратимые вещи — все узнаете и успеете. | 0 |
