Data Nature 🕊
前往频道在 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)
显示更多6 164
订阅者
+124 小时
+57 天
+4530 天
数据加载中...
相似频道
标签云
进出提及
---
---
---
---
---
---
吸引订阅者
七月 '26
七月 '26
+97
在2个频道中
六月 '26
+59
在1个频道中
Get PRO
五月 '26
+63
在0个频道中
Get PRO
四月 '26
+46
在0个频道中
Get PRO
三月 '26
+83
在1个频道中
Get PRO
二月 '26
+124
在1个频道中
Get PRO
一月 '26
+150
在3个频道中
Get PRO
十二月 '25
+73
在1个频道中
Get PRO
十一月 '25
+90
在1个频道中
Get PRO
十月 '25
+99
在2个频道中
Get PRO
九月 '25
+98
在2个频道中
Get PRO
八月 '25
+130
在4个频道中
Get PRO
七月 '25
+129
在3个频道中
Get PRO
六月 '25
+168
在4个频道中
Get PRO
五月 '25
+115
在1个频道中
Get PRO
四月 '25
+128
在2个频道中
Get PRO
三月 '25
+128
在1个频道中
Get PRO
二月 '25
+143
在0个频道中
Get PRO
一月 '25
+141
在0个频道中
Get PRO
十二月 '24
+251
在2个频道中
Get PRO
十一月 '24
+276
在3个频道中
Get PRO
十月 '24
+139
在4个频道中
Get PRO
九月 '24
+129
在1个频道中
Get PRO
八月 '24
+243
在4个频道中
Get PRO
七月 '24
+108
在4个频道中
Get PRO
六月 '24
+103
在1个频道中
Get PRO
五月 '24
+199
在5个频道中
Get PRO
四月 '24
+146
在5个频道中
Get PRO
三月 '24
+134
在3个频道中
Get PRO
二月 '24
+92
在6个频道中
Get PRO
一月 '24
+86
在2个频道中
Get PRO
十二月 '23
+83
在1个频道中
Get PRO
十一月 '23
+85
在3个频道中
Get PRO
十月 '23
+170
在6个频道中
Get PRO
九月 '23
+223
在0个频道中
Get PRO
八月 '23
+169
在0个频道中
Get PRO
七月 '23
+185
在0个频道中
Get PRO
六月 '23
+122
在0个频道中
Get PRO
五月 '23
+553
在0个频道中
Get PRO
四月 '23
+78
在0个频道中
Get PRO
三月 '23
+412
在0个频道中
Get PRO
二月 '23
+315
在0个频道中
Get PRO
一月 '23
+305
在0个频道中
Get PRO
十二月 '22
+46
在0个频道中
Get PRO
十一月 '22
+243
在0个频道中
Get PRO
十月 '22
+91
在0个频道中
Get PRO
九月 '22
+21
在0个频道中
Get PRO
八月 '22
+77
在0个频道中
Get PRO
七月 '22
+50
在0个频道中
Get PRO
六月 '22
+118
在0个频道中
Get PRO
五月 '22
+16
在0个频道中
Get PRO
四月 '22
+27
在0个频道中
Get PRO
三月 '22
+53
在0个频道中
Get PRO
二月 '22
+148
在0个频道中
Get PRO
一月 '22
+237
在0个频道中
Get PRO
十二月 '21
+618
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 30 七月 | +5 | |||
| 29 七月 | +4 | |||
| 28 七月 | +4 | |||
| 27 七月 | +4 | |||
| 26 七月 | +1 | |||
| 25 七月 | 0 | |||
| 24 七月 | 0 | |||
| 23 七月 | +3 | |||
| 22 七月 | +1 | |||
| 21 七月 | +2 | |||
| 20 七月 | +1 | |||
| 19 七月 | +1 | |||
| 18 七月 | +3 | |||
| 17 七月 | +2 | |||
| 16 七月 | +2 | |||
| 15 七月 | +3 | |||
| 14 七月 | +3 | |||
| 13 七月 | +3 | |||
| 12 七月 | 0 | |||
| 11 七月 | +3 | |||
| 10 七月 | +4 | |||
| 09 七月 | +28 | |||
| 08 七月 | +4 | |||
| 07 七月 | +3 | |||
| 06 七月 | +3 | |||
| 05 七月 | +2 | |||
| 04 七月 | 0 | |||
| 03 七月 | +2 | |||
| 02 七月 | +4 | |||
| 01 七月 | +2 |
频道帖子
Semantic Layer все понимают по-разному.
Кто то помнит про LookML, другой работал с dbt metrics, третий шарит за cube.dev, atscale и другие семантические платформы.
В России Semantic Layer принято рисовать в стратегии, но в итоге вечно двигать на будущее. Нет очевидных решений в рынке и слишком много легаси под дешами нужно перелопатить. Да и ущерб от отсутствия был прямо скажем приемлемым. Так было до новой волны инвестиций в ИИ.
Пообщались на прошлой неделе с Artyom Keydunov (CEO того самого сube.dev) о том, как концепция семантик слоя для унификации метрик для дешей сменилась на семантик для агентов. Мысли со встречи:
1. Семантический движок и Runtime и становится самым важным компонентом
Сложность уже не в унификации метрик, а в их исполнении.
Runtime преобразует бизнес-запрос в план выполнения +security, governance, RLS.
А Execution Engine - решает:
Что материализовать?
Что считать на лету?
Когда создать новый агрегат?
Когда удалить старый?
Как не материализовать всё подряд?
Материализовывать под каждый нужный разрез — не вариант.
Если не материализовать ничего - дорогой Runtime.
Вопрос как научить движок выбирать стратегию исполнения — ключевой.
2. Text-to-Sematic > Text-to-SQL. Архитектура, где агент каждый раз пишет SQL, дает хуже точность, стоит дороже. В идеале спрашиваем "Дай Revenue по Country" - а Runtime уже знает: где данные; какие join, grain, формула.
3. Cube больше не считает BI своим основным рынком
Раньше Semantic Layer был для Tableau, Power BI и других BI-инструментов. Но это уже не очень хороший бизнес. BI вендоры стремительно теряют клиентов и рынок. Теперь AI-агенты будут напрямую consum'ить Semantic Layer.
Уже просматривается следующий уровень, когда не человек будет спрашивать данные, а Product Agent, Marketing Agent, Experiment Agent.
То есть вопрос не «как человек получает инсайт», а «как агент получает доверенную метрику».
4. Никто не знает, какие комбинации интерфейсов победят: Claude/codex Desktop, MCP, CLI, Skillhubs, свои дата порталы или чаты в корпмесенджерах. Поэтому Cube развивает все и идет в Ассистентский UI. Главный конкурент в мире не dbt, а Snowflake и Databricks.
——————-
Короче сегмент Semantic Layer пришел в движение.
Можно сказать, что он разделился на Semantic Editor (про заведение и управление metrics + dims + filters = SQL) и Semantic runtime & engine (про то, как выполнять запросы и материализовывать).
Есть хорошая статья Насти Остапенко про эти типы.
В России нет решений этого уровня (или есть?). То, что есть пока ориентированы на старую модель работы с BI. Есть движение в эту сторону: Trisigma Авито, Datalens Яндекса. Есть mvp решений, типа dataforge от питерских ребят.
Помогите продолжить список.
Кажется самое интересное в AI сейчас происходит не вокруг моделей, а вокруг инфраструктуры и архитектуры для них.
| 2 |  +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 | 6 770 |
| 3 |  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/ | 1 989 |
| 4 |  +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. | 2 563 |
| 5 | 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 |
| 6 |  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 |
