GlowByte Journal
1.23K subscribers
213 photos
6 videos
404 links
Официальный канал группы компаний GlowByte.

Делимся интересными статьями и анонсами мероприятий, новостями компании.

Следите также за обновлениями GlowByte HR Bar: https://t.me/GlowByteHRBar.

Для связи:
marketing@glowbyteconsulting.com.
Download Telegram
🛡 GlowByte на конференции «Страхование в Центральной Азии»

23–24 сентября в Алматы прошла XVII Международная конференция «Страхование в Центральной Азии», объединившая представителей страхового рынка, финансовых институтов и технологических компаний.

📹 Эксперт по бизнес-стратегиям и ИТ-решениям GlowByte Артем Востриков выступил онлайн с докладом «От данных к прибыли: как отраслевой дата-консорциум может повысить качество страхового рынка Казахстана».

💡Главная идея выступления – страховому рынку не обязательно решать задачи данных поодиночке. Не у каждой компании достаточно данных для современных ML-моделей, а собственная инфраструктура для их хранения, обработки и использования может быть дорогостоящей. ↗️ При этом рынок уже располагает технологиями для более точной тарификации, выявления мошенничества, развития кросс-продаж и эффективного урегулирования убытков.

🤝 Решение – отраслевой дата-консорциум. Это общая инфраструктура данных и сервисов для страховых компаний, которая может объединять: 

▫️ данные страховщиков, ЕСБД и государственных баз; 
▫️ инструменты сбора, хранения и очистки данных; 
▫️ актуарные витрины и центр актуарных расчетов; 
▫️ MLOps- и data-платформы; 
▫️ сервисы тарификации, андеррайтинга и выявления мошенничества.

При этом доступ к данным остается разграниченным: общая информация используется только в обезличенном и агрегированном виде, а индивидуальные расчеты, модели и результаты доступны исключительно конкретной страховой компании.

🎯 Один из ключевых сценариев – персональная тарификация по ОГПО ВТС. ML-модель может на этапе предстраховой проверки прогнозировать вероятность убыточности клиента. В перспективе это позволит повышать качество страхового портфеля, увеличивать премии и снижать убытки.

Среди других потенциальных решений – выявление мошенничества, прогнозирование крупных убытков, кросс-продажи, тарификация КАСКО и других добровольных видов страхования, а также прогнозирование пролонгации договоров.

«Страховому рынку не обязательно решать задачи данных поодиночке. Отраслевой дата-консорциум может дать страховщикам общие обезличенные данные и сервисы, а свои расчеты, модели и результаты каждая компания сохраняет за собой», – Артем Востриков, GlowByte.


🧬 Данные становятся не просто инфраструктурой, а инструментом повышения качества и прибыльности страхового бизнеса.

🔗 Читать новость
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2🔥2⚡1
This media is not supported in your browser
VIEW IN TELEGRAM
Приглашаем на Data Sapience Data Day 2026 🌊

📆 18 ноября, 14:00, Москва, офлайн

Образ конференции в этом году — маяк: он не ведет корабли за руку, а показывает фарватер, и курс каждый выбирает сам. Такую роль мы и берем на себя в работе с данными.

💬 Наши клиенты, партнеры, независимые эксперты и специалисты по AI сравнят подходы и на равных обсудят, куда движется рынок. Нам интересно каждое мнение!

Программа:

▫️Дискуссия
Мы вместе со СберБанком и Газпромбанком обсудим, как меняется работа с данными, что в ней уже берет на себя ИИ, а что делегировать невозможно. Также ожидаем подтверждения участия от Т-Банка, Альфа-Банка и X5.

▫️Доклады клиентов
Банк России, СберБанк, Банк Уралсиб, Газпромбанк, Московская биржа, Гранд-Трейд, Дикси и Philip Morris International и другие участники, которых объявим позже, расскажут свои истории из области данных и ответят на вопросы из зала.

▫️Итоги года
Сверим прошлогодние обещания по развитию платформ Data Ocean и Data Ocean Governance с результатами, покажем новые продукты и расскажем о планах на 2027.

Между докладами загляните в демозону. На стендах покажем наши продукты с AI на задачах бизнеса.

Ждем всех, кто работает с данными и уже пустил в дело AI. Или пока присматривается 👋

🔗 Зарегистрироваться
Участие бесплатное, регистрация проходит модерацию.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3👍1🔥1
📹🗣 Как 300 отчётов из Qlik, Tableau и Power BI за 9 месяцев переехали на AW BI. Запись вебинара на Rutube

Показали реальный кейс миграции BI в крупной международной производственной компании. Сроки были жёсткие, действовали санкционные ограничения, а бизнес как раз делился на самостоятельные структуры.

О чём рассказал Алексей Сучков, архитектор BI-решений, GlowByte:
• как запустить 34 ключевых дашборда за 3 месяца до окончания лицензий Qlik;
• как стартовали на серверах GlowByte и собирали витрины из QVD-файлов;
• как перенесли ассоциативную модель и RLS (разграничение доступа к данным на уровне строк);
• как выросли от 4 до 27 серверов и управляли ими через AWCTL.

Итог проекта: все отчёты перенесли в срок, а команде понадобилось больше 800 обращений к вендору. Работа плечом к плечу с AW BI стала одним из главных факторов успеха.

Булат Хайруллин, руководитель направления развития продукта, AW BI, рассказал, какие функции появились в AW BI по итогам проекта. Также он анонсировал релиз 1.39: в нём будут MCP-сервер для AI-агентов и кодовые модели.

⏱️ Если смотрите выборочно:
03:04 — задача и масштаб,
20:37 — архитектура,
29:14 — технические нюансы,
48:41 — взгляд вендора,
58:16 — планы AW BI,
1:04:42 — ответы на вопросы.

🔗 Смотреть запись в Rutube
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4❤2👍2
GlowByte: ИИ-агенты вырастают из реальных задач сотрудников 🤖

📝 В РБК Компании вышел экспертный материал Алексея Чванова, бизнес-архитектора GlowByte. Он объясняет, почему путь через конструктор («белую доску с кубиками», где агента собирают из готовых блоков) для бизнес-пользователя часто оказывается долгим и сложным, и что работает лучше.

ℹ️ Где конструкторы агентов упираются в порог входа

▶️ Сотруднику приходится быть сразу и аналитиком процесса, и архитектором агента, и знатоком блоков платформы. Например, агент для подготовки к переговорам с поставщиком в бесплатном конструкторе n8n получился из 29 блоков, и часть из них еще ждала настроек.

▶️ Цикл повторяет заказную разработку: требования, AS-IS и TO-BE, согласования. За полгода-год процесс успевает измениться, а польза остается неочевидной. Такие сроки мы видели более чем на десяти проектах за пять лет.

⚙️ Альтернатива, или Как это устроено у нас

Мы пошли с другого конца: не рисуем агента на доске, а даем сотруднику готового агента общего назначения.
💬 Достаточно написать ему в веб-интерфейсе или в мессенджере и поручить задачу из своей работы.

🔴 Агент учится на практике: если запрос повторяется, он сам предлагает сохранить его как навык. Пользователь отвечает «давай», и сценарий готов. Навык можно в любой момент поправить или отключить.
🔴 Возможности открываются постепенно. Сначала агент готовит справку к переговорам, потом заглядывает в календарь, назначает встречу и напоминает о ней.
🔴 Удачные навыки руководители проверяют и раздают всему отделу, так личный опыт одного сильного сотрудника становится практикой команды.
🔴 Если задаче нужен доступ к данным, которого нет у каждого, например к договорам поставки, появляется отдельный агент-специалист. Сотрудник по-прежнему пишет только своему напарнику, а тот сам подключает нужных специалистов и собирает общий результат.

🗣️Сначала вытоптанные дорожки, потом асфальт🗣️
«Компания не описывает заранее идеальный процесс, а смотрит, как люди работают на самом деле, и закрепляет то, что уже доказало свою пользу. Это похоже на проектирование парков, где дорожки иногда сразу не асфальтируют: люди сами вытаптывают маршруты, а асфальт потом кладут ровно по этим тропинкам», — говорит Алексей Чванов.


Платформа уже работает внутри GlowByte: ей активно пользуются порядка тысячи человек, общих навыков создано около двух десятков, еще столько же — в отдельных командах. Есть и пилоты с крупными компаниями.

📝 А еще в статье пять вопросов, которые стоит задать себе до запуска агентной платформы.

🔗 Читать статью полностью
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3👏3❤‍🔥2
💎 Зачем нам BI, если LLM соберет дашборд за две минуты?

Этот вопрос сейчас слышат многие BI-команды, и часто от руководства. Ответ «LLM ошибается» убеждает все слабее: HTML-дашборд, который модель собрала за пару минут, выглядит вполне прилично.

Речь не о том, что LLM переоценены. Начальник управления развития и сопровождения аналитических систем Московской Биржи Александр Нугаев ставит вопрос иначе:
«Главный вопрос для меня звучит так: как перевести использование LLM из стадии „игрушки на портале“ в полноценный промышленный инструмент. Надо уйти от парадигмы RAG „на коленке“, когда нейросети просто скармливают документы на портале. Моя задача — ответить, как построить надежную связку LLM и продакшн-данных в крупном энтерпрайзе, учитывая строгие ограничения информационной безопасности и корпоративной архитектуры».

В докладе «Классы задач data-аналитики: что закрывает BI-система, а что — LLM-контур» спикер разграничит задачи BI и GenBI:

🟠 регламентная отчетность остается в BI: из-за детерминированности, ответственности за данные и стоимости инференса;
🟠 уникальные запросы и разовые вопросы эффективно закрывает GenBI;
🟠 архитектура данных, достоверность метрик и информационная безопасность остаются зоной ответственности человека и классических BI-систем.

Если вам предстоит объяснять руководству, зачем компании BI в эпоху LLM, после доклада у вас будут аргументы и рамка выбора, которую можно применить у себя.

В тот же день ОТП Банк расскажет о подготовке данных для ИИ через CI/CD на FineBI от FanRuan, а руководители аналитики ПИК, ДИКСИ, СИБУРа и АВТОВАЗа обсудят, что нужно данным и командам, чтобы ИИ заработал.

🗓 23 октября | 17:15 | офлайн 📍 Москва

Fine Day 2026 — офлайн-конференция GlowByte и FanRuan о переходе от self-service BI к AI-native аналитике.

Участие бесплатное, регистрация с рабочей почты, заявки проходят модерацию.
Присоединяйтесь к нам! 👋

🔗 Зарегистрироваться
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3🔥3⚡2
🚩 Пять признаков, что вашему self-service BI пора разводить разработку и прод

Self-service в BI обычно начинается с доверия. Аналитикам дают доступ к продовым подключениям, и они сами собирают датасеты и отчеты. Со временем у большой команды появляются симптомы, которые по отдельности выглядят мелочами.

➡️ Хранилище нагружают запросы, которые еще не стали отчетами. Разработчики тестируют гипотезы прямо на боевых подключениях.
➡️ Неописанные датасеты копятся. Рядом с официальным хранилищем вырастает теневое, и логика расчетов уходит из документации.
➡️ SQL в датасетах никто не проверял. SELECT * по большой таблице уходит в прод так же легко, как оптимизированный запрос.
➡️ Ключевой отчет изменился, и никто не знает, кто и когда это сделал.
➡️ На вопрос «откуда эта цифра» отвечают по памяти. Цепочки от отчета до таблицы в хранилище нет.

Если вы узнали у себя хотя бы пару пунктов, дальше встает вопрос, как разводить разработку и прод. Во многих крупных компаниях для этого держат два стенда: тестовый и продовый. Это дорого и по лицензиям, и по железу.

🏦 В ОТП Банке решили не дублировать инфраструктуру и пошли другим путем. Команда осталась на одном стенде FineBI и построила вокруг него CI/CD, в котором нашлось место и для LLM.

📈 Нагрузка на хранилище снизилась, а у банка появился слой согласованных датасетов, защищенных от случайных правок. Тот же слой команда считает основой для будущих ИИ-агентов: проверенный SQL, происхождение данных и описания отчетов дают им контекст.

⚙️ Как это устроено и где LLM помогает, а где решение остается за человеком, 23 октября на Fine Day 2026 в Москве расскажут Петр Гордиенко, руководитель команды BI ОТП, и Евгений Иванов, DevOps BI-платформы ОТП. Доклад в 17:30.

Участие бесплатное, регистрация с рабочей почты, заявки проходят модерацию.

🔗 Зарегистрироваться
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5❤3⚡1
🏦 Т-Банк и GlowByte завершили трансформацию системы аллокаций

Т-Банк совместно с GlowByte перевел систему аллокаций с SAS Activity-based Management на решение собственной разработки. Новая система охватывает полный цикл: от загрузки данных до расчета распределений и визуализации результатов.

Готовые продукты на рынке не позволяли в полной мере отразить методологию банка и гибко развивать модель. Поэтому выбрали заказную разработку: систему под бизнес-процессы банка, которая полностью остается под его управлением.

⚙️ Решение создавали две практики GlowByte: бизнес-направление финансовых решений и команда заказной разработки GlowByte Studio. 

📊 Что получилось

🟠 Расчет многоэтапных каскадных моделей на сотни тысяч переносов занимает несколько десятков минут.
🟠 Полный цикл расчета аллокаций сократился более чем на 40%.
🟠 Аналитики банка сами меняют методологию во встроенном редакторе, без команды разработки.
🟠 Каждый шаг распределения протоколируется, аудит доступен в продукте. 
🟠 Граф аллокаций наглядно показывает цепочки переноса затрат.

Андрей Долгунин, управляющий директор GlowByte: «Для нас этот проект особенный — мы сами внедряли SAS ABM в банке больше десяти лет назад и знаем, что бизнес-модель банка существенно усложнилась, а требования к гибкости и управляемости системы аллокаций многократно возросли. Именно поэтому, когда встал вопрос о замене, важно было по-настоящему перенести накопленную методологическую ценность и учесть пользовательский опыт в современной архитектуре. Этот проект — наглядное подтверждение того, что импортозамещение в сегменте сложной финансовой аналитики возможно без компромисса по качеству. Мы не просто воспроизвели функциональность SAS — мы создали систему, которая работает быстрее, понятнее для пользователей и полностью управляется внутри банка. Это именно тот результат, к которому мы стремимся в каждом проекте».

Ольга Пойтина, операционный директор практики, лидер GlowByte Studio: «Мы понимали: банку требовался не просто инструмент, а цифровая среда, адаптируемая под логику бизнес-процессов в реальном времени. Собственная разработка оказалась единственным способом дать заказчику полный контроль над архитектурой и гибкость без оглядки на вендоров. Поэтому мы спроектировали систему с нуля — заложили в код не только текущие правила, но и механизмы их бесшовной доработки без пересборки ядра. Для нашей команды это классический пример, где инженерное решение побеждает готовый продукт за счет предсказуемости и полной управляемости на всех этапах жизненного цикла».

Павел Токарев, финансовый директор, заместитель председателя правления Т-Банка: «Сотрудничество GlowByte и Т-Банка насчитывает более десяти лет. Еще в 2013–2014 годах, когда мы приняли решение внедрить индустриальную платформу, именно GlowByte в статусе партнера SAS Россия/СНГ был привлечен к реализации проекта по внедрению SAS ABM. Тогда специалисты интегратора участвовали в разработке методологии и настройке модели взаимосвязей. Успешная прежняя совместная работа, накопленная экспертиза GlowByte в методологии и технической реализации аллокаций, понимание банковской модели и известный нам опыт разработки продвинутых аналитических систем стали решающими аргументами в пользу того, чтобы доверить разработку нового поколения системы тому же партнеру».

Александр Каспаров, руководитель продукта со стороны Т-Банка: «Новое решение находится в нашей полной операционной собственности. Это значит, что мы контролируем каждую логическую цепочку, гибко перенастраиваем правила под новые задачи и развиваем платформу внутренними силами. Отдельно отмечу интерфейс: финансовые аналитики и методологи работают в нем ежедневно, и его привычная для нашего банка эргономика существенно сокращает время вхождения в процесс. Погрузившись в наши стандарты и культуру, команда GlowByte смогла достичь высокого уровня кастомизации».


🔗 Читать о проекте
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥18❤‍🔥6👏6⚡1
📣 Отчет за две минуты: а кто ответит за цифру?

Языковая модель собирает дашборд и SQL-запрос быстрее, чем аналитик успевает открыть задачу. Отсюда логичный вопрос: зачем тогда BI и команда, которая его ведет?

📝 В колонке на РБК Компании Александр Брежнев, руководитель отдела продаж практики Business Intelligence GlowByte, разбирает, где заканчивается ускорение и начинается подмена результата:

🟡 Воспроизводимость. Модель вероятностная: один и тот же вопрос дважды может дать два разных ответа. Для разовой справки это терпимо. Для отчета регулятору или формулы вознаграждения — нет.
🟡 Цена ответа. Открыть готовый отчет в BI почти ничего не стоит. Каждый запрос к модели оплачивается заново, а в закрытом контуре еще и стоит в очереди на мощности.
🟡 Проверка. Панель собирается за две минуты, а принять ее в промышленную эксплуатацию так быстро нельзя. По практике GlowByte, на проверку уходит от 20% до 40% времени, а на приемо-сдаточных испытаниях от 3 до 7 показателей на дашборд приходится уточнять.
🟡 Данные. Модель не знает, что такое «выручка» в вашей компании. Без глоссария, владельцев показателей и управления данными ответ получается убедительным, но неверным.

✍️ В материале есть и список из пяти проверок, которые стоит пройти, прежде чем отказываться от BI или запускать ИИ-агента. ➡️А дальше вопросы становятся острее: агенты начнут запускаться по событиям. Под чьими правами они будут действовать, кто отвечает за результат и как остановить цепочку действий, если она пошла не так?

Эти проблемы мы разберем на конференции Fine Day в пятницу. Хотим услышать практиков, у которых уже есть работающие решения, и тех, у кого вопросов пока больше, чем ответов. 👋

🗓 23 октября | офлайн 📍 Москва

🔗 Читать статью

➡️ Зарегистрироваться на Fine Day ⬅️
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5👍2✍1
👋 Сегодня встречаемся на Fine Day: приносите свой отчет из Qlik или Power BI

Перенесем его в FineBI при вас. 📤📥

📈 На Fine Day будет работать стенд сервиса ИИ-миграции от GlowByte — Morphism AI. ИИ-агенты перенесут отчет в FineBI (FanRuan), а вы сразу увидите результат на своих данных. Отчет или датасет лучше взять обезличенный.

🎤 В 16:10 эксперты GlowByte Дмитрий Куроедов и Андрей Пашков запустят миграцию прямо на сцене и сверят результат с оригиналом.

🎮 А пока едете к нам, можно потренироваться в игре «Морфи: Первый отчет». Морфи собирает отчеты, перепрыгивает препятствия и доводит их до синей кнопки FineBI. Чем больше отчетов спасете, тем выше ваше место в рейтинге. Лучшего игрока наградим сегодня на Fine Day.

➡️ Играть

🔎 Как работает Morphism

До встречи на Fine Day! 👋
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5❤2🤩2
🏆 «Гелиос», GlowByte и Data Sapience — финалисты Премии АСН

Наш совместный проект по управлению андеррайтингом ОСАГО и КАСКО на базе системы TALYS.SDE от Data Sapience претендует на победу в номинации «Лучшее решение в андеррайтинге».

Команда GlowByte внедрила и настроила систему вместе со специалистами «Гелиоса». В промышленной эксплуатации она работает по ОСАГО с 1 апреля 2026 года, по КАСКО — с 1 мая.

🟠 Проверка заявок, внешние данные, правила приема риска, расчет тарифа и маршрутизация работают в одном контуре.
🟠 Заявка получает автоматическое решение или попадает к андеррайтеру. 
🟠 По ОСАГО: микросегментация, индивидуальная тарификация, распределение рисков между собственным удержанием и пулом. 
🟠 По КАСКО: отдельные сценарии пролонгации и дополнительных соглашений

‼️ Андеррайтеры сами меняют правила в визуальном интерфейсе. Новую стратегию можно запустить за несколько часов, а раньше изменения ждали ИТ-доработок неделями и месяцами. Весь профильный поток по ОСАГО и КАСКО проходит через единую систему.

🗓 Победителей объявят 29 октября на XII Форуме лидеров страхового рынка. 

Ждём результатов! ✊

🔗 Читать новость полностью
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4🔥4👍1
👩‍💻 ИИ без страха: пять дней, чтобы сделать первые шаги

GlowByte вместе с DataYoga приглашает на бесплатный онлайн-марафон об адаптации к ИИ в российских компаниях. 🎓

Аналитик в эпоху ИИ — не оператор ответа, а автор вопроса. Руководителю важно ориентироваться в сценариях, рисках и сопротивлении сотрудников. Разберем, как в этом не потеряться.

🗓 9 ноября: новая роль аналитика. 
🗓 10 ноября: как ставить задачу ИИ. 
🗓 11 ноября: как проверять выводы ИИ. 
🗓 12 ноября: надежный процесс работы с ИИ на примере Dora (платформа дата-агентов FanRuan). 
🗓 13 ноября: от вывода ИИ к бизнес-решению.

Каждый день — одна страница с практикой, шаблонами и чек-листами и живой эфир с экспертами из российских компаний-лидеров.

Ждем всех: и руководителей, и специалистов, и увлеченных. Присоединяйтесь и приглашайте коллег! 👋

📆 9–13 ноября | онлайн

🔗 Зарегистрироваться
Please open Telegram to view this post
VIEW IN TELEGRAM
✍4❤1👍1🔥1
🚀 GlowByte запустила ИИ-миграцию отчетов Qlik и Power BI на FineBI 7

О новом направлении мы объявили 23 октября на конференции Fine Day. Миграцию обеспечивают ИИ-агенты Morphism AI. 

Продукт для тех, кто переходит с QlikView, Qlik Sense и Power BI на FineBI 7 (платформа FanRuan). Особенно когда отчетов сотни или тысячи, а ручной перенос занимает месяцы.

💎 Как это работает 

⚫️Платформа разбирает файлы отчетов и достает структуру: скрипты загрузки, модель данных, показатели, страницы, визуализации, правила доступа. 
⚫️По структуре строит витрины данных на dbt в PostgreSQL, Trino, StarRocks или ClickHouse (плоская модель или Data Vault) и дашборды FineBI 7. 
⚫️Типовые конструкции переносятся по каталогу правил, нетиповые разбирает ИИ-модель.

🚩Главное 

✅ Данные заказчика ИИ-модели не передаются: она видит только структуру отчетов. 
✅ Результат проверяется на синтетических данных: исходная система и новые витрины считают одно и то же, значения сравниваются. 
✅ Более 85% визуализаций Power BI переносятся автоматически, напрямую или с заменой на близкий аналог. Проработаны все 469 функций DAX. 
✅ Каждый объект получает оценку до старта, поэтому объем ручной работы и бюджет понятны заранее.

Проект идет в четыре шага: анализ, витрины данных, дашборды, поставка. Заказчик получает проект витрин, пакет дашбордов и протокол сверки. Сверку повторяют на его данных в тестовом контуре.

Дмитрий Куроедов, технический директор практики Business Intelligence, GlowByte: «Миграция BI обычно упирается в два вопроса: сколько это будет стоить и придется ли передавать данные внешним ИИ-сервисам. Мы ответили на оба. ИИ-модель работает только со структурой отчетов, а результат проверяется на синтетических данных. Объем ручной работы виден до старта: заказчик с первого дня знает, что перенесется автоматически, а где потребуется специалист».


🔗 Читать новость полностью
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4👏3👍2🤩1
📣 Fine Day: на конференции GlowByte эксперты обсудили, как готовить данные для ИИ

23 октября в Москве GlowByte и FanRuan провели пятую юбилейную офлайн-конференцию Fine Day. Тема года – переход из self-service-аналитики в AI-Native: новая архитектура корпоративной аналитики. Мероприятие посетили порядка 250 человек: руководители аналитических подразделений крупных компаний, специалисты по данным и BI.

📈 В демозонах эксперты GlowByte и FanRuan показали новые возможности FineBI 7.0, ИИ-агентов Dora (платформа дата-агентов FanRuan) и миграцию BI-отчетов на FineBI с помощью ИИ-инструмента Morphism AI.

📌 О чем говорили на сцене

🏷 Доверие к ответам ИИ. Лэнс Ли, международный директор по продукту и зарубежной стратегии FanRuan, показал: в 40 тестовых запусках FanRuan 10 не прошли сверку с исходными данными полностью, а четыре инструмента на один вопрос о прибыли выдали четыре разных числа, от 31,8 до 34,0 млн юаней. Нужен ИИ-агент, который открывает ход анализа.

🏷 Круглый стол «AI-Ready: что нужно данным и командам, чтобы ИИ заработал». Артем Шаповал («АвтоВАЗ»), Олег Баженов («Дикси») и Александр Шевейко (ПИК) вместе с модератором Александром Лариным (GlowByte) прошли путь ИИ-проекта от старта до денег: старт, данные, люди, доверие, деньги.

🏷 Morphism AI. Дмитрий Куроедов, технический директор GlowByte, и Андрей Пашков, консультант GlowByte, рассказали об автоматизированном переносе BI-отчетности с Qlik и Power BI на FineBI с помощью ИИ: более 90% скриптов загрузки данных и более 85% визуализаций Power BI переносятся автоматически, а ИИ видит только структуру отчетов.

🏷 Мосбиржа. Александр Нугаев, начальник управления развития и сопровождения аналитических систем, разделил задачи между BI и LLM: регламентная отчетность остается за BI, а повторяющиеся вопросы к GenBI должны становиться регламентными дашбордами.

🏷 ОТП Банк. Петр Гордиенко, руководитель BI-команды, и Евгений Иванов, DevOps и администратор BI, рассказали, как CI/CD для наборов данных на FineBI снизил нагрузку на производственные базы примерно на 30%. На ревью уходит около одного рабочего дня.

🏷 DataYoga. Андрей Демидов, основатель проекта, рассказал, как обучать команды работе с ИИ, и анонсировал пятидневный онлайн-марафон «ИИ без страха» совместно с GlowByte.

🔗 Читать новость полностью
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3❤‍🔥2👏1
⚙️ Ради ИИ-агента придется сначала перестроить ИТ-среду

Директор практики искусственного интеллекта и машинного обучения GlowByte Александр Ефимов в экспертном материале на РБК Компании разбирает, почему агенту мало одной модели и что мешает бизнесу довести пилоты до промышленной эксплуатации.

📝 Главные тезисы:

▫️ Рынок растет, но пока нет единого понимания, что считать ИИ-агентом. Часто под ними понимают любые решения с LLM, включая чат-ботов и RAG. Александр предлагает относить к агентам только системы, способные самостоятельно выполнять многошаговые задачи.
▫️ Агент сегодня автоматизирует не профессию, а этап процесса. Наибольший спрос – в финансовом секторе, ритейле, секторе товаров народного потребления и АПК. Примеры: валютный контроль для Альфа-Банка, агентная экосистема для ГК «Таврос».
▫️ Когда агентов становится несколько, разрозненные решения плохо масштабируются, и бизнесу нужна платформа. Эксперт выделяет три обязательных слоя: портал для сотрудников, low-code конструктор агентов и инфраструктурная «обвязка» (безопасность, мониторинг, guardrails).
▫️ Главный барьер – не модель, а данные и процессы. Безопасность должна быть на уровне данных и политик, а не в промпте.
▫️ Оценку эффективности стоит начинать измерять не с ROI, а с приживаемости: сколько сотрудников пользуются агентом в первый день, через неделю и через месяц.
▫️ В 2027–2028 годах агенты будут постепенно становиться частью операционной модели. Следующий этап развития ИИ определят компании, которые научатся превращать ИИ из отдельного инструмента в управляемый производственный контур.

💳 Также в статье: проверочный список вопросов, на которые стоит ответить до запуска агента.

🔗 Читать полностью
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3❤‍🔥2👏2
🛍 Промоценник на полке ещё не значит, что есть промо

🛒 Розничные сети строят свои цены на ценах конкурентов. Но по ценнику не понять, что перед вами: настоящая акция или только её оформление. Одни цены выглядят как промо, а промоподдержки у них нет. 🏷 На других висит промоценник, хотя цена обычная. Стратегия «каждый день низкая цена» (EDLP) ещё сильнее размывает границу между регулярной ценой и промо.

📝 Бизнес-архитектор GlowByte Алексей Чванов в экспертном материале на РБК Компании разобрал, как заменить интуицию правилами. Что в тексте:

▪️ цену конкурента сравнивают с двумя эталонами: референсной регулярной ценой и референсной промоценой;
▪️ учитывают внешние признаки: промоценник, место выкладки, рекламу;
▪️ выделяют пять типов цен, включая скрытое и фейковое промо;
▪️ в итоговой витрине данных скрытое промо считается промо, фейковое считается регулярной ценой, а признак замены сохраняется;
▪️ чек-лист из четырёх шагов, что проверить до старта.

🔗 Читать на РБК Компании
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2🔥2👍1
🛍 Волну мониторинга цен нельзя отдавать по частям

🛒 Продолжаем цикл статей на РБК Компании о подготовке цен конкурентов. В первом материале разобрали, как определить тип цены конкурента: где настоящее промо, где скрытое, а где только промоценник. Второй материал — о следующем шаге: как очистить мониторинг цен от выбросов, чтобы передавать данные в сервисы и процессы.

📝 Бизнес-архитектор GlowByte Алексей Чванов на разобрал, как искать выбросы, кто принимает решение по каждому из них и как организовать выдачу очищенных данных. Что внутри:

▪️ пять бизнес-правил поиска ошибочных значений: по марже конкурента, по дельте с нашей ценой, по отклонению от медианы в локации и от средней по сети конкурента, в том числе на истории;
▪️ два статистических метода: на основе межквартильных расстояний и скорректированных интервалов (для асимметричных распределений);
▪️ что решает человек: по каждому выбросу аналитик решает, оставить цену, подтвердить, исключить или скорректировать;
▪️ правило выдачи данных: потребителям отправляют всю провалидированную волну мониторинга целиком или не отправляют вовсе. Иначе система расчёта цен может посчитать новые цены на неполных данных о конкурентах;
▪️ чек-лист из пяти шагов, что проверить до старта.

🔗 Читать на РБК Компании
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3👍1🔥1
❓ Цена товара у конкурента в прошлом мониторинге была, а в этом её нет. Что делать?

📝 Продолжаем цикл статей на РБК Компании о подготовке цен конкурентов. В третьем материале Алексей Чванов, бизнес-архитектор GlowByte, разбирает пропуски в данных.

💬 Короткий ответ: цену можно взять из прошлого, но не из любого. Для каждого типа мониторинга задан предел. У товаров, которые формируют ценовое восприятие (KVI), мониторинг идёт каждую неделю, и заглядывать назад можно на неделю.

У группы EPP мониторинг идёт два раза в неделю, глубина поиска две недели. Восстановленная цена не маскируется под настоящую: в итоговой витрине данных хранятся признак восстановления и дата, с которой оно произошло.

🔍 Есть и второй способ: взять цену этого же конкурента на этот же товар в другой точке. Но у многих сетей цены различаются по кластерам магазинов, поэтому на практике он применяется осторожно.

📎 А ещё в колонке: когда шаг восстановления вообще не нужен и как выбрать между своим сбором, парсингом и подрядчиком.

🔗 Читать на РБК Компании
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2👍2🔥2
🧮 Цены нет, а достроить нужно. Три примера по методике GlowByte

Мониторинг прошёл, а цен на часть товаров всё равно нет. Продолжаем цикл статей на РБК Компании о подготовке цен конкурентов. 📝Четвёртый материал Алексея Чванова, бизнес-архитектора GlowByte, о том, как такие цены достраивать. Разберём три примера из колонки.

1️⃣ Конкурент продаёт йогурты одного бренда с пятью вкусами. Цена клубничного, персикового и яблочного известна, 50 рублей. Грушевого и вишнёвого в мониторинге нет. Сколько они стоят?
Ответ: по методу «мода» тоже 50 рублей. Это горизонтальная линейка: товары различаются только вкусом.

2️⃣ Стиральный порошок в упаковках 1, 2 и 3 кг. Известна цена 2 кг, 200 рублей. Сколько стоят 1 кг и 3 кг?
Ответ: 100 и 300 рублей. Это вертикальная линейка: цена пропорциональна весу.

3️⃣ Конкурент продаёт чай одного бренда: чёрный, зелёный, фруктовый. Цены на первые два известны. Как найти цену фруктового?
Ответ: посчитать средневзвешенную наценку конкурента от нашей закупочной цены на чёрный и зелёный чай, например 30%, и применить её к нашей закупке фруктового. Так трансляция работает на уровне «бренд в категории».

🖥 В колонке: пять методов для горизонтальных линеек, два для вертикальных и два для бренда. Плюс три принципа, на которых строится трансляция: релевантность, обоснованность и прозрачность.

🔗 Читать на РБК Компании
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2🔥2✍1
🧮 Индекс цен: три способа посчитать, и у каждого своя цена простоты

🏁 Завершаем цикл статей на РБК Компании о подготовке цен конкурентов. В пятом материале Алексей Чванов, бизнес-архитектор GlowByte, собирает всё вместе: как понять, где наши цены относительно рынка. Результат зависит от того, с кем сравниваем, какие цены берём и какие веса используем.

Три способа считать индекс, и чем за каждый приходится платить:

▫️ Среднеарифметический. Максимально просто. Но не учитывает структуру продаж и неустойчив к выбросам.
▫️ Средневзвешенный на нашей структуре продаж. Понятно интерпретировать, отражает, как ценовая политика конкурентов влияет на наши потенциальные продажи. Но не учитывает структуру продаж самих конкурентов.
▫️ Средневзвешенный с восстановленной структурой продаж конкурента на основе эластичности. Точнее всего отражает ситуацию на рынке. Зато сложнее в расчёте, нужны данные об эластичности, и появляется погрешность.

Что ещё в колонке: двенадцать типовых агрегатов для классического гипермаркета или магазина у дома, разные типы цен и разрезы для индекса и то, как стратегия ценообразования (Hi-Low или EDLP) меняет подготовку данных.

🔗 Читать на РБК Компании
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2🔥2❤1
Forwarded from Data Sapience
[ДНЕВНИК СМОТРИТЕЛЯ МАЯКА · ЛИСТ № 15 · ЗАПИСИ С МАЯКА]
КООРДИНАТЫ: INDUSTRIAL OCEAN // АЛЕКСАНДР ВОЛКОВ // DATA SAPIENCE DATA DAY 2026

Ночь, неон, 920 показаний датчиков в секунду с семи площадок Air Liquide. Industrial Ocean в главной роли: архив на платформе помнит больше, чем сам источник.

Выпустили на Habr детектив в стиле неон-нуар. Александр Волков, GlowByte, ведет «Дело о пропавших показаниях: подшипник на 6 млн градусов и архив Air Liquide, который помнит больше, чем PI».

Пять поворотов, главные из них:
▫️Ложный след: PI Web API есть не на всех площадках, поэтому написали коннектор на PI SDK;
▫️Улика с опечаткой: подшипник на 6 млн градусов, а виноват неверный тип значения в метаданных PI;
▫️Свидетель меняет показания: historian со временем сжимает историю, сырые точки остались только в архиве Industrial Ocean;
▫️Материалы дела: 30 782 тега, 141,76 млрд строк с июня 2013 года и чек-лист до старта.

Все наработки проекта вошли в Industrial Ocean.

🔗 Читать дело

📍 18 ноября · Офлайн, Москва
Очная ставка — на стенде платформы в демозоне Data Sapience Data Day.

⚓️ Последний шанс внести себя в списки экипажа → Регистрация на Data Sapience Data Day
Участие бесплатное, регистрация проходит модерацию
Please open Telegram to view this post
VIEW IN TELEGRAM
❤5🔥3