23–24 сентября в Алматы прошла XVII Международная конференция «Страхование в Центральной Азии», объединившая представителей страхового рынка, финансовых институтов и технологических компаний.
▫️ 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.
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.
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.
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.
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
Участие бесплатное, регистрация проходит модерацию.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3👍1🔥1
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.
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.
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🗣️
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
Мы пошли с другого конца: не рисуем агента на доске, а даем сотруднику готового агента общего назначения.
«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.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3👏3❤🔥2
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:
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.
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!
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3🔥3⚡2
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.
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.
Участие бесплатное, регистрация с рабочей почты, заявки проходят модерацию.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5❤3⚡1
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.
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
Языковая модель собирает дашборд и SQL-запрос быстрее, чем аналитик успевает открыть задачу. Отсюда логичный вопрос: зачем тогда BI и команда, которая его ведет?
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.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5👍2✍1
Перенесем его в FineBI при вас.
До встречи на Fine Day!
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5❤2🤩2
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.
Ждём результатов!
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4🔥4👍1
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.
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!
Please open Telegram to view this post
VIEW IN TELEGRAM
✍4❤1👍1🔥1
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.
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».
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4👏3👍2🤩1
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.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3❤🔥2👏1
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.
▫️ 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.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3❤🔥2👏2
▪️ 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.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2🔥2👍1
▪️ 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.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3👍1🔥1
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.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2👍2🔥2
Мониторинг прошёл, а цен на часть товаров всё равно нет. Продолжаем цикл статей на РБК Компании о подготовке цен конкурентов.
Ответ: по методу «мода» тоже 50 рублей. Это горизонтальная линейка: товары различаются только вкусом.
Ответ: 100 и 300 рублей. Это вертикальная линейка: цена пропорциональна весу.
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».
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2🔥2✍1
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.
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 2026Ночь, 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.
📍 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