📣 GlowByte приняла участие в FanRuan Smart Data Conference — 2026

10–12 сентября в Ухане (InterContinental Wuhan) прошла 8-я международная конференция FanRuan, партнера GlowByte. Тема этого года — «Данные и ИИ. Что дальше» (Data & AI Next).

На мероприятии собрались более 2100 участников из Китая, Японии, ОАЭ, Южной Кореи, Монголии, России, Казахстана, Узбекистана и Азербайджана.

🤝 Вместе с GlowByte в Китай приехали ее клиенты: «МЕТРО», Банк Уралсиб, «Дикси», ПИК, Т2, «Сбербанк страхование жизни», «АльфаСтрахование», «Европлан», АО «Гранд Трейд», «Альфа-Лизинг», «Лента», Systeme Electric, ОТП Банк.

🎤 С международной сцены выступили:

⏺🗣 Антон Антоничев, ИТ-директор «МЕТРО». Он поделился, почему для масштабирования ИИ нужны не только технологии, но и новые управленческие структуры внутри компании.

⏺🗣 Кирилл Зельвянский, руководитель BI и DWH, АО «Гранд Трейд». Компания ушла от разрозненных Excel-таблиц к единой модели данных на FineBI и FineReport. Активных пользователей аналитики стало в 3,1 раза больше, время подготовки отчетности сократилось вдвое, доля ручных операций в Excel — на 40%, цикл принятия решений — на 45%.

⏺🗣 Семён Юников, руководитель BI, Банк Уралсиб. Команда из пяти человек масштабировала self-service BI на весь банк: 12 тыс. датасетов, 1600 дашбордов, 2600 пользователей в месяц. Часть рутины взял на себя ИИ-ассистент BI Guru.

⏺🗣 Ева Харалампова, BI-разработчик, ОТП Банк. За два года аудитория FineBI выросла со 150 до более чем 1000 пользователей в месяц. ИИ-агенты снизили число сбойных задач обновления данных на 98%, а поиск проблемы теперь занимает 5 минут вместо двух часов.

Александр Брежнев, руководитель отдела продаж практики Business Intelligence, GlowByte: «Как и в прошлом году, конференция нашего партнера — компании FanRuan — стала важным событием для всех, кто соприкасается с темой больших данных, бизнес-аналитики, искусственного интеллекта. Интерес к площадке растет — это видно и по количеству посетителей форума, и по расширению географии участников. Для нас как партнера это лучшее подтверждение того, что путь от разрозненных таблиц до зрелой аналитической культуры реально пройти — и не в теории, а на практике. Спикеры говорили о том, как искусственный интеллект и ИИ-приложения меняют логику принятия решений, а зрелое управление данными и продвинутая аналитика превращаются в основу цифровой трансформации. Прозвучали важные доклады, в том числе кейсы наших клиентов, которые своими цифрами доказали, как self-service-аналитика (самообслуживаемая бизнес-аналитика) и ИИ-агенты помогают в повседневной работе с данными».

🔗 Читать новость полностью

📹 Пропустили вебинар GlowByte и Modus? Запись уже на Rutube

Если 22 сентября в 12:00 вы были на планерке, в пробке или как раз собирали отчет для руководства вручную 🧑‍💻, ничего страшного. Мы записали вебинар целиком.

☕️ Наливайте кофе и смотрите, как Modus BI избавляет от скриншотов в PowerPoint и раскладывания цифр по вкладкам.

Что показали на вебинаре:

🟡 выгрузку дашборда в PPTX по шаблону, со стилями и визуализациями, которые правятся прямо в презентации;
🟡 экспорт в Excel, где каждый лист уже соответствует разделу отчета;
🟡 тултипы с HTML-разметкой и форматированием чисел;
🟡 регламентные отчеты, которые сами уходят адресатам по расписанию.

💡 Запись можно поставить на паузу, пересмотреть нужный момент и переслать коллегам, которые до сих пор собирают отчеты руками.

➡️ Смотреть запись

🛡 Газпромбанк совместно с GlowByte перевел CVM-контур на CM Ocean от Data Sapience

Через CVM-контур проходят все кросс-продажи и персонализированные коммуникации в рознице банка. CM Ocean уже работает в промышленной эксплуатации:

🎯 до 10 млн предложений и коммуникаций в сутки;
📈 около 60% кампаний уже перенесено на новую платформу.

До проекта контур работал на SAS MA и SAS RTDM и подходил к пределу масштабирования: клиентская база превысила 10 ТБ, а число кампаний — 1000 в день.

Как шел проект⬇️

▫️Запуск MVP-контура массовых кампаний примерно за пять месяцев и поэтапный перенос кампаний без остановки бизнеса;
▫️Разработка новой логики триггеров: один триггер может запускать несколько сценариев, а система сама выбирает для канала самую релевантную коммуникацию.

Эффект для банка: скорость запуска кампаний и реакции на события сохранена на целевом уровне, а маркетинговый контур развивается независимо от западного вендора.

🚀 В планах — перенос оставшихся кампаний, real-time маркетинг на входящих каналах на основе NBO-модели и, в перспективе, расширение практики на сегмент МСБ.

Никита Климкин, начальник департамента управления клиентской базой, Газпромбанк: «Для нас это был проект не столько про импортозамещение, сколько про переход к более зрелой модели клиентского маркетинга. Мы не просто сохранили работоспособность контура после ухода SAS — мы перестроили его под реальный масштаб бизнеса и заложили основу для дальнейшего развития. Теперь у команды есть прозрачная и управляемая платформа, которую можно развивать собственными силами».

Петр Бабич, руководитель проектов, GlowByte: «Такие проекты проверяют зрелость и бизнеса, и вендора, и интегратора. Здесь недостаточно просто перенести логику: нужно пересмотреть архитектуру, встроиться в банковский контур с его требованиями безопасности, синхронизировать развитие продукта с проектным планом и при этом ни разу не остановить бизнес. Мы прошли этот путь вместе с командами Газпромбанка и Data Sapience — и результат, который мы видим сегодня, стоил этих усилий».

🔗 Читать о проекте

💎 GlowByte проведет в Москве пятую юбилейную конференцию Fine Day

23 октября в Москве состоится ежегодная офлайн-конференция Fine Day. В этом году она пройдет в пятый раз. 🎉

Тема юбилейного сезона — «Из Self-Service в AI-Native: новая архитектура корпоративной аналитики».

Будем говорить о том, как подготовить данные и команды к работе ИИ-агентов. Опытом поделятся эксперты из «Дикси», АвтоВАЗа, СИБУРа, Мосбиржи, ПИК и ОТП Банка.

🔖В программе:

🟣 Главная дискуссия: «AI-Ready: что нужно данным и командам, чтобы ИИ заработал».
🟣 Международный опыт: Лэнс Ли (FanRuan) расскажет о трендах ИИ.
🟣 Практика: Дмитрий Куроедов и Андрей Пашков (GlowByte) покажут, как переносить отчеты из Qlik и Power BI в FineBI автоматически с помощью ИИ-агентов.
🟣 Кейсы: Выступления экспертов Мосбиржи, ОТП Банка и основателя проекта «ДатаЙога».

Также вас ждут две демо-зоны, где можно вживую увидеть возможности FineBI 7.0 и ИИ-агентов Dora (и даже разобрать на них свои бизнес-задачи).

🗓 23 октября
📍 Москва

🎟 Участие: Бесплатное, количество мест ограничено (нужна рабочая почта для регистрации).

👉 Регистрация

До встречи на главной конференции GlowByte про данные и ИИ, ждем вас! 👋

🚀 GlowByte примет участие во флагманской конференции «Selectel ТехноДень»

8 октября в Москве пройдет десятая конференция «Selectel ТехноДень» — площадка для обсуждения бизнеса и технологий. В этом году в фокусе — искусственный интеллект 🤖: от инфраструктуры и данных до информационной безопасности.

GlowByte представит Александр Ефимов, директор практики искусственного интеллекта и машинного обучения.

📈 Один из кейсов, о которых будут говорить на конференции, — совместный проект GlowByte, Selectel и Data Sapience ➡️ корпоративная ИИ-платформа для ГК «Таврос». Подробнее о том, как развивался проект и каких результатов удалось достичь, расскажет Михаил Зайцев, директор платформы Kolmogorov AI, Data Sapience.

🎙 А в подкасте команды Selectel Александр и Михаил обсудят переход от пилотов с ИИ к промышленной эксплуатации.

Присоединяйтесь к нам на конференции! 👋

🔗 Зарегистрироваться

⚡️ GlowByte — в обзоре TAdviser «Рынок агентных ИИ-систем России»

TAdviser опубликовал обзор рынка агентных ИИ-систем: оценки объема и динамики, структура спроса, требования заказчиков, барьеры внедрения и прогнозы на 2027–2028 годы.

Директор практики искусственного интеллекта и машинного обучения GlowByte Александр Ефимов поделился мнением о том, как считать рынок и почему пилоты не доходят до промышленной эксплуатации.

📌 Главное из комментариев эксперта:

1️⃣ Агент — это не любой чат-бот с LLM. Если считать иначе, рынок «раздувается» в разы.
2️⃣ Рост в 2026 году идет за счет перехода готовых пилотов в промышленную эксплуатацию, а не новых моделей.
3️⃣ Пилот умирает, если его делают «сбоку» — без встроенности в операционную модель.

«В свою оценку я включаю только решения, которые реально автономно выполняют многошаговые задачи, а не любой чат-бот с LLM внутри — иначе рынок „раздувается“ в разы. В 2026 году, по нашим проектам рост идет не столько за счет новых моделей, сколько за счет перехода готовых пилотов в промышленную эксплуатацию», — говорит Александр Ефимов.

«Рынок — не только российский, но и мировой — в среднем все еще остается на стадии перехода от экспериментов к отдельным промышленным внедрениям. Если посмотреть на зарубежную статистику, 88% компаний в мире регулярно используют ИИ хотя бы в одной функции, но переход от пилотов к масштабному эффекту остается „незавершенной работой“, а с автономными агентами экспериментирует 62%. Одно из отечественных исследований, в котором приняли участие 52 крупные компании, показало, что 86% пилотируют LLM, но до промышленной эксплуатации автономных агентов дошло лишь 8%, у 46% нет устойчивого финансового эффекта, у 40% — просто нет владельца продукта после пилота. Причина обычно не в модели: пилот делают энтузиасты „сбоку“, без встроенности в операционную модель — и он умирает при смене приоритета или спонсора», — резюмировал Александр Ефимов.

ℹ️ Среди зрелых коллабораций на рынке TAdviser отметил проект GlowByte, Data Sapience и Selectel — внедрение гибридной ИИ-платформы в ГК «Таврос».

🔗 Читать обзор в TAdviser

⚡️ Как цифровизация меняет управление страхованием в компании

🎓 6 октября эксперт по страховому рынку GlowByte Денис Быстров выступил на курсе Высшей школы страхования и ВСК Университета для руководителей подразделений, отвечающих за страховую защиту в компаниях.

В рамках своего доклада «Цифровая трансформация функции “Страхование” в компании» Денис рассказал, как технологии помогают корпоративным страхователям управлять всей страховой программой – от цены и условий договора до урегулирования убытков. 🛡

🔍 Среди ключевых зон напряжения между страхователем и страховщиком – тарифы и цена, условия покрытия, урегулирование убытков, взаимодействие и, главное, данные.

По мнению эксперта, именно собственная страховая статистика становится фундаментом управляемости. Договоры, объекты страхования, страховые случаи, история урегулирования и причины отказов позволяют компании формировать собственную переговорную позицию и принимать решения на основе данных.

⚙️ Какие технологии могут помочь?

*️⃣RMIS и единое хранилище страховых данных;
*️⃣BI и генеративная аналитика;
*️⃣ИИ-ассистенты для работы с документами и договорами;
*️⃣ML-модели для прогнозирования убытков и оценки рисков;
*️⃣системы принятия решений, которые связывают данные, модели и ИИ-ассистентов в единый процесс.

📈 Денис также показал практические сценарии: автоматическое выявление страховых случаев и онлайн-обмен данными между страхователем и страховщиком. В кейсе логистической компании автоматизация позволила сократить срок урегулирования с недель до дней.

Отдельно обсудили causal inference и process mining – инструменты, которые помогают находить причины убытков, задержки и лишние шаги в страховых процессах.

💡 Главный совет эксперта – не пытаться автоматизировать всё сразу.

«Не нужно пытаться сразу автоматизировать всё — это дорого и рискованно. Начинать можно с рутины и постепенно переходить к более интеллектуальным задачам. Есть решения, которые дают 80% эффекта за 20% усилий: у кого-то это убытки, у кого-то учет и отчетность, у кого-то тендеры», – отметил Денис Быстров.

🔗 Читать новость

🛡 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

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.

📹🗣 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

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

💎 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

🚩 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

🏦 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

📣 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 ⬅️

👋 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! 👋

🏆 «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

👩‍💻 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

🚀 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

📣 Fine Day: на конференции GlowByte эксперты обсудили, как готовить данные для ИИ

23 октября в Москве GlowByte провела 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