Ак Барс Банк построил корпоративное хранилище данных на базе Data Ocean Nova от Data Sapience 🏦

Банк внедрил КХД на базе Lakehouse-платформы Data Ocean Nova. Основные интеграционные работы и замещение legacy-хранилища выполнены силами собственной команды банка, подготовленной по программам обучения Data Sapience.

Что сделано за 12 месяцев:
▫️ Команда банка разработала схему данных, архитектуру и построила новое хранилище;
▫️ Организован ODS с загрузкой транзакционных журналов в режиме реального времени;
▫️ Сформирован DDS — более 200 логических сущностей, покрывающих основные области данных банка;
▫️ Платформа развернута в режиме высокой доступности на двух контурах с синхронизацией S3-кластеров в реальном времени.

Цифры проекта:
📊 60 Тб полезных сжатых данных с потенциалом роста до 110 Тб;
⚙️ 63 внутренних источника данных интегрированы в хранилище.

До конца года банк планирует ввести в эксплуатацию 35 форм обязательной отчетности, витрины для маркетинговых коммуникаций и отчетность по мотивации персонала, а также внедрить Data Ocean SDI для потоковой онлайн-интеграции.

«Одно из преимуществ платформы — консолидация функции и данных аналитического хранилища в единой системе вместо нескольких разрозненных. Решение развернуто на типовом оборудовании commodity-класса. Эти два фактора определяют невысокую стоимость владения и улучшенную доступность сервисов данных», — Иван Зипухо, начальник управления технологий сбора и хранения данных, Ак Барс Банк.

«Внедрение платформы Data Ocean Nova в Ак Барс Банке — хороший пример того, как зрелое решение на базе современного технологического стека вместе с профессионализмом внутренней команды способны вывести бизнес-процессы на уровень современного цифрового банка», — Евгений Вилков, технический руководитель решения Data Ocean Nova, Data Sapience.

🔗Читать про проект подробнее

🤖 Приглашаем на фабрику ИИ-агентов

Рынок переполнен ИИ-агентами, они отлично смотрятся в презентациях, но в боевой инфраструктуре «падают» из-за нагрузки, нестабильности и сложности управления. Внедрить ИИ-агентов в бизнес — сложная задача, которая требует комплексного подхода. 

⚡️ GlowByte, Selectel и Data Sapience объединили экспертизу и создали готовое решение, закрывающее этот запрос, — фабрику ИИ-агентов: 
▫️Софт от Data Sapience,
▫️Инфраструктура от Selectel,
▫️Внедрение под ключ от GlowByte. 

Уже упаковано, протестировано на нагрузках, работает в облаке и на мощностях заказчика (on-premise).

✔️ 10 сентября в прямом эфире покажем фабрику в деле. 

Программа вебинара: 
▫️Что происходит с рынком искусственного интеллекта сейчас;
▫️Training vs Inference: где живет экономика ML-продукта;
▫️Фабрика агентов Kolmogorov AI на инфраструктуре Selectel;
▫️Живая демка и ответы на вопросы. 

Приходите, если устали от концепций и хотите увидеть работающую фабрику агентов. 

📌 10 сентября | 12:00 | Онлайн 

🔗 Зарегистрироваться

Как мы научили ML предсказывать смерть насоса за 60 дней и выяснили, что все время чинили не то ⚙️

📝Новая статья на Хабре от Сергея Михайлова, эксперта по промышленности в Data Sapience, — первая из двух частей о том, как строилась система предиктивной аналитики для реального НПЗ.

Проблема: насос ломался каждые три месяца, простой стоил миллионы рублей в час, а механики раз за разом меняли подшипники — без результата.

🔥 Автор рассказывает о четырех «всадниках апокалипсиса» промышленного ML, которые мешали решить проблему, реальной ситуации на заводе и подходе, который был разработан в ходе проекта.

Что сделали: команда предложила не просто мониторить вибрацию, а искать скрытые закономерности в данных всех датчиков, которые косвенно связаны с работой насоса, — и обучила на них модель.

Что получилось: модель начала выдавать аномалии за 60 дней до того, как проблему заметил персонал. Но главным открытием стало не время, а причина поломок.

Результаты проекта:
▫️Время на подготовку к ремонту сократилось на 70%;
▫️Простой технологической установки исключен;
▫️Затраты на обслуживание снижены на 15–20% на одном активе;
▫️Принято решение о выводе под онлайн‑мониторинг более 50 единиц оборудования

Отдельно рассказываем, как описанный функционал сегодня реализован в платформе Industrial Ocean.

🔗 Читать полностью на Хабре

ВТБ Пенсионный фонд внедрил платформу автоматизации целевого маркетинга CM Ocean от Data Sapience 💼

🏆 Проект стал одним из первых на российском рынке НПФ внедрений собственного изолированного инструмента для персонализации и автоматизации коммуникаций.

Что развернули:
▫️CM Ocean Audience — автоматическая сегментация клиентской базы вместо ручных выборок;
▫️CM Ocean Batch Flow — запуск и управление маркетинговыми кампаниями;
▫️CM Ocean Communication — единая логика отправки предложений по SMS, email и через колл-центр;
▫️CM Ocean Policy — прозрачное управление политикой контактов с ограничениями по частоте и содержанию коммуникаций.

Эффект для фонда: клиенты получают только релевантные предложения вместо избыточного потока сообщений, а команда маркетинга сокращает ручной труд и работает в более управляемом и прозрачном процессе.

🚀 В планах — масштабирование платформы на сайт и личный кабинет, а также развитие работы с клиентами в реальном времени и применение ИИ и ML-моделей для дальнейшей персонализации.

«Пенсионный продукт живет с клиентом десятилетиями. За это время у человека меняются доход, семья, планы — а вместе с ними и то, что ему важно услышать от фонда. Внедрение такого решения — не просто техническое обновление, это шаг к тому, чтобы быть с клиентом в нужный ему момент с важной для него информацией», — Наталья Опарина, начальник управления отношений с клиентами, НПФ ВТБ.

«Рынок НПФ только начинает переходить к персонализированным коммуникациям такого уровня. НПФ ВТБ — в числе первых, кто внедрил подобное решение, и созданный контур для фонда не финальная точка, а база: глубину персонализации можно наращивать дальше, не начиная внедрение заново» — Владимир Носиков, директор платформы CM Ocean, Data Sapience.

🔗Читать про проект подробнее

650 млн точек, 3 поломки и PI System: технический разбор предиктивной аналитики на НПЗ ⚙️

📝Новая статья на Хабре от Сергея Михайлова, эксперта по промышленности в Data Sapience, — вторая из двух частей о том, как строилась система предиктивной аналитики для реального НПЗ.

Если в первой части речь шла про результат (60 дней упреждения и найденную причину поломки), то здесь автор открывает капот и показывает, как это было сделано технически.

🔥При интеграции с промышленными системами команда встретилась с тремя сущностями, прядущими нить судьбы насоса: одна медленно прядет нить, другая дает жребий, третья готова ее перерезать. Кто есть кто — узнаете в статье.

Главная техническая развилка проекта: как детектировать аномалии, когда за всю историю завода было всего три задокументированных поломки? Автор разбирает два алгоритма без учителя, объясняет, почему один из них «сходит с ума» на многорежимном оборудовании и какая комбинация в итоге дала рабочий результат.

Также в статье:
▫️причины, почему data engineering съел 80% трудозатрат проекта;
▫️два подводных камня, которые заставили переписать пайплайн;
▫️10 технических уроков, вынесенных из проекта.

Отдельно — как весь этот кастомный путь сегодня закрывает «из коробки» платформа Industrial Ocean.

🔗 Читать полностью на Хабре

Data Sapience — генеральный партнер форума «Управление данными 2026»

Приглашаем присоединиться к нам на одном из главных мероприятий года в сфере работы с данными!

📆 24 сентября, Москва, Radisson Blu Leninsky Prospect.

Главная тема года — подготовка корпоративных данных к ИИ и развитие дата-инструментария после базового импортозамещения. У нас три выхода на сцену.

🎤 13:40, трек «Технологии» — Кирилл Евдокимов, CPO Data Ocean Governance (EMM+DQ), доклад «Каталог данных AI-Ready»
▫️что должна уметь платформа управления данными, чтобы поддерживать ИИ-агентов;
▫️как меняется управление данными при масштабировании ИИ;
▫️чем семантический слой отличается от бизнес-глоссария;
▫️как автоматизировать работу дата-стюардов.

🎤 15:45, секция «Финансы. Страхование» — Ирина Панфилова, ведущий аналитик, доклад «MDM 2.0: Инфраструктура доверия эпохи ИИ и вайбкодинга»
▫️почему низкое качество данных стало главным барьером ИИ-инициатив;
▫️чем MDM 2.0 отличается от классического MDM;
▫️как вайбкодинг без управляемого слоя мастер-данных превращает скорость разработки в риск.

💬 17:15 — дискуссия «Перезагрузка дата-стратегии финансового сектора в эпоху интеллектуальных агентов». От нас — Михаил Маслов, директор практики управления данными направления MDM.

🎟 Промокод dm_ds15 — скидка 15% от текущей стоимости билета для наших партнеров и заказчиков

До встречи на форуме! 👋

🔗 Программа и регистрация

Data Sapience на форуме InsurtechDay 2026 🛡

В «Бизнес.Технограде» собрались топ-менеджеры страховых компаний и руководители цифрового развития. Мы выступили с докладом и привезли свой стенд.

🎤 Илья Маршаков, руководитель развития бизнеса платформы Kolmogorov AI — «Почему ваш AI может не взлететь: путь к AI-driven компании»
▫️пока нет обвязки, AI живет в тени: личные подписки за свой счет, доступ у единиц;
▫️пять вопросов, которые придется решить: доступ, деньги, безопасность, обвязка, знания;
▫️Kolmogorov AI Chat закрывает разовые задачи, процессы уходят в фабрику агентов Continuity-LLM.

❗️Дело не в модели, а в том, что построено вокруг нее.

Что уже работает в страховании: время обработки заявки в перестраховании сократилось с 30 до 5 минут, 60% договоров КАСКО оформляются через агента, 83% обращений в поддержку закрываются без сотрудника.

«Страховые компании прошли этап, на котором было достаточно показать работающий пилот. Сейчас вопрос ставится иначе: сколько сотрудников ежедневно работают с моделями и что это дало в выручке или затратах. Ответ упирается не в выбор модели, а в инфраструктуру вокруг нее. Пока эта обвязка не построена, искусственный интеллект остается личной инициативой сотрудников», — Илья Маршаков, руководитель развития бизнеса платформы Kolmogorov AI.

🔗Читать подробнее

Газпромбанк 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.

«Для нас это был проект не столько про импортозамещение, сколько про переход к более зрелой модели клиентского маркетинга. Теперь у команды есть прозрачная и управляемая платформа, которую можно развивать собственными силами», — Никита Климкин, начальник департамента управления клиентской базой, Газпромбанк.

«CM Ocean мы с самого начала задумывали как платформу, которая должна расти вместе с бизнесом клиента, а не как разовую поставку. Контур уже работает под промышленной нагрузкой розницы в пакетном и real-time режиме, а впереди — агентизация CVM и выход на новые сегменты бизнеса», — Владимир Носиков, директор платформы CM Ocean, Data Sapience.

🔗 Читать про проект подробнее

Data Ocean Governance в Гранд-Трейде 📦

Гранд-Трейд, поставщик импортных продовольственных и непродовольственных товаров, импортируемых из разных стран, завершил внедрение наших продуктов Data Ocean Governance EMM и DQ для управления метаданными и качеством данных.

❗️Раньше дубликаты и пропуски в данных искажали отчеты и вели к финансовым потерям, но оценить их объем и стоимость было невозможно. Не было ясно и то, кто отвечает за конкретный набор данных — ИТ или бизнес.

Что дал проект❓
▫️Глоссарий бизнес-терминов: бизнес и ИТ теперь говорят на одном языке;
▫️Стоимость каждой ошибки в данных: команда первыми исправляет самые дорогие;
▫️Автоматическое подтверждение корректности данных владельцами — уведомления сами приходят нужным сотрудникам;
▫️Дашборды о состоянии данных в реальном времени, понятные без знания программирования.

✔️ Расчет стоимости ошибок и собственный процесс согласования проверок качества добавили благодаря гибкости платформы. Следующие шаги — S2T-маппинги, data lineage, привязка данных к ИТ-ландшафту и контроль несанкционированных изменений в БД.

«Для Гранд-Трейда этот проект — не просто внедрение софта. Это смена парадигмы: теперь мы видим не таблицы и строки, а финансовые риски и возможности. Мы получили инструмент, который позволяет говорить с бизнесом на языке цифр и прибыли, а не технических терминов», — Кирилл Зельвянский, руководитель проектов управления аналитики данных, Гранд-Трейд.

🔗 Читать полностью

«Черкизово» и Data Sapience на Форуме ИТ и инноваций в ритейле 🛒

Data Sapience — генеральный партнер сессии «Практики ИИ (AI) трансформации розничной торговли». ИИ на форуме посвятили три сессии деловой программы.

🎤 Юлия Гришина, руководитель направления архитектуры, ПАО «Группа Черкизово», и Михаил Зайцев, директор продукта Kolmogorov AI, Data Sapience, представили доклад «Вкус будущего: сохранить традиции, внедрить инновации».

❗️Пилотов становилось все больше, а измеримых эффектов не было. Работа над ошибками началась с базы знаний и проработки процессов.

Счет — 4:6 в пользу инноваций:
▫️поиск по базе знаний работает, но базу нужно адаптировать под запросы;
▫️разбор почты автоматизируется, хотя часто держится на опыте общения с контрагентом;
▫️предиктивная аналитика точнее, если специалист дал достаточно вводных;
▫️цифровой технолог закрывает рекомендации при хорошо описанных принципах решений;
▫️в подборе персонала решает человек;
▫️видеоаналитику отдали ИИ без оговорок.

⚙️ Михаил показал ИИ-ландшафт на базе Kolmogorov AI: на нашей стороне — LLM-портал, слой прокси и безопасности и low-code платформа для агентов, мощности и модели — у заказчика или провайдера.

«Разница между компаниями сейчас не в том, какую модель они выбрали, а в том, есть ли площадка, на которой агента можно собрать, проверить, выпустить и потом сопровождать. Опыт «Черкизово» здесь про порядок действий: сначала концепция и процессы, потом — инструменты», – Михаил Зайцев, директор продукта Kolmogorov AI, Data Sapience.

🔗 Читать полностью

Data Sapience в интервью TAdviser: ИИ-агенты и контроль человека 🤖

ИИ-агенты уже проверяют документы и готовят сводки для специалистов. Но какие решения им можно доверить и когда компании нужна единая платформа для агентов?

🎤 Об этом TAdviser рассказали Никита Колганов, эксперт по вопросам ПОД/ФТ, и Илья Маршаков, руководитель развития бизнеса платформы Kolmogorov AI, Data Sapience.

О чем интервью❓
▫️какие задачи в ПОД/ФТ можно передать агентам в TALYS.AML, а какие остаются за комплаенс-офицером;
▫️как сделать выводы LLM-агента объяснимыми и воспроизводимыми;
▫️каких результатов агенты добились в наших проектах;
▫️о чем договориться до старта пилота, чтобы он дошел до продакшена.

❗️Чем выше цена ошибки, тем больше контроля должно оставаться за человеком.

«Если действие можно легко отменить или скорректировать, степень автоматизации с помощью ИИ может быть выше. Но окончательное решение, особенно в серой зоне, должно всегда оставаться за человеком», — Никита Колганов.

«Если под каждым точечным проектом появляется собственный стек, каждый следующий агент увеличивает затраты на сопровождение всего ландшафта. Задача платформы — создать единый технологический контур для агентов», — Илья Маршаков.

🔗 Читать интервью

Data Sapience выпустила обновление Data Ocean Nova 🔥

Релиз 2026.3.0 включает MCP-сервер для подключения ИИ-агентов к данным платформы, гибридный кластер StarRocks с умным тирингом и многое другое.

Что нового:

🤖 MCP-сервер для ИИ-агентов
LLM-агенты и ИИ-функции интерфейса Data Ocean Platform UI получают доступ к данным и метаданным платформы по протоколу MCP. Запросы выполняются через StarRocks, Impala и Trino с индивидуальными привилегиями пользователя, заданными в платформе.

🐘 Nova StarRocks: протокол PostgreSQL
Приложения, работающие с PostgreSQL, переключаются на Data Ocean Nova без переработки.

🗂 Гибридный кластер StarRocks с умным тирингом
Часть данных хранится на локальных дисках BE-узлов в нативном формате StarRocks, часть — в объектном хранилище S3 в формате Apache Iceberg. Политики определяют, какие данные где лежат, а для каждого тира задается свой алгоритм сжатия. При смене слоя данные пережимаются автоматически.

🔗 Федеративные запросы между Nova StarRocks кластерами
Nova StarRocks передает выполнение запроса на узлы BE и CN удаленного кластера, зарегистрированного в конфигурации. Копировать данные между кластерами не нужно, даже если они построены по принципу shared-nothing.

⚡️ Nova Trino: ускорение за счет нативных вычислений Velox
Решение Trino-Velox исполняет все операторы SQL-запроса в нативном коде на C++ вместо устаревшего подхода на основе JVM. С Iceberg оно работает без участия кода на Java. Trino обновлен до версии 481.

🔒 LPSQL: вызов процедур через ODBC
Процедурное расширение LPSQL стало доступно через ODBC-драйвер для Arrow Flight SQL, поэтому хранимые процедуры Nova можно вызывать из сторонних приложений и СУБД. Права на вызов проверяются через Ranger по единой политике в Impala и StarRocks, а код выполняется в контексте владельца объекта.

Полный список изменений (в релизе их больше 120) — в Changelog 2026.3.0 на сайте Data Ocean.

🔗 Узнайте больше о возможностях релиза Data Ocean Nova 2026.3.0

Data Sapience — в обзоре TAdviser о рынке ИИ-агентов 🤖

TAdviser выпустил обзор «Рынок агентных ИИ-систем России»: объем и динамика рынка, спрос по отраслям, требования заказчиков, барьеры внедрения и прогнозы на 2027–2028 годы.

🎤 Михаил Зайцев, директор продукта Kolmogorov AI, Data Sapience:
▫️ Лидер внедрения ИИ-агентов — финансовый сектор, следом промышленные и агропромышленные компании: ИИ помогает «перепрыгнуть» несколько ступеней;
▫️ От платформ нужны enterprise-readiness и умение встраивать новые модели и подходы за 1–2 месяца.

«Основной тренд второй половины 2026 года — применение в агентах claude code/openclaw/opencode-like схем, когда часть исполнения задач в рамках рабочего процесса (workflow) агента не разрабатывается в виде строгой логики, а предоставляется агентской функции в виде схемы самокоррекции (self correction)», — говорит Михаил Зайцев, Data Sapience.

🤝 Отдельно TAdviser отметил наш проект с Selectel и GlowByte по внедрению гибридной ИИ-платформы на Kolmogorov AI в «Тавросе».

🔗 Обзор «Рынок агентных ИИ-систем России» от TAdviser

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.

Data Sapience в исследовании трендов CRM-маркетинга от МТС 📊

МТС OmniChannel выпустил исследование «Тренды рынка CRM-маркетинга».

🎤 Взгляд вендора в отчете — наш: Владимир Носиков, директор платформы CM Ocean, Data Sapience, прокомментировал основные тренды:
▫️CVM вместе с платформой данных и инструментами для аналитиков;
▫️сближение CRM и программ лояльности — в CM Ocean для этого есть модуль Loyalty;
▫️сдвиг в собственные каналы: приложение, сайт, личный кабинет;
▫️ИИ-агенты, которые собирают сегмент по текстовому запросу.

❗️Главное, что изменилось, — горизонт окупаемости:

«Проекты всё чаще запускаются с расчетом на окупаемость в течение примерно полугода. Если раньше можно было реализовывать крупные проекты с горизонтом окупаемости 2–3 года, то сейчас фокус смещается в сторону небольших итераций и инициатив, которые позволяют как можно быстрее получить измеримый результат», — Владимир Носиков.

🔗 Читать полностью

Data Sapience на карте ИТ-инфраструктуры от TAdviser 🗺

TAdviser выпустил карту «Российский рынок ИТ-инфраструктуры 2026»: около 200 отечественных разработчиков инфраструктурного ПО, производителей оборудования и системных интеграторов.

Мы в разделе «СУБД» с платформой данных Data Ocean.

Что на карте:
▫️оборудование: серверы, СХД, ПК/ноутбуки, сетевое оборудование, ПАК;
▫️ПО: операционные системы, СУБД, мониторинг и управление ИТ-инфраструктурой, резервное копирование, виртуализация и контейнеризация;
▫️отдельный сегмент: системные интеграторы.

Карта помогает ИТ-руководителям ориентироваться в предложении и видеть, какие российские решения есть в каждой категории. Присутствие на карте подтверждает лидерство Data Sapience в области платформ данных.

🔗 Читайте на сайте

Data Sapience на AML Tech Conf'26 🛡

На конференции «Автоматизация и IT технологии в ПОД/ФТ/ЭД/ФРОМУ» обсуждали автоматизацию и идентификацию в ПОД/ФТ, криптокомплаенс и цифровые активы, ИИ в AML-системах.

🎤 Елена Куприянова, директор продукта TALYS.AML, Data Sapience, выступила с докладом «ИИ в процессах ПОД/ФТ». Показала, как комплаенс прошел путь от ML-моделей на табличных данных до мультиагентных систем, которые выполняют многошаговые задачи.

❗️Отдельный блок доклада был про барьеры внедрения и практические меры:
▫️качество данных: единые справочники клиентов и контрагентов;
▫️персональные данные не покидают контур: изолированные решения на внутренних базах знаний с RAG;
▫️объяснимость: фиксация промпта и контекста с привязкой выводов к нормативной базе;
▫️дрейф моделей: регулярное дообучение на результатах ручного контроля.

«Раньше у нас были модели на ABT, мы усилили их графами и последовательностями, чтобы видеть не отдельные операции, а схемы и сценарии. Параллельно научились работать с текстом: LLM извлекают смысл из назначений платежей и документов. Теперь мы объединяем все это в ИИ-агентах: система сама собирает данные и выдает аналитику для принятия решения. Это не замена специалиста, а серьезное ускорение и повышение качества входной информации», — Елена Куприянова.

🔗 Читать полностью