На вебинаре 20 апреля было много вопросов по функционалу и AI-возможностям платформы DataForge. Ниже – ответы на вопросы, которые эксперты не успели охватить в рамках прошедшего эфира (1️⃣ часть):
1. Уточните вашу ценовую и лицензионную политику?
В DataForge лицензии предоставляются по модели подписки, где цена рассчитывается исходя из числа пользователей и технических лимитов. Платформа предлагает гибкие тарифные планы для бизнеса любого уровня – от базового до корпоративного. Корпоративный тариф включает два уровня лицензий: Разработчик и Аналитик.
2. Семантический слой – это как дата-каталог в Data Governance?
Нет, это не просто дата-каталог. DataForge – это живой семантический слой, который:
🔥не только описывает данные (как каталог),
🔥но и формирует конечные представления (витрины, таблицы),
🔥позволяет создавать расчётные показатели,
🔥управляет логикой и распространяет изменения во все связанные витрины и BI.
3. Это замена дата-каталога, если его нет в компании?
Да, может выполнять роль дата-каталога на старте, но функционально DataForge – шире. Если дата-каталога нет, платформа через ИИ-агента может проанализировать существующее хранилище и заполнить семантический слой.
4. DataForge может обращаться в существующий дата-каталог?
Да, может. Интеграция с существующими дата-каталогами в ближайшее время будет доступна всем пользователям (находится в стадии тестирования).
5. DataForge может ли обращаться в Iceberg?
Да, работа с Iceberg возможна через LakeHouse. Прямая поддержка Iceberg в настоящее время находится в стадии разработки.
6. Как считается сайзинг для инфраструктуры on-prem, какую карту выбрать?
🔥Пример: используется RTX 3090 (24 ГБ) для локальной модели (Qwen).
🔥Квантованные LLM не рекомендуются.
🔥Есть рекомендации по настройке инференса.
🔥Сайзинг зависит от бюджета и нагрузки.
🔥Можно использовать облачных провайдеров (Яндекс AI Studio, Cloud .ru) или локальные серверы с GPU.
Обращайтесь – рассчитаем любой сайзинг!
7. Модели ИИ используются с внешних ресурсов или крутятся на внутренних серверах? Можно ли поставить их вместе с DataForge?
Да, предусмотрены различные варианты:
🔥в DataForge можно использовать как внешних провайдеров (OpenAI, DeepSeek и др.), так и подключать локальные модели.
🔥локальные LLM (например, Qwen) поддерживаются на внутренних GPU-серверах.
8. При создании РПИ анализирует ли AI-агент содержимое таблиц (профилирует ли данные)?
Да, профилирует. AI-агент анализирует структуру таблиц, названия полей, связи. Может выкачать ограниченное количество строк для проверки, но не полные терабайты.
9. Все данные выкачиваются для анализа или только часть? Что если десятки терабайт?
Только структура и небольшая выборка. Агент не выкачивает все данные. Он анализирует метаданные, названия полей, типы, связи. Для проверки может взять ограниченное число строк.
10. Что за движок под капотом, и как он работает?
🔥Используется мультиагентная система (несколько агентов в разной последовательности).
🔥Два основных источника: DataForge (семантический слой) и база данных.
🔥Генерация SQL – через LLM, но также планируется поддержка Python.
🔥Есть кэширование семантики и данных для ускорения follow-up вопросов.
Отвечаем в контексте конкретного ИИ-агента. В DataForge – другие движки и другие технологии.
Продолжение вопросов ниже ⬇️
DataForge | Подпишитесь и следите за обновлениями продукта 🔗