Продолжение ответов на вопросы, которые не успели охватить в рамках эфира 1 июля:
8. Зачем понадобилось придумывать свой язык для расчетов? Нельзя ли было остаться на SQL?
Свой язык для формул (схожий с Excel) был создан для доступности бизнес-пользователям, которые не являются SQL-разработчиками. Идея в том, чтобы пользователи могли описывать логику расчетов понятным способом, а система автоматически транслировала эти формулы в SQL-код для разных СУБД. Это делает инструмент управляемым не только инженерами, но и аналитиками.
9. Я верно понимаю, что решение может автоматически строить ODS и подключаться к любым источникам? Если да, то на какой механике?
Нет, это неверно. DataForge не строит ODS и не подключается к сырым источникам данных. Он подключается к уже существующему и подготовленному слою данных (Gold-слой DWH — таблицы фактов и измерений). Его задача — работать поверх этого слоя, описывая бизнес-смысл данных и создавая витрины для аналитики.
10. Чем строится абстрактно семантическое дерево?
Семантическое дерево (линейдж происхождения) в DataForge строится автоматически на основе связей, заведенных пользователем в Реестре Показателей и Измерений (РПИ). При создании показателя указываются его формула и зависимости от других показателей, измерений или полей в таблицах. Система анализирует эти связи и визуализирует их в виде дерева.
11. Можете рассказать реальные или типовые кейсы, где ИИ-агенты работают не напрямую с сырыми таблицами, а с данными и витринами, подготовленными через DataForge? Интересно понять, помогает ли DataForge сделать ответы ИИ-агентов более стабильными, управляемыми и бизнесово корректными?
Да, это прямой сценарий. DataForge предоставляет ИИ-агентам (через API или MCP-сервер) структурированное описание семантического слоя в JSON. Вместо того чтобы гадать по сырым таблицам, агент получает полный контекст: бизнес-смысл сущностей, эталонную логику расчетов и ссылки на конкретные поля. Это позволяет ИИ генерировать корректные SQL-запросы, основанные на единой и проверенной логике, что предотвращает "галлюцинации" и делает ответы более стабильными и бизнесово-верными.
12. Можно ли не «волшебникам» давать возможность править формулы и логику? Реализована ли возможность апрувить изменения инженеру после вмешательства в формулы не «волшебников»?
Да, такая возможность предусмотрена ролевой моделью:
🟣Аналитики и бизнес-пользователи (не "волшебники") могут работать с существующими сущностями, создавать новые показатели из них и корректировать формулы, так как модель уже настроена инженером
🟣Дата-инженеры подключают новые датасеты и выполняют маппинг (привязку бизнес-сущностей к физическим полям)
🟣В разработке находится функционал, где любое изменение от не-волшебников потребует верификации (апрува) от ответственного пользователя (владельца показателя или инженера) перед тем, как изменения будут транслироваться в продуктивные витрины.
DataForge | Подпишитесь и следите за обновлениями продукта 🔗
#DataForge #DataForge_вебинар