🔠🔠🔠

Вчера в Санкт-Петербурге записал потрясающий эфир с Алексеем Белозерским — руководителем Big Data Services VK Cloud, VK Tech и автором канала Архитектор данных. Говорили о самых передовых темах современного управления данными:

- Lakehouse и его роль в управлении данными, заменит ли он DWH?
- ИИ в Data Governance — как найти правильную комбинацию
- Парадокс self-service аналитики — почему не всё так просто
- Концепция "chat with your data" и её практическое применение
- Open Source vs Commercial — вечная дилемма, что выбрать. Плюсы и минусы.
- Образование — онлайн курсы vs фундаментальные знания

Думаю, сегодня закончим монтаж и завтра эфир уже будет доступен. Алексей очень глубоко погружён в тему, так что будет интересно!

А пока — продолжаю рубрику #закулисами

Как и обещал, делюсь новыми возможностями наших релизов. Сегодня на очереди крутая фича DG — создание активов без черновика.

Казалось бы, мелочь, а на практике серьёзно ускоряет работу дата-аналитиков и steward'ов.

Следите за обновлениями — завтра эфир, а релизы продолжаем готовить!

#мыслиCEOвслух #закулисамиl

Почему Text 2 SQL не работает?
Ко мне иногда приходят разные знакомые и говорят, что у них есть концепция Text 2 SQL или LLM-генератора SQL-кода — мол, классная идея для бизнеса, можно ее попродавать.

И вот наконец я понял, почему идея «пусть бизнес пишет запросы на естественном языке» не взлетает и не взлетит.

На бумаге все красиво. Даешь ИИшке команду: «Покажи выручку за август по городам», получаешь результат.

На практике же имеем несколько иной сетап: никто из бизнес-менеджеров не хочет и не может задавать правильные вопросы к данным.

Причина кроется в подмене понятий, за которую сами бизнес-менеджеры обычно аналитика и ругают. Так вот, написание SQL — это не основная работа аналитика. На самом деле аналитик занимается мыслительным трудом: как раз пытается разобраться, какие вопросы вообще стоит задать, чтобы понять, что там у бизнеса пошло не так. SQL — лишь удобный интерфейс для формулировки гипотез. Его просто изучить, но логика за пределами SQL.

И, соответственно, вторая часть проблемы: многие бизнес-менеджеры в большинстве случаев не обучены мыслить аналитически, эту часть работы они делегировали аналитику, чтобы он за них подумал. Они сами не думают в контексте данных, структур или понимания взаимосвязей. Именно поэтому LLM-промпты в виде «SQLGPT для маркетологов» и не взлетают.

🔜 AI может перевести вопрос в SQL, но не может придумать сам вопрос, который имеет смысл для бизнеса.

Сейчас мы на этапе следующего шага — передать LLM формирование вопросов и гипотез, а затем уже написание необходимого кода и SQL-запросов для решения аналитической задачи.

А пока просто осознаем, что произошла гиперинфляция хардскиллов. А вот мыслить и генерировать ценные инсайты — тот самый навык, который был и есть востребован в аналитиках.