🔥 DataForge: ответы на вопросы участников вебинара 3️⃣ часть

Продолжение ответов на вопросы, которые не успели охватить в рамках эфира 1 июля:

13. Инструмент полезный. Есть опасения не попасть на костыли или ограничения на какой-либо стадии жизни продукта. Какие есть риски использования инструмента?

Особенности реализуемой продуктом функциональности и текущее состояние продукта требуют учитывать следующие моменты:
🟣Ограничения логики: Не вся логика (например, сложные неаддитивные расчеты) может быть реализована на уровне хранилища данных (хоть через DataForge, хоть через любую другую систему), и часть может остаться на уровне BI
🟣Зависимость от DWH: Продукт требует наличия качественного Gold-слоя, он не решает проблемы «грязных» или неструктурированных данных на нижних уровнях
🟣Отсутствие статистического анализа: DataForge не предназначен для статистического моделирования (A/B-тесты, проверка распределений и т.д.) и для обеспечения качественного наполнения создаваемых витрин требует реализации подобных проверок на других уровнях
🟣Ограничения управления представлениями витрин: DataForge не является инструментом для оркестрации баз данных и поэтому требует наличия отдельных механизмов, которые будут обеспечивать актуальность данных в представлениях, созданных на основе сгенерированных в продукте SQL-скриптов

14. Кто ответственный тогда будет за данные? Если дата-инженер настроил пайплайн, бизнес-пользователи поправили формулы, и в итоге получили ошибки в дашборде. Как тут выстроить процесс? Есть ли ролевая модель?

Да, существует многоуровневая ролевая модель, которая разграничивает ответственность:
🟣Глобальные роли: Наблюдатель, Аналитик, Разработчик, Проджект-менеджер, Администратор
🟣Проектный уровень доступа: Права на конкретный проект могут настраиваться индивидуально (Наблюдатель, Аналитик, Разработчик, Владелец). Уровень доступа не может превышать глобальную роль

Ответственность выстраивается так:
1. Дата-инженер/Разработчик подключает источники (Gold-слой) и настраивает маппинг
2. Бизнес-пользователи/Аналитики (с правами не выше Аналитика или Разработчика) могут создавать и изменять формулы на основе существующих сущностей
3. Процесс изменений контролируется через роли и будущую функцию верификации, где изменения требуют апрува перед применением

15. Непонятно про тесты. Как обеспечить качество данных? Что делать, если данные кривые или пустые - алерты.

В DataForge есть функционал для валидации результатов. Пользователи могут создавать сценарии проверок (бизнес-проверки), где задают эталонные значения для показателей при определенных условиях. Система вычисляет показатели по фактическим данным и сравнивает с эталоном. Это позволяет на уровне бизнес-данных (выручка, возвраты) убедиться в корректности расчетов и выявить проблемы с данными на финальной стадии.

16. Кто ключевой клиент: инженеры или бизнес? Инженерам нужен code, бизнес-пользователям – нет.

Ключевые клиенты — и инженеры, и бизнес-пользователи, но на разных этапах:
🟣Дата-инженеры и архитекторы на этапе внедрения: подключают хранилище, настраивают модели, выполняют маппинг
🟣Бизнес-пользователи и аналитики на этапе эксплуатации: используют уже настроенный семантический слой для создания и поддержки отчетов, корректировки формул и управления логикой без написания SQL-кода

17. Не хватает подхода «аналитика как код». Хочется уже сразу разговаривать с AI-агентом, чтобы он там все строил и кверил. Руками уже лениво работать и кликать)

DataForge уже движется в этом направлении:
🟣Есть работающий MCP-сервер и ИИ-ассистент, которые могут генерировать корректные SQL-запросы и строить отчеты по текстовым запросам, используя семантический слой в качестве контекста
🟣Разрабатывается механизм для автоматического заполнения РПИ через ИИ-агента, который анализирует структуру существующего хранилища

18. Было бы здорово все это дело положить в гит репо и уже там с помощью YAML или SQL описывать трансформации.

Сейчас в DataForge есть внутреннее версионирование проектов (создание версий, сравнение). Интеграция с Git (возможность полной выгрузки проекта в Git) находится в планах разработки. Текущий подход — управление через веб-интерфейс, а не через код в репозитории, хотя API для программного доступа к метаданным уже есть.

19. Было еще хорошо показать демо, как вот прям с 0 построить что-то. Допустим открыли новый проект и там просто и показать шаги и рассказать.

Стандартная последовательность действий при начале работы с продуктом описана в документации продукта и включает шаги:
1. Создать новый проект
2. Описать показатели, измерения и факты в РПИ
3. Объединить их в таблицы фактов и справочники
4. Настроить подключение к хранилищу данных
5. Выполнить маппинг логической модели на физическую
6. Настроить витрины с необходимыми показателями и измерениями
7. Создать представления для витрин в хранилище (автогенерация SQL)
8. Подключиться в BI-системе к созданным представлениям и строить отчеты

Эти шаги и были в целом продемонстрированы на вебинаре через интерфейс. Дополнительно можно посмотреть следующие короткие видеоинструкции по работе с продуктом:
🟣Как в DataForge создать семантический слой для BI и AI: показатели, измерения и происхождение данных - https://rutube.ru/video/private/434df249e05dc979e833b18dde33e2ab/
🟣Модель данных без хаоса: факты, PK/FK и проверка показателей в DataForge - https://rutube.ru/video/private/d445b512f715ff2f8a861fc0a6bf4a62/
🟣Как в DataForge собрать аналитическую витрину данных и выгрузить её в Excel или БД - https://rutube.ru/video/private/025c95fdbd86e321dadd0496b3b4709e/
Также есть возможность запросить персональное демо продукта, чтобы уточнить все детали реализации проекта “с нуля” на нём.

 ➡️ Запросить демодоступ и протестировать DataForge

DataForge | Подпишитесь и следите за обновлениями продукта 🔗

#DataForge #DataForge_вебинар

Release Date: 5 сентября 2026

⚡️ DataForge позволяет управлять доступами к проектам

➡️ Каждый проект можно открыть конкретным пользователям и назначить им нужный уровень доступа. Разделяйте проекты между командами, контролируйте права пользователей и безопасно организуйте совместную работу в DataForge.

Как это работает?
1️⃣ Настройте доступ к проекту
Назначьте пользователям роли «Разработчик», «Аналитик» или «Наблюдатель» и предоставьте доступ только к нужным проектам.
2️⃣ Используйте роль «Менеджер проекта»
Менеджер проекта может создавать проекты и полностью управлять теми, которыми владеет.
3️⃣ Контролируйте владельцев и роли
У каждого проекта есть владелец, а в списке проектов отображаются владелец и ваша роль.
4️⃣ Учитывайте ограничения прав
Роль в проекте не может быть выше глобальной роли пользователя.
5️⃣ Передавайте владение проектом
Проект можно передать менеджеру проекта, администратору компании или суперадминистратору.
6️⃣ Клонируйте проекты вместе с правами
Настройки доступа автоматически копируются вместе с проектом.
7️⃣ Отслеживайте изменения
Все изменения прав и передача владения фиксируются в системном журнале.
8️⃣ Управляйте доступом через API
API учитывает проектные права и позволяет просматривать и изменять доступ, а также передавать владение.

📌 Такой механизм помогает разделять проекты между командами, ограничивать доступ к чувствительным данным и сохранять прозрачность управления правами внутри компании.

 ➡️ Запросить демодоступ и протестировать DataForge

DataForge | Подпишитесь и следите за обновлениями платформы 🔗

#DataForge #DataForge_updates

⚡️ DataForge включен в Единый реестр российского ПО

Платформа DataForge официально зарегистрирована в Едином реестре российских программ для ЭВМ и баз данных Минцифры России.

DataForge – российская self-service-платформа, которая реализует полный цикл работы с корпоративной аналитикой: от написания бизнес-требований до автоматического построения витрин данных в корпоративных хранилищах данных.

❗️ Реестровая запись №35075 от 07.09.2026
➡️ Класс ПО: «Средства управления базами данных».

Включение в реестр подтверждает российское происхождение программного обеспечения и позволяет использовать DataForge в проектах, где наличие продукта в реестре российского ПО является одним из требований.

Принимаем поздравления! 🔥🏆

 ➡️ Запросить демодоступ и протестировать DataForge

DataForge | Подпишитесь и следите за обновлениями платформы 🔗

#DataForge #РоссийскоеПО #РеестрПО #Минцифры

❗️Как создать семантический слой для BI и AI: показатели, измерения и происхождение данных

В этом видео мы шаг за шагом показываем, как в DataForge формируется РПИ (реестр показателей и измерений) – один из ключевых элементов современной архитектуры данных.

В инструкции вы увидите полный цикл работы:
🟣создание проекта и подключение базы данных,
🟣создание фактов и настройка показателей,
🟣анализ происхождения данных (data lineage),
🟣создание измерений,
🟣формирование справочников,
🟣обзор готового РПИ и принципов его использования.

📌 DataForge помогает превратить разрозненные определения и Excel-файлы в единый управляемый слой знаний о данных компании.

Если в компании несколько BI-систем и десятки отчётов, семантический слой помогает устранить разночтения в расчёте показателей. Так все участники – от аналитиков и разработчиков до бизнес-пользователей и AI-агентов – работают с единым пониманием метрик.

➡️ Запросить демодоступ и протестировать DataForge

➡️ Это актуально для компаний, которые внедряют BI-системы, строят корпоративные хранилища данных, внедряют Data Governance или начинают использовать AI-ассистентов для работы с корпоративными данными.

DataForge | Подпишитесь и следите за обновлениями платформы 🔗

#DataForge #модельданных #полезноевидео_DataForge

🤖 DataForge AI Assistant: от вопросов к данным – к полноценному цифровому аналитику

➡️ Если раньше AI-агент в DataForge в первую очередь отвечал на вопросы бизнеса, используя семантический слой и корпоративную модель данных, то теперь его возможности существенно расширились.

В этом видео вы узнаете:
🟣 как AI Assistant использует семантический слой DataForge и понимает бизнес-термины, показатели и связи между данными,
🟣 как задавать вопросы на естественном языке и получать ответы без написания SQL,
🟣 как подключать аналитические навыки на Python для факторного анализа, прогнозирования, поиска аномалий и статистических расчётов,
🟣 как создавать собственные навыки и расширять возможности агента без изменения ядра DataForge,
🟣 как формировать корпоративную базу знаний для повышения качества ответов,
🟣 как автоматически создавать презентации по итогам диалога и аналитического исследования,
🟣 как администрировать каталог аналитических навыков и подключать новые инструменты.

📌 DataForge AI Assistant – это уже не просто чат с данными, а цифровой аналитик, который понимает корпоративные метрики, работает с семантическим слоем, выполняет расчёты и помогает готовить управленческие решения.

➡️ Запросить демодоступ и протестировать DataForge

➡️ DataForge – российская платформа для построения семантического слоя, управления требованиями к данным, проектирования DWH и создания AI-агентов для корпоративной аналитики.

DataForge | Подпишитесь и следите за обновлениями платформы 🔗

#DataForge #ИИагенты #AgenticAI #полезноевидео_DataForge

⚡️ Заполняйте РПИ в DataForge через API – без ручного ввода

➡️ В DataForge работа начинается с РПИ – единого каталога определений показателей, формул расчёта и таблиц-источников. На его основе строятся модель данных и витрины, а SQL-запросы генерируется автоматически.

DataForge автоматически заполняет РПИ – через API:

🟣Загружайте готовые описания
Переносите показатели из каталогов метрик, Excel и вики пакетами, а не по одному.
🟣Синхронизируйте изменения
Настройте обновление РПИ при изменении корпоративной документации.
🟣Встраивайте в ETL-процессы
Автоматически создавайте показатели и измерения при появлении новых таблиц в хранилище.
🟣Выгружайте реестр
Получайте данные в JSON или Excel для согласований, отчётности и других систем.
🟣Собирайте модель целиком
Управляйте показателями, справочниками, таблицами фактов и связями между ними.
🟣Настраивайте права доступа
Каждый API-ключ работает с правами конкретного пользователя. Скрипты не могут читать или изменять данные сверх предоставленных полномочий, а все обращения фиксируются в журнале аудита.

📌 API избавляет от ручного переноса и обновления показателей. Вместо разрозненных файлов и описаний команда получает единый, актуальный реестр показателей, который можно автоматически синхронизировать с корпоративными системами и встроить в существующие процессы работы с данными.

➡️ Запросить демодоступ и протестировать DataForge

DataForge | Подпишитесь и следите за обновлениями платформы 🔗

#DataForge #DataForge_updates