Preparing and Delivering Data for AI: Adoption Trends, Requirements, and Best Practices
По последним данным Qlik, компании собирают значительные объемы данных, но испытывают трудности с их применением в ИИ:
64% организаций ежедневно получают информацию из 100–499 различных источников. При этом, 94% организаций увеличивают расходы на продукты и услуги, способствующие подготовке данных для ИИ, но только 21% внедрили ИИ в свою деятельность.
BARC проанализировали текущее состояние внедрения ИИ в организациях-лидерах и их последователях и выявили ряд ключевых трендов и рекомендаций:
🔷 47% респондентов включили качество данных в тройку главных критериев успеха внедрения ИИ.
Экспертное мнение: Сделайте качество данных главным критерием успеха AI-проектов. Внедрите процессы контроля качества, очистки данных и обогащения. "Качество данных" должно быть приоритетом для 100% респондентов, а не только для 47%.
🔷 Только 21% компаний имеют комплексные AI-стратегии.
Экспертное мнение: Отсутствие стратегии приводит к хаотичному внедрению и повышенным рискам. Не ограничивайтесь точечными проектами. Создайте общекорпоративную AI-программу, включающую юридические аспекты, определение AI-лидерства, установку стандартов, политик доступа к данным, стандарты безопасности и соответствие нормативным требованиям.
🔷 "AI-лидеры" чаще используют облачные платформы, чем "последователи": 68% лидеров области используют публичное облако или гибридные стратегии, в то время как среди последователей этот показатель составляет 55%.
Экспертное мнение: Размещайте AI-приложения и рабочие нагрузки в облаке или в гибридной среде, чтобы обеспечить масштабируемость, гибкость и экономичность.
По последним данным Qlik, компании собирают значительные объемы данных, но испытывают трудности с их применением в ИИ:
64% организаций ежедневно получают информацию из 100–499 различных источников. При этом, 94% организаций увеличивают расходы на продукты и услуги, способствующие подготовке данных для ИИ, но только 21% внедрили ИИ в свою деятельность.
BARC проанализировали текущее состояние внедрения ИИ в организациях-лидерах и их последователях и выявили ряд ключевых трендов и рекомендаций:
🔷 47% респондентов включили качество данных в тройку главных критериев успеха внедрения ИИ.
Экспертное мнение: Сделайте качество данных главным критерием успеха AI-проектов. Внедрите процессы контроля качества, очистки данных и обогащения. "Качество данных" должно быть приоритетом для 100% респондентов, а не только для 47%.
🔷 Только 21% компаний имеют комплексные AI-стратегии.
Экспертное мнение: Отсутствие стратегии приводит к хаотичному внедрению и повышенным рискам. Не ограничивайтесь точечными проектами. Создайте общекорпоративную AI-программу, включающую юридические аспекты, определение AI-лидерства, установку стандартов, политик доступа к данным, стандарты безопасности и соответствие нормативным требованиям.
🔷 "AI-лидеры" чаще используют облачные платформы, чем "последователи": 68% лидеров области используют публичное облако или гибридные стратегии, в то время как среди последователей этот показатель составляет 55%.
Экспертное мнение: Размещайте AI-приложения и рабочие нагрузки в облаке или в гибридной среде, чтобы обеспечить масштабируемость, гибкость и экономичность.
В Апрельском выпуске CDO Digest мы делимся:
1️⃣ Пятью уроками масштабирования дата-продуктов, которые помогут компаниям эффективно масштабировать свои дата-продукты и извлекать из них максимальную ценность.
2️⃣ Стратегией монетизации данных через дата-продукты на примере крупного банка, где один дата-продукт лежит в основе множества сценариев использования, принося миллионы долларов дополнительной прибыли и предотвращая убытки.
3️⃣ Приглашением на встречу с Александром Кособоковым, где эксперт поделится современными методами построения хранилищ данных (Iceberg, DuckDB) в условиях on-premise-окружения. Для всех, кто выстраивает DWH и стремится оптимизировать затраты на владение, а также создать эффективные слои хранения для аналитических и интеграционных задач компании.
Please open Telegram to view this post
VIEW IN TELEGRAM
На наших глазах Agentic AI обрел реальные очертания. В то время как многие компании лишь строят планы по внедрению искусственного интеллекта, Qlik уже сегодня показывает, как он работает на практике, принося ощутимые результаты.
Welcome to Agentic BI.
В случае Qlik это означает целую экосистему специализированных агентов, встроенных в Qlik Cloud.
Среди них:
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5
Forwarded from Datanomika (Alex Polorotov)
Media is too big
VIEW IN TELEGRAM
как AI-агент Qlik сам построил витрину и показал каждый шаг
На Qlik Connect показали, как агент Qlik может сам собрать витрину данных (data mart) — и при этом быть полностью прозрачным и управляемым пользователем.
Вот как это выглядело:
• Разработчик задал задачу через ассистента:
«Хочу витрину для анализа эффективности доставки, с разрезами по продукту и поставщику».
• Агент построил star schema, подобрал нужные таблицы, создал базовые метрики и отобразил всё:
— структуру витрины
— источники данных
— поля и связи между ними
• Далее разработчик попросил добавить новые измерения — магазины и склады.
Агент:
— нашёл подходящие поля в доступных источниках
— объяснил, как они связаны с уже выбранными данными
— дополнил схему витрины
— всё это — в интерактивном режиме, без строчки кода
Что особенно важно:
• Ты видишь, что делает агент, и можешь вмешаться в любой момент
• Можно отклонить, изменить или дополнить его предложения
• Всё это работает в реальном сценарии: с неполным знанием структуры, с уточняющими вопросами по ходу
Это не про замену BI-разработчиков, Data Enginners.
Это про то, как построить витрину быстрее, с меньшим количеством рутинной работы.
На Qlik Connect показали, как агент Qlik может сам собрать витрину данных (data mart) — и при этом быть полностью прозрачным и управляемым пользователем.
Вот как это выглядело:
• Разработчик задал задачу через ассистента:
«Хочу витрину для анализа эффективности доставки, с разрезами по продукту и поставщику».
• Агент построил star schema, подобрал нужные таблицы, создал базовые метрики и отобразил всё:
— структуру витрины
— источники данных
— поля и связи между ними
• Далее разработчик попросил добавить новые измерения — магазины и склады.
Агент:
— нашёл подходящие поля в доступных источниках
— объяснил, как они связаны с уже выбранными данными
— дополнил схему витрины
— всё это — в интерактивном режиме, без строчки кода
Что особенно важно:
• Ты видишь, что делает агент, и можешь вмешаться в любой момент
• Можно отклонить, изменить или дополнить его предложения
• Всё это работает в реальном сценарии: с неполным знанием структуры, с уточняющими вопросами по ходу
“Я сохраняю контроль, а агент просто ускоряет мою работу.”
Это не про замену BI-разработчиков, Data Enginners.
Это про то, как построить витрину быстрее, с меньшим количеством рутинной работы.
❤2🔥1
Forwarded from Datanomika (Alex Polorotov)
Воркшоп: «Данные как актив: практическая монетизация с ИИ» от Datanomix.pro
📅 24 июня, 17:00
📍 DoubleTree by Hilton Almaty
Что сделаем за вечер?
✔Сгенерируете идеи монетизации данных с помощью готового фреймворк
✔ Отберёте high-value идею и оцените её по Impact × Effort
✔ Получите архитектуру реализации на Qlik + Talend
✔ Уйдёте с планом пилота
Кому подойдёт?
Для CDO, CTO, CIO, Head of Data, продуктовых и бизнес-руководителей, спонсоров инициатив
Почему стоит прийти?
⚡80% дашбордов не приносят ценности
⚡только 12% компаний в Казахстане получили реальный эффект от AI
⚡Вы будете в числе тех, кто умеет извлекать прибыль из данных
🔗 Регистрация по ссылке
Практический формат поэтому кол-во мест ограничено, успейте зарегистрироваться
📅 24 июня, 17:00
📍 DoubleTree by Hilton Almaty
Что сделаем за вечер?
✔Сгенерируете идеи монетизации данных с помощью готового фреймворк
✔ Отберёте high-value идею и оцените её по Impact × Effort
✔ Получите архитектуру реализации на Qlik + Talend
✔ Уйдёте с планом пилота
Кому подойдёт?
Для CDO, CTO, CIO, Head of Data, продуктовых и бизнес-руководителей, спонсоров инициатив
Почему стоит прийти?
⚡80% дашбордов не приносят ценности
⚡только 12% компаний в Казахстане получили реальный эффект от AI
⚡Вы будете в числе тех, кто умеет извлекать прибыль из данных
🔗 Регистрация по ссылке
Практический формат поэтому кол-во мест ограничено, успейте зарегистрироваться
👍2
Forwarded from Datanomika (Alex Polorotov)
В новом выпуске AI Ойбай к Александру Полоротову присоединяется Арман Асакаев, Fintech AI Center.
В этом выпуске вы узнаете:
• Дефицит данных и теневой рынок: Банки и финансовые организации сталкиваются с проблемой недостаточности данных, особенно когда им нужно выйти в новые географические (например, ВКО) или клиентские сегменты, где у них нет репрезентативной выборки. Поскольку получить эти данные легально сложно, их отсутствие порождает нелегальный рынок.
• Data Marketplace (Safe Zone): Для решения проблем с данными и утечками Арман и его команда пилотируют Data Marketplace, или "Safe Zone". Эта площадка предназначена для обмена, аренды и продажи данных, что позволит стартапам и крупным игрокам тестировать модели. Проект запущен в пилотном режиме с 11 потребителями данных и четырьмя поставщиками.
• Инновационные технологии для приватности (PETs): Маркетплейс работает благодаря двум ключевым технологиям, обеспечивающим юридическую чистоту и безопасность:
1. Синтетические данные: Данные, сгенерированные с помощью генеративного ИИ (двух нейросетей, синтезатора и дискриминатора) на основе реальных данных. Они не содержат ни одной реальной записи, но при этом сохраняют важные статистические взаимосвязи и распределения (например, слабые зависимости между возрастом, регионом и покупательским поведением).
2. Конфиденциальные вычисления (Confidential Computing): Используется аппаратное шифрование (приватный ключ в процессоре) для создания зашифрованной, «темной» зоны. Владелец данных шифрует данные, а владелец модели шифрует модель, и оба отправляют их на процессор. Процессор выполняет расчеты внутри этой зоны, и ни одна из сторон не видит активов другой. Юридически это не считается передачей данных, что делает процесс легальным.
Смотрите полный выпуск, чтобы узнать, как эти технологии изменят финансовый рынок Центральной Азии.
https://www.youtube.com/watch?v=kvJREg_lhmw
В этом выпуске вы узнаете:
• Дефицит данных и теневой рынок: Банки и финансовые организации сталкиваются с проблемой недостаточности данных, особенно когда им нужно выйти в новые географические (например, ВКО) или клиентские сегменты, где у них нет репрезентативной выборки. Поскольку получить эти данные легально сложно, их отсутствие порождает нелегальный рынок.
• Data Marketplace (Safe Zone): Для решения проблем с данными и утечками Арман и его команда пилотируют Data Marketplace, или "Safe Zone". Эта площадка предназначена для обмена, аренды и продажи данных, что позволит стартапам и крупным игрокам тестировать модели. Проект запущен в пилотном режиме с 11 потребителями данных и четырьмя поставщиками.
• Инновационные технологии для приватности (PETs): Маркетплейс работает благодаря двум ключевым технологиям, обеспечивающим юридическую чистоту и безопасность:
1. Синтетические данные: Данные, сгенерированные с помощью генеративного ИИ (двух нейросетей, синтезатора и дискриминатора) на основе реальных данных. Они не содержат ни одной реальной записи, но при этом сохраняют важные статистические взаимосвязи и распределения (например, слабые зависимости между возрастом, регионом и покупательским поведением).
2. Конфиденциальные вычисления (Confidential Computing): Используется аппаратное шифрование (приватный ключ в процессоре) для создания зашифрованной, «темной» зоны. Владелец данных шифрует данные, а владелец модели шифрует модель, и оба отправляют их на процессор. Процессор выполняет расчеты внутри этой зоны, и ни одна из сторон не видит активов другой. Юридически это не считается передачей данных, что делает процесс легальным.
Смотрите полный выпуск, чтобы узнать, как эти технологии изменят финансовый рынок Центральной Азии.
https://www.youtube.com/watch?v=kvJREg_lhmw
YouTube
Утечки, синтетические данные и как зарабатывают, не нарушая закон
Арман Асакаев, основатель и член Попечительского совета центра FinTech AI Center, рассказывает, куда движется рынок ИИ и почему данные — главный барьер и главный ресурс. Искусственный интеллект и данные становятся новой валютой времени, и Казахстан уже делает…
👍1
Forwarded from Dias
🚀 Как превратить закупочные данные в чистую прибыль?
Каждый CDO (и не только) стоит перед вызовом: как доказать реальное влияние ИИ и аналитики на финансовые результаты компании. Часто ответ лежит в самой неочевидной области - корпоративных закупках.
Это зона, где хаотичные данные не просто создают беспорядок, а напрямую ведут к миллионным финансовым потерям. Любая экономия здесь - это чистая прибыль, которую можно направить на развитие.
Приглашаем вас на практический вебинар, где мы покажем, как современный ИИ-агент может стать стратегическим инструментом для CDO.
redflags.ai: Инструмент по превращению закупочных данных в чистую прибыль
На этой встрече мы разберем:
✔️ Почему текущие методы анализа цен изначально не эффективны, и как данные влияют на это.
✔️ Покажем вживую, как ИИ-агент находит реальные переплаты в закупках, а так же позволяет кратно сократить время на анализе данных.
✔️ Пилот: ИИ-проект с гарантированным ROI и с первыми результатами для вашего руководства уже через 7 дней.
Этот вебинар для вас, если вы - CDO, CPO, руководитель цифровой трансформации, или любой другой специалист, который ищет успешный, измеримый кейс по внедрению ИИ в вашей компании.
🗓 Дата: 13 Ноября
🕒 Время: 16:00 - 17:00
👉 Зарегистрируйтесь сейчас и узнайте, как запустить пилотный проект с полным сопровождением https://forms.gle/NZQWnMVK9SQdSAQ47
Будет полезно тем, кто ищет успешный ИИ-кейс с быстрым ROI для внедрения в своей компании.
Каждый CDO (и не только) стоит перед вызовом: как доказать реальное влияние ИИ и аналитики на финансовые результаты компании. Часто ответ лежит в самой неочевидной области - корпоративных закупках.
Это зона, где хаотичные данные не просто создают беспорядок, а напрямую ведут к миллионным финансовым потерям. Любая экономия здесь - это чистая прибыль, которую можно направить на развитие.
Приглашаем вас на практический вебинар, где мы покажем, как современный ИИ-агент может стать стратегическим инструментом для CDO.
redflags.ai: Инструмент по превращению закупочных данных в чистую прибыль
На этой встрече мы разберем:
✔️ Почему текущие методы анализа цен изначально не эффективны, и как данные влияют на это.
✔️ Покажем вживую, как ИИ-агент находит реальные переплаты в закупках, а так же позволяет кратно сократить время на анализе данных.
✔️ Пилот: ИИ-проект с гарантированным ROI и с первыми результатами для вашего руководства уже через 7 дней.
Этот вебинар для вас, если вы - CDO, CPO, руководитель цифровой трансформации, или любой другой специалист, который ищет успешный, измеримый кейс по внедрению ИИ в вашей компании.
🗓 Дата: 13 Ноября
🕒 Время: 16:00 - 17:00
👉 Зарегистрируйтесь сейчас и узнайте, как запустить пилотный проект с полным сопровождением https://forms.gle/NZQWnMVK9SQdSAQ47
Будет полезно тем, кто ищет успешный ИИ-кейс с быстрым ROI для внедрения в своей компании.
Шестикратный рост эффективности и тройное снижение расходов благодаря Serverless AI: Конкретный кейс внедрения AI для "Казагрофинанс" (лизинговая компания сельхозтехники). Решение на основе генеративного AI (Claude/Anthropic) для инвентаризации техники позволило увеличить количество проверок в шесть раз (с 3000 до 18000) и сократить время на инвентаризацию с недель до 2-3 дней. Более того, благодаря serverless архитектуре, стоимость инфраструктуры для клиента в период неактивности сократилась в три раза.
Подробности в выпуске AI Ойбай подкаста.
https://youtu.be/eFdAef_cDCY?si=F3bx2SjiWbPEUnv1
Подробности в выпуске AI Ойбай подкаста.
https://youtu.be/eFdAef_cDCY?si=F3bx2SjiWbPEUnv1
YouTube
Боль роста, AI и микроменеджмент: разговор с CEO qCloudy
В этом выпуске говорим с Нурбеком Садыковым CEO qCloudy, компании, которая помогает бизнесу внедрять облачные технологии и искусственный интеллект.
Как за несколько лет вырасти из команды из трех человек в сильного игрока на рынке AWS? Что значит быть СЕО…
Как за несколько лет вырасти из команды из трех человек в сильного игрока на рынке AWS? Что значит быть СЕО…
Forwarded from DigitalBusiness.kz
Казахстанский стартап научил ИИ понимать закупки. Вот как это поможет бизнесу
Крупные казахстанские компании стабильно теряют часть выделенных на закупки средств из-за завышенных цен, даже если все процедуры корректны.
За решение этой проблемы взялась команда казахстанского предпринимателя Виталия Тренкеншу. Несколько лет они создавали аналитические системы для госорганов Казахстана, помогая выявлять коррупционные схемы в сфере госзакупок под брендом Datanomix. В 2025 году команда совершила пивот, чтобы применить технологии и накопленную экспертизу в сфере риск-аналитики в коммерческом секторе, и создала стартап Redflags.ai.
Подробнее на сайте.
Крупные казахстанские компании стабильно теряют часть выделенных на закупки средств из-за завышенных цен, даже если все процедуры корректны.
За решение этой проблемы взялась команда казахстанского предпринимателя Виталия Тренкеншу. Несколько лет они создавали аналитические системы для госорганов Казахстана, помогая выявлять коррупционные схемы в сфере госзакупок под брендом Datanomix. В 2025 году команда совершила пивот, чтобы применить технологии и накопленную экспертизу в сфере риск-аналитики в коммерческом секторе, и создала стартап Redflags.ai.
Подробнее на сайте.
Forwarded from THE CDO CLUB (Alex Polorotov)
Мое внимание захватила тема организации real-time (субсекундной) аналитики и современных подходов развертывания Data Lakehouse, в том числе для сокращения ненужных расходов на лицензии Vertica, Oracle Exadata.
И, о чудо, оказывается, есть Apache Doris, от китайских умельцев и ее знаменитый форк StarRocks:
— Запросы к миллиарду JSON-записей выполнялся примерно за 1 секунду на кластере Doris.
— Показывают результаты в 3-10 раз быстрее ClickHouse в сценариях с JOIN-ами на прямом сравнении производительности на идентичном оборудовании (AWS c6a.4xlarge).
Чтобы разобраться так ли это на самом деле, мы будем приглашать практиков, которые поделятся своими кейсами внедрения Apache Doris, StarRocks и других форков.
10 декабря, будет онлайн встреча для участников нашего сообщества с Антоном Борисовым Lead Data Engineer компании Fresha (UK).
Если хотите принять участие пишите мне в личку @apolorotov , отправим приглашение вам и вашей команде
И, о чудо, оказывается, есть Apache Doris, от китайских умельцев и ее знаменитый форк StarRocks:
— Запросы к миллиарду JSON-записей выполнялся примерно за 1 секунду на кластере Doris.
— Показывают результаты в 3-10 раз быстрее ClickHouse в сценариях с JOIN-ами на прямом сравнении производительности на идентичном оборудовании (AWS c6a.4xlarge).
Чтобы разобраться так ли это на самом деле, мы будем приглашать практиков, которые поделятся своими кейсами внедрения Apache Doris, StarRocks и других форков.
10 декабря, будет онлайн встреча для участников нашего сообщества с Антоном Борисовым Lead Data Engineer компании Fresha (UK).
Если хотите принять участие пишите мне в личку @apolorotov , отправим приглашение вам и вашей команде
👍1
Forwarded from Datanomika (Alex Polorotov)
<500 мс ответы на поиск по 1+ млрд эмбеддингов в векторной базе данных для вашего RAG, AI-агента.
Мы сейчас работаем над инфраструктурой данных для AI в частности, над ускорением аналитических и retrieval-нагрузок, чтобы AI-кейсы не упирались в производительность, точность ответов и права доступов.
Если вы активно масштабируете AI-инициативы и агентные кейсы, буду рад встретиться и обсудить.
@apolorotov
Мы сейчас работаем над инфраструктурой данных для AI в частности, над ускорением аналитических и retrieval-нагрузок, чтобы AI-кейсы не упирались в производительность, точность ответов и права доступов.
Если вы активно масштабируете AI-инициативы и агентные кейсы, буду рад встретиться и обсудить.
@apolorotov
Forwarded from THE CDO CLUB (Alex Polorotov)
В продолжении изучении этой темы.
Традиционный подход к данным отдельно поисковые системы (Elasticsearch), отдельно аналитические базы (OLAP) создаёт проблемы: дублирование данных, несогласованность результатов, сложность архитектуры и лишние задержки.
Тем интересен подход HSAP (Hybrid Search and Analytical Processing), который объединяет:
1. Векторный поиск для семантического поиска
2. Полнотекстовый поиск для точного извлечения документов
3. SQL-аналитику для агрегации и фильтрации данных
В одной системе, над одной копией данных, с единым SQL-интерфейсом.
Почему это важно для RAG и AI-приложений:
1. Быстрое извлечение релевантного контекста для LLM
2. Свежие данные в реальном времени (нет batch-задержки)
3. Снижение стоимости токенов за счёт точного контекста.
4. Единая архитектура вместо "склейки" нескольких систем
28 января 2026 года, в 16:00 об этом выступит Owen Xiao, co-founder VeloDB и один из основных разработчиков Apache Doris.
У него более 10 лет опыта в разработке ядра баз данных и распределённых систем. Автор статей о HSAP.
Традиционный подход к данным отдельно поисковые системы (Elasticsearch), отдельно аналитические базы (OLAP) создаёт проблемы: дублирование данных, несогласованность результатов, сложность архитектуры и лишние задержки.
Тем интересен подход HSAP (Hybrid Search and Analytical Processing), который объединяет:
1. Векторный поиск для семантического поиска
2. Полнотекстовый поиск для точного извлечения документов
3. SQL-аналитику для агрегации и фильтрации данных
В одной системе, над одной копией данных, с единым SQL-интерфейсом.
Почему это важно для RAG и AI-приложений:
1. Быстрое извлечение релевантного контекста для LLM
2. Свежие данные в реальном времени (нет batch-задержки)
3. Снижение стоимости токенов за счёт точного контекста.
4. Единая архитектура вместо "склейки" нескольких систем
28 января 2026 года, в 16:00 об этом выступит Owen Xiao, co-founder VeloDB и один из основных разработчиков Apache Doris.
У него более 10 лет опыта в разработке ядра баз данных и распределённых систем. Автор статей о HSAP.
Forwarded from Datanomika (Alex Polorotov)
Если вы думаете, что корпоративные драмы бывают только в сериалах HBO — добро пожаловать в мир Open Source.
https://vc.ru/story/2709995-istoriya-velodb-i-starrrocks-kak-bratya-bliznetsy-sozdali-luchshiye-bazy-dannykh
https://vc.ru/story/2709995-istoriya-velodb-i-starrrocks-kak-bratya-bliznetsy-sozdali-luchshiye-bazy-dannykh
vc.ru
Как два брата-близнеца поссорились и создали лучшие базы данных в мире: История VeloDB и StarRocks
Сегодня расскажу вам про один из самых драматичных «разводов» в мире баз данных. О том, как команда китайских инженеров разругалась, а в итоге создала две лучшие OLAP-системы на рынке.
🔥1
Forwarded from Datanomika (Alex Polorotov)
Сегодня расскажу вам про компанию, акции которой в 2008 году стоили 12 центов, а потом резко выросли до $23.50 за акцию.
https://vc.ru/story/2710105-istoriya-attunity-kak-izrailskij-startap-perezhil-krakh
https://vc.ru/story/2710105-istoriya-attunity-kak-izrailskij-startap-perezhil-krakh
vc.ru
Как израильский стартап чуть не умер, а потом его купили за полмиллиарда. История Attunity
Сегодня расскажу вам про компанию, акции которой в 2008 году стоили 12 центов
Forwarded from Datanomika (Alex Polorotov)
Недавно я наткнулся на инженерный блог ByteDance, где они описали, как сократили потребление памяти с 10 терабайт до 500 гигабайт и при этом ускорили поиск в 7 раз.
Звучит как маркетинговый булшит, правда?
Я тоже так подумал. А потом разобрался в деталях и даже пообщался с одним из основных контибьюторов Apache Doris - Kang Xiao.
https://vc.ru/dev/2716743-bytedance-sokratit-pamyat-i-uskorit-poisk
Звучит как маркетинговый булшит, правда?
Я тоже так подумал. А потом разобрался в деталях и даже пообщался с одним из основных контибьюторов Apache Doris - Kang Xiao.
https://vc.ru/dev/2716743-bytedance-sokratit-pamyat-i-uskorit-poisk
vc.ru
ByteDance сжали миллиард векторов с 20 серверов до одного и ускорил поиск в 7 раз
Недавно я наткнулся на инженерный блог ByteDance, где они описали, как сократили потребление памяти с 10 терабайт до 500 гигабайт и при этом ускорили поиск в 7 раз.
Forwarded from Datanomika (Kamilla)
Привет из солнечной Атланты, меня зовут Камилла, и я на конференции FabCon фиксирую куда Microsoft катит свой Fabric. Ожидайте шала-английские посты от меня в ближайшие четыре дня🕵🏻♀️
Явилась я сюда с одним большим вопросом в голове:
На днях в Fabric появятся новые инструменты контроля ресурсов (Surge Retention и Overage Protection). Теперь админы могут выставлять «отбойники» (guardrails) на уровне воркспейсов, чтобы критически важные отчеты не падали из-за общей перегрузки (throttling).
Система мониторинга мощностей теперь работает в реальном времени (запустили в январе), но она не хранит историю. И в ближайшем будущем, подлежащую для внутренней аналитики историю потребления ресурсов в Fabric можно не ожидать.
Нужно быть почти авиадиспетчером, чтобы контролировать расходы ресурсов (и Microsoft это признает).
Явилась я сюда с одним большим вопросом в голове:
«Когда Microsoft предоставит решение для понятного контроля Capacity-based pricing модели?»
На днях в Fabric появятся новые инструменты контроля ресурсов (Surge Retention и Overage Protection). Теперь админы могут выставлять «отбойники» (guardrails) на уровне воркспейсов, чтобы критически важные отчеты не падали из-за общей перегрузки (throttling).
Система мониторинга мощностей теперь работает в реальном времени (запустили в январе), но она не хранит историю. И в ближайшем будущем, подлежащую для внутренней аналитики историю потребления ресурсов в Fabric можно не ожидать.
Нужно быть почти авиадиспетчером, чтобы контролировать расходы ресурсов (и Microsoft это признает).
🔥3
Forwarded from THE CDO CLUB (Alex Polorotov)
Привет, THECDO! 👋
Запускаем автоматический AI-дайджест с помощью NERVE.
Как работает:
NERVE мониторит 12 Telegram-каналов по Data и AI (@data_secrets, @cdo_club, @gonzo_ML, @llm_under_hood и др.), автоматически находит ключевые темы, объединяет разрозненные обсуждения в единый отчёт и выделяет то, что большинство пропустило.
Что внутри каждого выпуска:
🔭 Blind Spot — недооценённая тема, которую стоит знать.
📌 5 главных тем — о чём говорили эти две недели.
📖 Стоит прочитать — отобранные ссылки из каналов.
Первый выпуск 1–15 апреля 2026:
OpenClaude без vendor lock-in, GraphRAG для корпоративных знаний, Claude Mythos от Anthropic, GLM 5.1 с 755B параметрами, Meta-Harness для оптимизации агентов.
👉 https://nervesearch.ai/thecdo
P.S: Поделитесь кого читаете в Телеграме.
Запускаем автоматический AI-дайджест с помощью NERVE.
Как работает:
NERVE мониторит 12 Telegram-каналов по Data и AI (@data_secrets, @cdo_club, @gonzo_ML, @llm_under_hood и др.), автоматически находит ключевые темы, объединяет разрозненные обсуждения в единый отчёт и выделяет то, что большинство пропустило.
Что внутри каждого выпуска:
🔭 Blind Spot — недооценённая тема, которую стоит знать.
📌 5 главных тем — о чём говорили эти две недели.
📖 Стоит прочитать — отобранные ссылки из каналов.
Первый выпуск 1–15 апреля 2026:
OpenClaude без vendor lock-in, GraphRAG для корпоративных знаний, Claude Mythos от Anthropic, GLM 5.1 с 755B параметрами, Meta-Harness для оптимизации агентов.
👉 https://nervesearch.ai/thecdo
P.S: Поделитесь кого читаете в Телеграме.
nervesearch.ai
The CDO Digest — NERVE
Weekly AI & Data intelligence digest, powered by NERVE
🔥3