Телеграм канал «Клуб CDO»

Коллеги, обратите внимание на мероприятие, которое проводит ключевой игрок рынка управления данными в РФ — DIS Group.

2 апреля в Москве (и онлайн) пройдёт Data Summit 2026 — ежегодная конференция, посвящённая управлению данными и их монетизации. В этом году DIS Group отмечает 20 лет на рынке, и саммит обещает быть особенно насыщенным.

📈 В ближайшие годы рынок решений Data Lakehouse, Data Governance и управления мастер-данными для ИИ будет расти опережающими темпами. Всё благодаря активному внедрению ИИ‑технологий в работу с данными и бизнес‑процессы в крупных банках, компаниях и организациях.

❓ Хотите знать, как использовать эти тренды на пользу вашего бизнеса?
Приглашаем 2 апреля на Дата-саммит — ежегодное флагманское мероприятие в мире управления данных!

🎯 Что вас ждёт на Дата-саммите?
• Выступления и дискуссии с участием 30+ топ‑экспертов.
• Реальные кейсы от лидеров рынка.
• Темы и вопросы:
- применение ИИ в управлении данными: возможности и риски;
- платформенные решения: статика или пластичность;
- доступность и открытость данных: выгоды и затраты;
- безопасность данных с точки зрения контроля доступа, маскирования, рисков утечек данных.

🎤 Среди приглашённых спикеров — профильные эксперты ВТБ, Сбербанка, Росатома, «Магнит», ГК «Нацпроектстрой» и многих других ведущих компаний и организаций.
Участие бесплатное, но нужна регистрация.

Подробности и регистрация: https://data-summit.ru/

Итак, раз уж я заговорил о Claude Code, то теперь было бы неплохо что-то реально полезное опубликовать. Поэтому собрал для вас актуальную подборку всякого в перемешку по тематике данного консольного агента (а другие я и не признаю). Многие из этих ссылок, так или иначе, уже фигурировали на просторах тех или иных телеграм каналов, но вот очень хочется у себя тоже всё это собрать в одном посте. Пройдемся по пунктам:

1. Внезапно, а может и нет, официальная документация от Anthropic по Claude Code. Она действительно хороша. И там даже есть поддержка русского языка. После такого даже последний бастион отмазок должен был пасть.

2. Всем известный Roadmap.sh. Они не так давно выкатили дорожную карту в том числе и по Claude Code. Поэтому если вы хотите изучить Claude Code в доль и поперек, то как путеводитель самое то. Более того, там же вышла ещё одна дорожная карта, но уже по Vibe Coding. Думаю, что тоже будет полезно.

3. Awesome по Claude Code. Представляет собой неофициальный сборник различных ресурсов и репозиториев, а так же каналов для получения информации по Claude Code. Просто огромное число информации по теме консольного агента. Этот же ресурс в лице Github-репозитория.

4. Каталог с множеством Skills. Представляет собой агрегатор, в котором на данный момент уже более 500 000 скиллов по самым разным тематикам и для самых разных агентов. В том числе есть большая выборка и для Claude Code.

5. Каталог всего для консольных агентов. Ещё один полезный ресурс в том числе для Claude Code, который содержит в себе множество скиллов, MCP, хуков, команд и т.д. Как минимум стоит ознакомиться.

6. Каталог промтов для кастомных субагентов. Содержит в себе 200+ промтов для Claude Code на самые разные темы в конексте разработки и построения инфраструктуры. Есть также список MCP для различных задач.

7. Github-репозиторий с набором полезностей раз. Сборка всякого для Claude Code с общим именем в лице Toolkit. От команд до MCP.

8. Github-репозиторий с набором полезностей два. Свежий и тоже содержит набор всякого для Claude Code. Можно присмотреться.

9. Github-репозиторий с набором системных промтов. Больше теоретический смысл имеет. Полезно, если хочешь разобраться во внутрянке работы агента.

Кидайте своё в комменты, если есть что-то такое, чем хотели бы поделиться (полюбому есть).

Подборка - огонь 🔥

Дайджест статей


📰 Как аналитики данных используют ИИ для решения своих задач
🔗 https://habr.com/ru/companies/yandex_praktikum/articles/1004550/
💡 Вывод: ИИ меняет роль аналитика не в сторону «нажми кнопку — получи инсайт», а в сторону переквалификации: нужно уметь формулировать задачи для агентов и верифицировать их результат. Ключевая компетенция — не SQL, а способность задать правильный вопрос. (по метаданным)

📰 asapBI: архитектура ETL процессов – Trino, Spark, Airflow и прочий зоопарк
🔗 https://habr.com/ru/articles/1011510/
💡 Вывод: Платформа asapBI — попытка решить вечную проблему ETL: 90% трансформаций тривиальны (маппинг полей), но их всё равно пишут руками на SQL. Подход «графический интерфейс для простого, код для сложного» с единой точкой мониторинга и автогенерацией дагов Airflow. Критично: система не создаёт vendor lock — все артефакты работают без неё. Правильный вопрос на фоне прогресса ИИ: а нужны ли вообще моделированные DWH, если можно дать ИИ доступ к Lakehouse напрямую?

📰 Манипулирование данными или как не дать графикам себя обмануть
🔗 https://habr.com/ru/articles/1012236/
💡 Вывод: Каталог из 8 типичных приёмов визуальных манипуляций — от обрезанных осей до выборочного периода. Полезно как чеклист при ревью любого дашборда или отчёта. Ключевой навык для CDO-команды: не только строить визуализации, но и уметь защитить их от манипулятивного использования другими.

📰 Три задачи требований к данным
🔗 https://habr.com/ru/articles/1012406/
💡 Вывод: Автор выделяет три типа требований к данным: изменения в таблицах + маппинг, миграции существующих данных, enum’ы в коде. Главный инсайт: без документированной базы данных в вики (концептуальная схема + бизнес-логика на каждую таблицу) требования неизбежно превращаются в дублирование и устаревание. Физическая модель — не замена концептуальному описанию.

📰 Reference Data Management по-русски: что мы называем НСИ и почему это не всегда RDM
🔗 https://habr.com/ru/companies/datasapience/articles/1012404/
💡 Вывод: В российской практике «НСИ» стало зонтиком для RDM + MDM + DQ, хотя международный стандарт (DAMA DMBOK) чётко разделяет эти дисциплины. Ожидание «одна система на всё» — классическая ловушка: чем больше функций, тем выше риск получить продукт, который умеет всё, но плохо. При выборе инструмента важно разделить задачи: ведение справочников ≠ дедубликация ≠ гармонизация форматов.

📰 Data Mesh vs Data Fabric: The Ultimate 2025 Comparison for Enterprise Architects
🔗 https://medium.com/analysts-corner/data-mesh-vs-data-fabric-key-differences-architecture-future-trends-2025-c69287b1ef07
💡 Вывод: Сравнение двух архитектурных подходов к масштабированию работы с данными. Data Mesh — про организационную децентрализацию (domain ownership), Data Fabric — про технологическую унификацию (metadata-driven automation). (по метаданным)

📰 How did Meta modernize their lakehouse?
🔗 https://blog.dataengineerthings.org/how-did-meta-modernize-their-lakehouse-f2fec45af2f4
💡 Вывод: Meta переархитектурила свой Lakehouse, стартовавший с Hive в 2010 году. Статья фокусируется не на компонентах, а на организационных проблемах, которые возникают при масштабировании data-инфраструктуры на 20+ лет. (за пейволом, по метаданным)

📰 Hands-on with an MCP for data quality
🔗 https://medium.com/@mikldd/hands-on-with-an-mcp-for-data-quality-6fe4b9ed52a8
💡 Вывод: MCP (Model Context Protocol) в связке с метаданными о пайплайне (lineage, владельцы, мониторы) даёт AI-агенту возможность: оценить downstream-impact изменения колонки с взвешенным risk assessment, провести root cause analysis инцидента по шагам (lineage → upstream checks → code changes), найти таблицы с недостаточным покрытием тестами и сгенерировать еженедельный DQ-отчёт. Ключевой инсайт: MCP полезен ровно настолько, насколько богаты ваши метаданные.

📰 The Three-Body Problem of Data: Why Analytics, Decisions, & Ops Never Align
🔗 https://medium.com/@community_md101/the-three-body-problem-of-data-why-analytics-decisions-ops-never-align-5b428763b33c

💡 Вывод: Три мира данных (аналитика, предиктивные модели, операционные системы) в большинстве компаний работают в изоляции. Аналитика показывает прошлое, ML предсказывает будущее, а ops реагирует на настоящее — но никто не связывает их в единый цикл действия. Решение — Action Layer: слой, который превращает сигналы в исполняемые действия без ручного посредничества. Фитнес-тест AI-готовности: чистые данные в реальном времени → единая платформа → агентные системы, действующие автономно.

📰 Journey to 1000 models: Scaling Instagram’s recommendation system
🔗 https://engineering.fb.com/2025/05/21/production-engineering/journey-to-1000-models-scaling-instagrams-recommendation-system/
💡 Вывод: Instagram масштабировал рекомендательную систему до 1000+ ML-моделей в проде. Три ключевых инструмента: Model Registry (единый реестр с бизнес-контекстом и критичностью), автоматизация запуска моделей (с дней до часов, 10+ запусков в неделю), и метрика Model Stability (калибровка + normalized entropy для обнаружения деградации предсказаний в реальном времени). Урок для любой ML-платформы: без единого реестра и стандартизированного определения «здоровья модели» масштабирование упирается в хаос on-call расследований.

Самая большая проблема удалёнки — не дисциплина. Дисциплину можно натренировать.

Проблема — одиночество.

В офисе люди спорят, шутят, заражают друг друга идеями. Энергия передаётся физически — через интонацию, через случайный разговор у кофемашины, через чужой азарт, который вдруг становится твоим.

В Zoom этого почти нет. Есть повестка, есть mute/unmute, есть “у кого-то ещё вопросы?”. Но нет того случайного столкновения, из которого рождается что-то новое.

Редакция вчера побывала на лекции/интервью «A Journey into Consciousness» в Royal Institution - беседе Майкла Поллана и Анила Сета. Для меня Сет - один из самых интересных ученых на стыке нейронауки и философии сознания, давно слежу за его работами и рекомендовал ранее тут его книгу «Быть собой» о природе субъективного опыта.

Разговор шёл о природе сознания, границе между чувствительностью и субъективным переживанием, и о том, почему наука до сих пор не может ответить на, казалось бы, простые вопросы о собственном разуме.

Про ИИ - оба спикера на редкость единодушны. Ключевой аргумент Сета: мозг - не компьютер. В нём нет разделения на hardware и software, каждое воспоминание - физический паттерн нейронов, и идея «переноса» сознания на другой субстрат - это метафора, которую приняли за буквальное описание.

Поллан добавляет: если сознание завязано на телесность, на уязвимость, на способность страдать - то языковая модель, обученная на текстах о сознании, не становится сознательной оттого, что умеет убедительно об этом говорить. Мы просто психологически запрограммированы верить всему, что разговаривает с нами на нашем языке от первого лица.