Телеграм канал «Клуб CDO»

Коллеги, нужна помощь зала! Команда CleverData проводит исследование опыта работы с CDP. Если вы используете CDP и можете поделиться своими впечатлениями, то будем очень рады узнать ваше мнение. Мы стремимся разрабатывать для рынка нужный, полезный и удобный продукт. Опрос короткий и анонимный, контакты можно оставить по желанию. https://t.me/crmcjmfm/826

Вчера провели четвертый оффлайн митап в рамках серии бесплатных мероприятий VTORNIK.Вечер, посвященных внедрению AI в компании. Благодарим всех, кто пришел! Отдельное спасибо нашим партнерам, компании "Virtu Systems", за гостеприимство и возможность провести данный ивент в их офисе. В комментариях к данному посту будут презентации наших спикеров: «ИИ как партнер в бизнесе, основанном на данных» Донат Фетисов, Директор по стратегии управления данными, офис CDO, Ростелеком. В прошлом директор по информационной безопасности и директор по платформе Big Data, архитектуре и data engineering в билайне. CTO команды по внедрению ML на производстве в Северсталь Digital, а также Руководитель Лаборатории данных (2015-2018) и проекта по созданию промышленного кластера Big Data в Сбербанке. «Популярные сценарии применения AI в бизнесе и с чего начинать?» Андрей Уваров, CDO c 10-летним опытом внедрения продвинутой аналитики, ML и AI. Занимался внедрением в различных индустриях (технологическая экосистема, ivi.ru, МегаФон), консультант Института искусственного интеллекта МФТИ, заставляет данные и алгоритмы приносить бизнесу пользу, заметную в PnL. Следующую встречу планируем провести уже в январе, ждите анонс. Хорошего дня!

⛷️ Мы анонсируем Snow BASE — первый зимний кэмп для C-level из мира Machine Learning, Data Science и AI. Конфы не будет! Не будет докладов, панелей и ледяных регламентов. Будет три дня инсайтов, управленческих поединков, воркшопов, важных дискуссий, хакатонов и живого общения на высоте 2000 метров. Это не про «послушать». Это про спорить, решать и открывать новое. Про hard work контент без формальностей и про мощный инженерный нетворминг – от networking + warm: когда на снежных склонах рождаются тёплые связи, разговоры, код и решения, которые работают дольше, чем любой чат. А ещё! Много драйва, каталка, бобслей, après ski разговоры. Чтобы перегрузиться, найти идеи и вернуть поток! SNOW BASE — для тех, кто управляет алгоритамами, процессами и людьми. Кто видит за данными смыслы. Кто не ждёт будущего, а считает его вероятности. https://southhub.ru/snowbase/?utm_source=telegram&utm_medium=post&utm_campaign=snowbase&utm_content=announce

Дайджест статей за прошлую неделю Как работают федеративные системы: рассказываем на примере YDB - https://habr.com/ru/companies/ydb/articles/962152/ - Статья объясняет принципы работы федеративных систем на примере YDB, раскрывая архитектурные особенности и механизмы взаимодействия между различными компонентами распределённой базы данных. Глубокое сравнение StarRocks и ClickHouse в задачах аналитики в реальном времени и соображения по выбору - https://habr.com/ru/articles/967214/ - Статья представляет собой детальное сравнение систем StarRocks и ClickHouse для аналитики в реальном времени, включая их архитектуру, производительность и критерии выбора. Мигрируем с Oracle на Postgres-like СУБД: наш опыт перевода процессов розничного кредитования на рельсы СУБД Pangolin - https://habr.com/ru/companies/sberbank/articles/967240/ - Статья описывает опыт Сбербанка по миграции розничных кредитных процессов с Oracle на СУБД Pangolin, совместимую с PostgreSQL, включая вызовы, архитектуру и полученные результаты. Мультиканальная аналитика 2025: как собрать данные из всех каналов в единую систему - https://habr.com/ru/companies/click/articles/968788/ - Статья рассказывает о том, как объединить данные из различных маркетинговых и пользовательских каналов в единую аналитическую систему для эффективного анализа в 2025 году. Meta Data: How Data about Your Data is Optimal for AI - https://dzone.com/articles/meta-data-how-data-about-your-data-is-optimal-for-AI - Статья рассказывает о том, как метаданные улучшают эффективность систем искусственного интеллекта, обеспечивая более точное понимание и организацию исходных данных. What it means to get your data ready for AI - https://ai.gopubby.com/what-it-means-to-get-your-data-ready-for-ai-518861a8f025 - Статья рассказывает о том, какие этапы подготовки данных необходимы для их успешного использования в системах искусственного интеллекта, включая очистку, структурирование и обеспечение качества информации. Год работы с AI-проектами: 4 из 5 компаний делают одни и те же ошибки. Показываю правильный путь - https://habr.com/ru/articles/965016/ - Автор делится опытом внедрения AI-проектов и объясняет, какие типовые ошибки совершают большинство компаний и как их избежать для достижения успешных результатов. Эволюция архитектуры баз данных - https://habr.com/ru/companies/oleg-bunin/articles/950454/ - Статья рассказывает о развитии архитектур баз данных от монолитных систем до современных распределённых решений, а также о вызовах и подходах к их проектированию.

Друзья, хочу поделиться отличным ресурсом от команды «Круги Громова». Коллеги проделывают действительно глубокую работу по аналитике рынка: изучают вендоров, сравнивают решения и выпускают подробные обзоры по ключевым направлениям — от BI-платформ и инструментов визуализации до Data Catalog, DQM и других компонентов современной data-экосистемы. На их сайте собраны материалы, которые помогают быстро сориентироваться в ландшафте технологий, понять сильные и слабые стороны продуктов и выбрать подходящее решение под конкретные задачи. Это не маркетинговые буклеты, а структурированные исследования, которые можно смело использовать как рабочий инструмент для принятия решений. Очень рекомендую добавить этот ресурс в свою профессиональную копилку: он одинаково полезен и архитекторам, и продуктовым менеджерам, и всем, кто работает с данными. Ссылка на сайт: https://russianbi.ru/

Google, конечно, куда то в космос улетел просто с новой моделью

Хорошая заметка вышла в блоге коллег из Vtornik Company, подробно разбирающая тему нейросимволического ИИ. Коллеги кратко и емко показывает, как классический символический подход — с правилами, онтологиями и логическими выводами — дополняется мощью нейросетей, способных к восприятию и генерации.  Действительно, стоит отметить, что тема нейросимволического искусственного интеллекта начинает активно вызывать интерес: сегодня всё больше специалистов говорит о том, что именно гибридные модели, объединяющие статистическое обучение и символическое рассуждение, могут стать следующим шагом в развитии ИИ-систем.  Хотя я согласен с автором, что симбиоз Good Old‑Fashioned AI (GOFAI) и больших языковых моделей (LLM) — это логичный и эволюционный шаг из тупика, в котором статистические модели застряли, — я бы не стал называть это революцией. Это скорее разумный следующий этап: не скачок, а постепенное улучшение, которое может привести к более надежным, интерпретируемым системам.  https://vtornik.company/blog/neuro-symbolic-ai