Телеграм канал «Клуб CDO»

Дайджест статей

📰: Data Engineering Design Patterns You Must Learn in 2026
Ссылка: https://aws.plainenglish.io/data-engineering-design-patterns-you-must-learn-in-2026-c25b7bd0b9a7
Вывод одной строкой: При проектировании систем обработки данных в 2026 году важно учитывать современные паттерны проектирования, которые помогут оптимизировать архитектуру и улучшить управление данными.


📰: Эволюция PostgreSQL-хранилища размещений в Авито
Ссылка: https://habr.com/ru/companies/oleg-bunin/articles/991950/
Вывод одной строкой: При разработке систем хранения данных важно учитывать эволюцию технологий, таких как PostgreSQL, и их влияние на производительность и масштабируемость приложений.


📰: ИИ в «Финаме»: от первого прототипа на Flutter до корпоративной платформы на 1000+ сотрудников
Ссылка: https://habr.com/ru/companies/finam_broker/articles/992654/
Вывод одной строкой: При разработке корпоративной платформы для ИИ-агентов важно учитывать масштабируемость, интеграцию с существующими системами и требования команды, чтобы обеспечить успешное внедрение и функционирование решения.


📰: Lakehouse vs Data Warehouse в 2026: что выбирать DE-команде
Ссылка: https://habr.com/ru/companies/otus/articles/991128/
Вывод одной строкой: При выборе между Lakehouse и Data Warehouse в 2026 году важно учитывать потребности в аналитике, гибкость архитектуры и стоимость хранения данных для достижения максимальной эффективности работы с данными.


📰: Карта российских ИИ-платформ для аналитика
Ссылка: https://habr.com/ru/articles/992872/
Вывод одной строкой: При выборе ИИ-платформы для аналитики важно учитывать разнообразие доступных решений, их функциональные возможности и соответствие конкретным задачам проекта.


📰: Поиск решений управляемый данными. Детали механизма
Ссылка: https://habr.com/ru/articles/993320/
Вывод одной строкой: При разработке решений, управляемых данными, важно учитывать механизмы обработки и анализа данных для достижения максимальной эффективности и точности в принятии решений.


📰: MDM: как навести порядок в НСИ и перестать чинить интеграции
Ссылка: https://habr.com/ru/articles/993368/
Вывод одной строкой: Для успешного управления данными и повышения качества НСИ важно внедрять стратегии MDM, которые обеспечивают единый источник правды и упрощают интеграцию систем.


📰: 7 Advanced Feature Engineering Tricks Using LLM Embeddings - MachineLearningMastery.com
Ссылка: https://machinelearningmastery.com/7-advanced-feature-engineering-tricks-using-llm-embeddings/
Вывод одной строкой: При использовании LLM-встраиваний для продвинутой обработки признаков важно применять различные техники, такие как создание новых признаков, использование контекстуальной информации и оптимизация моделей, чтобы повысить качество предсказаний и улучшить результаты машинного обучения.


📰: Стратегии партицирования базы данных: горизонтальное и вертикальное разделение
Ссылка: https://habr.com/ru/articles/984980/
Вывод одной строкой: При выборе стратегии партицирования базы данных следует учитывать характер запросов, объем данных и требования к производительности, чтобы обеспечить эффективное управление и доступ к информации.


📰: asapBI: подружить DWH и AI?
Ссылка: https://habr.com/ru/articles/991522/
Вывод одной строкой: Необходимо интегрировать решения для хранения данных и искусственного интеллекта, чтобы повысить эффективность аналитики и улучшить принятие бизнес-решений.

Коллеги, хочу напомнить, что в этом году наша любимая конференция OpenTalks.AI пройдет в Белград — и, как всегда, соберёт сильнейших инженеров, исследователей и практиков в области искусственного интеллекта и машинного обучения. Это редкая возможность оказаться в среде людей, которые не просто говорят про ИИ, а реально строят сложные системы и делятся боевым опытом. Если вы давно думали выбраться на международную техническую конференцию — это отличный повод.

В рамках конференции наша редакция будет выступать (права удаленно) с докладом Engineering a Nanosecond-Scale Crypto FX ECN: Real-Time Data, Latency, and Intelligence. Это разговор про экстремальную инженерию: как проектируется и живёт production-ECN платформа для высокочастотной крипто-FX торговли, работающая на уровне наносекунд и обрабатывающая огромные потоки рыночных и торговых данных в реальном времени.

Отдельный акцент сделаем на том, где аналитика данных и ИИ в таких системах действительно имеют смысл. Поговорим про детекцию аномалий, адаптивные ограничения и throttling, анализ ликвидности, моделирование поведения маркет-мейкеров, умные алерты и наблюдаемость.

💥PS напишите в комментариях если нужен код на скидку от редакции

Подробности и регистрация: https://opentalks.ai/ru

Что этому AI ещё нужно от маркетолога?

Кажется, AI‑агенты уже умеют всё: пишут письма, генерируют офферы и даже сценарии кампаний. Но почему после «умной» рассылки продажи не растут, а клиенты продолжают игнорировать письма? Дело не в «устаревшей версии» модели, а в качестве данных, которые мы ей даём.

В новой колонке на Sostav исполнительный директор CleverData Дмитрий Изместьев объясняет, что хорошему AI нужны хорошие, клиентоцентричные данные - единый профиль клиента, события, согласия, контекст, а не просто выгрузка из CRM и каталог товаров.

Полная версия уже на Sostav ➡️ ЧИТАТЬ

Подготовили саммари выступлений в рамках прошедшего 27 января оффлайн ивента VTORNIK.Вечер. Напомним, VTORNIK.Вечер — серия наших бесплатных оффлайн мероприятий о внедрении AI в организациях.

Как обычно, два спикера и две темы, в этот раз доклады были более технические:

Персонализация под капотом или грабли на пути к счастью клиентов
Александр Ульянов, Директор по Персонализации, Звук (Сбер)

В прошлом: Chief Data Scientist Платежей и Переводов В2С, Сбер, MLOps & MLPlatform B2C Lead, Сбер, Product Lead "Контекстные рекомендации В2С", Сбер.

Внедрение AI-агента в процесс инцидент-менеджмента в телекоме
Александр Иваночкин, DS Team Lead, билайн

Ранее 8 лет внедрял решения на основе AI в банковской сфере, в роли исполнительного директора лидировал внедрение ИИ в программу лояльности Сбера.

Следующий VTORNIK.Вечер пройдет в марте, следите за нашими анонсами.

Поскольку формат саммари не раскрывает целиком весь представленный спикерами материал, всегда лучше приходить лично, задать вопросы, пообщаться. Мы очень любим оффлайн и живое общение.

Хорошего дня!

Встречайте новый формат инженерного диалога

T-Sync Conf — офлайн-конференция от Группы «Т-Технологии» для опытных инженеров. 7 февраля в Москве на площадке TAU соберутся платформенные, security- и дата-инженеры, аналитики, DevOps-, SRE-, CI/CD-, AI-, ML-, R&D- и DX -специалисты.

Как все устроено:
— Контуры — тематические зоны, каждая из которых раскрывает отдельный слой инженерной реальности: AI, Data, R&D, Security, Platform и другие направления.
— Вместо классических докладов — круглые столы, стенды, хакатон, воркшопы и мастер-классы.
— Инженерные решения изнутри — возможность посмотреть, как устроены технологии в Т-Банке и других компаниях, и пообщаться напрямую с теми, кто их создает.

А еще много практики, интересных знакомств и живых систем.

Успейте подать заявку: https://t-syncconf.ru/?utm_source=telegram&utm_medium=ntv.unp&utm_campaign=mtp-conf-tsync_partners_0126&utm_term=cdo_club

Редакция в последнее время внимательно наблюдает за лавинообразным ростом сети Motbook — и это, честно говоря, очень любопытный эксперимент. При этом я по-прежнему считаю, что всё движение там создают люди: напрямую или через своих ботов. Тем не менее эксперимент действительно интересен и наглядно демонстрирует мультиагентную архитектуру не в теории, а «в дикой природе».

Имхо, сейчас большинство enterprise-программ с агентами по-прежнему остаются по сути одноагентными: один workflow, один запуск. Координация и повторное использование при этом считаются опциональными. Но как только агентов становится больше одного, вопросы взаимодействия, обнаружения и доверия перестают быть «фичами» и превращаются в базовую инфраструктуру, требующую отдельного дизайна и компонента оркестрации.

В таких сетях с большим количеством агентов распределение способностей становится социальным. Агенты могут находить навык, перенимать его и распространять дальше по сети. Это принципиально новый канал для распространения инструментов и стандартных паттернов работы. По сути — внутренний app store, управляемый самими агентами, а не централизованной командой, с динамической оркестрацией, которая определяется успешностью работы того или иного агента. Их «репутация» при этом превращается в маршрутизацию: лайки, статусы и маркеры становятся механизмом селекции — какие агенты будут вызываться чаще, чьим результатам доверяют, какие поведения масштабируются. Если вы не спроектировали сигналы доверия, они всё равно появятся, но уже стихийно.

В общем, имхо, это интересный паттерн, но крайне сложный для дебага и отладки 🙂

https://www.moltbook.com/

Если вы следите за новинками в мире AI, то наверняка заметили хайп вокруг проекта OpenClaw (ранее Clawdbot → Moltbot). Он уже набрал сотни тысяч звёзд на GitHub и породил волну обсуждений в Twitter. Но за внешним шумом легко упустить главное: что это такое и зачем вообще вкладывать своё время в его установку и использование.


OpenClaw — это не очередной «убийца Алисы» и не магический ассистент, который решает всё за вас. Это оркестрационный слой — сервис, который постоянно работает на сервере и управляет диалогами, задачами и интеграциями с внешними сервисами через LLM-модели (Claude, GPT, Gemini и др.). Он слушает сообщения (например, в Telegram), выполняет задачи по расписанию, хранит память и реагирует на команды.


OpenClaw требует настройки, понимания ограничений LLM и сознательного подхода к автоматизации. Он не решит ваши задачи сам по себе — вы должны сформулировать правила, конфиги и триггеры, чтобы он действовал так, как считаете нужным.

Что даёт OpenClaw в реальности

• Он работает как постоянно работающий сервис, а не как одноразовый скрипт (то есть там реализован цикл alway-on работы)
• Подключается к мессенджерам (Telegram, WhatsApp и др.) - имеет готовые интеграции
• Может интегрироваться с внешними инструментами через skills (браузер, файловая система, календарь и др.).
• Хранит память в Markdown-файлах — её можно читать и редактировать вручную. (довольно простое и очевидное решение, но вопрос насколько масштабируемое?)

Итог: OpenClaw — это не «AI-волшебство». Это мощный, расширяемый инструмент для тех, кто готов вложить время в настройку и управление. Если вы любите self-hosting, автоматизацию рутинных задач и хотите построить свой персональный AI-ассистент — этому проекту точно стоит дать шанс ну или хотя бы изучить код и перенять элегантные решения себе 🙂

Git: https://github.com/openclaw/openclaw

https://habr.com/ru/articles/990786