Телеграм канал «Клуб CDO»

С середины года все вендоры дружно сменили вывески: была CDP, стала Agentic CDP. При этом даже CDP Institute признаёт, что это не новая категория, а эволюция класса продукта. Сбор данных, единый профиль, идентификация, активация - всё на месте.

Дмитрий Изместьев из нашей команды CleverDATA разобрал это в интервью TAdviser.

Раньше маркетолог был оператором: собрал сегмент, написал правило, настроил триггер, посмотрел на дашборд, повторил. Теперь он ставит цели и принимает результат. Сегменты, гипотезы, сборку коммуникации и даже проверку ссылок делает агент. Непрерывно, а не от кампании к кампании.

Разницу хорошо видно на примере из интервью. Фитнес-клуб хочет каждый день находить клиентов, у которых через месяц заканчивается абонемент, и предлагать им продление со скидкой. Задача банальная. Но в классической CDP это либо ручная пересборка сегмента каждое утро, либо тикет разработчикам. В проактивной её достаточно один раз одобрить, дальше она работает сама.

Но многие слышат слово "агент" и делают вывод: зачем CDP, если есть LLM? Отдадим модели клиентскую базу, пусть разбирается. На выходе получают счёт за токены и персональные данные, которые ушли туда, куда не должны были. Пилот без болида - это просто человек в красивом комбинезоне.

Ценность агента целиком определяется тем, что лежит под ним: качеством единого профиля, точностью идентификации и контуром, который не выпускает персональные данные наружу. Модель здесь - самая маленькая часть системы. Её можно поменять сравнительно легко. Чистые данные и архитектуру контуров быстро не соберёшь.

Это работает и в обратную сторону. Дмитрий приводит хорошее определение: ИИ - отличная технология, которая на основе ваших ошибочных данных помогает прийти к неверным решениям в разы быстрее и с прекрасным оформлением. Поэтому онбординг проактивной CDP - не формальность. Если отвечать на вопросы про цели и KPI отписками, агент будет очень продуктивно оптимизировать не то.

Agentic CDP - это не про агентов. Это про то, что у компаний наконец появился повод навести порядок в клиентских данных. Те, кто годами строил нормальный профиль клиента, получают агента как бонус. Остальные получают дорогую машину, которая очень быстро делает ерунду.

https://www.tadviser.ru/a/974329

На Хабре вышел перевод статьи Сэма Роуза из ngrok про механизм работы процесса кэширования тоненов. Попутно она объясняет, как вообще устроена LLM.

Очень хорошая и глубокая статья. Без этого понимания к модели, на мой взгляд, лучше не подходить: промпт-инженерия превращается в заклинания, а счёт за API - в сюрприз.

Первое, что ломает интуицию: кэшируется не ответ. Отправьте один и тот же промпт десять раз и получите десять разных ответов, хотя в usage будет написано, что входные токены взяты из кэша.

Кэширование происходит внутри механизма attention. Attention разобран на примере “Mary had a little” с реальными весами GPT-2. Каждый токен смешивает эмбеддинги предыдущих в пропорции их важности, а маска с минус бесконечностью не даёт будущему влиять на прошлое. На простом наблюдении держится вся экономика. Модель генерирует по одному токену и на каждой итерации прогоняет весь контекст заново. При этом веса уже обработанных токенов не меняются. Значит, матрицы K и V можно посчитать один раз, сохранить и дальше считать только новую строку. Это и есть KV-кэш. Провайдеры держат его 5-10 минут после запроса.

Из этого следуют инженерные выводы, которые полезнее любого гайда по промптам:
• Совпадение работает по префиксу. Стабильная часть промпта должна идти первой, всё изменчивое - в конец. Если сдвинуть один символ в начале, платишь полную цену.
• Temperature, top_p и top_k кэш не ломают. Они работают уже после attention, на этапе выбора токена.

У вендоров разная философия. OpenAI кэширует автоматически, и в тестах автора попадание было около 50%. Anthropic даёт явный контроль за доплату и попадает в 100% случаев. Для длинных контекстов, где нужна предсказуемая задержка, это архитектурное решение.

https://habr.com/ru/articles/978498/

⚡️Как изменился российский рынок каталогов данных за три года?

В 2023 году мы уже исследовали российский рынок Data Catalog. За три года класс решений заметно изменился: каталог данных перестал быть просто справочником технических метаданных и всё чаще становится инфраструктурой доверия к данным – связывает происхождение и качество данных, бизнес-контекст, владельцев, правила управления и процессы работы с данными.

В новом исследовании «Data Catalog-круг Громова 2026» мы рассмотрели 7 российских платформ: Arenadata Catalog, SBF DataManagement, RT.DataGovernance, Data Ocean Governance, Q.DataCatalog, VK Data Catalog и Юнидата. Отдельно представили профиль Axenix Dat .ax Meta, а OpenMetadata использовали как референсную платформу вне сравнительного контура.

➡️ Свежий отчёт поможет разобраться:
– чем российские Data Catalog отличаются по глубине функциональности, архитектуре и зрелости эксплуатации,
– насколько хорошо они интегрируются в корпоративный ИТ-ландшафт и соответствуют требованиям безопасности и импортозамещения,
– какие возможности есть для управления доступом, аудита и работы в закрытых контурах,
– какие возможности ИИ уже реализованы на практике,
– как выбрать платформу под свои задачи и подготовить пилот.

❗️Все решения проверены по 325 критериям: оценивается не только заявленный функционал, но и глубина реализации и степень его подтверждения документацией и демонстрациями.

Какие тренды мы увидели:
1️⃣ Data Catalog становится навигатором по корпоративным данным – показывает, где находятся данные, как они связаны, кто за них отвечает и насколько им можно доверять.
2️⃣ Отдельный тренд – ИИ. Каталоги становятся источником контекста для ИИ-агентов, при этом зрелость AI/ML-функций у российских решений сильно различается: от 23 до 94 баллов из 100.
3️⃣ Ключевой тренд – базовые функции стали стандартом, а конкуренция смещается в глубину: автоматизацию lineage, качество коннекторов, масштабируемость, аудит и зрелость эксплуатации.

Сохраните себе отчёт, чтобы быстро ориентироваться в российском рынке каталогов данных в 2026 году и сформировать шорт-лист решений для своей компании.

📌 Исследование поможет выбрать Data Catalog-платформу с учётом задач, архитектуры и зрелости управления данными в организации – скачать исследование!

Обсудить исследование: telemetr.me/gromovcircles_chat/167/242

Круги Громова | Подписаться и стать частью Data-сообщества ⬅️

#КругиГромова #DataCatalog #DataGovernance #исследование_КругиГромова

В копилку тем, кто много работает с json. Кажется интересная либа

https://lemire.me/blog/2026/10/12/parsing-json-at-tens-of-gigabytes-per-second-in-python/

Нашёл хорошую подборку докладов: записи конференции CONTEXT 2025 от DataHub.

Полторы тысячи человек из data и AI, дюжина сессий, и почти все спикеры - практики из компаний, где агенты работают в проде, а не только в презентациях.

Да, мероприятие вендорское, и термин context management продвигает компания, которая продаёт платформу с таким названием. Но спикеры рассказывают про свою инфраструктуру, а не про чужой продукт, и этим записи ценны.

Что стоит посмотреть:
- Apple - агенты как «цифровые стюарды» каталога данных. Они сами находят пробелы в метаданных, пишут правила качества данных и подстраивают процессы под новые политики. При этом человек остаётся в контуре, без иллюзий про полную автономию.
- Netflix - каталог всех технических активов, а не только данных: API, модели, метрики. Логика простая: то, что строишь для людей сегодня, завтра станет контекстом для агентов.
- Robinhood и Block - end-to-end lineage. Robinhood автоматизировал GDPR-проверки по всему озеру данных и за счёт этого вышел в UK и EU. Block теперь заранее оценивает blast radius перед удалением данных.
- Webster Bank и Valley Bank - про BCBS 239. Самая сильная мысль конференции, на мой взгляд: регулятору и AI-агенту нужно одно и то же, а именно трассируемые и управляемые данные. Строишь один раз, получаешь пользу дважды.
- Mikhael Mazu - миграция клиринговой системы, которой 17 лет и которая обслуживала 36 бизнесов. Полгода ушло только на архитектуру метаданных, зато проект, рассчитанный на 36 месяцев, закрыли за 22.
- João Moura из CrewAI - о том, почему 95% AI-пилотов проваливаются. Его ответ: мешают люди, а не технологии.

- Ещё в программе Jeff Weiner о скорости и качестве решений и неожиданный Alex Pall из The Chainsmokers. Он рассказывает, как метаданные возвращают музыкантам права и деньги. Та же задача атрибуции стоит перед каждым, кто прогоняет данные через training pipeline.

Общий вывод я бы сформулировал так: выигрывают не те, у кого лучше модель, а те, у кого порядок в контексте. Lineage, каталог, governance внутри рабочего процесса разработчика - скучная инфраструктура, без которой агент остаётся демкой.

Все записи в открытом доступе: datahub.com/resources/context/

Пожалуй, это самая фундаментальная статья про данные для агентов, которую я читал в этом году. Авторы - Pramod Sadalage и Prem Chandrasekaran из Thoughtworks, опубликована на сайте Мартина Фаулера. По сути, это карта работ, которыми мы в данных будем заниматься ближайшие несколько лет.

Главная мысль уже пару раз звучала в материалах выше про онтологию - аналитик годами копит неявный контекст: какую таблицу лучше не трогать, что «выручка» у нас уже без возвратов, что финансовый год начинается в феврале. Агенту всё это нужно сказать явно, дать доступ в реальном времени и качество, на которое можно опереться.

Ключевое отличие в том, что человек, увидев странные данные, перепроверяет. Агент уверенно действует. У людей есть нюх на подозрительно круглую цифру или цену, которая «как-то низковата». У агента нюха нет.

Ответ - контракты на данные, где схема работает как закон, а не как вежливая рекомендация. Freshness SLA, проверки качества в CI/CD, карантин для всего, что не прошло валидацию. Агент видит только сертифицированный слой, а плохие данные уезжают в dead-letter queue к человеку. Ответ «у меня нет актуальной цены» лучше уверенной ошибки.

Десятилетие «schemaless - это гибкость» заканчивается. Прощай, NoSQL 🙂 Ну, почти: хранить можно где угодно, но договор о данных теперь обязателен.

Вторая идея, которая мне особенно понравилась, - маршрутизация по порогу достоверности. Ниже порога агент зовёт человека. Важно, что порог задают показатели качества данных (свежесть, полнота, согласованность), а не только уверенность модели. Модель может быть абсолютно уверена в устаревшем ответе. Авторы честно признают, что свести всё это в один скор пока никто не умеет, и советуют начинать с жёсткого правила: любое нарушение контракта сразу уходит к человеку.

Третье - семантический слой. Он даёт агенту тот контекст, который у аналитика есть неявно. В статье он разложен на три модели: доменную (что существует), семантическую (как считаются цифры) и модель возможностей (что агенту разрешено делать). Существительные, числа, глаголы. Врезка с определениями терминов полезна сама по себе, потому что semantic layer, ontology и knowledge graph все понимают по-разному.

Лучше всего объясняет, куда вкладываться, одна цифра. В бенчмарке AtScale точность text-to-SQL выросла с менее чем 20% на сырой схеме до более чем 92,5% с семантическим слоем. На той же модели.

Когда агенты становятся основными потребителями данных, архитектура данных и есть архитектура ИИ.

https://martinfowler.com/articles/making-data-ready-for-agentic-ai.html

Разбираем новые тайтлы для LinkedIn