﻿---
title: Анализ данных
description: "Вопросы к данным на естественном языке: NL→SQL, semantic layer, права на уровне строк, проверка чисел и почему ассистент-аналитик ошибается тихо."
---

## Что это

Ассистент-аналитик отвечает на вопросы вида «сколько заказов было в октябре по регионам», «почему упала конверсия», «покажи клиентов с просрочкой больше 30 дней». Под капотом — генерация запроса к данным, его выполнение и объяснение результата на естественном языке.

Ценность очевидна: руководителю не нужен аналитик для простого вопроса, а аналитик освобождается от рутины. Опасность менее очевидна: **неверный ответ выглядит как верный**. Число в таблице не вызывает сомнений, даже если запрос собрал не те строки.

## Три архитектуры

| Подход | Как работает | Когда подходит |
|---|---|---|
| **NL → SQL** | Модель пишет SQL по схеме базы | Одна база, простая схема, техническая аудитория |
| **Semantic layer** | Модель выбирает метрики и измерения из описанного слоя | Несколько источников, повторяющиеся бизнес-определения |
| **Инструменты BI** | Модель управляет готовыми инструментами отчётов | Уже есть BI; нужен диалог, а не новый движок |

Semantic layer — самый надёжный из трёх. Когда метрика «выручка» определена один раз (с учётом возвратов, валюты и периода), модель не может посчитать её иначе. Когда определения нет, каждый запрос трактует термин заново — и два отчёта про одну и ту же выручку дают разные числа.

## Почему ответы ошибаются

- **Двойной смысл.** «Клиенты за месяц» — новые, активные или все, кто платил? Модель выберет одно из значений молча.
- **Соединения таблиц.** Неверный `JOIN` размножает строки: сумма выглядит правдоподобно и завышена втрое.
- **Периоды и часовые пояса.** Границы месяца, неделя с понедельника или с воскресенья, локальное время.
- **NULL и пустые значения.** Средние, деления и фильтры ведут себя по-разному.
- **Устаревшая схема.** Таблицу переименовали, а описание слоя — нет.
- **Права.** Модель видит в схеме колонки, которые пользователю недоступны.

Ни одна из этих причин не даёт ошибку на экране. Все они дают уверенный ответ.

## Права и безопасность

- **Доступ на уровне строк.** Ассистент должен работать под правами пользователя, а не сервисного аккаунта с полным доступом.
- **Запрет на запись.** По умолчанию аналитик читает. Любая операция изменения — отдельное решение с подтверждением.
- **Ограничение объёма.** Тяжёлый запрос по всей базе — это не ответ, а инцидент; нужны лимиты и таймауты.
- **Аудит.** Кто спросил, какой запрос выполнился, какие данные вернулись. Без этого разбор невозможен.

## Что показывать пользователю

Ответ «42 млн» бесполезен, даже если верен. Рабочий ответ содержит:

1. **Число и единицу.**
2. **Период и фильтры**, к которым оно относится.
3. **Способ расчёта** — человеческим языком, а не SQL.
4. **Ссылку на отчёт или запрос**, чтобы можно было проверить.
5. **Оговорку**, если выборка мала или данные неполные.

Для технической аудитории полезно показывать сам SQL: он позволяет поймать неверное соединение за секунды.

## Метрики

- **Точность чисел** на наборе эталонных вопросов с заранее посчитанными ответами.
- **Доля вопросов без ответа** — сколько раз система честно сказала «не понял» или «в данных этого нет».
- **Время до ответа** против времени аналитика.
- **Повторные уточнения** — если модель переспрашивает смысл термина, значит нет semantic layer.
- **Инциденты с неверными решениями** — сколько решений принято по ошибочным числам.

## Что проверять в проекте

- Есть ли **описанный semantic layer** с определениями метрик.
- Ограничены ли **права** на уровне строк и колонок.
- Можно ли **проверить расчёт** — увидеть запрос или отчёт-первоисточник.
- Есть ли **набор эталонных вопросов** и кто его обновляет.
- Понятно ли пользователю, что **ответ вероятностный** и требует проверки на критичных решениях.

## Связанные материалы

- [AI-ассистенты](https://wpcraft.ru/kb/ai/assistants.md) — общая архитектура и метрики.
- [Проверка документов](https://wpcraft.ru/kb/ai/assistants/document-review.md) — соседний сценарий: точность важнее скорости.
- [Курируемая база знаний](https://wpcraft.ru/kb/ai/rag/knowledge-bases.md) — где хранятся определения метрик и регламенты.
- [Guardrails](https://wpcraft.ru/kb/ai/agents/guardrails.md) — ограничения на доступ к данным.

## Материалы и источники

- [OpenAI: structured outputs](https://platform.openai.com/docs/guides/structured-outputs) — схема как способ ограничить форму ответа
- [AI agents for data analysis: enterprise guide (2026)](https://assistents.ai/blogs/ai-agents-for-data-analysis-2026) — права на уровне запросов и audit trail
- [Anthropic: Building effective agents](https://www.anthropic.com/research/building-effective-agents) — планирование шагов и проверка результата
- [dbt: semantic layer](https://docs.getdbt.com/docs/build/semantic-models) — определения метрик как отдельный слой