Перейти к содержимому

Анализ данных

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.

ПодходКак работаетКогда подходит
NL → SQLМодель пишет SQL по схеме базыОдна база, простая схема, техническая аудитория
Semantic layerМодель выбирает метрики и измерения из описанного слояНесколько источников, повторяющиеся бизнес-определения
Инструменты BIМодель управляет готовыми инструментами отчётовУже 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.

  • 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.

  • 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.

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.

  • 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.
  • 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.