BI не только про цифры: зачем аналитике контекст данных

Когда мы смотрим на дашборд, перед нами результат работы с данными: показатели, графики, диаграммы, динамика.

За каждой цифрой при этом стоит целая цепочка: источник данных, таблицы, витрины, представления, преобразования, правила расчёта, связанные аналитические объекты, информация о владельце данных. В небольшой организации многое из этого списка известно из опыта. В крупной компании, где данные проходят через множество систем, которыми управляют сотни сотрудников, а аналитических объектов уже тысячи, такая картина быстро перестаёт помещаться в голове любого специалиста, каким бы экспертом он ни был.

Поэтому корпоративная аналитика развивается в связке с другими компонентами ИТ-ландшафта. Рядом с BI работают хранилища и озёра данных, ETL/ELT-инструменты, корпоративные системы, каталоги данных и средства Data Governance. Каждый компонент решает свою задачу, а вместе они образуют среду, в которой данные хранятся, преобразуются, описываются, контролируются и используются для аналитики и принятия решений.

Но чем сложнее становится этот ландшафт, тем сложнее быть уверенным, что аналитика опирается на правильные данные и что пользователи понимают их одинаково.

Следующий вопрос возникает естественным образом: как связать аналитику с информацией о данных, на которых она построена?

От дашборда к данным

Представим рабочую ситуацию. На дашборде появляется показатель, который вызывает вопросы: его значение изменилось сильнее ожидаемого, или два смежных отчёта почему-то показывают разные цифры, или метод расчёта показателя непрозрачен для пользователя. Сам дашборд на эти вопросы отвечает далеко не всегда.

Чтобы найти ответ, пользователю приходится искать источник, разбираться в цепочке преобразований, выяснять, кто отвечает за данные и где находится их описание. В сложном корпоративном ландшафте такой поиск может быстро превратиться в непростую задачу.

Новая разработка Luxms BI решает эту проблему за один клик: нативно связывает дашборд с каталогом данных и сокращает путь пользователя. В результате из аналитического объекта можно мгновенно перейти к информации о данных, на которых он построен, и восстановить контекст показателя.

В связке Luxms BI и Arenadata Catalog этот сценарий начинается непосредственно в аналитике. Метаданные Luxms BI — описания атласов, кубов, дашбордов и дэшей — передаются в каталог и индексируются там. На их основе Arenadata Catalog строит схемы происхождения данных, включая Data Lineage. В результате за показателем можно увидеть не только его значение, но и то, что стоит за ним: связанные объекты и путь данных до результата.

Это особенно актуально для больших аналитических систем. Один источник может использоваться во множестве отчётов, а один показатель может зависеть от нескольких таблиц и преобразований. Когда таких связей становится много, возможность быстро восстановить их превращается из удобства в полезный инструмент.

Но связь работает и в обратную сторону

В этом проявляется ценность интеграции Luxms BI с Arenadata Catalog. Связь между BI и каталогом часто воспринимается как возможность получить из аналитической системы дополнительную информацию о данных. Но в Luxms BI теперь реализован и обратный сценарий.

BI может использовать Arenadata Catalog как источник метаданных при поиске информации. Например, при создании новой аналитики становится удобно искать нужные источники — СУБД, таблицы и представления — напрямую через каталог. Найденный источник можно подключить в BI и использовать для создания модели или куба.

Получается уже не просто навигация между двумя системами. Каталог помогает найти и понять данные, а BI использует эту информацию, чтобы пользователь мог продолжить работу с ними.

Представим, что пользователю нужен новый отчёт. Он знает, какие данные ему нужны, но не обязательно знает точное расположение нужной таблицы или представления в корпоративной инфраструктуре. Вместо ручного поиска по нескольким системам можно обратиться к каталогу, найти подходящий источник и отправить заявку аналитику. Или, если ролевая модель позволяет, продолжить работу с ним в Luxms BI.

Есть и обратная ситуация. Нужный объект уже найден в каталоге, и теперь важно понять, используется ли он в существующей аналитике. Метаданные BI, проиндексированные каталогом, позволяют увидеть эту связь и перейти к соответствующему аналитическому объекту.

Как это работает, показали в видео «Сквозной сценарий работы с данными: Luxms BI и Arenadata Catalog» и «Кросс-переход из Luxms BI в Arenadata Catalog».

Получается замкнутый контур: каталог знает всё об аналитике, а BI знает всё о данных.

Именно двусторонняя связь делает интеграцию принципиально интереснее обычного обмена метаданными в одном направлении.

От происхождения данных к их использованию

Применение каталога данных в аналитических хранилищах даёт бизнесу значимые, измеримые выгоды.

По отзывам пользователей,
в результате первого года применения Arenadata Catalog:

• удаётся в 15 раз сократить время расчёта nRT-показателей (Near Real-Time, операционных показателей, которые должны быть рассчитаны в режиме, максимально близком к режиму реального времени);
• производительность команды дата-аналитики увеличивается в 6 раз;
• показатель Т2Data по отчётности, то есть время от запроса до получения готового отчёта, сокращается до 5–10 минут, а время выполнения задач дата-аналитиками в базовых сценариях — до 1 дня;
• бизнес-пользователи отмечают сокращение времени обновления аналитической отчётности до 20 минут.

Эти результаты показывают, что прямая связь каталога данных с аналитикой даёт ощутимый эффект для бизнеса.

Метаданные должны меняться вместе с системой

В корпоративной среде регулярно возникают новые бизнес-вызовы. Бизнес-пользователи запрашивают обновления дашбордов и расширение аналитики на новые показатели. Одновременно меняется структура данных: кубы, источники, таблицы и представления, перестраиваются зависимости. Поэтому актуальность метаданных становится частью самой интеграции. За этой задачей следит Arenadata Catalog с помощью функционала обновления метаданных. Система сама обновит информацию об источниках данных и дашбордах по расписанию, по команде администратора или по вызову через API.

В связке Luxms BI и Arenadata Catalog метаданные BI автоматически индексируются каталогом, а на их основе визуализируются связи между объектами и схемы карты данных (Data Lineage). Для ИТ-служб это означает возможность поддерживать единое представление об аналитическом ландшафте без ручного описания каждой зависимости.

Наша двусторонняя интеграция — это не набор ссылок между интерфейсами. Она связывает объекты двух систем на уровне метаданных и позволяет использовать эту информацию для разных операций: от анализа происхождения данных до поиска источников и построения новых моделей, для проведения импакт-анализа — оценки влияния изменения в структурах данных на финальный отчёт или витрину.

Алексей Розанов

Директор по стратегическим инициативам, ГК Luxms

Взаимоинтеграция подобной глубины пока является единственной на российском рынке: обычно связь между BI и каталогом строится в одном направлении.

Следующий шаг развития

При этом сама идея связывать BI с каталогом данных не нова. Каталоги давно стали частью корпоративной ИТ-инфраструктуры, а ведущие зарубежные BI-платформы также развивают механизмы работы с метаданными. И это развитие идёт от изолированного анализа к связанному информационному пространству.

Интеграция Luxms BI и Arenadata Catalog реализует эти передовые международные тенденции на российском ландшафте данных. Сегодня это делает работу с аналитикой прозрачнее и сокращает объём ручного поиска. Но у этой связки есть ещё одна перспектива, которая становится особенно актуальной сейчас.

Когда с данными начинает работать ИИ

ИИ в аналитике развивается уже несколько лет. Появились инструменты, которые объясняют графики и показатели, помогают писать код, отвечают на вопросы по данным, строят визуализации по текстовому запросу. Это полезные сценарии, но большинство из них всё ещё работает в формате помощника: человек ставит задачу, ИИ выполняет отдельное действие и возвращает результат.

Следующий этап связан с агентной аналитикой, где цифровой помощник получает возможность самостоятельно выполнять последовательность операций. Например, собрать данные из нескольких корпоративных систем, сопоставить показатели, найти отклонение, подготовить аналитический материал и передать результат в следующий процесс. Здесь уже недостаточно просто подключить языковую модель к данным.

Luxms BI развивает платформенный функционал для создания корпоративных ИИ-агентов и цифровых помощников. Платформа позволяет подключать различные LLM и MCP, работать с корпоративными источниками и создавать собственные сценарии автоматизации. Агенты работают в защищённой среде с разграничением доступа, аудитом действий, журналированием и контролем подключённых сервисов.

То есть ИИ рассматривается как часть корпоративной инфраструктуры, а не как отдельный чат рядом с BI. И чем больше самостоятельности получает агент, тем важнее становится вопрос: что именно он знает о данных, с которыми работает?

Для ИИ нужен контекст

Представим, что цифровому помощнику поручено подготовить для руководителя информацию о продажах. У него есть доступ к корпоративным источникам. В промпте подробно описана задача. Но в компании может быть несколько систем, связанных с продажами. В одной данные используются для оперативного учёта, в другой — для управленческой отчётности. Показатели с похожими названиями могут рассчитываться по разным правилам.

Человек, который работает с этими системами, обычно знает такие нюансы или понимает, где их проверить. Для модели, даже для самой современной, они неочевидны. Можно добавлять новые источники и совершенствовать промпты, но количество доступных данных само по себе не даёт ИИ понимания того, какие данные подходят для конкретной задачи.

Здесь и появляется значение контекста.

Откуда появился показатель? Что именно он означает? С какими объектами связан? Кто отвечает за него? Где ещё используется? Какой источник считается правильным для конкретного сценария? Насколько качественные данные на витрине?

Сегодня недостаточно дать аналитической системе или ИИ-агенту доступ к данным. Поэтому ключевым становится контекст: откуда пришли данные, как они были преобразованы, что означает конкретный показатель, кто за него отвечает и где он используется. Когда этот контекст доступен непосредственно в аналитической среде, мы сокращаем путь от вопроса к ответу. А для ИИ-агентов это уже необходимое условие для того, чтобы они могли работать с корпоративными данными осмысленно и предсказуемо.

Игорь Моисеев

Директор по развитию бизнеса DataCatalog

Такая информация уже существует в корпоративном контуре — в каталогах данных и системах Data Quality. Человеку этот контекст помогает разобраться в цифре, а для ИИ-агента становится частью информации, необходимой для его самостоятельной работы.

От контекста к автоматизации

В этом смысле интеграция BI и каталога приобретает новое значение, потому что в агентном сценарии она становится критически важна уже для самой системы.

Если цифровой помощник должен самостоятельно выбрать источник, построить модель, сопоставить показатели или подготовить результат, ему требуется понимание того, с чем он работает. Найти таблицу по названию недостаточно. Нужно понимать её место в информационном ландшафте. Поэтому развитие агентной аналитики неизбежно возвращает нас к вопросу метаданных и контекста.

Развитие Luxms BI движется сразу по двум направлениям. С одной стороны, платформа развивает инструменты для создания и безопасной эксплуатации корпоративных ИИ-агентов. С другой — связывает аналитическую среду с каталогом данных, в котором хранится информация о происхождении и использовании данных.

Эти направления начинают работать на одну задачу: дать интеллектуальной системе достаточно контекста, чтобы она могла выполнять бизнес-задачи осмысленно, а не просто обращаться к максимально большому объёму информации.

От цифры к решению

Развитие корпоративной аналитики можно рассматривать как постепенное расширение ответа на один вопрос.

Сначала BI показывал, что происходит. Затем инструменты self-service позволили самостоятельно исследовать данные и искать причины происходящего. Каталоги и системы управления метаданными добавили следующий уровень: откуда взялись эти данные, что они означают и как связаны с остальным информационным ландшафтом.

Агентная аналитика ставит ещё более практичный вопрос: что можно сделать с этой информацией дальше?

Чтобы ответить на него, ИИ нужен доступ к корпоративным системам, инструменты для выполнения действий, заданные права и ограничения. Нужен ему и контекст, который позволяет отличать подходящие данные от неподходящих и понимать смысл полученного результата.

Поэтому будущее корпоративной аналитики связано не просто с более мощными языковыми моделями. Важной становится среда, в которой эти модели работают.

Двусторонняя интеграция Luxms BI и Arenadata Catalog — один из шагов в этом направлении. Она связывает данные и аналитику в обе стороны: каталог получает информацию о BI, а BI получает из каталога сведения, необходимые для поиска источников и дальнейшей работы с ними.

Человеку контекст помогает понять цифру. ИИ-агенту контекст помогает правильно с ней работать.

И тогда следующий этап развития BI определяется уже не только тем, насколько хорошо система показывает данные и насколько умную модель к ней можно подключить.