Замечательный доклад Дмитрия Гаврилова руководителя центра компетенции аналитики на MWS Meetup #7

Тема - автоматизация Source-to-Target для дата-аналитиков.

ИИ не заменяет. Он забирает рутину, чтобы мы наконец начали думать.

🔹 Что такое скилл по-человечески Это не "промптик на коленке". Это полноценный сценарий для агента: - роль и задача прописаны жёстко, - алгоритм пошаговый, - на входе и выходе чёткие форматы, - есть примеры и шаблоны.

Агент через MCP-сервер сам лезет в Jira, Confluence, GitLab. Забирает данные, применяет правила нейминга, отдаёт готовые артефакты. Без танцев с бубном.

🔹 Цифры Команда из 5 человек. - раньше 100 часов в неделю уходило на рутину. - теперь 25 часов. 75 часов экономии в неделю. 300 в месяц.

По сути два человека в штате, которых не нанимали. Просто потому что правильные вещи заавтоматизировали.

🔹 Что отдали роботам, а что оставили людям

Роботы без вопросов забирают: - требования из Jira и Confluence, - генерацию DDL, - спецификации в YAML, - проверку нейминга, - поиск похожих витрин.

Частично помогают с маппингом, анализом гэпов и тестовыми данными.

А вот что строго за человеком: - переговоры с заказчиками, - архитектурные решения, - приоритеты, - интерпретация того, что на самом деле хочет бизнес.

🔹 Два скилла — и готовый конвейер

BR-creator. Берёт эпик из Jira, шаблон из Confluence. На выходе Business Requirements в Markdown. Вся структура: As-Is, To-Be, MoSCoW, риски, критерии приёмки, use cases. Всё по корпоративному шаблону.

PHDM-creator. На входе только ключ эпика. А на выходе 7 файлов: спецификация, DDL с техполями, маппинг S2T, регламент загрузки, анализ гэпов, описание таблиц и полей. И правила нейминга он сам подтягивает из Confluence.

🔹 Как проверять

Три уровня: 1. Технически всё создалось, парсится, DDL корректный. 2. По консистентности нейминг по стандарту, поля не потеряны, маппинг полный. 3. По бизнесу требования из эпика на месте, критерии приёмки измеримы, сценарии покрыты. Эталонные примеры лежат в репозитории.

🔹 Что я для себя вынес 1. ИИ забирает процентов 80 шаблонной работы. И это круто, потому что мы перестаём быть "документ-фабрикой". 2. Скиллы работают как цепочка: эпик → BR → физическая модель. Каждый этап передаёт контекст следующему. Ничего не теряется. 3. MCP-сервер реально рабочая тема. Интеграция с корпоративными системами без плясок с внешними API. 4. И самое важное качество можно измерять. Чёткие метрики и эталонные примеры снимают вопросы "а правильно ли сделал ИИ?

Рутина уходит. Аналитика остаётся.

#mts #mws #dataanalytics #meetup #skills #ai #data