Обзор проблемных зон и кризисов развития BI в компании

Место BI в ландшафте информационного менеджмента: Data Governance, Data Quality, MDM, Metadata Management, DWH, Data Science

Тренды: шифт Traditional BI → Agentic BI, headless BI, AI-ready governance

AI-пузырь и трезвость: почему 95% AI-пилотов фейлятся и что с этим делать

Компромиссный сценарий AI в Data — рамка курса: что реально меняется в BI к 2028

Основные термины курса: BI, стратегия, BI-стратегия, Self-Service BI, Guided BI, Agentic BI

Связь BI и бизнес-стратегии, 9 разделов BI-стратегии

BI Vision — высокоуровневая концепция, цели и риски

Information supply-demand: кто что хочет от аналитики и что кому доступно по факту

AI-агенты как новый класс потребителей данных: чем их требования жестче человеческих

Оценка зрелости как фасилитация, а не консультационный черный ящик: 25 факторов, 135+ элементов

Уровни data-informed → data-driven → data-led и адаптация модели под свою компанию

AI Ready Score как новая ось зрелости: семантика, доверенные данные, доменный контекст

Модель зрелости для AI по размеру и профилю компании: во что инвестировать, а во что рано

Практикум: срез зрелости своей BI-системы

Каналы создания и потребления аналитики: Self-Service, централизованные репортинг-команды, Mixed/Delegated модель

Отличия сервис-моделей: структуры BI-команд, сервис-каталоги, компетенции

Agentic BI как третий канал: что каннибализирует AI — ад-хоки и аналитические дэши, а не сертифицированный репортинг

4 стадии зрелости agentic-аналитики и анти-паттерн «агент-чатбот»

Парадокс Жевона: почему AI умножает хаос контента и как защищаться (reuse by default, creation by exception)

Сегментация данных компании: критичные, персональные и сенситивные, регулярные

Master Data Source Management: идентификация, оптимизация, оунершип

Data Quality management: процессы контроля качества, мониторинг обновлений, нотификации

Core слой витрин — «здоровое питание» AI-аналитика: certified-статус, ownership, переиспользование

Цепочка зависимостей AI-качества: core слой → semantic layer → точность AI-ответов. Разбор реального антикейса

AI в data management уже сейчас: генерация DQ-проверок и описаний — считать 100% вместо 10%

Жизненный цикл контента: права, валидация, сертификация, промоушн, архивация, актуализация

Карта метрик организации и описание бизнес-логики как часть metadata governance

AI slop: сертификация и архивация как защитная инфраструктура эпохи генеративного контента

Health score контента как trust-сигнал для AI-агента, а не только для человека

AI в контент-петле: прожарка дашбордов AI-ботом, AI-генерация описаний, фидбек-боты

Visual Style Guide и где реально окупаются инвестиции в датавиз

Почему text-to-SQL демо работает, а в проде врет: точность на реальных enterprise-схемах и режим «правдоподобно, но неверно»

Триада пререквизитов AI-аналитики: semantic layer, trusted core слой, доменная база знаний

Контекст как новый слой стека: что провалилось на рынке и что работает

Разбор кейса: рост точности AI-ассистента в чате поддержки пользователей за счет доменного контекста

Практикум: проектируем триаду для одного домена своей компании

BI в корпоративных мессенджерах, системах и мобильных устройствах

Сосуществование нескольких BI-систем, российский BI и open source

Агентная архитектура аналитики: MCP-серверы, оркестратор и скиллы, judge-gates и guardrails

Математика точности агентов: почему процесс из 7 шагов по 90% дает меньше 50% на выходе

Legacy BI в AI-эру: почему AI-стратегия старого инструмента начинается с архитектуры, а не с чат-бокса

Аспекты выбора и внедрения BI

Структуры BI-отдела: роли, компетенции, подбор сотрудников, матрица компетенций BI-аналитика

Развитие BI community: тренинги, сеть BI-чемпионов, менторство, каналы коммуникаций

Процессы: управление задачами, access granting по ролям, администрирование, стандарты разработки

Будущее профессии: трансформация роли BI-разработчика

Новые роли: analytics engineer / business data engineer как domain data custodian

Вайбкодинг как обязательный тулинг BI-разработчика: оптимум доли AI-кода и почему синьоры вайбкодят лучше мидлов

AI-акселератор как формат разгона AI-адопшена в дата-функции

KPI & Operational metrics: различия для Guided и Self-Service

BI adoption & efficiency tracking: метрики вовлеченности по ролям, info demand coverage

Что придет на смену дашбордам

Метрики AI-инициатив: auto-response rate, точность на golden set, extra FTE capacity, стоимость успешной задачи

Kill-gates: как останавливать недоказанные AI-инициативы до того, как они уронят доверие

Наполнение ≠ доверие ≠ эффект: три группы метрик, которые нельзя смешивать

Объединение всех элементов стратегии, приоритизация действий и проектов

Нюансы внедрения изменений в BI, концепции зрелости

Двойственная стратегия: «старый BI» с понятными практиками + «новый BI» с экспериментами. Ответ на AI FOMO

Stack rank инициатив: что замораживаем первым при нехватке ресурса

Как черпать вдохновение BI-лидеру и мотивировать себя и команду

Финальный воркшоп: макет BI+AI стратегии вашей компании