А как вы обеспечите безопасность и производительность произвольных SQL-запросов от пользователей? Что мешает финансисту написать запрос, который «уронит» базу данных? Какой слой валидации и песочницы вы предусмотрите?
А как вы планируете отлаживать цепочки смещений, когда модель разрастется до 10 листов и 150 строк? Что вы предложите, чтобы финансист не запутался в «ссылках на соседей», подсветка, трассировка?
Добрый день. Какова стоимость миграции с «координатной» модели на «параметрическую»? Сколько человеко-часов потребуется на рефакторинг, если в компании уже есть 50 моделей в Excel? И как этот TCO (совокупная стоимость владения) сравнивается с затратами на внедрение OLAP-куба или Python-решения?
А что значит "лучше с точки зрения архитектора" - это как? Разве не правильно делать с точки зрения клиента, все-таки они платят за решение задач, а не правильную архитектуру
greendata - это не такая уж маленькая контора так-то. Возможно, у них просто более четкое позиционирование, "покраше дизайн" и есть связи в корпорациях
Вот я с кладываю ваши цифры: на рабочем корпусе тикетов ноль рёбер similar_to, значит идёт - полный поиск (brute по вашему); граф соседей вы специально не строите; горячий путь спасли кэшем пула. Получается, в проде ваш HNSW сегодня не работает. И что он вам дал, кроме двух починенных Seq Scan, и не правильнее ли сказать, что ANN пока лежит на полке?
Про важность узла: вы её выкинули, потому что MRR просел от 0.81 до 0.41. Но это был фиксированный линейный бленд? Обучаемые веса, RRF с подбором пробовали? Подозреваю, вы могли похоронить полезный сигнал из-за плохой калибровки веса, а не потому что важность вредна.
Заявление "от 38% к 87%" на графе впечатляет, но держится оно на Closes #N. А с точностью самих рёбер как? Как часто PR закрывает не тот issue или Closes проставлен вручную мимо? Считали точность связей отдельно, прежде чем приписать графу +49 пунктов?
Здравствуйте! 1) Сколько на эту операцию у вас потребуется токенов/затрат? 2) Может ли обычный менеджер по закупкам повторить эту процедуру без sql-запросов и какую информацию подготовить? 3) Точность прогноза на массиве 50 000 SKU какая?
А как вы обеспечите безопасность и производительность произвольных SQL-запросов от пользователей? Что мешает финансисту написать запрос, который «уронит» базу данных? Какой слой валидации и песочницы вы предусмотрите?
А как вы планируете отлаживать цепочки смещений, когда модель разрастется до 10 листов и 150 строк? Что вы предложите, чтобы финансист не запутался в «ссылках на соседей», подсветка, трассировка?
Добрый день. Какова стоимость миграции с «координатной» модели на «параметрическую»? Сколько человеко-часов потребуется на рефакторинг, если в компании уже есть 50 моделей в Excel? И как этот TCO (совокупная стоимость владения) сравнивается с затратами на внедрение OLAP-куба или Python-решения?
А что значит "лучше с точки зрения архитектора" - это как? Разве не правильно делать с точки зрения клиента, все-таки они платят за решение задач, а не правильную архитектуру
greendata - это не такая уж маленькая контора так-то. Возможно, у них просто более четкое позиционирование, "покраше дизайн" и есть связи в корпорациях
Коллабза - ошибка выжившего может? Есть ли еще примеры, где небольшая контора выиграла через встраивание поверх чужого движка?
Получается, что проблема с заменой Excel есть, но выбирать они будут строго по своим корпоративным критериям, а не по функциям?
Функциональные точки - позавчерашний день, зачем они в 2026-м?
Вот я с кладываю ваши цифры: на рабочем корпусе тикетов ноль рёбер
similar_to, значит идёт - полный поиск (brute по вашему); граф соседей вы специально не строите; горячий путь спасли кэшем пула. Получается, в проде ваш HNSW сегодня не работает. И что он вам дал, кроме двух починенных Seq Scan, и не правильнее ли сказать, что ANN пока лежит на полке?Про важность узла: вы её выкинули, потому что MRR просел от 0.81 до 0.41. Но это был фиксированный линейный бленд? Обучаемые веса, RRF с подбором пробовали? Подозреваю, вы могли похоронить полезный сигнал из-за плохой калибровки веса, а не потому что важность вредна.
Заявление "от 38% к 87%" на графе впечатляет, но держится оно на
Closes #N. А с точностью самих рёбер как? Как часто PR закрывает не тот issue или Closes проставлен вручную мимо? Считали точность связей отдельно, прежде чем приписать графу +49 пунктов?Здравствуйте! 1) Сколько на эту операцию у вас потребуется токенов/затрат? 2) Может ли обычный менеджер по закупкам повторить эту процедуру без sql-запросов и какую информацию подготовить? 3) Точность прогноза на массиве 50 000 SKU какая?