سجل التغييرات – الإصدار 2026.11¶

يتمحور الإصدار 2026.11 حول ثلاث إضافات رئيسية:

digna Data Reconciliation (Beta): يتحقق من بقاء البيانات متسقة أثناء انتقالها بين الأنظمة
digna Agentic (Beta): يفتح digna أمام وكلاء الذكاء الاصطناعي عبر digna MCP Server
digna Engine: يُجري تنميط البيانات (profiling) اختياريًا داخل digna، ويتيح فحوصات التكامل المرجعي بين تقنيات قواعد بيانات مختلفة

الميزات الجديدة¶

digna Data Reconciliation (Beta) – الاتساق من المصدر إلى الهدف¶

غالبًا ما تمر البيانات عبر عدة أنظمة قبل أن تصل إلى التقرير. يقارن digna Data Reconciliation (Beta) مصدر بيانات هدفًا مع المصادر التي بُني منها، وينبّه عندما لا تعود متطابقة.

يُهيّأ على شكل قواعد مسمّاة في علامة التبويب الجديدة Data Reconciliation لمصدر البيانات الهدف
يمكن لأي مصدر بيانات في المشروع مفعّل فيه Data Reconciliation أن يكون مصدرًا
تشمل حالات الاستخدام إجراءات المطابقة القياسية والتحقق من نتائج عمليات ETL
نوعان من القواعد: Exact وAI

قواعد Exact – المطابقة كقاعدة لجودة البيانات: تحدد بدقة ما يجب أن يتطابق بين مصدر واحد وهدف واحد، كما في قاعدة جودة البيانات.

مقارنة مصدر بيانات مصدر واحد مع مصدر بيانات هدف واحد
ربط فحص الهدف بفحص المصدر حسب الإحصائية والسمة، مثل عدد الصفوف أو مجموع عمود المبالغ
السماح بفرق ضمن تسامح absolute (مثل ± 10) أو تسامح relative (مثل ± 0.5 % من المصدر)
يعرض المخطط الزمني فرق كل يوم مقابل التسامح

قواعد AI – المطابقة كمراقبة للبيانات: يتعلّم digna كيف يتبع الهدف مصادره، بالطريقة نفسها التي يراقب بها digna البيانات في الوحدات الأخرى، وينبّه عندما تنكسر هذه العلاقة.

دمج فحوصات من عدة مصادر بيانات مصدر مع فحوصات هدف واحد
لا حاجة لمعرفة المنطق بينها أو كتابته (عمليات الربط، والمرشحات، والتجميعات)
يتعلّم نموذج من السجل التاريخي كيف يتبع الهدف مصادره في اليوم نفسه
يُتنبأ بكل فحص للهدف من قيم المصادر في ذلك اليوم، وينبّه digna عندما يخرج الهدف عن نطاق الأخطاء السابقة الخاصة بالقاعدة نفسها
لكل قاعدة Model settings خاصة بها: Sensitivity وMemory وModel Complexity

تظهر فحوصات المطابقة على لوحة التحكم مع مخطط زمني لكل قاعدة. وهي تُحتسب ضمن حالة التفتيش الإجمالية وتُطلق الإشعارات.

الأثر: يغطي جانبَي المطابقة. تفرض قواعد Exact ضوابط معروفة بين المصدر والهدف، وتراقب قواعد AI التدفقات المعقدة مثل عمليات ETL، بحيث تُكتشف البيانات المفقودة أو المتغيرة في الطريق دون كتابة SQL مطابقة يدويًا.

digna Agentic (Beta) – digna لوكلاء الذكاء الاصطناعي¶

الإصدار الأول من digna Agentic (Beta). أصبح بإمكان وكلاء الذكاء الاصطناعي الآن العمل مع digna، والإجابة عن أسئلة الأعمال المتعلقة ببياناتك، والمساعدة في تحسين إعداداتك.

digna MCP Server: يتيح لـ Claude ووكلاء الذكاء الاصطناعي الآخرين العمل مع digna عبر Model Context Protocol.

إدارة المشاريع ومصادر البيانات والقواعد وجداول التفتيش والاشتراكات
قراءة حالات التفتيش وصولًا إلى الفحص الواحد، للتحقيق في التنبيهات

أوصاف لمصادر البيانات والسمات: صِف بلغة بسيطة ما يحتويه مصدر البيانات أو السمة.

يستخدم وكلاء الذكاء الاصطناعي الأوصاف لتفسير بياناتك
اطرح أسئلة أعمال حول بياناتك، وسيجيب عنها وكلاء الذكاء الاصطناعي استنادًا إلى ما يراقبه digna
إذا لم تكن إعدادات digna الحالية قادرة على الإجابة عن سؤال، يقترح وكيل الذكاء الاصطناعي تغييرات على مصدر البيانات وسماته حيثما أمكن، مثل إضافة مجموعة بيانات جديدة

الأثر: يتيح لك طرح أسئلة الأعمال حول بياناتك بلغة بسيطة، ويتيح لوكلاء الذكاء الاصطناعي المساعدة في تهيئة digna والتحقيق في مشكلات جودة البيانات.

digna Engine – التنميط حيث تختار¶

افتراضيًا، يُجري digna تنميط البيانات حيث توجد، أي في قاعدة البيانات المصدر. يضيف digna Engine خيارًا آخر: يصدّر digna البيانات من المصدر ويُجري تنميطها داخل digna Engine.

اختياري وليس إلزاميًا: يظل التنميط في قاعدة البيانات المصدر متاحًا
يُختار لكل اتصال بقاعدة البيانات بوصفه موقع التنميط (profiling location): Source Database أو digna Engine
متاح لكل تقنيات المصادر المدعومة

التكامل المرجعي عبر الاتصالات: تحتاج بعض الفحوصات إلى تصدير البيانات. يوسّع digna Engine إمكانات digna Data Validation لهذه الحالات.

فحوصات التكامل المرجعي بين مصادر البيانات الموجودة على اتصالات قواعد بيانات مختلفة، بما في ذلك تقنيات قواعد بيانات مختلفة (مثل Oracle وPostgreSQL)
يعمل مع موقعَي التنميط كليهما: في حالة Source Database، تُصدَّر أعمدة المفاتيح فقط إلى digna Engine
تُظهر لوحة التحكم متى يعمل الفحص عبر اتصالين

الأثر: يتيح لك اختيار مكان تنميط البيانات، ويفرض العلاقات بين الأنظمة التي تعمل على تقنيات قواعد بيانات مختلفة.

تحسينات التنميط¶

يمنح هذا الإصدار المستخدمين أيضًا تحكمًا أكبر في ما يخضع للتنميط وكيفية تنميطه.

سمات الاستعلام (Query Attributes) – أعمدة يحددها المستخدم¶

عرّف أعمدة اصطناعية: تعبير SQL على عمود واحد أو أكثر من أعمدة مصدر البيانات
لكل سمة استعلام اسمها الخاص
تخضع للتنميط والفحص مثل أي سمة أخرى

فئة الأعمدة DATE¶

فئة Date جديدة للسمات
مقاييس نسبةً إلى تاريخ التفتيش

التنميط عند الطلب¶

أجرِ تنميط أي سمة على اللقطة الكاملة لتاريخ واحد، دون تشغيل تفتيش
يساعد في تحديد نوع عمود السمة: Numerical أو Categorical أو Date أو Unspecified

من المستفيدون من هذا الإصدار¶

مهندسو البيانات: التحقق من نتائج ETL باستخدام digna Data Reconciliation (Beta)
فرق المالية والمخاطر والرقابة المالية: إجراءات المطابقة القياسية كقواعد Exact في digna Data Reconciliation (Beta)
فرق جودة البيانات والحوكمة: التكامل المرجعي عبر تقنيات قواعد البيانات باستخدام digna Engine
مستخدمو الأعمال: إجابات وكلاء الذكاء الاصطناعي عن أسئلة الأعمال حول البيانات باستخدام digna Agentic (Beta)
فرق الذكاء الاصطناعي والأتمتة: وكلاء ذكاء اصطناعي يعملون مع digna عبر digna Agentic (Beta)

تحديثات CLI¶

لا تغييرات