Változáslista – Kiadás 2026.11¶

A 2026.11-es kiadás három jelentős újdonságra épül:

digna Data Reconciliation (Beta): ellenőrzi, hogy az adatok konzisztensek maradnak-e, miközben rendszerek között mozognak
digna Agentic (Beta): a digna MCP Serveren keresztül megnyitja a dignát az AI-ágensek előtt
digna Engine: opcionálisan a dignán belül profilozza az adatokat, és lehetővé teszi a referenciális integritás ellenőrzését különböző adatbázis-technológiák között

Új funkciók¶

digna Data Reconciliation (Beta) – Konzisztencia a forrástól a célig¶

Az adatok gyakran több rendszeren haladnak át, mielőtt egy riportba kerülnek. A digna Data Reconciliation (Beta) összehasonlít egy cél adatforrást azokkal a forrásokkal, amelyekből előállt, és riaszt, ha már nem egyeznek.

Elnevezett szabályokként konfigurálható a cél adatforrás új Data Reconciliation lapján
A projekt bármely adatforrása lehet forrás, amelyen a Data Reconciliation be van kapcsolva
Felhasználási területek: szabványos egyeztetési eljárások és az ETL-folyamatok eredményeinek validálása
Kétféle szabály: Exact és AI

Exact szabályok – Egyeztetés adatminőségi szabályként: Pontosan meghatározod, minek kell egyeznie egy forrás és egy cél között, akárcsak egy adatminőségi szabálynál.

Egy forrás adatforrás összehasonlítása egy cél adatforrással
Egy cél-ellenőrzés párosítása egy forrás-ellenőrzéssel statisztika és attribútum szerint, pl. a sorok száma vagy egy összegoszlop összege
Eltérés engedélyezése absolute tűréssel (pl. ± 10) vagy relative tűréssel (pl. a forrás ± 0,5 %-a)
Az idővonal minden napra megmutatja az eltérést a tűréshez képest

AI szabályok – Egyeztetés adatmegfigyelhetőségként: A digna megtanulja, hogyan követi a cél a forrásait – ugyanúgy, ahogy más modulokban is megfigyeli az adatokat –, és riaszt, ha ez a kapcsolat megszakad.

Több forrás adatforrás ellenőrzéseinek kombinálása egy cél ellenőrzéseivel
Nem kell ismerni vagy leírni a köztük lévő logikát (joinok, szűrők, aggregációk)
Egy modell az előzményekből tanulja meg, hogyan követi a cél ugyanazon a napon a forrásait
Minden cél-ellenőrzés értékét a nap forrásértékeiből jelzi előre a modell, és a digna riaszt, ha a cél kilép a szabály saját korábbi hibáiból képzett sávból
Minden szabálynak saját Model settings beállításai vannak: Sensitivity, Memory és Model Complexity

Az egyeztetési ellenőrzések a Dashboardon szabályonként egy idővonallal jelennek meg. Beleszámítanak az inspekció összesített állapotába, és értesítéseket váltanak ki.

Hatás: Az egyeztetés mindkét oldalát lefedi. Az Exact szabályok ismert kontrollokat érvényesítenek a forrás és a cél között, az AI szabályok pedig összetett folyamatokat, például ETL-folyamatokat figyelnek, így az útközben elveszett vagy megváltozott adatok kézzel írt egyeztető SQL nélkül is kiderülnek.

digna Agentic (Beta) – digna AI-ágenseknek¶

A digna Agentic (Beta) első verziója. Az AI-ágensek mostantól együtt tudnak dolgozni a dignával, üzleti kérdésekre válaszolnak az adataidról, és segítenek javítani a konfigurációdat.

digna MCP Server: Lehetővé teszi, hogy Claude és más AI-ágensek a Model Context Protocolon keresztül dolgozzanak a dignával.

Projektek, adatforrások, szabályok, inspekciós ütemezések és feliratkozások kezelése
Inspekciós állapotok olvasása egészen az egyes ellenőrzésekig, a riasztások kivizsgálásához

Leírások adatforrásokhoz és attribútumokhoz: Írd le közérthető nyelven, mit tartalmaz egy adatforrás vagy attribútum.

Az AI-ágensek a leírások alapján értelmezik az adataidat
Tegyél fel üzleti kérdéseket az adataidról, és az AI-ágensek abból válaszolnak, amit a digna monitoroz
Ha a digna jelenlegi konfigurációja nem tud megválaszolni egy kérdést, az AI-ágens lehetőség szerint módosításokat javasol az adatforráson és annak attribútumain, pl. egy új adatkészlet hozzáadását

Hatás: Közérthető nyelven tehetsz fel üzleti kérdéseket az adataidról, az AI-ágensek pedig segítenek a digna konfigurálásában és az adatminőségi problémák kivizsgálásában.

digna Engine – Profilozás ott, ahol te választod¶

Alapértelmezés szerint a digna ott profilozza az adatokat, ahol azok vannak: a forrásadatbázisban. A digna Engine új lehetőséget ad: a digna exportálja az adatokat a forrásból, és a digna Engine-en belül profilozza őket.

Opcionális, nem kötelező: a forrásadatbázisban történő profilozás továbbra is elérhető
Adatbázis-kapcsolatonként választható ki profilozási helyként: Source Database vagy digna Engine
Minden támogatott forrástechnológiához elérhető

Kapcsolatokon átívelő referenciális integritás: Egyes ellenőrzésekhez exportálni kell az adatokat. A digna Engine ezekre az esetekre kibővíti a digna Data Validation modult.

Referential Integrity Checks különböző adatbázis-kapcsolatokon lévő adatforrások között, beleértve a különböző adatbázis-technológiákat is (pl. Oracle és PostgreSQL)
Mindkét profilozási hellyel működik: Source Database esetén csak a kulcsoszlopok kerülnek exportálásra a digna Engine-be
A dashboard jelzi, ha egy ellenőrzés két kapcsolaton átívelően fut

Hatás: Te választhatod meg, hol történjen az adatok profilozása, és érvényesíthetők a kapcsolatok olyan rendszerek között, amelyek különböző adatbázis-technológiákon futnak.

Profilozási fejlesztések¶

Ez a kiadás azt is jobban a felhasználók kezébe adja, hogy mi és hogyan legyen profilozva.

Lekérdezési attribútumok – Felhasználó által definiált oszlopok¶

Mesterséges oszlopok definiálása: SQL-kifejezés az adatforrás egy vagy több oszlopa felett
Minden lekérdezési attribútumnak saját neve van
Ugyanúgy profilozható és ellenőrizhető, mint bármely más attribútum

DATE oszlopkategória¶

Új Date kategória az attribútumokhoz
Az inspektált dátumhoz viszonyított metrikák

Igény szerinti profilozás¶

Bármely attribútum profilozása egy adott dátum teljes pillanatképén, inspekció futtatása nélkül
Segít beállítani az attribútum oszloptípusát: Numerical, Categorical, Date vagy Unspecified

Kiknek hasznos ez a kiadás¶

Data Engineers: ETL-eredmények validálása a digna Data Reconciliation (Beta) segítségével
Pénzügyi, kockázatkezelési és kontrolling csapatok: Szabványos egyeztetési eljárások Exact szabályokként a digna Data Reconciliation (Beta) modulban
Data Quality & Governance csapatok: Referenciális integritás különböző adatbázis-technológiák között a digna Engine segítségével
Üzleti felhasználók: Az adatokkal kapcsolatos üzleti kérdésekre AI-ágensek válaszolnak a digna Agentic (Beta) segítségével
AI- és automatizálási csapatok: A dignával dolgozó AI-ágensek a digna Agentic (Beta) révén

CLI frissítések¶

Nincs változás