Registro de Alterações – Release 2026.11¶

A Release 2026.11 é construída em torno de três grandes novidades:

digna Data Reconciliation (Beta): verifica se os dados permanecem consistentes à medida que se movem entre sistemas
digna Agentic (Beta): abre a digna para agentes de IA por meio do digna MCP Server
digna Engine: opcionalmente faz o perfilamento dos dados dentro da digna e possibilita verificações de integridade referencial entre diferentes tecnologias de banco de dados

Novos Recursos¶

digna Data Reconciliation (Beta) – Consistência da Origem ao Destino¶

Os dados costumam passar por vários sistemas antes de chegar a um relatório. O digna Data Reconciliation (Beta) compara uma fonte de dados de destino com as origens a partir das quais ela foi construída e emite um alerta quando elas deixam de corresponder.

Configurado como regras nomeadas na nova aba Data Reconciliation da fonte de dados de destino
Qualquer fonte de dados do projeto com o Data Reconciliation ativado pode ser uma origem
Os casos de uso incluem procedimentos padrão de reconciliação e a validação dos resultados de processos de ETL
Dois tipos de regras: Exact e AI

Regras Exact – Reconciliação como Regra de Qualidade de Dados: Você define exatamente o que deve corresponder entre uma origem e um destino, como em uma regra de qualidade de dados.

Compare uma fonte de dados de origem com uma fonte de dados de destino
Associe uma verificação do destino a uma verificação da origem por estatística e atributo, por exemplo, contagens de linhas ou a soma de uma coluna de valores
Permita uma diferença com uma tolerância absolute (por exemplo, ± 10) ou relative (por exemplo, ± 0,5 % da origem)
A linha do tempo mostra a diferença de cada dia em relação à tolerância

Regras AI – Reconciliação como Observabilidade de Dados: A digna aprende como um destino acompanha suas origens, da mesma forma que observa os dados em outros módulos, e emite um alerta quando essa relação se rompe.

Combine verificações de várias fontes de dados de origem com as verificações de um destino
Não é preciso conhecer nem descrever a lógica entre elas (joins, filtros, agregações)
Um modelo aprende com o histórico como o destino acompanha suas origens no mesmo dia
Cada verificação do destino é prevista a partir dos valores das origens no dia, e a digna emite um alerta quando o destino sai da faixa formada pelos erros passados da própria regra
Cada regra tem suas próprias Model settings: Sensitivity, Memory e Model Complexity

As verificações de reconciliação aparecem no Dashboard com uma linha do tempo por regra. Elas contam para o status geral da inspeção e disparam notificações.

Impacto: Cobre os dois lados da reconciliação. As regras Exact garantem controles conhecidos entre origem e destino, e as regras AI monitoram fluxos complexos, como processos de ETL, de modo que dados perdidos ou alterados no caminho sejam detectados sem SQL de reconciliação escrito à mão.

digna Agentic (Beta) – digna para Agentes de IA¶

A primeira versão do digna Agentic (Beta). Agentes de IA agora podem trabalhar com a digna, responder a perguntas de negócio sobre seus dados e ajudar a melhorar sua configuração.

digna MCP Server: Permite que o Claude e outros agentes de IA trabalhem com a digna por meio do Model Context Protocol.

Gerencie projetos, fontes de dados, regras, agendamentos de inspeção e assinaturas
Leia os status de inspeção até o nível de cada verificação, para investigar alertas

Descrições em Fontes de Dados e Atributos: Descreva em linguagem simples o que uma fonte de dados ou um atributo contém.

Os agentes de IA usam as descrições para interpretar seus dados
Faça perguntas de negócio sobre seus dados, e os agentes de IA as respondem com base no que a digna monitora
Se a configuração atual da digna não consegue responder a uma pergunta, o agente de IA sugere, quando possível, alterações na fonte de dados e em seus atributos, por exemplo, adicionar um novo conjunto de dados

Impacto: Permite fazer perguntas de negócio sobre seus dados em linguagem simples e permite que agentes de IA ajudem a configurar a digna e a investigar problemas de qualidade de dados.

digna Engine – Perfilamento Onde Você Escolher¶

Por padrão, a digna faz o perfilamento dos dados onde eles estão, no banco de dados de origem. O digna Engine adiciona uma opção: a digna exporta os dados da origem e faz o perfilamento dentro do digna Engine.

Opcional, não obrigatório: o perfilamento no banco de dados de origem continua disponível
Selecionado por conexão de banco de dados como seu local de perfilamento: Source Database ou digna Engine
Disponível para todas as tecnologias de origem suportadas

Integridade Referencial entre Conexões: Algumas verificações exigem que os dados sejam exportados. O digna Engine estende o digna Data Validation para esses casos.

Verificações de Integridade Referencial entre fontes de dados em conexões de banco de dados diferentes, inclusive de tecnologias de banco de dados diferentes (por exemplo, Oracle e PostgreSQL)
Funciona com os dois locais de perfilamento: para o Source Database, apenas as colunas-chave são exportadas para o digna Engine
O painel mostra quando uma verificação é executada entre duas conexões

Impacto: Permite escolher onde os dados são perfilados e garante as relações entre sistemas que rodam em tecnologias de banco de dados diferentes.

Aprimoramentos de Perfilamento¶

Esta versão também dá aos usuários mais controle sobre o que é perfilado e como.

Atributos de Consulta – Colunas Definidas pelo Usuário¶

Defina colunas artificiais: uma expressão SQL sobre uma ou mais colunas da fonte de dados
Cada atributo de consulta tem seu próprio nome
Perfilado e verificado como qualquer outro atributo

Categoria de Coluna DATE¶

Nova categoria Date para atributos
Métricas relativas à data inspecionada

Perfilamento Sob Demanda¶

Faça o perfilamento de qualquer atributo sobre o snapshot completo de uma data, sem executar uma inspeção
Ajuda a definir o tipo de coluna do atributo: Numerical, Categorical, Date ou Unspecified

Quem se Beneficia Desta Versão¶

Data Engineers: Validação de resultados de ETL com o digna Data Reconciliation (Beta)
Equipes de Finanças, Risco e Controladoria: Procedimentos padrão de reconciliação como regras exatas no digna Data Reconciliation (Beta)
Equipes de Qualidade e Governança de Dados: Integridade referencial entre tecnologias de banco de dados com o digna Engine
Usuários de Negócio: Perguntas de negócio sobre os dados respondidas por agentes de IA com o digna Agentic (Beta)
Equipes de IA e Automação: Agentes de IA trabalhando com a digna por meio do digna Agentic (Beta)

Atualizações da CLI¶

Sem alterações