Журнал змін – Release 2026.11¶

Release 2026.11 побудовано навколо трьох важливих нововведень:

digna Data Reconciliation (Beta): перевіряє, що дані залишаються узгодженими під час переміщення між системами
digna Agentic (Beta): відкриває digna для AI-агентів через digna MCP Server
digna Engine: за потреби профілює дані всередині digna та дає змогу виконувати перевірки референтної цілісності між різними технологіями баз даних

Нові можливості¶

digna Data Reconciliation (Beta) – Узгодженість від джерела до цілі¶

Перш ніж потрапити у звіт, дані часто проходять через кілька систем. digna Data Reconciliation (Beta) порівнює цільове джерело даних із джерелами, з яких його побудовано, і сповіщає, коли вони перестають збігатися.

Налаштовується як іменовані правила на новій вкладці Data Reconciliation цільового джерела даних
Джерелом може бути будь-яке джерело даних проєкту з увімкненим Data Reconciliation
Сценарії використання охоплюють стандартні процедури звірки та валідацію результатів ETL-процесів
Два типи правил: Exact і AI

Правила Exact – звірка як правило якості даних: Ви точно визначаєте, що має збігатися між одним джерелом і однією ціллю, як у правилі якості даних.

Порівняння одного вихідного джерела даних з одним цільовим джерелом даних
Поєднання цільової перевірки з вихідною перевіркою за статистикою та атрибутом, наприклад кількість рядків або сума стовпця з грошовими сумами
Допустима різниця з absolute допуском (наприклад, ± 10) або relative допуском (наприклад, ± 0.5 % від джерела)
Часова шкала показує різницю за кожен день відносно допуску

Правила AI – звірка як спостереження за даними: digna вивчає, як ціль слідує за своїми джерелами, так само як digna спостерігає за даними в інших модулях, і сповіщає, коли цей зв'язок порушується.

Поєднання перевірок кількох вихідних джерел даних із перевірками однієї цілі
Не потрібно знати чи описувати логіку між ними (з'єднання, фільтри, агрегації)
Модель навчається на історії, як ціль слідує за своїми джерелами в той самий день
Кожна цільова перевірка прогнозується за значеннями джерел цього дня, і digna сповіщає, коли ціль виходить за межі смуги власних минулих похибок правила
Кожне правило має власні Model settings: Sensitivity, Memory і Model Complexity

Перевірки звірки відображаються на дашборді з часовою шкалою для кожного правила. Вони враховуються в загальному статусі інспекції та запускають сповіщення.

Вплив: Охоплює обидві сторони звірки. Правила Exact забезпечують відомі контролі між джерелом і ціллю, а правила AI відстежують складні потоки, як-от ETL-процеси, тож дані, втрачені чи змінені дорогою, виявляються без написаного вручну SQL для звірки.

digna Agentic (Beta) – digna для AI-агентів¶

Перша версія digna Agentic (Beta). Тепер AI-агенти можуть працювати з digna, відповідати на бізнес-запитання про ваші дані та допомагати вдосконалювати вашу конфігурацію.

digna MCP Server: Дає змогу Claude та іншим AI-агентам працювати з digna через Model Context Protocol.

Керування проєктами, джерелами даних, правилами, розкладами інспекцій і підписками
Читання статусів інспекцій аж до окремої перевірки для розслідування сповіщень

Описи джерел даних і атрибутів: Опишіть простою мовою, що містить джерело даних або атрибут.

AI-агенти використовують описи, щоб інтерпретувати ваші дані
Ставте бізнес-запитання про свої дані, і AI-агенти відповідатимуть на них на основі того, що відстежує digna
Якщо поточна конфігурація digna не дає змоги відповісти на запитання, AI-агент за можливості пропонує зміни до джерела даних і його атрибутів, наприклад додавання нового набору даних

Вплив: Дає змогу ставити бізнес-запитання про свої дані простою мовою, а AI-агентам — допомагати налаштовувати digna та розслідувати проблеми якості даних.

digna Engine – Профілювання там, де ви обираєте¶

За замовчуванням digna профілює дані там, де вони зберігаються, — у вихідній базі даних. digna Engine додає ще один варіант: digna експортує дані з джерела та профілює їх усередині digna Engine.

Опційно, а не обов'язково: профілювання у вихідній базі даних залишається доступним
Обирається для кожного підключення до бази даних як його місце профілювання (profiling location): Source Database або digna Engine
Доступно для кожної підтримуваної технології джерел

Референтна цілісність між підключеннями: Деякі перевірки потребують експорту даних. Для таких випадків digna Engine розширює digna Data Validation.

Перевірки референтної цілісності між джерелами даних на різних підключеннях до баз даних, зокрема з різними технологіями баз даних (наприклад, Oracle і PostgreSQL)
Працює з обома місцями профілювання: для Source Database до digna Engine експортуються лише ключові стовпці
Дашборд показує, коли перевірка виконується між двома підключеннями

Вплив: Дає змогу обирати, де профілюються дані, і забезпечує дотримання зв'язків між системами, що працюють на різних технологіях баз даних.

Покращення профілювання¶

Цей реліз також дає користувачам більше контролю над тим, що і як профілюється.

Атрибути запиту (Query Attributes) – Стовпці, визначені користувачем¶

Визначайте штучні стовпці: SQL-вираз над одним або кількома стовпцями джерела даних
Кожен атрибут запиту має власну назву
Профілюється та перевіряється, як будь-який інший атрибут

Категорія стовпців DATE¶

Нова категорія Date для атрибутів
Метрики відносно дати інспекції

Профілювання на вимогу¶

Профілюйте будь-який атрибут на повному знімку даних за одну дату без запуску інспекції
Допомагає визначити тип стовпця атрибута: Numerical, Categorical, Date або Unspecified

Кому корисний цей реліз¶

Data Engineers: валідація результатів ETL за допомогою digna Data Reconciliation (Beta)
Команди фінансів, ризиків і контролінгу: стандартні процедури звірки як правила Exact у digna Data Reconciliation (Beta)
Команди якості даних та управління: референтна цілісність між технологіями баз даних за допомогою digna Engine
Бізнес-користувачі: відповіді AI-агентів на бізнес-запитання про дані з digna Agentic (Beta)
Команди AI та автоматизації: AI-агенти, що працюють із digna через digna Agentic (Beta)

Оновлення CLI¶

Змін немає