Как платформизация и AI меняют цикл аналитической разработки. Опыт Т-Банка

Сегодня Data Platform в Т-Банке пользуются 17 000 человек, работает больше 50 000 регулярных процессов, а каждый день появляется 1 500–2 000 ad hoc-ноутбуков. На таком масштабе становится ясно, что работать на множестве разрозненных инструментов и добавлять новые уже нельзя. Они начинают дублировать друг друга, по-разному решают одни и те же задачи, но усложняют выбор для пользователя.

В докладе я покажу, где именно ломается цикл аналитической разработки. Почему качество Data Governance, Data Quality и самих процессов сильно зависит от инструмента и команды, что заставляет по мере роста зрелости процесса менять и инструмент, и подход к работе, как мы пришли к тому, что половина критичных ETL-процессов завязана на инструменты, которым не хватает контроля и наблюдаемости, и как на это влияет AI.

Ключевая идея доклада — рассматривать платформу не как набор сервисов, а как единый ADLC (Analytics Development Lifecycle). Это меняет взгляд и на ноутбучную платформу Helicopter, и на ETL-инструмент Tedi, и на решения в Data Governance, Data Quality и DataOps. Платформизация по-прежнему важна, но теперь ее главный драйвер — не просто унификация инструментов, а AI и агентный подход. Именно AI-native-разработка и агенты начинают задавать новые требования к платформе, интерфейсам, качеству данных и способам автоматизации разработки.

Отдельно покажу, какими метриками мы измеряем работу аналитиков в наших инструментах и почему DORA и SPACE нельзя переносить в data-разработку без адаптации. На примерах разберем, чем отличаются метрики для ETL и ad hoc-задач и что на самом деле говорит о надежности дата-систем.