О курсе
Хранилища данных переживают ренессанс: теперь появился новый потребитель — AI-агент. На курсе разбираем классику (Инмон, Кимбалл, моделирование) так, как она работает в 2026 году — и показываем, почему без неё AI-проекты превращаются в генераторы уверенной чепухи. Курс учит принимать архитектурные решения, мыслить категориями бизнеса и данных, а не нажимать кнопки в интерфейсах.
Цель курса
Подготовить лидеров дата-подразделений и ИТ-руководителей к успешному управлению ИИ-трансформацией в компании. Дать участникам инструменты для разработки стратегии интеграции ИИ в BI-ландшафт, доказательства ROI инициатив стейкхолдерам и выстраивания надежного Data Governance.
Задачи курса
- стратегическое планирование и оценка экономики ИИ;
- освоение прикладных ИИ-инструментов для бизнеса;
- управление рисками, безопасностью и изменениями;
- формирование ИИ-культуры и центра компетенций;
- практическая разработка и защита стратегии (Питчинг).
Вам подходит этот курс, если
- Одна и та же метрика в разных отчётах даёт разные цифры — и совещание начинается со спора, чьи данные верные, а не с решения;
- Вас попросили «сделать хранилище» или «подключить к данным AI» — и непонятно, с какого конца браться: что проектировать сначала, а что нельзя отложить на потом;
- Каждый новый отчёт превращается в мини-проект на недели, хотя все данные «вроде бы уже где-то лежат»;
- Подрядчик или вендор рисует красивую схему архитектуры, а у вас нет аргументов, чтобы оценить её или возразить;
- AI-агент или чат-бот по данным уверенно отвечает неправильно — и вы подозреваете, что дело не в модели, а в том, как устроены данные под ней.
По результату курса студенты смогут
- Проектировать витрины данных и проводить аудит и старт проектов;
- Выбирать архитектуру и сравнивать структуры хранения;
- Готовить хранилище для AI, разграничивать ее зоны ответственности, унифицировать метрики;
Артефакты по итогам курса
- Чек-лист «пять вопросов архитектора» — для оценки любого DWH-проекта;
- Пошаговую методику проектирования витрины;
- Таблицу «звезда / снежинка / большая таблица» и карту пяти парадигм моделирования;
- Дерево решений «какую архитектуру выбрать» под ваши сроки, команду и регуляторику;
- Собственный проект: концепцию хранилища для вашей компании с ревью преподавателя;
- Понимание, как подготовить хранилище к главному потребителю ближайших лет — AI-агентам.
Для кого курс
Архитекторы данных и аналитики, CDO, Head of Data, product-менеджеры и бизнес-аналитики.
Программа
Модуль 1. Зачем компании хранилище данных в 2026
- Данные как риск и как актив: −$440 млн за 45 минут у Knight Capital против 250 млн пользователей Spotify Wrapped;
- Хранилище — не «большая база», а фабрика знаний: пять шагов от сырых данных до решения;
- Почему большинство AI-проектов упирается в данные, а не в модели;
- Новый потребитель хранилища — AI-агент: что ему нужно, чтобы отвечать, а не угадывать;
- Живое демо: AI-агент отвечает на вопросы по учебному хранилищу банка.
Модуль 2. Архитектура DWH: пять вопросов, которые решают всё
- Пять вопросов, на которые нужно ответить до первой строчки кода — чек-лист на весь курс и на любой будущий проект;
- Классика Инмона: единое ядро данных, одна версия правды, память о любом дне в прошлом;
- Почему DWH-проекты проваливаются не из-за технологий — и 6 признаков, что хранилище вам пока не нужно;
- Что изменилось в технологиях за 30 лет, а что осталось от 1991 года;
- Как подготовить архитектуру к тому, что скоро главным читателем вашего хранилища станет AI.
Модуль 3. Моделирование данных: умерло ли оно?
- Дуэль экспертов: «моделирование мертво» против «без модели — болото». Кто прав — проверим по вакансиям и зарплатам;
- Три уровня модели данных и кто за каждый отвечает: бизнес, аналитик, инженер;
- Разбираем реальную модель банка: как тридцать таблиц о клиентах превращаются в понятную картину;
- Почему метрика «просрочка» в отчёте, в модели рисков и у AI-агента должна означать одно и то же — и как этого добиться;
- Почему AI не построит модель сам: смысл — это договорённость людей, её нельзя сгенерировать.
Модуль 4. Витрины данных: как превратить модель в ответы
- Проектирование витрины за четыре шага — методика, которая работает без 20 лет опыта;
- Почему «сумма баланса за месяц» — катастрофа, а не отчёт: типы фактов и ловушки агрегации;
- Клиент «переехал» в другой регион — а история потерялась? Как хранить изменения и не переписывать прошлое;
- Как вытащить требования к витрине из бизнеса за один воркшоп, а не за месяц переписки;
- Vibe Data Modeling: раз vibe coding работает — можно ли «навайбить» модель данных? Демо: где агент ускоряет, а где уверенно ошибается.
Модуль 5. Три структуры хранения — и BI в эпоху AI-агентов
- Один бизнес-вопрос — три способа хранить данные: звезда, снежинка, одна большая таблица. Плюсы, минусы и цена ошибки;
- Договорённости, которые держат систему в узде: семантический слой с потребителями и контракты данных с источниками;
- Что реально работает в 2026 году: вопрос к данным на русском языке — и ответ из хранилища;
- Главный навык архитектора 2026: спроектировать так, чтобы AI-агенту не пришлось угадывать, как связаны таблицы;
- Демо: один и тот же вопрос агенту трижды — по разным структурам хранения. Сравниваем точность и разбираем, почему.
Модуль 6. Как выбрать архитектуру и не пожалеть
- Инмон против Кимбалла: 30 лет спора — и как на практике их объединяют в одну рабочую систему;
- Четыре способа скрещивания подходов — разбираем через истории реальных провалов;
- Когда нужен «неизменяемый журнал»: подход Data Vault для регуляторики и аудита;
- Пять парадигм моделирования 2026 года: уходите с картой «когда что применять»;
- Как AI меняет экономику хранилища: почему скоро витрин будет больше, чем аналитиков, — и что с этим делать.
Сквозное домашнее задание с личным ревью
Практика не заканчивается вместе с лекциями. На протяжении курса вы строите архитектурную концепцию хранилища для своей компании (или учебного кейса):
- После дня 1 — ответы на «пять вопросов архитектора» для вашей компании;
- После дня 2 — проект витрины: гранулярность, факты, измерения, история изменений;
- После дня 3 — архитектурное обоснование: какой подход выбираете и почему.
Задание можно сдавать по ходу курса или целиком после него. Каждую работу лично разбирает преподаватель — с комментариями по модели, архитектуре и обоснованию решений.
Доступ к учебным материалам Вы получите после подключения к курсу, материалы будут доступны и после обучения.
Видеозапись обучающего курса не проводится согласно политике безопасности нашей компании.
Стоимость включает в себя все необходимые налоги, таможенные пошлины и НДС.