Text-to-SQL для корпоративной BI позволяет получать данные из корпоративного хранилища (DWH) по запросу на обычном языке.
ИИ составляет SQL - команду для поиска и расчета данных, а система проверяет запрос на ошибки, соблюдение прав доступа и допустимую нагрузку.
После выполнения запроса результат сверяют с утвержденными показателями, чтобы выявить ошибки в расчетах.
Text-to-SQL для корпоративной BI - технология, которая переводит вопросы на русском языке в SQL-запросы к корпоративному хранилищу данных (DWH). Вы указываете показатель, период и нужный разрез. Языковая модель составляет SQL по описанию доступных таблиц, а отдельный сервис проверяет и исполняет запрос – вы получаете данные для разового анализа без разработки нового BI-отчета.
Руководителю нужны данные по конкретной задаче, а не вся информация из BI-отчета.
Например:
Ad hoc анализ - разовые запросы к данным и проверка гипотез, когда в готовом BI-отчете нет нужного среза. Например, валовая прибыль в регионе снизилась, хотя выручка почти не изменилась. Аналитик проверяет: «В каких категориях выросла себестоимость?», «Где увеличились скидки и возвраты?». Далее он сравнивает результаты по магазинам и выясняет, что сильнее повлияло на прибыль, прежде чем пересматривать цены или закупки.
AI-ассистент для аналитика составляет SQL для каждой проверки: сначала по категориям, затем по магазинам. Такие запросы LLM (большая языковая модель) к DWH проходят проверку прав доступа, источников и лимитов нагрузки перед исполнением.
Важно: сравнивать результаты можно только при одинаковых правилах расчета. Если в одном запросе возвраты исключены, а в другом учтены, есть риск ошибиться в причинах снижения прибыли. Сохраняйте источники, периоды и фильтры каждого запроса – так вы сможете проверить расчет и объяснить расхождения. Регулярные KPI остаются в BI-отчетах, а Text-to-SQL помогает исследовать отклонения, когда после первого ответа появляются новые вопросы к данным.
LLM не знает, как устроено ваше хранилище: перед генерацией SQL она получает описание таблиц, полей и связей между ними. Если передать всю схему DWH, модель может запутаться в сотнях колонок и выбрать, например, дату создания заказа вместо даты оплаты.
SQL parser (компонент для проверки синтаксиса SQL) не обнаружит подмену поля: запрос синтаксически верен, но считает другой период. Задача инженера – отобрать нужные таблицы, объяснить назначение полей и передать модели правила расчета без лишнего контекста.
Допустим, в DWH есть таблицы заказов, оплат, возвратов, товаров и несколько архивов. Вы спрашиваете: «Сколько оплаченных заказов было по магазинам за сентябрь?» Модели нужны сведения о заказах, их статусах и магазинах. Таблица оплат понадобится, если статус оплаты хранится именно там.
На этапе schema retrieval (поиск по каталогу схемы) система ищет таблицы, поля и связи, необходимые для ответа на вопрос пользователя. Для каждой таблицы в каталоге указывают понятное бизнес-название, ключи и допустимые связи. Например, tbl_orders_v2 следует описать как таблицу заказов, а не оставлять модели только техническое имя.
Название колонки не всегда объясняет, что в ней хранится. К примеру, order_amount может хранить стоимость заказа до скидки, а paid_amount – фактически оплаченную сумму. SQL с любым из этих полей выполнится, но результат будет разным. Модели нужны типы данных, описания полей, примеры значений и правила связи таблиц.
Сверьте документацию с таблицей: справа указано, как ошибки в описании полей влияют на расчеты.
Обратите внимание на детализацию.
Если заказ на 10 000 ₽ содержит три товара, после соединения с таблицей позиций его сумма может повториться трижды. Вместо 10 000 ₽ запрос с SUM(order_amount) покажет 30 000 ₽. Описание того, что хранит каждая строка и как связаны таблицы, помогает избежать такого двойного или тройного подсчета.
Semantic metrics (семантические метрики) – это бизнес-показатели с закрепленными формулами, источниками данных и правилами расчета. Например, средний чек считают как сумму продаж, деленную на число чеков. Если модель применит AVG(amount) к таблице с товарными позициями, она получит среднюю стоимость позиции, а не чека. SQL выполнится, но результат разойдется с BI-отчетом.
Передавайте LLM формулу, нужные поля и правила:
Если результат ИИ не совпадет с BI-отчетом, вы сможете проверить, какие правила расчета модель учла, а какие пропустила.
Важно: правила расчета нужно закрепить и в самих данных. К примеру, CRM помечает заказ как оплаченный, а в 1С платеж еще не проведен. Чтобы ИИ не включил такой заказ в оплаченные продажи, сначала свяжите заказы с платежами, проверьте ключи и подготовьте витрину данных с единым правилом расчета.
Эту работу можно выполнить с помощью DVT – визуальной платформы подготовки данных:
LLM получает описание витрины, где заказы уже связаны с платежами. Вы можете сверить ответ ИИ с отчетом по единым правилам расчета. Перед пилотом проверьте качество исходных данных: ошибки из CRM и 1С перейдут в витрину и исказят результат даже при правильном SQL.
Итак, вы задаете ИИ-ассистенту вопрос: «Какие пять магазинов принесли больше всего выручки за сентябрь?»
Генерация SQL с помощью ИИ начинается с проверки смысла вопроса, а не с команды SELECT.
Путь от вопроса до проверенного ответа:
Вопрос на русском → Уточнение условий → Поиск таблиц и правил расчета → LLM формирует SQL → Проверка синтаксиса, прав и плана выполнения → Шлюз запросов → DWH (только чтение) → Результат + SQL + примененные фильтры
Сначала система определяет, что вы хотите узнать: выручку, период, магазины и пять лидеров по продажам. Но за какой год нужен сентябрь? Считать выручку по оплатам или отгрузкам?
Если правила расчета уже описаны в BI-модели, LLM получает их вместе с вопросом. Недостающие условия уточняет у вас. Только после этого начинается ИИ-перевод текста в SQL – модель формирует SQL по вопросу на русском и знает, что считать и за какой период.
По вашему вопросу система выбирает из каталога таблицы заказов, оплат и магазинов. Whitelist – список разрешенных таблиц и полей – ограничивает данные, которые получит LLM. Если нужны сведения об оплатах, но у вас нет к ним доступа, ассистент сообщит об ограничении, а не выдаст оформленные заказы за оплаченную выручку. Перед запуском SQL права доступа еще раз проверяет шлюз запросов, отвечающий за передачу разрешенных запросов в DWH.
LLM составляет SQL для вашей СУБД: суммирует оплаченные заказы по магазинам, сортирует результаты по убыванию и добавляет LIMIT 5 – в ответ попадут пять магазинов с наибольшей выручкой.
Перед запуском шлюз запросов проверяет синтаксис SQL и оценивает нагрузку на DWH. Но даже после такой проверки запрос может завысить выручку, если модель включила возвраты. Сверьте фильтры и формулу расчета с вашим BI-отчетом.
Если результат вызывает сомнения, вы можете проверить, где возникла ошибка: при разборе вопроса, выборе таблиц или составлении SQL. Запросы с нарушениями прав доступа и лимитов система блокирует до запуска в DWH.
LLM может составить SQL с командой удаления данных, обращением к закрытым таблицам или соединением, которое перегружает DWH. Запрет «используй только SELECT» в инструкции модели не защитит базу от таких запросов.
Безопасный Text-to-SQL требует контроля на уровне СУБД: модель предлагает SQL, а сервис проверки решает, какие запросы допустить к исполнению.
Read-only (только чтение) ограничивает работу с данными без права их изменять. Подключайте ИИ-ассистента к DWH через учетную запись, которой разрешен SELECT только из нужных витрин. В PostgreSQL дополнительно можно включить режим READ ONLY для транзакций.
Если модель выдаст DELETE или UPDATE, шлюз отклонит запрос. Права самой базы станут дополнительной защитой. Не подключайте ИИ-ассистента к рабочей учетной системе под ролью администратора – для аналитики лучше использовать DWH или реплику с ограниченным доступом.
SQL AST (абстрактное синтаксическое дерево) показывает, из каких команд, таблиц и выражений состоит SQL. Парсер разбирает запрос, а шлюз сверяет его структуру со списком разрешенных операций и объектов. Проверка охватывает также вложенные запросы и вызовы функций.
Вот два запроса, которые сервис должен отклонить:
1. Удаление заказов
DELETE FROM analytics.orders
WHERE order_date < DATE '2026-01-01';
2. Доступ к закрытой таблице
SELECT employee_id, salary
FROM hr.payroll;
Оба запроса отклоняются до подключения к DWH: шлюз проверяет структуру и права и не передает их на исполнение.
Важно: во втором примере SELECT не изменяет данные, но запрашивает сведения о зарплатах из закрытой таблицы. Сервис должен проверить не только тип команды, но и все таблицы, функции и вложенные запросы. Иначе он может пропустить SQL, который нарушает права доступа.
Разрешенный SELECT может перегрузить DWH. Например, соединение крупных таблиц замедлит BI-отчеты и увеличит затраты на обработку данных. LIMIT ограничивает число строк в ответе, но не нагрузку: ради десяти записей база иногда обрабатывает миллионы.
Перед запуском проверяйте query plan (план выполнения запроса). Он покажет, какие таблицы прочитает СУБД и какие операции планирует выполнить. Запросы с чрезмерной оценочной нагрузкой шлюз отклоняет. Тайм-ауты, ограничения памяти и числа одновременных запросов действуют и во время выполнения – план не всегда точно оценивает затраты.
Как шлюз запросов защищает DWH:
SQL от LLM → Шлюз запросов (структура SQL, права доступа, план выполнения, лимиты, журнал) → Подключение только для чтения → Разрешенные витрины DWH
На примере просроченной дебиторской задолженности разберем, как сверить SQL от ИИ с эталонным расчетом и выяснить, какие счета попали в итоговую сумму.
Golden SQL (эталонный SQL) – запрос, который аналитик проверил на контрольных данных и согласовал с правилами расчета компании. Его результат необходим для проверки SQL, созданного языковой моделью.
Например, при расчете просрочки на 1 октября нужно учитывать остатки долгов по счетам со сроком оплаты до этой даты. Если компания изменит правила учета платежей, эталон тоже придется обновить, поскольку модель может получить низкую оценку за правильный расчет по новым правилам.
Sample tests (тестовые наборы данных) – небольшие выборки, для которых заранее известен правильный ответ. Проверяют на них не только суммы, но и граничные даты, нулевые остатки и связи между таблицами.
Рассмотрим условный пример: в таблице показаны остатки задолженности по пяти счетам на 1 октября 2026 года.
Счета хранятся в demo.invoices с полями invoice_id, customer_id, due_date, debt_rub. Сегменты клиентов – в demo.customers, где каждому customer_id соответствует одна запись.
Матрица тестов для расчета просроченной задолженности:
Проверим три вопроса финансового отдела. Для каждого приведем SQL на PostgreSQL и правильный ответ по тестовым данным.
1. Какова общая просроченная задолженность на 1 октября?
SQL выбирает счета с истекшим сроком оплаты, исключает погашенные долги и суммирует остатки задолженности.
SELECT COALESCE(SUM(debt_rub), 0) AS overdue_rub
FROM demo.invoices
WHERE due_date < DATE '2026-10-01'
AND debt_rub > 0;
Ответ: 25 000 ₽. Складываем остатки по счетам № 11, 12 и 15: 12 000 + 8 000 + 5 000 ₽. Если модель вернет 40 000 ₽, значит, следует проверить фильтр по сроку оплаты: возможно, в расчет попал счет № 13, срок оплаты которого еще не истек.
2. У каких клиентов просрочка превышает 7 000 ₽?
SQL суммирует просроченные долги каждого клиента и оставляет в результате только тех, у кого задолженность превышает 7 000 ₽.
SELECT customer_id,
SUM(debt_rub) AS overdue_rub
FROM demo.invoices
WHERE due_date < DATE '2026-10-01'
AND debt_rub > 0
GROUP BY customer_id
HAVING SUM(debt_rub) > 7000
ORDER BY overdue_rub DESC;
Ответ: клиент 101 – 12 000 ₽, клиент 102 – 8 000 ₽. У клиента 104 долг составляет 5 000 ₽, поэтому в список он не попадает.
3. Сколько должны клиенты B2B по просроченным счетам?
SQL связывает счета со справочником клиентов, выбирает сегмент B2B и считает общую сумму просроченной задолженности.
SELECT COALESCE(SUM(i.debt_rub), 0) AS overdue_rub
FROM demo.invoices AS i
JOIN demo.customers AS c
ON i.customer_id = c.customer_id
WHERE i.due_date < DATE '2026-10-01'
AND i.debt_rub > 0
AND c.segment = 'B2B';
Ответ: 17 000 ₽. Это остатки клиентов 101 и 104. Важно проверить уникальность customer_id в справочнике: если клиент записан дважды, соединение таблиц может удвоить его долг.
SQL не запускался в PostgreSQL. Результаты сверены по тестовой таблице, перед публикацией код должен проверить инженер.
Генерация SQL расходует ресурсы модели, а выполнение запроса – ресурсы DWH. Затраты зависят от выбранной модели, СУБД и числа повторных обращений. Если при каждом вопросе отправлять LLM всю схему хранилища, расходы на генерацию растут до запуска SQL, а ошибочный запрос нужно исправлять и выполнять повторно.
Чтобы оценить затраты на LLM-запросы к DWH, считайте стоимость проверенного ответа, включая повторные расчеты и время аналитика.
Допустим, вы повторно запрашиваете данные о задержанных поставках за тот же месяц. Кэш готового результата позволяет не выполнять запрос к DWH заново. Для вопросов с другим периодом используйте проверенный шаблон SQL с правилами расчета из семантического слоя: если методика не изменилась, генерировать запрос повторно не потребуется.
Если СУБД поддерживает кэширование плана выполнения запроса, можно сократить и время подготовки SQL, но не затраты на чтение данных. Перед выдачей сохраненного ответа проверяйте права пользователя, фильтры и актуальность данных.
Кэширование избавляет от повторных расчетов, но новые запросы все равно нагружают DWH. Даже с LIMIT 10 база может обработать миллионы строк, чтобы выбрать десять результатов.
Как сократить расходы:
Если облачный DWH тарифицирует объем обработанных данных, разница между чтением всей таблицы и нужного раздела напрямую отражается на счете.
Передавать модели всю схему DWH ради нескольких таблиц – лишние токены и время ожидания. Поиск по каталогу схемы отбирает нужные поля и связи, а семантические метрики добавляют правила расчета. Если не передать модели правило, по которому отмененные поставки исключают из расчета просрочки, ИИ может включить их в результат. Сэкономите на токенах, но потратитесь на исправление SQL и повторный запрос к DWH.
Оценка TCO (совокупной стоимости владения) включает расходы на модель, DWH, шлюз запросов, поддержку каталога, тестирование и исправление ошибок. Посчитайте полные затраты за пилот, разделите на число проверенных ответов и сравните со стоимостью их ручной подготовки.
Ассистент не должен угадывать условия расчета. Уточнение нужно, когда вы не указали период или показатель: система задает вопрос до генерации SQL. Отказ – когда в DWH нет нужных сведений или не проверены связи между таблицами. В этом случае ассистент объясняет причину и указывает, что нужно исправить.
«Покажи самых выгодных клиентов» – по выручке, прибыли или частоте покупок? За месяц или за год? От выбора зависит, кто попадет в список.
Вместо произвольного расчета ассистент должен уточнить у вас показатель и период. Если нужной метрики нет в модели данных, сообщить об этом, а не подменять ее похожей. Иначе вы получите рейтинг клиентов, рассчитанный по правилам, которых он не задавал.
В 1С и CRM один клиент может числиться под разными идентификаторами. При соединении таблиц SQL потеряет часть сделок, а неоднозначные связи могут задвоить суммы. Названия полей вроде col_1 и fld_a добавляют проблем: модели трудно понять, где нужный показатель.
Сначала нужно сопоставить идентификаторы, проверить уникальность ключей и описать поля в каталоге. Пока связи не проверены, AI-ассистент для аналитика должен отказаться от расчета и указать, какие соединения требуют проверки инженером данных.
Вы хотите рассчитать маржу по заказам с учетом закупочной цены на дату продажи, но DWH хранит только текущую цену. Ни оконные функции, ни многоуровневые join (соединения таблиц) не восстановят историю. Исторические цены, сохранившиеся в источниках, нужно загрузить в DWH и согласовать правила расчета. Если этой информации нет, ИИ должен сообщить, что рассчитать маржу за прошлый период невозможно.
После подготовки данных регулярные показатели – маржу, дебиторскую задолженность и выполнение плана, лучше закрепить в BI-дашбордах, чтобы не генерировать SQL заново каждую неделю.
Для этого можно использовать Yandex DataLens, но сначала нужно подготовить данные и проверить:
В проектах «Денвик Аналитика» для подготовки данных мы используем DVT: сопоставляем источники и собираем витрины, с которыми затем работает DataLens. Тяжелые соединения выполняем при подготовке витрин, чтобы не нагружать DWH повторными расчетами при открытии отчетов. Подробнее о проверке метрик и источников – в статье о подготовке к внедрению.
Готовые витрины можно использовать и для разовых запросов, которых нет в BI-дашбордах. SQL по ним составит ИИ-ассистент с Text-to-SQL, а не DataLens.
ИИ составляет SQL - команду для поиска и расчета данных, а система проверяет запрос на ошибки, соблюдение прав доступа и допустимую нагрузку.
После выполнения запроса результат сверяют с утвержденными показателями, чтобы выявить ошибки в расчетах.
Где применяется Text-to-SQL
Text-to-SQL для корпоративной BI - технология, которая переводит вопросы на русском языке в SQL-запросы к корпоративному хранилищу данных (DWH). Вы указываете показатель, период и нужный разрез. Языковая модель составляет SQL по описанию доступных таблиц, а отдельный сервис проверяет и исполняет запрос – вы получаете данные для разового анализа без разработки нового BI-отчета.
Бизнес-вопросы
Руководителю нужны данные по конкретной задаче, а не вся информация из BI-отчета.
Например:
- Продажи. «В каких магазинах снизился средний чек за квартал?» – определить, где проверить ассортимент, скидки и структуру покупок.
- Финансы. «У каких товарных категорий сократилась валовая маржа после роста закупочных цен?» – оценить, где стоит пересмотреть цены или условия поставок.
- Склад. «Какие товары числятся на остатках, но не продавались последние 60 дней?» – найти позиции, которые занимают место на складе без движения.
Ad hoc анализ
Ad hoc анализ - разовые запросы к данным и проверка гипотез, когда в готовом BI-отчете нет нужного среза. Например, валовая прибыль в регионе снизилась, хотя выручка почти не изменилась. Аналитик проверяет: «В каких категориях выросла себестоимость?», «Где увеличились скидки и возвраты?». Далее он сравнивает результаты по магазинам и выясняет, что сильнее повлияло на прибыль, прежде чем пересматривать цены или закупки.
AI-ассистент для аналитика составляет SQL для каждой проверки: сначала по категориям, затем по магазинам. Такие запросы LLM (большая языковая модель) к DWH проходят проверку прав доступа, источников и лимитов нагрузки перед исполнением.
Важно: сравнивать результаты можно только при одинаковых правилах расчета. Если в одном запросе возвраты исключены, а в другом учтены, есть риск ошибиться в причинах снижения прибыли. Сохраняйте источники, периоды и фильтры каждого запроса – так вы сможете проверить расчет и объяснить расхождения. Регулярные KPI остаются в BI-отчетах, а Text-to-SQL помогает исследовать отклонения, когда после первого ответа появляются новые вопросы к данным.
Как LLM видит схему данных
LLM не знает, как устроено ваше хранилище: перед генерацией SQL она получает описание таблиц, полей и связей между ними. Если передать всю схему DWH, модель может запутаться в сотнях колонок и выбрать, например, дату создания заказа вместо даты оплаты.
SQL parser (компонент для проверки синтаксиса SQL) не обнаружит подмену поля: запрос синтаксически верен, но считает другой период. Задача инженера – отобрать нужные таблицы, объяснить назначение полей и передать модели правила расчета без лишнего контекста.
Каталог таблиц
Допустим, в DWH есть таблицы заказов, оплат, возвратов, товаров и несколько архивов. Вы спрашиваете: «Сколько оплаченных заказов было по магазинам за сентябрь?» Модели нужны сведения о заказах, их статусах и магазинах. Таблица оплат понадобится, если статус оплаты хранится именно там.
На этапе schema retrieval (поиск по каталогу схемы) система ищет таблицы, поля и связи, необходимые для ответа на вопрос пользователя. Для каждой таблицы в каталоге указывают понятное бизнес-название, ключи и допустимые связи. Например, tbl_orders_v2 следует описать как таблицу заказов, а не оставлять модели только техническое имя.
Передавайте LLM те таблицы и поля, которые относятся к вопросу и разрешены пользователю.
Чем меньше лишних объектов в контексте, тем проще модели выбрать источник и тем ниже расход токенов.
Документация полей
Название колонки не всегда объясняет, что в ней хранится. К примеру, order_amount может хранить стоимость заказа до скидки, а paid_amount – фактически оплаченную сумму. SQL с любым из этих полей выполнится, но результат будет разным. Модели нужны типы данных, описания полей, примеры значений и правила связи таблиц.
Сверьте документацию с таблицей: справа указано, как ошибки в описании полей влияют на расчеты.
| Что описать | Пример | Какую ошибку предотвращает |
|---|---|---|
| Назначение поля | paid_at – дата подтвержденной оплаты | Расчет за неверный период |
| Статусы | paid – оплачен, cancelled – отменен | Учет отмененных заказов |
| Детализацию | Одна строка order_items – товар в заказе | Повторный подсчет суммы заказа |
| Ключи | order_id связывает заказ с позициями | Неверный join |
| Значения | MSK – Москва | Ошибку в фильтре региона |
Обратите внимание на детализацию.
Если заказ на 10 000 ₽ содержит три товара, после соединения с таблицей позиций его сумма может повториться трижды. Вместо 10 000 ₽ запрос с SUM(order_amount) покажет 30 000 ₽. Описание того, что хранит каждая строка и как связаны таблицы, помогает избежать такого двойного или тройного подсчета.
Семантический контекст
Semantic metrics (семантические метрики) – это бизнес-показатели с закрепленными формулами, источниками данных и правилами расчета. Например, средний чек считают как сумму продаж, деленную на число чеков. Если модель применит AVG(amount) к таблице с товарными позициями, она получит среднюю стоимость позиции, а не чека. SQL выполнится, но результат разойдется с BI-отчетом.
Передавайте LLM формулу, нужные поля и правила:
- какие заказы учитывать;
- по какой дате выбирать период;
- как обрабатывать возвраты.
Если результат ИИ не совпадет с BI-отчетом, вы сможете проверить, какие правила расчета модель учла, а какие пропустила.
Важно: правила расчета нужно закрепить и в самих данных. К примеру, CRM помечает заказ как оплаченный, а в 1С платеж еще не проведен. Чтобы ИИ не включил такой заказ в оплаченные продажи, сначала свяжите заказы с платежами, проверьте ключи и подготовьте витрину данных с единым правилом расчета.
Эту работу можно выполнить с помощью DVT – визуальной платформы подготовки данных:
- Подключить 1С, CRM, Excel и базы данных, сопоставить заказы с оплатами.
- Устранить дубли, привести статусы и даты к единым правилам.
- Собрать витрины данных с проверенными связями и формулами расчета показателей.
- Настроить обновление по расписанию и отслеживать ошибки обработки данных.
LLM получает описание витрины, где заказы уже связаны с платежами. Вы можете сверить ответ ИИ с отчетом по единым правилам расчета. Перед пилотом проверьте качество исходных данных: ошибки из CRM и 1С перейдут в витрину и исказят результат даже при правильном SQL.
Процесс генерации SQL
Итак, вы задаете ИИ-ассистенту вопрос: «Какие пять магазинов принесли больше всего выручки за сентябрь?»
Генерация SQL с помощью ИИ начинается с проверки смысла вопроса, а не с команды SELECT.
Путь от вопроса до проверенного ответа:
Вопрос на русском → Уточнение условий → Поиск таблиц и правил расчета → LLM формирует SQL → Проверка синтаксиса, прав и плана выполнения → Шлюз запросов → DWH (только чтение) → Результат + SQL + примененные фильтры
1. Намерение
Сначала система определяет, что вы хотите узнать: выручку, период, магазины и пять лидеров по продажам. Но за какой год нужен сентябрь? Считать выручку по оплатам или отгрузкам?
Если правила расчета уже описаны в BI-модели, LLM получает их вместе с вопросом. Недостающие условия уточняет у вас. Только после этого начинается ИИ-перевод текста в SQL – модель формирует SQL по вопросу на русском и знает, что считать и за какой период.
2. Выбор таблиц
По вашему вопросу система выбирает из каталога таблицы заказов, оплат и магазинов. Whitelist – список разрешенных таблиц и полей – ограничивает данные, которые получит LLM. Если нужны сведения об оплатах, но у вас нет к ним доступа, ассистент сообщит об ограничении, а не выдаст оформленные заказы за оплаченную выручку. Перед запуском SQL права доступа еще раз проверяет шлюз запросов, отвечающий за передачу разрешенных запросов в DWH.
3. Запрос
LLM составляет SQL для вашей СУБД: суммирует оплаченные заказы по магазинам, сортирует результаты по убыванию и добавляет LIMIT 5 – в ответ попадут пять магазинов с наибольшей выручкой.
Перед запуском шлюз запросов проверяет синтаксис SQL и оценивает нагрузку на DWH. Но даже после такой проверки запрос может завысить выручку, если модель включила возвраты. Сверьте фильтры и формулу расчета с вашим BI-отчетом.
Если результат вызывает сомнения, вы можете проверить, где возникла ошибка: при разборе вопроса, выборе таблиц или составлении SQL. Запросы с нарушениями прав доступа и лимитов система блокирует до запуска в DWH.
Контроль безопасности
LLM может составить SQL с командой удаления данных, обращением к закрытым таблицам или соединением, которое перегружает DWH. Запрет «используй только SELECT» в инструкции модели не защитит базу от таких запросов.
Безопасный Text-to-SQL требует контроля на уровне СУБД: модель предлагает SQL, а сервис проверки решает, какие запросы допустить к исполнению.
Read-only
Read-only (только чтение) ограничивает работу с данными без права их изменять. Подключайте ИИ-ассистента к DWH через учетную запись, которой разрешен SELECT только из нужных витрин. В PostgreSQL дополнительно можно включить режим READ ONLY для транзакций.
Если модель выдаст DELETE или UPDATE, шлюз отклонит запрос. Права самой базы станут дополнительной защитой. Не подключайте ИИ-ассистента к рабочей учетной системе под ролью администратора – для аналитики лучше использовать DWH или реплику с ограниченным доступом.
SQL AST
SQL AST (абстрактное синтаксическое дерево) показывает, из каких команд, таблиц и выражений состоит SQL. Парсер разбирает запрос, а шлюз сверяет его структуру со списком разрешенных операций и объектов. Проверка охватывает также вложенные запросы и вызовы функций.
Вот два запроса, которые сервис должен отклонить:
1. Удаление заказов
DELETE FROM analytics.orders
WHERE order_date < DATE '2026-01-01';
2. Доступ к закрытой таблице
SELECT employee_id, salary
FROM hr.payroll;
Оба запроса отклоняются до подключения к DWH: шлюз проверяет структуру и права и не передает их на исполнение.
Важно: во втором примере SELECT не изменяет данные, но запрашивает сведения о зарплатах из закрытой таблицы. Сервис должен проверить не только тип команды, но и все таблицы, функции и вложенные запросы. Иначе он может пропустить SQL, который нарушает права доступа.
Лимиты ресурсов
Разрешенный SELECT может перегрузить DWH. Например, соединение крупных таблиц замедлит BI-отчеты и увеличит затраты на обработку данных. LIMIT ограничивает число строк в ответе, но не нагрузку: ради десяти записей база иногда обрабатывает миллионы.
Перед запуском проверяйте query plan (план выполнения запроса). Он покажет, какие таблицы прочитает СУБД и какие операции планирует выполнить. Запросы с чрезмерной оценочной нагрузкой шлюз отклоняет. Тайм-ауты, ограничения памяти и числа одновременных запросов действуют и во время выполнения – план не всегда точно оценивает затраты.
Как шлюз запросов защищает DWH:
SQL от LLM → Шлюз запросов (структура SQL, права доступа, план выполнения, лимиты, журнал) → Подключение только для чтения → Разрешенные витрины DWH
Проверка корректности
На примере просроченной дебиторской задолженности разберем, как сверить SQL от ИИ с эталонным расчетом и выяснить, какие счета попали в итоговую сумму.
Эталонный SQL
Golden SQL (эталонный SQL) – запрос, который аналитик проверил на контрольных данных и согласовал с правилами расчета компании. Его результат необходим для проверки SQL, созданного языковой моделью.
Например, при расчете просрочки на 1 октября нужно учитывать остатки долгов по счетам со сроком оплаты до этой даты. Если компания изменит правила учета платежей, эталон тоже придется обновить, поскольку модель может получить низкую оценку за правильный расчет по новым правилам.
Тестовые данные
Sample tests (тестовые наборы данных) – небольшие выборки, для которых заранее известен правильный ответ. Проверяют на них не только суммы, но и граничные даты, нулевые остатки и связи между таблицами.
Рассмотрим условный пример: в таблице показаны остатки задолженности по пяти счетам на 1 октября 2026 года.
| Счет | Клиент | Сегмент | Срок оплаты | Остаток, ₽ |
|---|---|---|---|---|
| 11 | 101 | B2B | 15.09.2026 | 12 000 |
| 12 | 102 | B2C | 30.09.2026 | 8 000 |
| 13 | 103 | B2B | 01.10.2026 | 15 000 |
| 14 | 101 | B2B | 20.09.2026 | 0 |
| 15 | 104 | B2B | 20.08.2026 | 5 000 |
Счета хранятся в demo.invoices с полями invoice_id, customer_id, due_date, debt_rub. Сегменты клиентов – в demo.customers, где каждому customer_id соответствует одна запись.
Матрица тестов для расчета просроченной задолженности:
| Проверка | Ожидаемый результат | Какую ошибку выявляет |
|---|---|---|
| Счет № 13: срок оплаты – 1 октября | Не входит в просрочку на эту дату | <= вместо < в фильтре по сроку оплаты |
| Счет № 14: остаток долга – 0 ₽ | Исключен из списка просроченных счетов | Выявляется при проверке списка счетов: без debt_rub > 0 в выборку попадет погашенный долг |
| Счет № 12: сегмент B2C | Учитывается в общей сумме, но исключается из расчета B2B | Неверный фильтр по сегменту клиента |
Сравнение результатов
Проверим три вопроса финансового отдела. Для каждого приведем SQL на PostgreSQL и правильный ответ по тестовым данным.
1. Какова общая просроченная задолженность на 1 октября?
SQL выбирает счета с истекшим сроком оплаты, исключает погашенные долги и суммирует остатки задолженности.
SELECT COALESCE(SUM(debt_rub), 0) AS overdue_rub
FROM demo.invoices
WHERE due_date < DATE '2026-10-01'
AND debt_rub > 0;
Ответ: 25 000 ₽. Складываем остатки по счетам № 11, 12 и 15: 12 000 + 8 000 + 5 000 ₽. Если модель вернет 40 000 ₽, значит, следует проверить фильтр по сроку оплаты: возможно, в расчет попал счет № 13, срок оплаты которого еще не истек.
2. У каких клиентов просрочка превышает 7 000 ₽?
SQL суммирует просроченные долги каждого клиента и оставляет в результате только тех, у кого задолженность превышает 7 000 ₽.
SELECT customer_id,
SUM(debt_rub) AS overdue_rub
FROM demo.invoices
WHERE due_date < DATE '2026-10-01'
AND debt_rub > 0
GROUP BY customer_id
HAVING SUM(debt_rub) > 7000
ORDER BY overdue_rub DESC;
Ответ: клиент 101 – 12 000 ₽, клиент 102 – 8 000 ₽. У клиента 104 долг составляет 5 000 ₽, поэтому в список он не попадает.
3. Сколько должны клиенты B2B по просроченным счетам?
SQL связывает счета со справочником клиентов, выбирает сегмент B2B и считает общую сумму просроченной задолженности.
SELECT COALESCE(SUM(i.debt_rub), 0) AS overdue_rub
FROM demo.invoices AS i
JOIN demo.customers AS c
ON i.customer_id = c.customer_id
WHERE i.due_date < DATE '2026-10-01'
AND i.debt_rub > 0
AND c.segment = 'B2B';
Ответ: 17 000 ₽. Это остатки клиентов 101 и 104. Важно проверить уникальность customer_id в справочнике: если клиент записан дважды, соединение таблиц может удвоить его долг.
SQL не запускался в PostgreSQL. Результаты сверены по тестовой таблице, перед публикацией код должен проверить инженер.
Для оценки Text-to-SQL используют Execution Accuracy – долю тестовых вопросов, по которым результат SQL модели совпал с эталонным. Проверяя полученные 25 000 ₽, нужно сверить не только сумму, но и счета № 11, 12 и 15, вошедшие в расчет. В реальном DWH неверный фильтр может дать ту же итоговую сумму, но по другим счетам.
Стоимость и скорость
Генерация SQL расходует ресурсы модели, а выполнение запроса – ресурсы DWH. Затраты зависят от выбранной модели, СУБД и числа повторных обращений. Если при каждом вопросе отправлять LLM всю схему хранилища, расходы на генерацию растут до запуска SQL, а ошибочный запрос нужно исправлять и выполнять повторно.
Чтобы оценить затраты на LLM-запросы к DWH, считайте стоимость проверенного ответа, включая повторные расчеты и время аналитика.
Кэширование
Допустим, вы повторно запрашиваете данные о задержанных поставках за тот же месяц. Кэш готового результата позволяет не выполнять запрос к DWH заново. Для вопросов с другим периодом используйте проверенный шаблон SQL с правилами расчета из семантического слоя: если методика не изменилась, генерировать запрос повторно не потребуется.
Если СУБД поддерживает кэширование плана выполнения запроса, можно сократить и время подготовки SQL, но не затраты на чтение данных. Перед выдачей сохраненного ответа проверяйте права пользователя, фильтры и актуальность данных.
Запросы к DWH
Кэширование избавляет от повторных расчетов, но новые запросы все равно нагружают DWH. Даже с LIMIT 10 база может обработать миллионы строк, чтобы выбрать десять результатов.
Как сократить расходы:
- Фильтр по дате – ограничивает чтение нужным периодом, если DWH поддерживает отсечение разделов таблицы.
- Готовые агрегаты – позволяют считать частые показатели по сводным данным, а не обрабатывать всю историю заново.
- План выполнения запроса – помогает до запуска обнаружить полное сканирование таблиц и тяжелые соединения.
Если облачный DWH тарифицирует объем обработанных данных, разница между чтением всей таблицы и нужного раздела напрямую отражается на счете.
Ограничение токенов
Передавать модели всю схему DWH ради нескольких таблиц – лишние токены и время ожидания. Поиск по каталогу схемы отбирает нужные поля и связи, а семантические метрики добавляют правила расчета. Если не передать модели правило, по которому отмененные поставки исключают из расчета просрочки, ИИ может включить их в результат. Сэкономите на токенах, но потратитесь на исправление SQL и повторный запрос к DWH.
Оценка TCO (совокупной стоимости владения) включает расходы на модель, DWH, шлюз запросов, поддержку каталога, тестирование и исправление ошибок. Посчитайте полные затраты за пилот, разделите на число проверенных ответов и сравните со стоимостью их ручной подготовки.
Когда Text-to-SQL не подходит
Ассистент не должен угадывать условия расчета. Уточнение нужно, когда вы не указали период или показатель: система задает вопрос до генерации SQL. Отказ – когда в DWH нет нужных сведений или не проверены связи между таблицами. В этом случае ассистент объясняет причину и указывает, что нужно исправить.
Неоднозначные вопросы
«Покажи самых выгодных клиентов» – по выручке, прибыли или частоте покупок? За месяц или за год? От выбора зависит, кто попадет в список.
Вместо произвольного расчета ассистент должен уточнить у вас показатель и период. Если нужной метрики нет в модели данных, сообщить об этом, а не подменять ее похожей. Иначе вы получите рейтинг клиентов, рассчитанный по правилам, которых он не задавал.
Плохие ключи
В 1С и CRM один клиент может числиться под разными идентификаторами. При соединении таблиц SQL потеряет часть сделок, а неоднозначные связи могут задвоить суммы. Названия полей вроде col_1 и fld_a добавляют проблем: модели трудно понять, где нужный показатель.
Сначала нужно сопоставить идентификаторы, проверить уникальность ключей и описать поля в каталоге. Пока связи не проверены, AI-ассистент для аналитика должен отказаться от расчета и указать, какие соединения требуют проверки инженером данных.
Сложные операции
Вы хотите рассчитать маржу по заказам с учетом закупочной цены на дату продажи, но DWH хранит только текущую цену. Ни оконные функции, ни многоуровневые join (соединения таблиц) не восстановят историю. Исторические цены, сохранившиеся в источниках, нужно загрузить в DWH и согласовать правила расчета. Если этой информации нет, ИИ должен сообщить, что рассчитать маржу за прошлый период невозможно.
После подготовки данных регулярные показатели – маржу, дебиторскую задолженность и выполнение плана, лучше закрепить в BI-дашбордах, чтобы не генерировать SQL заново каждую неделю.
Для этого можно использовать Yandex DataLens, но сначала нужно подготовить данные и проверить:
- Метрики и KPI: одинаково ли считаются показатели в разных отчетах?
- Источники: как связаны заказы, клиенты и платежи из 1С, CRM, Excel и DWH?
- Витрины: какие сложные соединения и расчеты выполнить заранее, чтобы ускорить дашборды?
В проектах «Денвик Аналитика» для подготовки данных мы используем DVT: сопоставляем источники и собираем витрины, с которыми затем работает DataLens. Тяжелые соединения выполняем при подготовке витрин, чтобы не нагружать DWH повторными расчетами при открытии отчетов. Подробнее о проверке метрик и источников – в статье о подготовке к внедрению.
Готовые витрины можно использовать и для разовых запросов, которых нет в BI-дашбордах. SQL по ним составит ИИ-ассистент с Text-to-SQL, а не DataLens.