Moscow Python Meetup №108. Воркшоп "Построение AI-агента: Говори с данными на языке бизнеса"

by Moscow Python Meetup

Slide 1

Slide 1 text

ГОВОРИ С ДАННЫМИ НА ЯЗЫКЕ БИЗНЕСА Барышев Сергей

Slide 2

Slide 2 text

Кто я Барышев Сергей Руководитель направлений внедрения ИИ в Медиакластере МТС (МТС Web Services).  Курирую разработку и интеграцию решений для продуктов экосистемы: Kion, Строки, Ticketland, МТС Музыка.  Визионер рационального программирования более 20 лет.

Slide 3

Slide 3 text

Что сейчас будет? Клонируем репозиторий Мы не будем писать код

Slide 4

Slide 4 text

Что сейчас будет? Клонируем репозиторий Выбираем сторону Установим агента Немного напугаю Потом резко успокою Начнем общаться на продуктовом языке: MAU, DAU, MRR, ARR, GMV, LTV, можно даже про CAC, но это уже на своих данных.. В конце будут QR коды на репозиторий, презентацию и контакты Мы не будем писать код

Slide 5

Slide 5 text

Кому пригодится? Продакту, у которого «горит» Раньше: «Аналитик, посчитай, пожалуйста, когда освободишься...» Теперь: Посчитай MAU cinevibe и сгруппируй по тарифам. График в отчет

Slide 6

Slide 6 text

Кому пригодится? Продакту, у которого «горит» Бизнес-пользователю (Финансы, Маркетинг) Раньше: «Аналитик, посчитай, пожалуйста, когда освободишься...» Теперь: Посчитай MAU cinevibe и сгруппируй по тарифам. График в отчет Раньше: 80% времени — написание одних и тех же SQL-запросов. Теперь: 80% времени — построение логики и контроль качества, 20% — создание сниппетов

Slide 7

Slide 7 text

Кому пригодится? Продакту, у которого «горит» Аналитику, который устал от однотипных задач Бизнес-пользователю (Финансы, Маркетинг) Всем, кто устал ждать ответа на вопрос «А сколько у нас пользователей?». Раньше: «Аналитик, посчитай, пожалуйста, когда освободишься...» Теперь: Посчитай MAU cinevibe и сгруппируй по тарифам. График в отчет Раньше: «Дайте выгрузку в Excel, я сам посчитаю» Теперь: Агент сам соединит LTV и CAC и отдаст готовую визуализацию Раньше: 80% времени — написание одних и тех же SQL-запросов. Теперь: 80% времени — построение логики и контроль качества, 20% — создание сниппетов

Slide 8

Slide 8 text

Клонируем репозиторий https://github.com/BaryshevS/ai_analysts

Slide 9

Slide 9 text

File -> Settings и устанавливаем окружение (если нужно)

Slide 10

Slide 10 text

Устанавливаем зависимости pip install -r requirements.txt Linux: sudo apt install curl wget bash clickhouse-client MacOS: brew install curl wget bash clickhouse

Slide 11

Slide 11 text

https://claude.com/product/claude- code https://opencode.ai (Лучший вариант)  Без регистрации  VPN не нужен  LLM модель бесплатная  LLM можно настроить локально  Устанавливается одной командой  Нужна регистрация  VPN нужен разово для регистрации  LLM модель по подписке  LLM есть варианты Claude Code Router  Устанавливается одной командой

Slide 12

Slide 12 text

Устанавливаем opencode curl -fsSL https://opencode.ai/install | bash

Slide 13

Slide 13 text

Устанавливаем инфраструктуру Мы уже установили ИИ-Агентов

Slide 14

Slide 14 text

Устанавливаем инфраструктуру Мы уже установили ИИ-Агентов Создать Docker-контейнер, настроить зеркала РФ

Slide 15

Slide 15 text

Slide 16

Slide 16 text

Устанавливаем инфраструктуру Мы уже установили ИИ-Агентов Создать Docker-контейнер, настроить зеркала РФ Установить ClickHouse, добавить пользователя Установить Redash, добавить пользователя Настроить в Redash подключение к ClickHouse Вынести параметры в .env файл Запустить generate_synthetic_db.py для наполнения данными

Slide 17

Slide 17 text

Slide 18

Slide 18 text

Устанавливаем инфраструктуру Установка Docker Linux (Ubuntu/Debian): chmod +x install_docker_linux.sh ./install_docker_linux.sh Копируем файл окружения cp .env.docker .env macOS: chmod +x install_docker_macos.sh ./install_docker_macos.sh Windows: .\install_docker_win.ps1

Slide 19

Slide 19 text

Запускаем инфраструктуру Запускаем Docker MacOS: перед вызовом запустите приложение Docker docker-compose up –d Проверяем работу Clickhouse clickhouse-client --host localhost --port 9000 --user click_ro --password 457DfeoiwdW Или curl -u click_ro:457DfeoiwdW -X POST -d "SHOW DATABASES" http://localhost:8123

Slide 20

Slide 20 text

Запускаем инфраструктуру Запускаем Docker MacOS: перед вызовом запустите приложение Docker docker-compose up –d Наполняем базу синтетическими данными python generate_synthetic_db.py Проверяем работу Clickhouse clickhouse-client --host localhost --port 9000 --user click_ro --password 457DfeoiwdW Или curl -u click_ro:457DfeoiwdW -X POST -d "SHOW DATABASES" http://localhost:8123

Slide 21

Slide 21 text

Запускаем инфраструктуру Проверить работу Redash http://localhost:8080 Нужно добавить админа User: [email protected] Password: usffdi43Rwuefo

Slide 22

Slide 22 text

Запускаем инфраструктуру Проверить работу Redash http://localhost:8080 🔌 Добавление источника данных в Redash Settings → Data Sources → New Data Source → ClickHouse Url: http://clickhouse:8123 User: click_ro Password: 457DfeoiwdW Database: company-stat Нужно добавить админа User: [email protected] Password: usffdi43Rwuefo Сгенерировать API key http://localhost:8080/users/me И сохранить в файле .env REDASH_TOKEN=ТОКЕН

Slide 23

Slide 23 text

Ничего делать не нужно, т.к. мы подняли для Вас инфраструктуру! Те, кто не поднимал инфраструктуру возвращаются

Slide 24

Slide 24 text

Сбор данных из Clickhouse и Redash Все настройки лежат в .env файле Экспорт DDL схем из ClickHouse ./clickhouse_export_ddl.sh

Slide 25

Slide 25 text

Сбор данных из Clickhouse и Redash Все настройки лежат в .env файле Экспорт DDL схем из ClickHouse ./clickhouse_export_ddl.sh Redash - экспорт истории запросов python redash_export_query.py Redash - экспорт сниппетов python redash_export_snippets.py

Slide 26

Slide 26 text

Slide 27

Slide 27 text

Мы ничего не знаем о структуре

Slide 28

Slide 28 text

Посчитай MAU cinevibe с 2025 по нв

Slide 29

Slide 29 text

Посчитай MAU и выручку для каждой из подписок cinevibe с 2025 по нв

Slide 30

Slide 30 text

Создай из этих данных график выручки по подпискам сохрани в reports/cinevibe_tarifs.html