digna Release 2026.11: Agentic, Data Reconciliation e l'Engine

Le domande a cui un team dati impiega più tempo a rispondere raramente sono le più difficili. Il data mart torna ancora con le tabelle da cui è stato costruito? Ogni chiave esiste ancora nell'altro database a cui fa riferimento? Quale prodotto è cambiato di più il mese scorso? Di solito ognuna richiede una query che qualcuno deve scrivere.

Release 2026.11 porta in digna, la piattaforma di Data Quality & Observability, tre novità pensate per queste domande: digna Agentic, digna Data Reconciliation e il digna Engine. La panoramica di 75 secondi le mostra tutte e tre nei progetti demo di digna (dati fittizi, prodotto reale), e le note di rilascio riportano ogni dettaglio.

digna Agentic: interrogate digna dal vostro assistente

Con digna Agentic, Claude e altri agenti AI lavorano con digna tramite il digna MCP Server, che utilizza il Model Context Protocol. Un agente può gestire progetti, fonti dati, regole, pianificazioni delle ispezioni e sottoscrizioni, leggere gli stati di ispezione fino al singolo controllo e seguire un alert dalla fonte dati fino al segmento e al valore esatto che lo ha generato.

Descrivete inoltre in linguaggio semplice cosa contiene ogni fonte dati e ogni attributo, così l'agente sa cosa sta leggendo e può poi rispondere a domande di business a partire da ciò che digna già monitora. Nella demo pharma, un produttore fittizio di farmaci generici, la domanda "quale prodotto è cambiato di più?" restituisce amlodipina 5 mg in Cechia, le cui vendite a 28 giorni sono scese da 1.376 confezioni a 411, un calo del 70% in quattro settimane, a partire dal 1° giugno e solo in Cechia. Se la configurazione non consente ancora di rispondere, l'agente può suggerire una modifica, come l'aggiunta di un dataset. Il video di digna Agentic mostra lo scambio.

digna Data Reconciliation: il target corrisponde ancora alle sue fonti?

Questo nuovo modulo confronta una fonte dati target con le fonti da cui è stata costruita e vi avvisa quando non corrispondono più. Le regole si configurano nella scheda Data Reconciliation del target, e qualsiasi fonte dati del progetto con la riconciliazione abilitata può fungere da fonte.

Una regola esatta funziona come una regola di data quality per una fonte e un target: abbinate i controlli per statistica e attributo, come conteggi di righe o somme di importi, e impostate una tolleranza assoluta o relativa; la timeline della regola mostra la differenza di ogni giorno rispetto a essa. Nella demo retail, un aggregato giornaliero delle vendite riportava 51.747 € di ricavi lordi il 26 agosto, mentre le sue stesse righe di vendita sommavano 66.205 €: il 21,8% in meno, a fronte di una tolleranza di ± 0,01%.

Una regola AI combina controlli provenienti da più fonti con un unico target, senza join, filtri o aggregazioni da definire. Un modello apprende dallo storico come il target segue le sue fonti e genera un alert quando il target esce dalla banda degli errori passati della regola; ogni regola ha le impostazioni Sensitivity, Memory e Model Complexity. Nella demo, un data mart degli ordini costruito da dieci tabelle sorgente conteneva 1.742 ordini il 6 ottobre, mentre le sue fonti ne prevedevano circa 2.771. Ogni controllo di riconciliazione compare nella Dashboard, concorre allo stato di ispezione e attiva le notifiche. Il video di digna Data Reconciliation illustra entrambi i tipi di regola.

Il digna Engine: scegliete dove eseguire il profiling

Ogni connessione al database ha ora una posizione di profiling, Source Database come impostazione predefinita oppure il digna Engine, per ogni tecnologia sorgente supportata. Il rilascio porta inoltre in digna Data Validation i controlli di integrità referenziale tra connessioni, così un controllo può coprire due connessioni e tecnologie, per esempio Oracle e PostgreSQL, Teradata e Snowflake, oppure Databricks e SQL Server. Quando il profiling resta nel database sorgente, solo le colonne chiave vengono esportate verso l'Engine, e la Dashboard indica quando un controllo viene eseguito su due connessioni. Il video del digna Engine mostra l'impostazione.

Piccole novità nel profiling

Gli attributi di query vi permettono di definire una colonna come espressione SQL e di profilarla come qualsiasi altra, c'è una nuova categoria di colonna Date e potete profilare un singolo attributo su richiesta rispetto allo snapshot di una data.

Chi ne trae vantaggio

I data engineer possono validare i risultati ETL, i team di finanza e controllo di gestione possono eseguire le riconciliazioni standard come regole esatte, i team di governance possono verificare l'integrità referenziale tra tecnologie diverse e gli utenti di business possono interrogare digna tramite un agente. Tutto funziona on-premises o nel vostro cloud privato, così i vostri dati non lasciano mai la vostra infrastruttura. Per vederlo nel contesto, scoprite il product tour di digna.

Per un approfondimento sul nuovo modulo, con entrambi i tipi di regola e gli esempi retail e del data mart degli ordini, leggete come digna Data Reconciliation verifica che i target corrispondano ancora alle loro fonti.

Domande frequenti

Cosa c'è di nuovo in digna Release 2026.11?

digna Agentic, che consente agli agenti AI di lavorare con digna tramite il digna MCP Server, il nuovo modulo digna Data Reconciliation e il digna Engine, con una posizione di profiling per ogni connessione e controlli di integrità referenziale tra connessioni. Il profiling si arricchisce inoltre di attributi di query, di una categoria di colonna Date e del profiling su richiesta.

Quali agenti AI possono lavorare con digna?

Claude e altri agenti AI, tramite il digna MCP Server e il Model Context Protocol. Possono gestire la configurazione, leggere i risultati fino al singolo controllo, analizzare gli alert e rispondere a domande di business.

Qual è la differenza tra regole esatte e regole AI in digna Data Reconciliation?

Una regola esatta abbina un controllo su una fonte a un controllo su un target e li confronta rispetto a una tolleranza assoluta o relativa. Una regola AI combina controlli da più fonti, apprende come il target li segue e genera un alert quando esce dalla banda degli errori passati della regola.

digna può verificare l'integrità referenziale tra due database diversi?

Sì. I controlli di integrità referenziale in digna Data Validation possono coprire due connessioni e tecnologie, come Teradata e Snowflake.