Release 2026.06: Wprowadzenie Data Observability do Twojego kodu

Praca nad jakością danych po cichu przeniosła się poza interfejs użytkownika. Potoki są definiowane w kodzie, wdrożenia są konteneryzowane, a środowiska są promowane za pomocą CI/CD. Wraz z wersją Release 2026.06, digna wychodzi naprzeciw zespołom tam, gdzie ta praca już się odbywa.

To wydanie wprowadza Python SDK dla digna, oficjalne wsparcie dla Docker, nowe ustawienie QueryMode do wykonywania zapytań SQL, konfigurowalny model predykcji do wykrywania anomalii, przeprojektowany pulpit nawigacyjny, oraz rozszerzony import i eksport reguł walidacji.

Obejrzyj przegląd wydania: digna Release 2026.06 na YouTube

digna Python SDK: zautomatyzuj wszystko z poziomu kodu

Główną nowością w wersji 2026.06 jest nowy Python SDK. Dzieli Cię od niego tylko jedna instalacja:

Od tego momentu większość rzeczy, które normalnie konfigurowałbyś w interfejsie digna, można wyrazić w języku Python:

• Programowe tworzenie i konfigurowanie projektów danych

• Uruchamianie inspekcji i procesów monitorowania

• Zarządzanie zbiorami danych, regułami walidacji i konfiguracjami w kodzie

• Profilowanie tabel i wyodrębnianie metadanych

• Eksportowanie wyników profilowania i jakości danych do zewnętrznych systemów i repozytoriów

• Integracja digna z notatnikami, narzędziami do orkiestracji i potokami CI/CD

Dla inżynierów danych zamienia to konfigurację jakości danych w infrastrukturę jako kod (infrastructure-as-code). Definicje projektów znajdują się w kontroli wersji, przegląd odbywa się w żądaniach pull request, a nowe środowisko może zostać przygotowane na podstawie tego samego skryptu, który zbudował poprzednie.

Dla analityków danych (data scientists) SDK otwiera zupełnie inne drzwi. Wyniki wykrywania anomalii i profilowania digna stają się danymi wejściowymi do własnych analiz. Pobierz historię profilowania do notatnika, połącz ją z danymi biznesowymi lub przesyłaj sygnały jakości do dalszych procesów uczenia maszynowego. Observability przestaje być osobnym pulpitem nawigacyjnym, a staje się częścią analitycznego łańcucha narzędzi.

A ponieważ digna działa całkowicie w Twoim środowisku, nic z tego nie zmienia modelu suwerenności danych. SDK komunikuje się z Twoją instalacją, nie z naszą.

Wsparcie dla Docker: wdrażaj digna tam, gdzie ma to sens

Wersja Release 2026.06 dodaje oficjalne wsparcie dla obrazów Docker. Instalacja, testowanie, skalowanie i zarządzanie środowiskiem stają się prostsze, a wdrożenia stają się powtarzalne w środowiskach deweloperskich, testowych i produkcyjnych.

Praktyczne korzyści:

• Spójna konfiguracja w każdym środowisku, bez ręcznych kroków instalacji

• Prosta integracja z Kubernetes i innymi platformami kontenerowymi

• Szybsze wdrożenie nowych środowisk i instalacji demonstracyjnych (proof-of-concept)

• Ta sama platforma w infrastrukturze lokalnej (on-premises), chmurze prywatnej i środowiskach hybrydowych

Ma to największe znaczenie w branżach regulowanych, gdzie kontrola nad wdrożeniem, bezpieczeństwo i governance nie podlegają negocjacjom. Konteneryzacja zapewnia zespołom platformowym przejrzysty, audytowalny sposób uruchamiania digna we własnym środowisku.

QueryMode: wybierz sposób wykonywania zapytań SQL

digna wykonuje swoje kontrole wewnątrz Twojego silnika bazy danych. Wersja Release 2026.06 daje Ci kontrolę nad strukturą tych zapytań dzięki nowemu ustawieniu QueryMode z dwiema opcjami.

Single mode oblicza każdą statystykę za pomocą osobnego, dedykowanego zapytania SQL. Generuje to większą liczbę zapytań, ale znacznie mniejsze zużycie pamięci na zapytanie. To właściwy wybór w przypadku bardzo dużych źródeł danych lub systemów, w których połączone zapytania mogą przekroczyć limity buforowania lub doprowadzić do braku pamięci.

Combined mode oblicza wszystkie statystyki w ramach jednego zapytania SQL. Mniej zapytań, mniejsze obciążenie sieci i lepsza przepustowość, gdy źródło danych swobodnie mieści się w pamięci. Rozwiązanie to sprawdza się przy częstych, równoległych wykonaniach na zarządzalnych wolumenach danych.

Nie ma tutaj jednej uniwersalnej odpowiedzi, i właśnie dlatego jest to teraz ustawienie. QueryMode pozwala dostosować równowagę między wydajnością, zużyciem zasobów a bezpieczeństwem pamięci dla każdego źródła danych, zamiast akceptować jedną strategię wykonania dla wszystkiego.

Konfigurowalny model predykcji

Wykrywanie anomalii w digna opiera się na modelu, który uczy się normalnego zachowania każdego szeregu czasowego i flaguje odchylenia od normy. W wersji 2026.06 sam ten model staje się konfigurowalny za pomocą siedmiu parametrów:

• Czułość na zmiany strukturalne (Break Sensitivity)

• Czułość na wartości odstające (Outlier Sensitivity)

• Pamięć (Memory)

• Siła regularyzacji grzbietowej (Ridge Strength)

• Tolerancja luk (Gap Tolerance)

• Korekta wartości odstających (Outlier Correction)

• Wąskość przedziału prawdopodobieństwa (Plausible Range Tightness)

Parametry te uzupełniają istniejące ustawienia czułości (Sensitivity) i pamięci (Memory) w przedziale tolerancji i dotyczą innej klasy problemów. Podczas gdy przedział tolerancji kontroluje szerokość akceptowalnego zakresu, te parametry kontrolują przede wszystkim sposób dopasowania leżącej u podstaw predykcji: jak szybko dostosowuje się ona do zmian strukturalnych, jaki wpływ ma historia, jak traktuje luki i wartości odstające.

Ustawienia domyślne sprawdzają się w zdecydowanej większości serii, a każdy parametr można w dowolnym momencie przywrócić do wartości domyślnej. W przypadku serii zachowujących się nietypowo, sezonowych, ze znanymi skokowymi zmianami poziomu, bądź z ubogą historią, masz teraz możliwość sprawienia, by model odzwierciedlał rzeczywistość zamiast próbować ją obchodzić. Jeśli nie masz pewności, po który parametr sięgnąć, skontaktuj się z nami; chętnie pomożemy Ci skonfigurować go prawidłowo, zamiast pozwalać na zgadywanie.

Przeprojektowany pulpit nawigacyjny

Pulpit nawigacyjny został przebudowany, zyskując nowoczesny interfejs użytkownika i bardziej przejrzystą strukturę. Nawigacja jest bardziej bezpośrednia, wyniki monitorowania i wnioski dotyczące jakości są łatwiejsze do przeskanowania, a alerty, statystyki i wykresy – bardziej czytelne.

Cel jest prosty: mniej czasu spędzonego na szukaniu istotnych informacji, więcej czasu na reagowanie. Zespoły sprawdzające aplikację digna każdego ranka powinny od razu zauważyć różnicę.

Rozszerzony import i eksport reguł walidacji

Reguły walidacji reprezentują rzeczywistą wiedzę instytucjonalną. Wersja Release 2026.06 sprawia, że są one znacznie łatwiejsze do przenoszenia.

Funkcje importu i eksportu zostały rozszerzone, dzięki czemu zestawy reguł mogą bez problemu migrować między środowiskami i projektami. Możesz zbudować i przetestować ustandaryzowany zestaw reguł w środowisku deweloperskim, przenieść go na produkcję i ponownie wykorzystać w innych zespołach bez konieczności ręcznego tworzenia go od nowa. W połączeniu z pakietem SDK daje to zespołom ds. ładu danymi (governance) właściwy cykl życia dla logiki walidacji: raz napisana, wersjonowana, przeglądana i wdrażana w spójny sposób.

Aktualizacje CLI

Interfejs wiersza poleceń został zaktualizowany wraz z tym wydaniem:

• Wsparcie integracji z SDK

• Ulepszone przepływy pracy dla importu i eksportu

• Ogólne poprawki stabilności i wydajności

Kto skorzysta na tej wersji

• Inżynierowie danych zyskują automatyzację, dostęp do SDK i integrację z potokami danych

• Zespoły platformowe otrzymują uproszczone, skonteneryzowane wdrożenie

• Zespoły ds. zarządzania danymi (Data Governance) zyskują przenośne i wielokrotnego użytku zarządzanie regułami walidacji

• Zespoły analityczne zyskują lepszą użyteczność i większą przejrzystość wyników

• Analitycy danych (data scientists) zyskują programowy dostęp do wyników profilowania i wykrywania anomalii

Rozpoczęcie pracy

Wersja Release 2026.06 kontynuuje strategię rozszerzania Observability firmy digna poza tradycyjny monitoring – w kierunku szerszych procesów inżynieryjnych i analitycznych. Modułowa architektura platformy obejmuje teraz rozwiązania digna Data Anomalies, digna Data Analytics, digna Data Validation, digna Timeliness oraz digna Schema Tracker, a wszystkie one działają w ramach Twojej własnej infrastruktury.

Dotychczasowi klienci mogą dokonać aktualizacji w ramach standardowego procesu; aktualizacje zazwyczaj trwają mniej niż godzinę. Pełne szczegóły znajdują się w dzienniku zmian wersji Release 2026.06, a biblioteka Python SDK jest już dostępna pod adresem 

pip install digna-sdk.

Aby zapoznać się ze wszystkimi nowościami w tym wydaniu, obejrzyj wideo:

digna Release 2026.06 na YouTube

Masz pytania dotyczące SDK, wdrażania Docker lub dostrajania modelu predykcji? Skontaktuj się z nami, a przeprowadzimy Cię przez cały proces.

Najczęściej zadawane pytania

Co zawiera digna Release 2026.06?

Sześć zmian: SDK dla Pythona, oficjalne wsparcie Dockera, nowe ustawienie QueryMode dla wykonywania SQL, konfigurowalny model predykcji na potrzeby wykrywania anomalii, przeprojektowany pulpit oraz rozszerzony import i eksport reguł walidacji. Równolegle zaktualizowano CLI.

Co potrafi SDK digna dla Pythona?

Po pip install digna-sdk większość tego, co konfigurujesz w interfejsie, da się wyrazić w Pythonie: tworzyć i konfigurować projekty danych, uruchamiać inspekcje, zarządzać zbiorami i regułami walidacji w kodzie, profilować tabele, eksportować wyniki oraz integrować digna z notebookami, narzędziami orkiestracji i potokami CI/CD.

Co zmienia ustawienie QueryMode?

Sposób, w jaki digna buduje SQL wykonywany w Twoim silniku bazodanowym. Tryb Single liczy każdą statystykę osobnym zapytaniem, a tryb Combined liczy wszystkie statystyki w jednym. Nie ma uniwersalnie poprawnej odpowiedzi i właśnie dlatego stało się to ustawieniem.

Które parametry wykrywania anomalii są konfigurowalne?

Siedem: Break Sensitivity, Outlier Sensitivity, Memory, Ridge Strength, Gap Tolerance, Outlier Correction i Plausible Range Tightness. Uzupełniają istniejące ustawienia Sensitivity i Memory pasma tolerancji, a każdy parametr można w każdej chwili przywrócić do wartości domyślnej.

Czy wdrożenie w Dockerze zmienia miejsce przechowywania danych?

Nie. digna nadal działa w całości wewnątrz Twojego środowiska, więc model suwerenności danych pozostaje bez zmian. Docker daje spójną instalację we wszystkich środowiskach, prostą integrację z Kubernetes i szybsze uruchomienie, a obecni klienci zwykle kończą aktualizację w mniej niż godzinę.