[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-semantic-layer::ru":3,"gloss-cluster-semantic-layer::ru":23,"gloss-next-semantic-layer::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"semantic-layer","analytics","Семантический слой (Semantic Layer)","Семантический слой — это централизованное определение ваших бизнес-метрик, то есть что `активный пользователь`, `MRR` или `валовая маржа` на самом деле означают на SQL, — расположенное между хранилищем данных и каждым инструментом, который его запрашивает. Вместо того чтобы каждый дашборд, ноутбук и BI-инструмент заново реализовывали расчёт выручки (и получали слегка разные числа), все они обращаются к одному управляемому определению. Распространённые реализации — dbt Semantic Layer, Cube и LookML в Looker. Для разработчиков боль, которую он снимает, — это совещание, где финансы, продукт и CEO называют разный `MRR`, и никто не знает, какой из них верный; семантический слой превращает метрику в единый версионируемый артефакт. Он также отделяет логику метрик от инструмента отображения, так что смена BI-вендора не означает переписывания каждой формулы. Практический совет: он ценнее всего, когда у одних и тех же данных несколько потребителей; одинокому основателю с единственным дашбордом он пока не нужен. Определяйте метрики как код, ревьюйте изменения в pull-запросах и держите измерения согласованными.","Семантический слой централизует то, что метрики означают на SQL, чтобы каждый дашборд и BI считали MRR одинаково, а не изобретали свою версию.",null,[11,14,17,20],{"slug":12,"name":13},"data-warehouse","Хранилище данных (Data Warehouse)",{"slug":15,"name":16},"materialized-view","Материализованное представление",{"slug":18,"name":19},"olap","OLAP (аналитическая обработка данных)",{"slug":21,"name":22},"warehouse-native-analytics","Аналитика на базе хранилища (Warehouse-Native)",[24,28,31,35,38,41,44,47,50,53,56,59],{"slug":25,"category":5,"name":26,"updated_at":27},"ab-testing","A\u002FB-тестирование","2026-08-24T02:46:38+00:00",{"slug":29,"category":5,"name":30,"updated_at":27},"active-user","Активный пользователь (DAU, WAU, MAU)",{"slug":32,"category":5,"name":33,"updated_at":34},"autocapture","Автозахват (Autocapture)","2026-08-24T02:46:37+00:00",{"slug":36,"category":5,"name":37,"updated_at":27},"cost-per-resolution","Стоимость решения обращения (cost per resolution)",{"slug":39,"category":5,"name":40,"updated_at":34},"customer-data-platform","Платформа клиентских данных (CDP)",{"slug":42,"category":5,"name":43,"updated_at":27},"deflection-rate","Доля самообслуживания (deflection rate)",{"slug":45,"category":5,"name":46,"updated_at":27},"guardrail-metric","Метрика-ограничитель",{"slug":48,"category":5,"name":49,"updated_at":34},"identity-resolution","Разрешение идентичности (Identity Resolution)",{"slug":51,"category":5,"name":52,"updated_at":34},"multi-touch-attribution","Многоканальная атрибуция (Multi-Touch Attribution)",{"slug":54,"category":5,"name":55,"updated_at":27},"novelty-effect","Эффект новизны",{"slug":57,"category":5,"name":58,"updated_at":34},"retention-curve","Кривая удержания (Retention Curve)",{"slug":60,"category":5,"name":61,"updated_at":27},"sample-ratio-mismatch","Расхождение долей выборки (SRM)"]