НИИ «МосТрансПроект» — ведущий интеллектуальный центр транспортного планирования, проектирования и аналитики с 77-летней историей. Институт создает решения, которые напрямую влияют на развитие городской среды, мобильность миллионов людей и стратегию транспортной системы столицы. Чтобы эти решения оставались точными, устойчивыми и масштабируемыми, команда запустила проект Data-Driven Culture — системную инициативу по внедрению культуры принятия управленческих решений на основе данных во всех ключевых процессах. В его рамках была выстроена единая аналитическая инфраструктура, стандарты качества данных и практики использования метрик, позволяющие перейти от интуитивных решений к объективным, измеримым и воспроизводимым управленческим действиям. Проект охватывает как стратегический уровень, так и операционные команды, обеспечивая прозрачность, сопоставимость и своевременность данных для принятия решений. О его реализации рассказывает Илья Фошин, начальник отдела управления данными НИИ «МосТрансПроект» и номинант на премию Data Award.

- Как «МосТрансПроект» пришел к реализации этого проекта?

Перед нами стояла цель ускорить процессы работы с данными со стороны транспортных аналитиков, так как они тратили очень много времени на написание новых SQL-запросов к базам данных. Кроме того, мы должны были создать систему автоматического контроля качества данных, которая бы смогла оптимизировать затраты на очистку и проверку данных для проведения качественной аналитики.

- Каковы были ключевые боли, какие конкретные проблемы требовалось решить?

От нас требовалось повысить скорость ответа сотрудника на аналитические вопросы, которые возникали при подготовке материалов к крупным встречам или в рамках проектной деятельности. Также предстояло улучшить и автоматизировать процесс контроля качества данных для аналитики транспортных метрик при подготовке материалов.

- Насколько это важно для организации?

Для организаций госсектора критически важно обеспечивать прозрачность и обоснованность решений, минимизировать управленческие риски и эффективно использовать бюджетные и человеческие ресурсы. До внедрения data-driven-подхода данные существовали разрозненно, некоторые решения принимались с долей субъективности, а анализ требовал значительных временных затрат. Требовалось системно решить эти проблемы и заложить основу для устойчивого развития аналитической культуры в организации.

- Каковы особенности «МосТрансПроекта» с точки зрения потребности в данных и требований к ним?

«МосТрансПроект» является одним из крупнейших генераторов презентаций в госсекторе. А для качественных и емких материалов нужно большое количество цифр. Мы уделяем большое внимание данным, с которыми работаем, так как они являются фундаментом для принятия самых важных транспортных решений в Москве и не только. Для контроля качества данных мы внедрили сервис OpenMetadata и библиотеку Great Expectations.

- Какой был выбран подход? Что включала программа действий?

Построение data-driven-культуры — это очень большой и трудоемкий процесс, который мы начали более трех лет назад. Для начала мы развернули свое хранилище данных, потом запустили работу таск-трекера «Битрикс24», развернули сервис для визуализации данных Apache Superset, после сформировали методологии работы, собрали требования по разработке дашбордов через DashCanvas, а затем разработали сами дашборды

- Какие инструменты потребовались?

Корпоративное хранилище данных построено на PostgreSQL и ClickHouse, автоматические ETL/ELT-процессы реализованы на Apache Airflow. Используется BI-платформа Apache Superset и инструменты контроля качества данных OpenMetadata и Great Expectations. Внедрены стандарты Data Quality, включая контроль полноты, корректности, согласованности и актуальности данных.

Проект охватывает данные из внутренних корпоративных систем — кадровых, проектных, операционных, сервисных, — а также данные по транспортной инфраструктуре и пассажирским потокам.

- Какие организационные меры были предприняты для вовлечения сотрудников в процесс работы с данными?

Наши сотрудники в большинстве своем работают с готовыми результатами на основании данных благодаря нашим дашбордам в Superset. Их потребность в написании SQL-запросов сократилась в сотни раз. Но бывает такое, что сотрудникам все же нужно получить какую-то нестандартную, редкую метрику. Для этого мы открыли возможность писать запросы внутри нашего Superset к таблицам, на которых построены дашборды, через SQL Lab.

- Какие проблемы возникали в ходе проекта, как их решали?

Бывало такое, что требования к разработке дашборда менялись в процессе, так как заказчики понимали, что закрывают потребности не всех транспортных аналитиков. В таком случае часто приходилось сносить дашборд под ноль и формировать заново или перерабатывать уже существующие.

- Каково число пользователей? Какие их группы являются самыми активными?

В нашей системе зарегистрировано более 650 актуальных пользователей, самыми активными пользователями у нас являются сотрудники транспортного планирования, им немного уступают пользователи из группы стратегического планирования.

- Какими результатами проекта можете поделиться?

Сокращено время подготовки аналитической отчетности с нескольких минут, иногда и часов, до секунд: в среднем время подготовки отчетов уменьшилось в 10 раз. Повышена достоверность управленческих данных за счет автоматизированного контроля качества: сокращение количества повторных запросов в три раза.

Для руководства и ключевых подразделений внедрены транспортные и операционные дашборды. Кроме того, реализованы прикладные кейсы, в том числе аналитика запуска транспортных маршрутов в режиме, близком к реальному времени. Ожидаем масштабирование data-driven практик на новые направления деятельности с уклоном в транспортную предиктивную аналитику.

- По вашему мнению, в каких процессах внедрение data-driven-культуры принесло наибольший эффект?

Конечно же, с явным опережением идут процессы транспортного планирования и проектирования, но влияние data-driven так же сильно чувствуется на операционной деятельности. В части работы HR это заметнее всего.

- А в чем эта data-driven-культура выражается? Что показывает, что она действительно появилась?

Data-driven-культура выражается в том, что данные стали основой для принятия решений — как в транспортном планировании, так и в операционной деятельности. О том, что культура появилась и продолжает развиваться, нам показывают метрики посещаемости нашей системы, каждого нашего дашборда и количество запросов в SQL Lab.

- В чем роль проекта для «МосТрансПроекта»?

Он обеспечил обоснованность управленческих решений, повышение эффективности реализации государственных транспортных проектов и единое информационное пространство для всех уровней управления. Внедренная data-driven-культура стала фундаментом для стратегического и операционного планирования, а также для оценки эффективности проектов и команд.

Проект изменил подход сотрудников к работе с информацией: данные стали обязательным аргументом при принятии решений, а не только вспомогательным инструментом.

- А что проект дал столичному транспорту?

Раньше, когда в городе запускался новый транспортный маршрут, эксперты оценивали его работу «вручную»: выходили на одну из точек и фиксировали пассажиропоток, интервалы, загрузку вагонов. Эти данные были ценными, однако фрагментарными: они показывали ситуацию в конкретном месте и в конкретное время. Полной картины на всем промежутке маршрута не было, а управленческие решения приходилось принимать на основе ограниченной выборки.

К примеру, задача оценки загруженности нового маршрута с помощью нашего подхода теперь решается совсем по-другому. Мы автоматически собираем данные с валидаторов — видим реальный пассажиропоток по каждой остановке и в разрезе времени. Дополнительно анализируем интервалы движения вагонов через метрики депо и данные с камер на линии. Все показатели объединяются в единую систему и выводятся в наглядные дашборды.

В результате мы получаем не точечное наблюдение, а сквозную аналитику по всему маршруту: где происходит перегруз, где есть резерв провозной способности, как соблюдается расписание и как меняется спрос в динамике. Это позволяет принимать обоснованные управленческие решения — оперативно корректировать интервалы, выпуск подвижного состава и логистику.

То есть значение проекта для транспортной отрасли заключается в переходе от экспертной оценки «в поле» к системной цифровой модели управления маршрутной сетью. Такой подход повышает точность планирования, снижает риски неэффективных решений и формирует новый стандарт анализа работы городского транспорта на этапе запуска и масштабирования маршрутов.

- В каких направлениях будет развиваться проект?

Будем масштабировать количество дашбордов, оптимизировать процессы работы сотрудников компании, помогать руководителям контролировать и измерять работу. На этот год у нас запланировано более 12 новых дашбордов как для транспортной, так и для операционной деятельности.