В рамках цифровой трансформации компании «АстраЗенека» был реализован проект внедрения российской платформы для управления корпоративными данными RT.DataGovernance при методологической поддержке команды Axenix. Это позволило создать единую экосистему управления данными внутри компании, которая обеспечивает быстрый доступ, эффективное управление и контроль над качеством данных, а также ускоряет процессы аналитики. О реализации проекта рассказывают Максим Кириченко, Head of Data Management «АстраЗенека» в России и Евразии, Полина Сорокина, Data governance & Data strategy Manager компании Axenix, и Александр Юрасов, директор по разработке инструментов управления данными TData, – номинанты на премию Data Award.

- Почему «АстраЗенека» начала внедрение платформы управления корпоративными данными?

Максим Кириченко: В нашей компании данные играют ключевую роль для принятия эффективных управленческих решений, мы активно придерживаемся подхода data-driven. На ближайший стратегический период в «АстраЗенека» запланирована глубокая цифровая трансформация, которая выводит роль данных на передний план. Одним из ключевых компонентов успеха является наличие единой модели данных по ключевым доменам, возможность быстрого поиска данных в контуре организации и обеспечение качества данных. Проект стал важной частью цифровой трансформации и направлен на то, чтобы заложить прочный фундамент для реализации будущих инициатив.

- Какие цели были поставлены? Какие принципы пытались соблюсти?

М.К.: Стратегическая цель – создать единую экосистему управления корпоративными данными, поддерживающую цифровую трансформацию компании и data driven принятие решений.

На практике это означало три ключевых ориентира: сформировать единую бизнес ориентированную модель данных по приоритетным доменам, внедрить каталог данных как «единое окно» поиска информации о данных и контроля их качества, закрепить ролевую модель и процессы, чтобы повысить доверие к данным и обеспечить соответствие внутренним и внешним стандартам.

- Какие требования предъявлялись к платформе?

Александр Юрасов: Требования к платформe управления данными (Data Governance) в компании «АстраЗенека» формировались под влиянием двух основных факторов: жесткого отраслевого регулирования (стандарты GxP) и стремительных изменений в национальном законодательстве: импортозамещение, КИИ, защита данных. Поэтому при выборе платформы RT.DataGovernance, наряду с функциональными характеристиками, ключевой запрос был в юридической безопасности, соответствии лицензионным требованиям и высоким внутренним архитектурным стандартам.

- Какое решение было выбрано и почему?

М.К.: Мы выбрали платформу RT.DataGovernance как централизованное решение для управления жизненным циклом данных, потому что она обеспечивает сквозную работу с метаданными – от каталога и бизнес глоссария до прослеживаемости происхождения данных и мониторинга качества. Важным фактором по ходу проекта стала гибкость. Совместно с TData и Axenix мы смогли оперативно адаптировать платформу под особенности нашей компании и учли особенности фармацевтической отрасли, реализовав доработки без увеличения сроков проекта.

Дополнительно мы учитывали требования локальной поддержки и устойчивости: решение развивается на российском рынке, обеспечивает необходимый уровень сервисной доступности и снижает технологические риски в долгосрочной перспективе.

- С какого направления решили начать внедрение платформы и почему?

Полина Сорокина: Для реализации проекта было выделено два параллельных стрима: разработка единой модели данных для трех доменов, а также внедрение и пилотирование каталога данных на одном выбранном домене. Для пилотирования каталога данных был выбран уникальный домен – экосистема работы со специалистами здравоохранения, охватывающий пять ключевых источников метаданных, более 4 тыс. таблиц и свыше 300 отчетов.

Экосистема работы со специалистами здравоохранения обладает определенной спецификой, в том числе сложной моделью данных, включающей внутренние и внешние источники, а также большим объемом данных с множеством пересекающихся метрик и показателей. Требования, предъявляемые к аналитическим продуктам, там были особенно высокие, так как у отчетности огромная пользовательская база, включая большое число полевых сотрудников.

М.К.: Мы сознательно стартовали с самого требовательного контура, чтобы сразу проверить масштабируемость и практическую ценность подхода. Это давало высокую «видимость» результата и одновременно служило стресс тестом для процессов, ролевой модели и контроля качества.

Отработав там ключевые механики, мы получили воспроизводимые шаблоны, которые переносим на другие домены без потери темпа. Проще говоря, мы начали там, где требования самые высокие, чтобы быстрее подтвердить ценность и сразу заложить стандарты для масштабирования.

- Как распределены обязанности и зоны ответственности между заказчиком, интегратором и вендором?

М.К.: Как правило, сложности обоснования эффективности проектов, опасения длительного процесса адаптации и привыкания среди бизнес-пользователей и сложности управления изменениями затягивают процесс внедрения инициатив по управлению данными. В случае с нашим проектом понимание ценности решаемых задач и поддержка со стороны руководства компании «АстраЗенека», в совокупности с общей вовлеченностью команд позволили успешно реализовать проект в сжатые сроки.

Для выполнения поставленных целей и задач было задействовано четыре команды, каждая со своей зоной ответственности. Рабочая группа со стороны «АстраЗенека» отвечала за адаптацию процессов к фармацевтической специфике, пилотирование и поддержку процессов управления данными. Команда по пилотированию каталога данных со стороны Axenix отвечала за методологическую поддержку, формирование целевой процессной и ролевой модели, настройку каталога и обучение пользователей. Команда по разработке единой модели данных со стороны Axenix и офиса данных «АстраЗенека» отвечала за формирование единой модели данных по трем ключевым доменам – продажи, экосистема, рыночные исследования. Команда по внедрению и технической поддержке решения со стороны TData отвечала за развертывание, обеспечение интеграций и техническую поддержку решения.

Эффективное взаимодействие этих команд позволило обеспечить синергию в выполнении поставленных задач и уложиться в кратчайшие сроки.

- Какие работы уже проведены в рамках проекта?

П.С.: Для реализации амбициозной задачи, стоящей перед нами, командой Axenix была разработана методология управления данными, учитывающая особенности отрасли, ее специфику и регуляторные требования. Выбранное решение RT.DataGovernance показало гибкость и готовность в короткие сроки реализовать доработки, чтобы соответствовать высоким запросам фармацевтической отрасли и индустриальной специфике. В рамках внедрения было реализовано порядка 16 доработок для адаптации к нюансам процессов фармацевтической компании, также более 25 доработок для общего развития системы как продукта без увеличения сроков проекта.

Наш проект выступил примером того, что возможно в сжатые сроки добиться значимых результатов по пилотированию процессов управления данными на одном домене и оперативно приступить к масштабированию на остальные домены.

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

М.К.: Мы столкнулись с разрозненностью терминологии и метрик между системами, ограниченной прозрачностью качества и происхождения данных, а также с необходимостью перестроить привычные процессы команд. Дополнительно проявились регуляторные ограничения при работе с чувствительными данными и риск дублирования аналитических активов и закупок. Эти вопросы стали фокусом пилотного проекта и задали приоритеты по выравниванию определений, повышению наблюдаемости данных, настройке ролевой модели и уточнению процессов работы с данными.

А.Ю.: Основная проблема, которую нам как вендору предстояло решать, заключалась в необходимости быстрой реакции на запросы бизнеса по дополнительной функциональности продукта для обеспечения требований методологии. При внедрении мы делали акцент не на формальном соответствии решения требованиям технического задания, а на его практической пользе для улучшения качества принимаемых управленческих решений и сокращения времени получения актуальной аналитической информации.

- Каких эффектов удалось достичь?

М.К.: Внедрение платформы позволило сократить время на подготовку аналитических продуктов, повысить доверие к данным и усилить соответствие внутренним и внешним стандартам качества. Единая модель данных позволила решать новые аналитические задачи, руководствуясь прежде всего бизнес-логикой, а не техническими ограничениями источников – например, время на поиск данных благодаря каталогу сократилось с дней и часов до считанных минут. Каталог данных стал неотъемлемой частью разработки аналитических продуктов, что позволило внедрить практики управления данными в ежедневные задачи команд. Система стала единым местом ведения документации, а также позволила снизить нагрузку при решении ad-hoc запросов.

Возможности инструмента позволили осуществлять мониторинг и оценивать качество данных в едином окне, оперативно сигнализируя об инцидентах качества данных. Понятный и прозрачный процесс расследования и решения инцидентов качества позволил существенно сократить время на реагирование и повысить доверие к данным у бизнес-пользователей.

Удалось избежать дублирования задач команд по существующим аналитическим активам, благодаря ведению реестра всех аналитических активов в каталоге. За счет оптимизации процесса закупки данных и включении обязательного этапа документирования всех закупаемых данных, удалось снизить риски вторичной закупки данных.

Назначение ролей по управлению данными – владелец данных, дата-стюард, архитектор данных, разработчик решений – позволило обеспечить закрепление зон ответственности на каждом этапе жизненного цикла данных.

- Какие результаты ожидаются с финансовой точки зрения?

М.К.: Мы видим несколько направлений эффекта. Во‑первых, снижение совокупной стоимости владения аналитикой за счет сокращения времени поиска и подготовки — переход с дней и часов на минуты. Во‑вторых, оптимизация закупок данных: обязательное документирование источников снижает риск вторичной закупки. В‑третьих, уменьшение простоев из‑за инцидентов качества благодаря проактивному мониторингу и ускоренному расследованию.

И, наконец, рост ROI аналитических продуктов за счет ускоренного вывода и переиспользования наборов данных и метрик. Конкретные цифры мы подтверждаем внутренней калькуляцией, но уже на пилоте эффект по времени и снижению дублей задач доказан.

- Фармацевтика и здравоохранение имеют специфику, связанную с данными…

М.К.: Ужесточение регуляторных требований к обработке чувствительных данных и рост их объема требует от нас особой их защиты. Важно отметить, что правила информационной безопасности в фармацевтической отрасли сопоставимы по уровню требований с финансовой отраслью.

Ключевой особенностью было то, что в рамках выбранного домена особую роль занимали персональные данные сотрудников и врачей, которые являются основными участниками коммуникаций по препарату. Это означало, что при проектировании процессов управления данными необходимо обеспечить соответствие требованиям безопасности. Возможности функционала RT.DataGovernance позволяют маркировать такие данные и подсвечивать их в каталоге, обеспечивая контроль за чувствительными данными.

- В чем роль проекта для бизнеса компании?

М.К.: Каталог данных стал для бизнеса единым окном доверия к данным – централизованной точкой доступа, где любой сотрудник видит не просто наличие данных, а их полный контекст: происхождение, бизнес-описание, качество и ответственных владельцев. Это позволило снизить нагрузку на бэк-офис и ИТ, демократизировать доступ к данным и укрепить data-driven культуру среди большого числа вовлеченных сотрудников.

- А каково значение для отрасли?

М.К.: Фармацевтическая отрасль переживает этап трансформации: ускоренная цифровизация здравоохранения, развитие систем маркировки Мониторинга движения лекарственных препаратов (МДЛП), импортозамещение и новые регуляторные требования повышают потребность в управлении большим объемом разрозненных данных. Лидеры отрасли достигают необходимой степени зрелости и готовы к внедрению практик Data Governance. Мы приняли решение активно развивать это направление и стали в нем одним из первопроходцев на российском рынке.

- Что дальше? Каковы направления развития проекта?

М.К.: На следующем этапе фокус смещается на масштабирование и углубление. Мы планируем распространить модель и каталог данных на приоритетные домены с высокой операционной отдачей, расширить контроль качества с формализацией порогов критичности и соглашений об обслуживании данных, а также увеличить покрытие прослеживаемости на интеграции, витрины и BI. Параллельно усилим управление доступом и защиту чувствительных данных, встроим практики управления данными в стандартные процессы закупки и разработки, и поддержим культуру через регулярное обучение и онбординг.

Ожидаемый результат – встроить управление данными в повседневные процессы как стабильную «производственную линию». При таком подходе единые определения и наборы метрик используются повторно, выпуск аналитических продуктов становится предсказуемым по срокам, инциденты качества выявляются и закрываются по SLA, затраты на поиск и согласование данных сокращаются, а ответственность за данные закреплена и прозрачна на уровне доменов.