Зачем надо управлять информационными активами?

Любая компания или организация рано или поздно сталкивается с задачей управления всеми своими информационными активами, решение которой невозможно без получения ответов на следующие вопросы: насколько эффективно в организован процесс обнаружения данных, требуемых для решения новой бизнес-задачи; каков их состав, периодичность наблюдения и историческая глубина; где в организации размещены данные и как обеспечен доступ к ним; какие исходные данные проанализированы, какие получены результаты, как они реально использовались и какой был получен эффект. Доклад посвящен обсуждению особенностей организации учета корпоративных информационных активов, требуемого для их эффективного управления. Дается обоснование необходимости ведения корпоративной модели данных, бизнес-глоссария и каталога данных – необходимых предпосылок для формирования архитектуры данных. Кроме того в докладе разбирается проблема качества данных: семантическая основа качества, ценность конкретных данных для аналитики и проверки бизнес-правил, выделение информационных активов, критичных и ценных для операционной деятельности, подготовки и принятия управленческих решений.

Стратегия управления данными: центры монетизации

В течение следующих трех лет 44% организаций во всем мире планируют существенно изменить свою бизнес-модель, спектр предлагаемых сервисов и продуктов, что вызвано как бурным развитием цифровых технологий, так и необходимостью быть ближе к клиентам и заказчикам, оперируя всеми доступными предприятиям данными. Как следствие, почти 92% компаний рассматривают управление корпоративными данными в качестве ключевого элемента своей бизнес-стратегии. Доклад посвящен анализу особенностей проектов монетизации данных, которые сейчас входят в пятерку ключевых направлений развития для компаний. Особое внимание уделено обсуждению возможностей, открываемых перед бизнесом в результате правильно организованных процессов сбора, анализа и доставки данных – на примере проекта построения центра монетизации данных одной из международных компаний.

«Сциллы и Харибды» цифровой трансформации

Сегодня все ждут чудес от «цифровой трансформации», обещающей бизнес-прорыв, решение всех проблем и тому подобного «овеществления духов и раздачи слонов». Да, цифровизация – это сейчас стильно, модно и молодежно, но так ли конкретным компаниям нужна цифровая трансформация, а если нужна, то зачем? Все ли компании понимают, что такое «цифровые продукты» и способны создать «технологические карты» их производства? Достаточно ли нанять пятерых исследователей данных (data scientists), «запилить» «озерцо» данных, а затем уверенно докладывать на разного рода конференциях и собраниях акционеров – «мы самое цифровое предприятие в отрасли»?
Даже если у руководства компании имеется понимание необходимости цифровизации, то требуется, чтобы культура работы с данными стала неотъемлемой частью работы всего коллектива. Истинная цифровизация происходит только тогда, когда данные становятся реальным активом предприятия и когда с ними умеют работать его сотрудники на любом уровне управления. Доклад посвящен опыту, который сегодня приобретает Счетная палата Российской Федерации на пути реальной, а не «бумажной» цифровизации. Что такое «управление, основанное на данных» для конкретной организации? Как составить «карты данных», поставить и решать аналитические задачи? Как использовать в работе методы прогнозной аналитики? Как изменится ИТ-стратегия и работа ИТ-подразделения? Особое внимание уделено проблемам инициации «цифровой трансформации», подбору команды и организации процесса изменений.

Национальная система управления данными: задачи и барьеры

С конца 2018 года в России идет работа над созданием Национальной системы управления данными (НСУД), аккумулирующей всю имеющуюся у государства информацию о гражданах, компаниях и объектах. Единая среда должна объединить больше сотни систем и федеральных информационных ресурсов, радикально ускорив процессы предоставления государственных услуг. В большей степени НСУД ориентирована на потребности физических и юридических лиц, на ускорение процесса предоставления сервисов, исключающего влияние человеческого фактора при обмене юридически значимыми данными. Доклад посвящен анализу планов и шагов, необходимых для создания НСУД на трехлетнюю перспективу. Особое внимание уделено обсуждению вызовов, которые стоят перед разработчиками и ожидаемых результатов, имеющих значимое влияние на органы власти, бизнес цифровой экономики и граждан страны.

Данные, спасающие жизни: «ЭРА-ГЛОНАСС»

Уже несколько лет государственная система «ЭРА-ГЛОНАСС» обеспечивает в России оперативный анализ и передачу данных службам экстренного реагирования, помогая спасать жизнь и здоровье людей, попавших в ДТП. Какие данные нужны, чтобы уложиться в «золотой час» и спасти жизнь человека? Как сделать этот процесс эффективнее? Почему водители, несмотря на социальную значимость проекта, продолжают опасаться установки в свои автомобили устройств вызова экстренных оперативных служб? Существуют ли реальные риски злоупотребления не персональными данными о транспортных средствах и их владельцах? В докладе даны ответы на эти и другие вопросы, связанные с обеспечением безопасности на транспорте, а также рассматривается задача управления данными между всеми входящими в транспортную инфраструктуру службами, ведомствами, организациями и компаниями, от эффективного решения которой, в конечном счете, зависит жизнь людей.

НСУД: ведомственные витрины данных

Значительный рост объемов услуг, предоставляемых в цифровой форме и увеличение информационных потоков делает весьма актуальной проблему обеспечения качества и доступности государственных данных. Кроме этого требует своего решения задача обеспечения согласованности и непротиворечивости сведений, получаемых из множества источников. При этом необходимо оптимизировать затраты на интеграцию с одновременным снижением нагрузки на каналы связи с целью избежать постоянных сверок. Доклад посвящен ответам на эти и другие вопросы, возникающие при обеспечении межведомственного взаимодействия с использованием НСУД. Особое внимание уделено обзору архитектуры национальной системы управления данными и обсуждению преимуществ, которые федеральные структуры, ведомства и граждане получат от НСУД.

Доставка данных в корпоративных хранилищах

Число источников, объемы и разнообразие данных для современных корпоративных хранилищ постоянно растут, что часто не позволяет применять классические подходы с центральным ETL-сервером (извлечение, преобразование и загрузка) – решение получается медленным, сложным и дорогим. Как следствие, все большую популярность приобретает подход ELT (извлечение, загрузка и преобразование), в частности, реализуемый с помощью технологии NiFi из стека Apache\Hadoop, представляющей собой удобный и масштабируемый транспорт с возможностями преобразования. Доклад посвящен обсуждению особенностей применения данной технологии для построения практически неограниченных динамических масштабируемых хранилищ данных, применяемых для ведения бизнеса. Особое внимание уделено разбору конкретных ситуаций адаптации хранилища для решения конкретных задач управления разнообразным бизнесом телекоммуникационной корпорации.

AI Governance: «умное» управление корпоративными данными

Стратегия «Развиваем цифровой мир» компании «МегаФон» ориентирована на цифрового клиента и вполне естественно, что при решении широкого спектра задач клиентского сервиса цифровой экосистемы, использующей все доступные корпоративные данные, применяются, в том числе, технологии искусственного интеллекта (AI Governance). При обращении клиента в контактный центр он взаимодействуют с виртуальным помощником «Елена», решающим большинство вопросов абонента, а чат-бот «Суфлер» помогает оператору-человеку найти нужную информацию в базе знаний. Распознавание по голосу позволяет обслужить клиента, не затрачивая время на проведение идентификации традиционными средствами. Клиент может задать свой вопрос «Суфлеру » или обратиться к компании через ассистентов «Алиса» и Google assistant. Если для абонента имеется персонального предложения, то ему позвонит виртуальный роботизированный оператор и с согласия клиента подключит его к необходимой услуге. Кроме этого, решение по речевой аналитике позволяет контролировать качество обслуживания по каждому обращению. Доклад посвящен обсуждению задач, решаемых Клиентским Сервисом «МегаФон» и возможностей применения технологий стека AI Governance для их решения. Особое внимание уделено анализу полученных результатов и перспектив дальнейшего развития клиентского сервиса.

Аналитическая культура организации. Проблемы и пути развития

Приобретение оборудования и ПО, прием на работу дорогих исследователей данных (data scientist) далеко не всегда являются достаточным условием успешного выполнения проектов цифровой трансформации и монетизации данных, как части задачи управления корпоративными данными. Сами по себе нематериальные ресурсы обычно лишь косвенно становятся причинами провала проектов – главное люди со своими интересами, работающие в конкретной организационной структуре. Доклад посвящен обсуждению вопросов создания аналитической культуры на предприятии: секреты успешного развития компетенции и признаки провала проекта, препятствия и стратегия инновационного пути развития аналитики, предпосылки успеха развертывания аналитических решений. Особое внимание уделено психологическим причинам провалов проектов и анализу последствий неправильного распределения ролей.

Промышленный интернет вещей: управление данными

Без обработки больших данных невозможен ни один проект цифровой трансформации и особенно если речь идет о решения для промышленного интернета вещей. Многообразие типов данных, большие объемы, скорость поступления телеметрии и необходимость ее обработки в реальном времени, интеграция с корпоративными информационными системами – все это делает особо актуальной задачу управления данными для платформы промышленного интернета вещей. Доклад посвящен IIoT-платформе ПАО «Северсталь». Особое внимание уделено примерам проектов по внедрению машинного обучения в производство с разбором особенностей соответствующего технологического стека.

Управление качеством данных в вертикально-интегрированных компаниях

Для современных вертикально-интегрированных нефтяных компаний (ВИНК), вставших на путь цифровой трансформации ключевой становится задача обеспечения качества данных. Сегодня группа ПАО «Газпром нефть» трансформируется в цифровую нефтяную компанию, управляемую на основе данных и цифровых двойников, что в перспективе 3-7 лет должно поднять предприятие и отрасль в целом на новый уровень эффективности. В компании инициированы проекты по цифровизации и один из ключевых факторов их успеха – обеспечение качества данных. Доклад посвящен обсуждению процесса управления качеством данных в ВИНК и используемым инструментам. Особое внимание уделено изложению опыта, полученного при выполнении проектов управления качеством данных.

Управление качеством данных в вертикально-интегрированных компаниях

Для современных вертикально-интегрированных нефтяных компаний (ВИНК), вставших на путь цифровой трансформации ключевой становится задача обеспечения качества данных. Сегодня группа ПАО «Газпром нефть» трансформируется в цифровую нефтяную компанию, управляемую на основе данных и цифровых двойников, что в перспективе 3-7 лет должно поднять предприятие и отрасль в целом на новый уровень эффективности. В компании инициированы проекты по цифровизации и один из ключевых факторов их успеха – обеспечение качества данных. Доклад посвящен обсуждению процесса управления качеством данных в ВИНК и используемым инструментам. Особое внимание уделено изложению опыта, полученного при выполнении проектов управления качеством данных.

Ключевые проблемы и перспективы управления национальными медицинскими данными

Серьезным барьером на пути движения отечественной медицины в цифровую экономику является проблема неопределенности статуса медицинских данных – сегодня нет четкого понимания того, кто ими владеет и главное, как может использовать. В «бумажную» эпоху такая ясность была – кто хранит, тот и распоряжается бумажной медицинской картой и сопутствующими документами. Врачи, например, уверены, что пациенту вообще не нужен доступ к его медицинской информации, что, однако вступает в противоречие с общегражданскими подходами. Доклад посвящен анализу различий медицинских и других персональных данных, а также обсуждению подходов к их управлению с учетом особенностей взаимодействия трех потенциальных владельцев медицинских данных: гражданина, медицинской организации и государства. Особое внимание уделено проекту создания Национального оператора биомедицинских данных, обеспечивающего эффективный и безопасный доступ к медицинским данным с использованием современных технологий, включая и искусственный интеллект.

Как технологии распределенных реестров могут угодить рынку?

Как показывает практика, в 99% финтех-проектах вполне можно обойтись без блокчейна: уже выстроены бизнес-отношения между участниками через доверенного посредника; нет экономического смысла использовать именно блокчейн; применение данной технологии вредит пользователям в долгосрочной перспективе, например создавая угрозу раскрытия банковской тайны. Вместе с тем имеются области, где раскрываются все преимущества распределенных реестров. Доклад посвящен практическому опыту применения технологии распределенных реестров и концепции Web 3.0 для создания и управления едиными источниками данных. Особое внимание уделено практическим аспектам применения блокчейна в качестве одного из вариантов реализации промышленных решений наряду с централизованными и облачными системами, а также обсуждению возможных изменений финансовой инфраструктуры под влиянием технологии распределенных реестров.

«Озеро» данных для Счетной палаты

Данные – основа цифровой экономики, однако реальную пользу приносят лишь, максимально полные и чистые данные, связанные и правильно структурированные. Именно такие данные позволяют Счетное палате принимать максимально взвешенные решения на основе обработки сведений, получаемые от контролируемых организаций. Вместе с открытыми данными, такими как ЕГРЮЛ появляется возможность проводить глубокие аналитические исследования, делая полные и обоснованные выводы по результатам контрольных экспертно-аналитических мероприятий. Доклад посвящен опыту построения «озера» данных, архитектуре, а также анализу возникавших проблем и технологических решений их преодоления. Особое внимание уделено обзору методов обработки и организации хранения данных, позволившим исключить превращения «озера» данных в «болото».

Управление данными в Agile-организации: вызовы и решения

Сегодня все чаще возникает ситуация, когда традиционные подходы к управлению данными перестают работать – организации стремительно меняются, что влечет за собой и смену самой парадигмы работы с данными. Доклад посвящен разбору особенностей управления данными в организациях, практикующих гибкие методологии ведения проектной деятельности: новые вызовы и проблемы, возникающие перед ответственными за управление данными, существующие пути решения. Особое внимание уделено разбору конкретных кейсов и анализу опыта крупных международных компаний и организаций, использующих различные технологии управления данными.

Персональные данные: кто владеет и управляет

Действующее законодательство РФ не устанавливает четких положений, определяющих правила оборота данных между участниками правоотношений, а используемый в нем понятийный аппарат не способствует единству правоприменительной практики и пониманию участниками и игроками рынка данных, какие данные должны охраняться (например, как персональные), а какие могут свободно обрабатываться. С одной стороны, это приводит к тому, что ряд операторов персональных данных используют данные по собственному усмотрению, в том числе, распространяют их на коммерческой основе, полагая, что данные принадлежат им. С другой, такая неопределенность становится сдерживающим фактором легального обмена данными, питая чрезмерную осмотрительность крупнейших операторов данных. Все это приводит к отсутствию для субъекта персональных данных прозрачных механизмов обмена его данными, росту недовольства и сдерживанию развития рынка данных. В докладе обсуждается актуальная задача формирования качественной нормативной правовой базы регулирования оборота персональных данных как основы для развития цифровой экономики в целом: правовой режим обезличенных данных, понятие общедоступных персональных данных, определение четких правовых механизмов работы с данными и др.

Архитектура данных нового уровня: метаданные

Бизнес каждой крупной компании обычно уникален, соответственно и системы бизнес-аналитики отличаются существенно – нет однозначных рецептов построения эффективной инфраструктуры обработки всех доступных предприятию данных, особенно когда предприятие динамично развивается, постоянно пробуя новые возможности. Тем не менее, существует ряд подходов, например, по оптимальной организации работы с метаданными, значительно облегчающих работу корпоративных аналитиков. Доклад посвящен методам организации работы с данными для обеспечения работы масштабируемых систем бизнес-аналитики. Рассматриваются основные технические и организационные проблемы, возникающие при создании эффективной корпоративной системы бизнес-аналитики. Кроме этого, обсуждаются такие вопросы, как: кто отвечает за качество данных, как разделить зоны ответственности, как собрать в одном хранилище данные из множества разных источников, как мотивировать разработчиков продукта использовать инструменты бизнес-аналитики? Особое внимание уделено анализу проблем, актуальных как для архитекторов BI-систем и хранилищ данных, так и для ETL-разработчиков и инженеров по данным: как предотвратить превращение озера данных в болото, как загрузить слабоструктурированные данные в реляционную СУБД и как согласовать метрики оценки эффективности работы технических и бизнес-подразделений?

От платформы управления данными к экосистеме цифровой компании

Движение компаний в сторону цифровой трансформации предъявляет новые требования к платформе работы с данными, как основе любой цифровизации – необходима динамическая масштабируемость, модульность, возможность работать с любыми доступными инфраструктурными средами, централизованная управляемость и открытость. Все это привело к появлению новых возможностей корпоративной платформы Arenadata Enterprise DataPlatform на базе открытого ПО, ставшей сегодня стандартом для ряда крупных компаний – платформа эволюционировала в открытую экосистему сервисов работы с данными через единый интерфейс управления и мониторинга, причем полностью независимую от инфраструктуры. Доклад посвящен обсуждению архитектуры централизованной системы управления сервисами Arenadata Cluster Manager, а также интеграционных протоколов и связей между компонентами платформы. Особое внимание уделено открытой экосистеме цифровых сервисов с единой системой управления, развертывания и мониторинга.

Google Data and Machine Learning Overview

Компании внедряют машинное обучение и нанимают исследователей данных (data scientists) в надежде повысить конкурентоспособность своего бизнеса, однако по сравнению с классическими инструментами, такими например, как управление бизнес-процессами, для большинства типовых задач, эффект выливается лишь в приросте на пару процентов. Тем не менее, на больших объемах применение новых инструментов дает ощутимый результат, несмотря на то, что их внедрение влечет большие инвестиции хотя бы в квалифицированных специалистов. В докладе рассматривается инфраструктура Google Cloud Platform, предназначенная для обработки данных и решения типовых задач машинного обучения с помощью инструмента Google AutoML, позволяющего исследователям данных экономить массу времени, перераспределяя его на решение наукоемких задач. Доклад интересен представителям предприятий малого и среднего бизнеса, в штате у которых нет дорогостоящих исследователей данных, но есть много рутинных задач, в которых находятся точки роста бизнеса. Кроме этого, в докладе рассмотрены инструменты загрузки данных в Google Cloud Platform, поступающих из различных источников; средства преобразования данных; различные СУБД для построения и эксплуатации озер данных (Data Lake), а также инструменты анализа и визуализации данных.

Периферийные вычисления: от Диснейленда до Maersk

По мнению аналитиков, к 2022 году 75% корпоративных данных будет создаваться и обрабатываться за пределами ЦОД и облаков – эту часть работы станут выполнять периферийные решения, что позволит компаниям отказаться от централизованных ЦОД, освободит корпоративные сети от необходимости передачи больших объемов данных, даст возможность бизнесу оптимизировать инфраструктуры обработки неструктурированных корпоративных данных. Вместе с тем, применение Edge-computing окажет существенное влияние на решения по управлению данными. Доклад посвящен обсуждению особенностей архитектуры и технологий Edge-computing. Особое внимание уделено разбору конкретных примеров применения периферийных вычислений на промышленных предприятиях, в ретейле и индустрии развлечений, в бизнесе логистических компаний и при реализации проектов «Умный город».

Секреты монетизации данных

Монетизировать данные стремятся сейчас все, но мало кому удается сделать это оптимально – часто причиной неудач становится неэффективное управление соответствующими проектами. Доклад посвящен описанию модели конвейера сервисов монетизации корпоративных данных. Особое внимание уделено конкретным рекомендациям по настройке непрерывного выявления бизнес-задач для монетизации, выделению наиболее перспективных и доведению соответствующих проектов до финальной реализации: оптимизации бизнес-процессов, вывода новых продуктов на рынок, поиска новых партнеров, защиты персональных данных и т. п. Кроме этого, в докладе разбирается опыт внедрения стратегии Data Governance.

Data Governance – вершина управления данными

Руководство данными (Data Governance) – деятельность по осуществлению руководящих и контрольных полномочий (планирование, мониторинг и обеспечение выполнения) по управлению информационными активами. Для достижения этих целей программа руководства данными включает разработку политик и процедур, культивирование практики распоряжения данными на различных уровнях внутри организации и инициацию мероприятий по управлению изменениями, направленных на активное разъяснение сотрудникам организации выгод от внедрения руководства данными и моделей деятельности, необходимых для успешного управления данными как активом.

Данные для цифрового двойника

Традиционное проектирование работает с двухмерными моделями объектов строительства: планы, чертежи и техническая документация, однако BIM-проектирование (Building Information Model, Информационное моделирование объектов) существенно отличается от прочих видов проектных работ. Сбор и обработка данных об архитектурно–планировочных, конструктивных, экономических, технологических, эксплуатационных характеристиках объекта объединены в едином информационном поле (BIM-модели). Доклад посвящен обсуждению понятия «цифровой двойник», необходимости создания цифровых двойников для задач BIM и демонстрации того, как 3D-моделирование позволяет упростить строительство. Кроме этого анализируются проблемы, возникающие при создание сложных объектова (АЭС), разбираются особенности хранения наборов моделей и их обновления. Особое внимание уделено Multi-D-моделированию, позволяющему существенно сократить сроки и стоимость строительства благодаря эффективному управлению процессами сбора данных из разрозненных систем, их интеграции и дополнения, а также доставки нужную точку.

Управление данными в ретейле

Успех бизнеса любой компании розничной торговли неизбежно зависит от уровня оптимизации логистики и товарных запасов, эффективности ценообразования и ассортиментного планирования, прогнозирования спроса и организации целевого маркетинга. Решать все эти задачи ретейлу необходимо в условиях динамично изменяющейся конкурентной среды, непрерывно отслеживая спрос и предлагая клиентам персональные релевантные предложения, включая и продукты под собственными торговыми марками, однако для этого нужно уметь учитывать все доступные компании данные, поступающие из разнообразных источников. Доклад посвящен обсуждению вопросов построения архитектуры работы с данными, функциональному сравнению имеющихся на рынке инструментов и оценке кейсов по их выбору. Особое внимание уделено особенностям процесса решения задач продвинутой аналитики и секретам формирования команды Data Office.

Практика управления корпоративными данными на основе онтологических моделей

Для управления данными со сложной, изменчивой структурой стандартных инструментов не достаточно – попытки затолкать в реляционную СУБД данные, описывающие тысячи типов информационных объектов и их связи, обычно приводят к появлению трудно управляемых и крайне дорогих в сопровождении систем. Кроме сложности поддержки такой структуры возникает жесткая связь алгоритмов работы со спецификой обрабатываемых данных, что не способствует гибкости решения. Один из способов организации управления одновременно и структурой данных, и логикой их обработки – применение онтологических моделей. В докладе разбираются практические сценарии создания и использования онтологических моделей, образующих ядро информационной инфраструктуры предприятия. Особое внимание уделено конкретным инструментам реализации стратегии управления данными на протяжении всего их жизненного цикла, начиная от проектирования структуры и сбора информации, до получения значимых результатов на конкретных крупных предприятиях, работающих сегодня в различных отраслях экономики России.

Системы виртуализации данных на основе семантической модели

Скоринг – сбор из разных источников всех необходимых данных об объекте оценки, применение оценочных правил и формирование результата оценки – как нельзя лучше иллюстрирует необходимость, проблемы и преимущества эффективной организации управления данными. Действительно, данные могут размещаться в разных местах и в разном формате; у данных имеется своя актуальность; их требуется нормализовать и доставлять в нужное место; необходимо четко понимать их происхождение, а также кто за них отвечает. Применительно к скоринговой модели все это означает необходимость оперирования сущностями из базы данных для анализа, что затруднительно без специальной технической подготовки. Доклад посвящен обсуждению особенностей создания аналитической системы скоринга, работающей на основе правил и описаний, оперирующих понятными любому человеку терминами и определениями. Особое внимание уделено архитектуре решения на базе графа знаний и семантического каталога.

Экосистема объектного хранения: интегрированное управление данными

Системы хранения на уровне объектов давно и успешно применяются в решениях управления данными, однако взрывной рост объемов данных, их типов и числа источников порождают новые сложные задачи управления богатым ландшафтом корпоративных данных. Все больший интерес ИТ-сообщества вызывают, например, технологии, обеспечивающие доступ к данным по протоколу S3 и гарантированно быстрый поиск в огромных массивах неструктурированных данных. Компания Hitachi Vantara за последние 10 лет выстроила на базе своих технологий целостную экосистему объектного хранения, позволяющую решать данные задачи. Доклад посвящен обсуждению современных тенденций в сфере управления данными и разбору возможностях технологий объектного хранения. Особое внимание уделено представлению реальных кейсов предприятий, уже прошедших путь от понимания необходимости модернизации процесса управления данными до развертывания экосистемы эффективной поддержки всего жизненного цикла данных.

HTAP в крупных финансово-учетных системах

Деятельность любой крупной компании или организации сегодня невозможна без информационной систем корпоративного уровня, призванной обеспечить оперативное реагирование на изменение в окружающем мире (коррекция законодательства, смена бизнес-рисков и пр.) В таких условиях управление жизненным циклом системы традиционными средствами («водопад», «контрольные точки», и др.) уже невозможно – требуется система сквозного проектирования, Requirement Engineering становится основной дисциплиной, определяющей стоимость разработки и поддержки любого ИТ-продукта цифрового предприятия, а гомогенная платформа становится основной архитектурной парадигмой. Современные платформы могут легко объединять функции систем принятия решений, транзакционных, процессно-ориентированных и аналитических систем, однако особую остроту приобретают вопросы транзакционной чистоты (ACID), непротиворечивости модели данных и масштабируемости. Доклад посвящен обсуждению вопросов применения гибридной обработки данных (HTAP) для разработки и поддержки крупных финансово-учетных систем. Как выбрать HTAP и связать эволюцию схемы данных в распределенном хранилище с прикладным кодом? Нужен ли в этих условиях SQL? Особое внимание уделено разбору задачи обеспечения тестирования и интегрированности данных в корпоративных информационных системах.

Управление данными для оптимизации бизнес-процессов

Основная задача любого бизнеса в современной экономической обстановке – сохранение, а в идеале – и повышение рентабельности. Достигнуть этого можно лишь оптимизируя бизнес-процессы предприятия, однако неясно что такое «оптимальный» процесс и как отличить его от не оптимального? Здесь могут помочь решения, основанные на данных, например, предиктивная бизнес-аналитика, но возникают новые вопросы: какие для этого потребуются данные, на какие метрики надо опираться, как собирать и как использовать данные? Доклад посвящен ответам на эти и другие вопросы, разбору конкретных задач управления данными, возникающих, начиная от стадии проектирования до стадии пост-оценки бизнес-процессов.

Большие данные: просто как «Hello world»

При обсуждении любого проекта работы с большими данными неизменно всплывают общеизвестные проблемы: дефицит и дороговизна квалифицированных сотрудников, сложность интеграции множества информационных систем и программных продуктов, включая и OpenSource, требование сокращения времени вывода на рынок решений со сложной топологией сред и бизнес-процессов. Использование платформы быстрой разработки и эксплуатации решений работы с большими данными позволяет значительно снизить риски. Доклад посвящен обсуждению подходов к построению и использованию платформы разработки и эксплуатации приложений работы с большими данными и разбору архитектуры решения по управлению корпоративными данными. Особое внимание уделено анализу практических кейсов применения платформы в проектах аналитики больших данных.