Practice conference
«DATA QUALITY 2021. Strategy, tools, practice»
«DATA QUALITY 2021. Strategy, tools, practice»
Data is a key business driver today, but dirty data will not allow to achieve the expected benefits. The only conference in Russia fully dedicated to how to ensure data quality in accordance with the purposes of their use, ensuring completeness, accuracy, correctness and relevance
Dmitry Volkov
agenda director of Open Systems Publications' applied conferences series
The DATA QUALITY practice conference for the second year will bring together users and makers of data quality management solutions, specialists from various industries, who are ready to share their specific experience in development and implementation of a data quality management strategy, deploying and operating a continuous quality assurance pipeline required by any organization of digital economy.
We will discuss:
› How does the quality of data affect the business (characteristics and risks, indicators and metrics)?
› How to build your data quality management strategy?
› How to establish an effective data quality pipeline?
› Ноw is a data quality support architecture designed (models and streams)?
› How to integrate data and manage metadata?
› What are the secrets of ensuring the quality of registry and reference data?
› How to organize data profiling, cleaning and enrichment in practice?
› How to choose data quality management tools?
› How to build your data quality management strategy?
› How to establish an effective data quality pipeline?
› Ноw is a data quality support architecture designed (models and streams)?
› How to integrate data and manage metadata?
› What are the secrets of ensuring the quality of registry and reference data?
› How to organize data profiling, cleaning and enrichment in practice?
› How to choose data quality management tools?
In agenda:
Strategy
- data quality indicators and metrics
- registry and reference data
- data quality pipeline
- data integration
- data architecture
- metadata management
- Data Governance
Tools
- selection criteria
- universal solutions and data quality management platforms
- data preparation tools, mechanisms for working with master data
- data integration tools
- data modeling and metadata management tools
- proprietary and free tools for data profiling and cleaning, quality monitoring, creating of information marts
Practice
- data architecture development and data modeling
- integration, certification and regulation
- maintaining of master data
- profiling, control and measurement; monitoring and incident management
- formation of a culture of working with data
- Industry and functional experience: 10+ branches of the economy, including finance, telecom, retail, fuel and energy, industry, public sector, healthcare, insurance
We are waiting:
› business leaders, project and product managers;
› CIOs, CDOs and CTOs;
› master data managers, regulatory and reference information department heads and leading specialists;
› analysts, consultants, data specialists, data quality experts;
› heads of departments of sales, marketing, operations and development.
› CIOs, CDOs and CTOs;
› master data managers, regulatory and reference information department heads and leading specialists;
› analysts, consultants, data specialists, data quality experts;
› heads of departments of sales, marketing, operations and development.
Speakers:
Роль качества в системе управления данными: люди, функции и инструменты
Михаил Петров
Счетная палата РФ
Счетная палата РФ
Управление качеством государственных данных
Наталья Гвоздева
Минцифры РФ
Минцифры РФ
Расширенное качество данных: свойства, метрики и технологии
Валерий Артемьев
Банк России
Банк России
Как выстроить эффективные процессы управления качеством данных?
Светлана Бова
Банк ВТБ
Банк ВТБ
Цифровая
трансформация
Росстата
трансформация
Росстата
Григорий Остапенко
Росстат
Росстат
Качество данных для Цифровой аналитической платформы
Нина Адамова
НИИ «Восход»
НИИ «Восход»
Платформа управления качеством данных для ретейла
Александр Афонин
X5 Retail Group
X5 Retail Group
Как обеспечить качество данных для проектов искусственного интеллекта?
Анна Серебряникова
Ассоциация больших данных
Ксения Дроздова
nlogic
Ассоциация больших данных
Ксения Дроздова
nlogic
Опыт построения
системы контроля
качества данных
системы контроля
качества данных
Сергей Федоров
Сбер
Сбер
Система координат для качества данных
Алевтина Тинас
Екатерина Моисеева
Tele2
Екатерина Моисеева
Tele2
Управление качеством данных: успехи, неудачи, уроки
Любовь Кайдалова
«Газпром нефть»
«Газпром нефть»
Управление качеством данных в моделях искусственного интеллекта
Сергей Алешкин
«Согаз»
«Согаз»
Интеграция медицинских информационных систем: качество данных и знаний
Алексей Незнанов
НИУ ВШЭ
НИУ ВШЭ
Качество данных и качество обслуживания клиентов
Георгий Ашкар
«Ростелеком»
«Ростелеком»
Риск-ориентированное управление качеством данных
Анатолий Чернов
Елена Малинина
«Интерфакс»
Елена Малинина
«Интерфакс»
Инструменты управления качеством данных: вчера, сегодня, завтра
Алексей Ильин
Ataccama
Александр Сабуров
Россельхозбанк
Ataccama
Александр Сабуров
Россельхозбанк
Качество данных как отдельный продукт
Руслан Трачук
Александр Константинов
«Юнидата»
Александр Константинов
«Юнидата»
Корпоративная отчетность: быстро, легко и точно
Сергей Горшков
«ТриниДата»
«ТриниДата»
Комплексный подход к управлению качеством данных
Олег Гиацинтов
DIS Group
DIS Group
Управление качеством данных – путь к клиенту
Павел Абдюшев
HFLabs
Екатерина Гордиенко
«Росгосстрах»
HFLabs
Екатерина Гордиенко
«Росгосстрах»
Машинное обучение для повышения качества данных
Владимир Бахов
«Инлексис»
«Инлексис»
Данные — топливо для систем искусственного интеллекта, сырье для аналитических алгоритмов и основа для систем автоматизации бизнес-процессов.
Без выполнения работ по нормативно-справочной информации нельзя обеспечить эффективную трансформацию материально-технического обеспечения компании, снизить запасы, сократить неликвиды и увеличить оборачиваемость ресурсов.
Универсальная платформа создания систем управления данными позволяет решать общие задачи обеспечения качества данных, их целостности и актуальности, а также...
От 15 до 40% бюджета организации расходуется неэффективно из-за низкого качества данных. Настала пора решать эту проблему.
Тигран Саркисов, директор по работе с данными Х5 Retail Group, поделился своим опытом выстраивания работы с данными и дал несколько практических советов.
Светлана Бова: «Просвещение — важная миссия, которая должна быть в центре внимания любого CDO»
Данные, хранимые в вашей системе CRM «в основном безвредны». Но среди них скрываются гадюки, тарантулы и другие небольшие, но смертоносные создания
Сергей Алешкин: «Уникальность нашего подхода — не в модели, а в процессе взаимодействия агентов с моделью. Наш проект отличает высокая степень вовлеченности людей»
Максим Аннюк, Hitachi Vantara
Окончил Московский физико-технический институт и Российскую экономическую школу, имеет степень MBA London Metropolitan University. Более 20 лет в ИТ-индустрии – обладает опытом ведения и руководства десятками крупных проектов. Выступал в качестве спикера по технологиям IBM и Microsoft. Более 10 лет занимается проектами в сфере аналитики и цифровой трансформации предприятий в таких отраслях, как: энергетика, государственное управление и финансы. Сейчас развивает направление «Цифровой бизнес» в компании Hitachi Vantara, где помогает заказчикам достигать экономических и социальных эффектов с помощью аналитики и решений Интернета вещей.
Как качество данных влияет на результаты бизнеса
Как, внедряя аналитику, сохранять фокус на достижении стратегических трансформационных целей компании?
В докладе: Что такое цифровой семинар и как он помогает быстрее достичь поставленных бизнес-целей. Как передовые методологии DataOps помогают повысить качество и сократить цикл подготовки аналитики, а также как эти методологии реализованы в самой компании Hitachi Vantara.
Как, внедряя аналитику, сохранять фокус на достижении стратегических трансформационных целей компании?
В докладе: Что такое цифровой семинар и как он помогает быстрее достичь поставленных бизнес-целей. Как передовые методологии DataOps помогают повысить качество и сократить цикл подготовки аналитики, а также как эти методологии реализованы в самой компании Hitachi Vantara.
Вернуться
к докладчикам
к докладчикам
General partners
Partners
Infopartners
.
© 1992 – 2021
Издательство «Открытые системы»
Издательство «Открытые системы»
ИНТЕРНЕТ - ИЗДАНИЯ