Окончила Белгородский государственный университет по специальности Финансы и кредит. Почти 20 лет опыт работы в финансовой индустрии – кредитование физических и юридических лиц: «Банк ВТБ» – главный специалист по автокредитованию; КБ «ЛOKO-Банк» – руководитель направления сопровождения и контроля за операциями кредитования физических лиц. Семь лет опыта работы с данными, входящими в состав кредитной истории: КБ «Ренессанс Кредит» – руководитель управления данными передаваемыми в БКИ. Сейчас – директор по управлению данными Объединенного Кредитного Бюро (АО «ОКБ»).

Бюро кредитных историй (БКИ) получает, аккумулирует и хранит информацию, входящую в состав кредитных историй физических и юридических лиц: кредитные договора и линии, договора лизинга и прочих сделках, которые заключают Источники формирования кредитных историй (Источники). Этот свод кредитной информации БКИ представляет Пользователям кредитных историй в кредитных отчетах, главная задача которых – оценка кредитных рисков. База данных БКИ – это более 1 тыс баз из разных Источников: банки, микрофинансовые организации, кредитные потребительские кооперативы, лизинговые компании, операторы рассрочки и др. Согласно 218-ФЗ «О кредитных историях», БКИ не вправе «прикасаться» к данным – их можно только хранить и, при наличии законного согласия субъекта, отдавать пользователям в виде кредитных отчетов, что создает фундаментальный парадокс. Как, не имея доступа к оригинальным данным Источников, проверить данные на качество? Как повысить качество данных без права на их исправление? Доклад посвящен ответам на эти и другие вопросы.

Ринат Абдурахманов

Тема доклада: Почему Data Quality застрял в DWH?

лидер направления Качества данных
«Точка банк»

Окончил РГУ Нефти и Газа им. И.М. Губкина, факультет «Автоматика и вычислительная техника». Более пятнадцати лет опыта работы в ИТ-индустрии – процессы управления данными, создание систем хранения и обработки данных: Accenture – консультант по хранилищам данных на проектах для «Росбанка» и «Альфа-банка»; «СИБУР» – старший эксперт по управлению данными; «ВымпелКом» – СDO, вице-президент по работе с данными; «Московский кредитный банк» – директор департамента управления данными. Сейчас – лидер направления Качества данных, «Точка банк».

Практически все специалисты по управлению данными сходятся во мнении – качеством данных нужно управлять максимально близко к месту их возникновения. Однако на практике большинство проверок по-прежнему сосредоточено в корпоративном хранилище и аналитическом контуре. Почему? По какой причине, даже понимая правильную архитектуру, компании продолжают строить Data Quality вокруг хранилища? Доклад посвящен ответу на эти вопросы, а также обсуждению того, как изменить не место исполнения проверок, а саму модель управления качеством данных, перейдя от контроля хранилища к контролю бизнес-процессов, одновременно вовлекая владельцев данных в обеспечение качества и расставляя приоритеты, исходя из стоимости ошибок для бизнеса. Кроме этого разбирается, как перейти от контроля хранилища к контролю бизнес-процессов, вовлечь владельцев данных в обеспечение качества и расставить приоритеты, исходя из стоимости ошибок для бизнеса. Особое внимание посвящено ответу на вопрос: почему первые проверки появились именно в процессе Системы Быстрых Платежей и какие для этого потребовались организационные изменения?

Олег Гиацинтов

Тема доклада: Data Governance – носитель смыслов для ИИ

руководитель направления цифровизации технологических и бизнес-процессов
DIS Group

Окончил МГТУ им. Н.Э.Баумана. Более 30 лет опыта работы в ИТ-индустрии, из которых 20 лет – руководство ИТ-проектами: «Ланит», «Автомир», Xerox. Эксперт в области стратегического управления и интеграции данных; обеспечения качества и управления нормативно-справочной информацией; управления знаниями, а также построения дата-центрических бизнес-процессов. Сейчас – технический директор, компания DIS Group.

Data Governance – это основной инструмент для описания семантического слоя, критически необходимый для ИИ, как при запросах RAG (Retrieval-Augmented Generation – генерация с дополненной выборкой, при которой, прежде чем ответить, языковая модель ищет нужные факты во внешних базах данных), так и для описания отраслевых терминов. Запросы с учетом семантического слоя для ИИ реализуется в Data Lakehouse, что позволяет преодолеть проблему «шторма запросов» и обеспечить необходимую скорость возврата запросов. В таком окружении ИИ помогает выстроить и формализовать бизнес-глоссарий, обеспечив связь с дата-каталогом, причем как со стороны отраслевых стандартов и отраслевых традиций, так и от структур данных существующих информационных систем и источников данных. Доклад посвящен обсуждению особенностей построения инфраструктуры, позволяющей с помощью Data Governance обеспечить максимально осознанную работу решений ИИ.

Максим Буянов

Тема доклада: Правила игры в «кубики»

директор по управлению данными,
«Светогорский ЦБК»

Окончил Московскую медицинскую академию им. И.М.Сеченова. Более 20 лет опыта работы в сфере маркетинга, управления проектами и аналитики: 3М, Nestle и пр. Сейчас – руководитель направления цифровизации технологических- и бизнес-процессов, НПАО «Светогорский ЦБК», отвечает за финансовые показатели компании.

...

Михаил Александров

Тема доклада: ...

технический руководитель Центра развития аналитических продуктов
Axenix

Четверть века опыта работы в ИТ-индустрии: Tops Business Integrator, BearingPoint, Teradata, SAS, «Полиматика» – руководство разработкой продукта Polymatica ML. Специализируется на создании и внедрении систем управления эффективностью, продвинутой аналитики, анализа и отчетности, а также инструментов интеграции, управления качеством данных и НСИ в интересах производственных и финансовых корпораций. Сейчас – технический руководитель Центра развития аналитических продуктов, компания Axenix.

...

Алина Романовская

Тема доклада: Как контролировать ИИ-агента?

руководитель продуктового направления
Т-Банк

Окончила МГУ им. М.В. Ломоносова, факультет ВМК, «Прикладная математика» и магистратуру НИУ ВШЭ (ФКН, Data Science) совместно со Школой анализа данных Яндекса. Более 10 лет опыта работы в ИТ-индустрии, управление продуктами на стыке B2B и машинного обучения: «Яндекс.Такси» — менеджер продукта; «СберДевайсы» — старший менеджер продукта, запуск голосового ассистента в первых десяти гостиничных сетях; «Яндекс.Маркет» — руководитель продуктового направления, запуск ИИ-ассистента для более чем 100 тыс. продавцов, перезапуск раздела аналитики и главной страницы продавца. Организатор и преподаватель курса «Практический ML в продуктах» Школа анализа данных Яндекса. Сейчас — руководитель продуктового направления, Т-Банк, отвечает за автоматизацию клиентской поддержки на базе ИИ-агентов.

Компании часто внедряют ИИ-агентов ради повышения производительности: агент отвечает за секунды и в масштабе, недостижимом для оператора. Но вместе со скоростью приходит и самонадеянность. Агент читает контент буквально и, столкнувшись с неполными, противоречивыми или устаревшими данными, не сомневается — сразу клиенту уверенно выдает неверный ответ. Что именно ломается в агенте, когда контент не готов? Как понять, готовы ли ваши данные к работе с ИИ-агентом? Как выстроить контроль качества ответов? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено анализу опыта внедрения ИИ-агентов, разбору ошибок и обсуждению чек-листа оценки готовности агента к работу.

Анастасия Грибанова

Тема доклада: Метаслой данных: как ИИ-инструменты меняют Data Governance

директор департамента разработки продуктов
Cloud.ru

Окончила Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В. И. Ульянова и Московский Открытый Институт. Более 10 лет опыта работы в области больших данных и внедрения специализированных решений Cisco Systems и Microsoft, а также более пяти лет руководства разработки продуктов для работы с большими данными в облачных провайдерах. Сейчас — директор департамента разработки продуктов для работы с данными на платформе Evolution, компания Cloud.ru.

Метаслой данных перестает быть лишь «техническим каталогом» и становится фундаментом для работы ИИ-инструментов – именно метаданные определяют, что модель увидит, поймет и как будет использовать. Как внедрение ИИ меняет требования к Data Governance — от автоматической каталогизации и контроля качества данных до управления? Доклад посвящен ответу на этот вопрос.

Екатерина Яковлева

Тема доклада: Как с помощью ИИ снизить порог входа в DQ

руководитель Центра управления данными
МТС

Окончила Челябинский Государственный Университет. Почти 20 лет опыта работы в области управления данными – внедрение лучших практик в таких компаниях, как «Ростелеком», «Райффайзенбанк», МТС. Сейчас – руководитель Центра управления данными, работающего в интересах группы компаний МТС (Телеком, Финтех, Медиа, Реклама), а также решает задачи стратегического консалтинга компаний группы АФК «Система» в части Data Governance, фокусируясь на внедрении ИИ в дата-процессы компании.

В эпоху искусственного интеллекта качество данных перестает быть лишь желательным элементом работы дата-команды, а становится неотъемлемой составляющей успеха любых ИИ-инициатив. Однако, для ускорения внедрения решений управления качеством данных требуется для любого сотрудника снизить порог входа, обеспечив быстрый старт в освоении DQ-практик и повысив доступность соответствующего инструментария. Кроме этого важно минимизировать участие человека в рутинных операциях и встроить DQ в операционные процессы дата-команд. Во всех этих сценариях могут помочь ИИ-агенты. Доклад посвящен обсуждению основных принципов создания ИИ-агентов для управления качеством данных. Основное внимание уделено разбору практических примеров реализации ИИ-агентов для DQ и способов фиксации ошибок в ходе их разработки.

Алексей Шокуров

Тема доклада: ИИ как драйвер ускорения процессов DG&DQ

руководитель направлений Data governance и Data quality
«СИБУР»

Более 20 лет опыта работы в ИТ-индустрии: разработка приложений для автоматизации бизнес-процессов компаний. Прошел путь от разработчика до руководителя проектов. Сейчас – руководитель направлений Data governance и Data quality, «СИБУР».

...

Олег Баженов

Тема доклада: Изменение роли аналитика в принятии решений на основе данных в эпоху ИИ

директор по данным и ИИ (CDO Data&AI)
«Дикси»

Окончил Краснодарский Институт Экономики, Права и Естественных Специальностей. Почти 10 лет опыта работы в области разработки решений для управления данными, Data Governance и развития бизнес-аналитики: Сбер – исполнительный директор по аналитике и ИИ; X5 – директор департамента по работе с данными, CTO; «Магнит» – руководитель проекта. Сейчас – директор по данным и ИИ (CDO Data&AI), АО «Дикси Групп».

Еще совсем недавно аналитика сводилась к констатации свершившегося факта – отчеты готовились постфактум, а действия сводились к реактивной реакции на произошедшее воздействие. Сегодня аналитика предоставляет варианты развития событий и предоставляет бизнесу возможность предиктивного управления. Как будет выглядеть аналитика будущего? Как трансформируется роль аналитика, работающего вместе с ИИ-агентом? Можно ли предоставить бизнесу собственного ИИ-аналитика «в кармане»? Доклад посвящен ответам на эти и другие вопросы. Основное внимание уделено обсуждению опыта выполнения пилотного проекта по развертыванию и эксплуатации ИИ-ассистента, понимающего «внутренний язык» бизнеса розничной компании.

Иван Черницын

Тема доклада: ...

руководитель Центра аналитических решений
«Газпром нефть»

Закончил Уральский государственный университет по специальностям: «Математика, прикладная математика» и «Финансовый менеджмент»; магистратуру со специализацией «Математическая экономика»; MBA Академии народного хозяйства при Правительстве РФ. Прошел обучение по долгосрочной программе «Проектная Академия «Газпром нефти» в Школе управления «Сколково». Международный мастер спорта по шахматам. Более 20 лет занимается организационно-информационными проектами и разработкой аналитических приложений. Принимал активное участие в проектах комплексной автоматизации предприятий сбытового блока в ПАО «Газпром нефть»; проектах построения систем бизнес-аналитики, хранилищ данных и управления нормативно-справочной информацией; проектах создания системы управления данными и озера данных. Руководил практиками data science и развития аналитических компетенций. Сейчас – руководитель Центра аналитических решений Дирекции региональных продаж ПАО «Газпром нефть».

...

Дмитрий Красников

Тема доклада: GenBI – генеративный BI

руководитель направления Big Data & BI
K2Tex

Окончил Московский государственный индустриальный университет (МГИУ). Почти 20 лет опыта работы с решениями для работы с данными. Реализовал более сотни проектов в области больших данных, аналитики и бизнес-интеллекта. Сейчас – руководитель направления Big Data & BI, компания K2Tex. Отвечает за развитие бизнеса в области решений бизнес-аналитики, корпоративных хранилищ и управления качеством данных.

...

Вероника Панайотова

Тема доклада: Опыт импортозамещения системы управления инженерными данными

руководитель практики по управлению инженерными данными
«Сибур Диджитал»

Окончила Российский государственный торгово-экономический Университет (РГТЭУ) и Сахалинский государственный университет. Четверть века опыта работы в области управления информацией для федеральных нефтегазовых и нефтехимических/газохимических проектов: «Сахалинская энергия», «Ямал СПГ», Petroleum Development Oman – организация с нуля и построение процессов управления данными, обеспечение технической документацией и 3D-моделями для проектов в России, Азиатско-Тихоокеанском регионе и на Ближнем Востоке. Сейчас – руководитель практики по управлению инженерными данными ООО «Сибур Диджитал».

...

Алексей Масич

Тема доклада: Опыт импортозамещения системы управления инженерными данными

директор ООО «ТриниДата»
«ТриниДата»

Сейчас – директор ООО «ТриниДата», разработчика онтологической платформы интеграции и управления данными «АрхиГраф».

...

Дмитрий Коровин

Тема доклада: Как навести порядок в данных при миграции на новое хранилище

директор по управлению данными
Hoff

Окончил Российский технологический университет (РТУ МИРЭА). Почти 10 лет опыта работы в области управления данными: разработка аналитической отчетности, процессы управления данными, миграции корпоративных хранилищ данных, внедрение решений бизнес-аналитики, построении систем Data Governance и управление качеством данных. Сейчас — директор по управлению данными, Hoff Tech.

Внедрение системы руководство данными (Data Governance) часто воспринимается как подготовительный этап перед любыми серьезными изменениями в архитектуре корпоративных данных. Но что делать, если времени на подготовку нет и нельзя останавливать миграцию хранилища? Пройдя путь одновременного запуска Data Governance и миграции КХД — мы столкнулись с двойным вызовом: правила игры пишутся в тот момент, когда данные уже движутся, а офис данных на ходу пересобирает свои процессы. Доклад посвящен обсуждению опыта параллельного выполнения проектов: как выстраивали приоритеты, чем пожертвовали на старте, что делали в первую очередь, а что отложили, и как в итоге миграция не сломала внедрение Data Governance, а, наоборот, — стала его драйвером.

Сергей Маслов

Тема доклада: Роль онтологии при декомпозиции монолита

начальник управления корпоративных данных
«Ингосстрах»

Окончил СПбГМТУ – моделирование сложных технических систем. Свыше 25 лет опыта работы с ИТ-индустрии: разработчик, техлид, архитектор. Сейчас – начальник управления корпоративных данных, СПАО «Ингосстрах», участник рабочей группы Банка России по вопросам развития систем управления данными участников финансового рынка.

Монолитная архитектура данных обеспечивает единство не только технологически, но и семантически – общая база данных, единая объектная модель и централизованная логика неявно задают общий язык системы. Однако при разделении монолита это единство исчезает вместе с общей схемой данных – у каждого домена должна быть своя модель, но не собственное значение общих понятий. Автономность доменов предполагает разные представления сущностей предметной области, таких как клиент, договор или убыток. Но без согласованной онтологии одинаковые слова начинают обозначать разные вещи, а разные слова — одно и то же. Общая онтология нужна не для создания новой корпоративной мегамодели, а для определения ключевых понятий, их смысла, идентичности, отношений и правил сопряжения доменных моделей. Такая онтология становится семантическим контрактом между системами, а не общей физической схемой хранения. Вместе с тем онтология работает только вместе с семантическим управлением – необходимы владельцы понятий, прозрачный процесс изменения определений, версионирование и связь онтологии с API, событиями и моделями данных. Доклад посвящен обсуждению опыта создания собственной онтологии для страховой области и ее использованию как основы для согласования моделей данных и для организации процессов управления данными. Особое внимание уделено проблемам реализации этого подхода на практике и подходам к их решению.

Дмитрий Кулагин

Тема доклада: ...

директор Центра управления данными
«Инфосистемы Джет»

Окончил МАДИ (ГТУ).Почти 20 лет опыта работы в ИТ-индустрии: технический консультант, архитектор, менеджер проектов, руководитель центра компетенции по управлению данными и корпоративной архитектуре. Эксперт в области построения корпоративных информационных систем, платформ данных, архитектуры интеграционных процессов, а также подходов к реализации процессов загрузки и обработки данных – выполнение проектов в интересах таких компаний и организация, как «Россельхозбанк», «ЮниКредит Банк», «Альфа-банк», «ЛУКОЙЛ-Интер-Кард», «Л’Этуаль», НЛМК и др. Сейчас – директор Центра управления данными, компания «Инфосистемы Джет».

...

Александр Перкин

Тема доклада: От ручного сбора данных к единому дашборду

директор по бизнес-аналитике
«АстраЗенека»

Окончил Магнитогорский Государственный Технический Университет (МГТУ) им. Г.И. Носова. Более 10 лет опыта работы в ИТ-индустрии (аналитика и управление данными): автохолдинг «Максимум» – ИТ-директор; «Яндекс», «МегаФон», Билайн (VEON), Ростелеком-Солар – руководитель команд бизнес-аналитики. Сейчас — директор по бизнес-аналитике, AstraZeneca Russia & Eurasia.

Перед каждой регулярной проверкой регуляторами и аудиторами сотрудники компании обычно вручную собирают показатели из разных отчетов с разными срезами и детализацией, что далеко не всегда совпадает с логикой расчета одних и тех же метрик. Как среди этого многообразия найти действительно важные для руководства компании показатели и свести их воедино в одной точке? Как унифицировать справочники и расчеты между доменами без прерывания текущей отчетности? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено обсуждению практического опыта построения единого дашборда ключевых метрик, заменяющего ручной сбор данных перед каждым комитетом.

Марк Дубинский

Тема доклада: Как с помощью ИИ переизобрести управление качеством данных

исполнительный директор Департамента интегрированного риск-менеджмента
Сбер

Окончил Уфимский Государственный Авиационный Университет. Почти 20 лет опыта работы в сфере управления рисками и данными в крупных российский банках: Уралсиб, УБРиР и Сбер. Сейчас – исполнительный директор Департамента интегрированного риск-менеджмента, Chief Data Quality Officer и владелец продуктов Качество данных и Data Lineage Блока Риски, Сбер.

По мере роста масштаба использования данных, в том числе в решениях с ИИ, повышаются требования к их качеству. При этом с увеличнием объемов данных снижается эффективность традиционных подходов к их контролю и обеспечению качества – проверенные методы точечного контроля ключевых атрибутов данных оказываются недостаточно гибкими и оперативными, а стоимость контроля «улетает в космос». Доклад посвящен обсуждению нового подхода к обеспечению качества 100% данных на протяжении всего их жизненного цикла с использованием ИИ-агентов.

Антон Сичинский

Архитектурный баттл

руководитель центра разработки дата-продуктов
«Газпром нефть - ЦР»

Модератор:

Оптимальная для ИИ архитектура управления данными

Вопросы для обсуждения:

Какой подход лучше подходит крупным компаниям?

Где необходима централизация, а где надо передавать ответственность доменам?

Какие элементы каждого подхода необходимы для внедрения корпоративного ИИ?

Как сочетать требования ИБ, качества данных, скорости развития продуктов и автономности команд?

Типичные ошибки при выборе архитектуры управления данными?

Как найти реалистичный компромисс в архитектуре управления данными для крупной компании?

Круглый стол
Стратегия импортозамещения: что менять
в первую очередь?

Модератор

ВЛАДИСЛАВ НАБОКОВ,

независимый эксперт, ex CIO «Сбербанк страхование жизни»

Импортозамещение – это один из масштабных вызовов для страхового рынка, затрагивающий ИТ-архитектуру, управление данными, бизнес-процессы и стратегию цифровой трансформации в целом.
Как правильно расставить приоритеты в условиях ограниченных бюджетов, дефицита квалифицированных специалистов и десятков параллельно реализуемых ИТ-проектов? Какие системы действительно требуют первоочередной замены, а где потребуется глубококая модернизация всей технологической платформы?

Вопросы для обсуждения:

- Что сегодня важнее при выборе отечественных решений: надежность и технологическая зрелость или скорость внедрения и удобство для пользователей?
- Может ли импортозамещение стать катализатором обновления ИТ-архитектуры и повышения устойчивости бизнеса, а не просто выполнением регуляторных требований?
- Готовы ли страховые компании пересматривать свои бизнес-процессы, трансформировать модели данных и внедрять ИИ для получения реального бизнес-эффекта от масштабной замены информационных систем?
- Какие подходы позволяют уложиться в сроки, установленные регулятором, без ущерба для качества и непрерывности бизнеса?
- Какие практические выводы уже сделали лидеры рынка и какие ошибки надо избежать другим участникам отрасли?