Промышленность

руководитель департамента анализа данных и контента
«Газпромнефть – ЦР»

Окончила МЭИ, магистр радиотехники. Почти 20 лет опыта работы в ИТ-индустрии – аналитические системы, управление данными, разработка корпоративных цифровых продуктов. В «Газпромнефть – ЦР» руководит развитием продуктов управления данными и интеллектуальных сервисов для корпоративных функций. Среди ключевых проектов — создание единой системы корпоративного поиска, объединившей почти 90 информационных систем, развитие семантических технологий, импортозамещение инструментов управления данными, внедрение больших языковых моделей в защищенном корпоративном контуре и разработка ИИ-ассистентов для решения бизнес-задач. Участник профессиональных конференций по управлению данными и искусственному интеллекту, модератор экспертных дискуссий и отраслевых секций, посвященных цифровой трансформации, данным и ИИ в промышленности. Эксперт в области управления данными, внедрении корпоративных цифровых платформ и применении искусственного интеллекта в крупных промышленных компаниях.

Бизнес ищет сегодня в ИИ ответы на свои злободневные вопросы, однако на практике оказывается, что ИИ не исправляет плохие процессы и не устраняет организационные проблемы, а лишь делает их более заметными. Реальная трансформация любого бизнеса, независимо от модных технологий, начинается не с выбора модели или платформы, а с понимания того, как данные действительно помогают создавать новую ценность. Задача секции – обсуждение путей трансформации, которые сейчас проходят российские компании: от построения систем управления данными и развертывания современных архитектур до внедрения ИИ в условиях закрытых контуров, строгих требований информационной безопасности и высоких рисков. В центре внимания: реальные кейсы, практические результаты и конкретный опыт.

Ретейл.Телеком

директор по данным компании
«Евроторг»

Окончил Кубанский государственный университет по направлению «Управление качеством в социально-экономической сфере». Почти 20 лет опыта работы в ретейле – специализируется на управлении данными и обеспечении их качества. Руководил направлением по метаданным и качеству данных, Департамента по работе с данными российской розничной сети «Магнит». Отвечал за обеспечение доверия сотрудников к данным и развитие культуры data-driven. Сейчас – директор по данным, «Евроторг».

Данные в ретейле — это не просто показатели в отчетах, а пульс бизнеса: от наличия товара на полке до персонализированных предложений конкретному покупателю. Однако сами по себе данные активом компании на становятся – важны и культура работы с данными, и «зашитые» в нее процессы управления. Но в ретейле зачастую управление данными «по книжке» не работает и с подачи «сверху» не стартует – при запуске таких инициатив важно фокусироваться на ценности и показателях бизнеса. Секция объединяет ведущих практиков ретейла и телекома, которые делятся своими реальными кейсами и опытом построения эффективных систем управления данными. Акцент выступлений на бизнес-эффектах от решений управления данными в эпоху обеспечения технологической независимости, а также от применения ИИ-инструментов для оптимизации затрат и ускорения производительности.

Наталья Стрекаль

Финансовый сектор

Более 10 лет опыта работы на консультационных проектах в интересах крупнейших финансовых институтов России: Сбер, ВТБ, Альфа-Банк, Т-Банк, Райффайзенбанк, Банк России, Национальный Клиринговый Центр. Сейчас – директор, руководитель практики управления данными и ИИ для банков и финансовых компаний, «Технологии доверия» (ТеДо).

Данные в финансовом секторе играют особую роль – на протяжении десятилетий на их основе формируются продуктовые линейки, разрабатываются продвинутые модели, используемые и в ценообразовании, и в управлении клиентской стоимостью, и в регуляторике. С приходом искусственного интеллекта финансовый сектор оказался в авангарде – финансовые организации, которые годами создавали систему управления данными, уже сейчас начинают получать преимущества от ИИ-трансформации. Секция посвящена обсуждению с ведущими участниками банковской и страховой индустрии, вызовы времени, решаемые с помощью данных: импортозамещение основных учетных систем, интеллектуализция ключевых процессов, создание дата-партнерств и клиентоцентричная модель ведения бизнеса.

программный директор
«Открытые Системы»

Как свидетельствует многолетний опыт проведения мероприятий издательства, данные – основа цифровой экономики и источник жизненной силы ее предприятий. Однако, для информационного общества критичны любые ошибки в данных, поэтому сейчас так востребованы соответствующие актуальные методики и инструменты. Форум – уникальная площадка для обмена идеями и опытом реализации стратегий руководства и управления данными. Наиболее актуальные темы и лучшие спикеры – совершенно все на нашем Форуме.

Окончил НИЯУ «МИФИ». Более 40 лет опыта работы в ИТ-индустрии: ИПМ им.М.В.Келдыша РАН – интегрированная разработка больших инженерных систем в интересах предприятий, организаций и исследовательских институтов «Росатом»; Венский университет экономики и бизнеса – интеграция приложений, информационных систем и пакетов прикладных программ работы с искусственными нейронными сетями, хранение и консолидация данных для геосервисов. В рамках проектов для предприятий атомной отрасли принимал участие в качестве архитектора данных, архитектора по интеграции и лидера разработки систем хранения, передачи и управления результатов физических экспериментов и данных эксплуатации промышленных энергетических установок. Главный редактор журнала «Открытые системы.СУБД». Программный директор конференций и форумов издательства «Открытые системы»: «Управление данными»; «BItech.Технологии бизнес-аналитики»; «Качество данных»; «Роботизация бизнес-процессов»; «Технологии искусственного интеллекта»; «Технологии блокчейна»; «Технологии баз данных» и др. Cтарший научный сотрудник ИПМ РАН.

технический менеджер
«Яндекс»

Обладает богатым опытом работы на ключевых позициях в ИТ-индустрии (разработчик ПО, инженер данных, специалист по машинному обучению и менеджер) в российских и зарубежных компаниях финтеха, бигтеха, биотеха, химической и нефтяной промышленности. Сейчас – технический менеджер платформы Ytsaurus, «Яндекс»

Один вопрос и сто запросов

Радикальная трансформация подходов к программированию и аналитике данных требует пересмотра технологий работы с кластерами больших данных в эпоху ИИ-агентов. Доклад посвящен анализу динамики нагрузки на кластер больших данных в условиях развития агентных подходов. Особое внимание уделено эволюции требований к инфраструктуре обработки данных в контексте использования ИИ-агентов, влиянию архитектурных решений на эффективность работы кластера и обработку запросов, роли глубины понимания кодовой базы системы в оптимизации взаимодействия агентов с данными, а также обсуждается значимость процессных подходов и методологий управления для повышения скорости и качества аналитики. Особое внимание уделено демонстрации на примере платформы Ytsaurus конкретных механизмов влияния различных факторов на производительность и результативность аналитических процессов, а также возможным путям оптимизации работы кластера в современных условиях.

руководитель центра по работе с данными
MWS AI

Окончила МГУ им. М.В.Ломоносова и магистратуру НИУ ВШЭ по специальности «Компьютерная лингвистика». Более 15 лет опыта работы с данными: ABBYY – задачи NLP и управление разметкой данных. Сейчас – руководитель центра по работе с данными, MWS AI. Построила единое хранилище данных компании и ввела стандарты метаданных, выстроила автоматизацию ETL-процессов. Управляет командой дата-инженеров, ИИ-тренеров и разметчиков, отвечая за весь путь данных от источника до обучающей выборки.

Участник: Архитектурный баттл

директор по развитию
Ассоциация организационного развития

Окончила МГУ им. М.В. Ломоносова и НИУ ВШЭ. Более 20 лет опыта в области трансформации бизнеса, операционной эффективности, стратегического и организационного развития, управления и консалтинга: «Росатом», X5 Group, «Газпром». Работала в стратегической практике: Accenture, Booz&Co (Strategy&), PWC. Реализовала около сотни проектов в компаниях атомной отрасли, инжинирингового сектора, нефтегазовой отрасли, энергетики, а также в машиностроении, ИТ и ретейле. Медиатор корпоративной практики Центра медиации при РСПП, куратор программы профессиональной переподготовки «Бизнес-медиация» в НИУ ВШЭ. Преподаватель магистратуры «Стратегическое управление в бизнесе» Государственного университета управления. Автор канала об управлении, организационном развитии и ИИ. Сейчас – директор по развитию и руководитель консалтинговой практики, Ассоциация организационного развития.

Модератор секции «Кейсы»

Участник пленарной дискуссии «Миграция и импортозамещение – что дальше?»

начальник управления архитектуры данных
ВТБ

Окончил Смоленский гуманитарный университет по направлению «Прикладная информатика в экономике». Почти четверть века опыта работы в информационных технологиях и информационной безопасности, специализируясь на управлении данными и корпоративной архитектуре: «Эр-Стайл» – директор департамента, «Сбербанк» – корпоративный архитектор. Сейчас –начальник управления архитектуры данных, ВТБ.

ex-CDO
«Юнилевер Русь»

Модератор секции «Технологии»

Окончил СПбГУ, MBA СПбГУ и аспирантуру РАНХиГС. Более 20 лет опыта работы в ИТ-индустрии – руководство и управление данными: Carlsberg, Mars, Wrigley; «Газпром Нефть», МегаФон, Райффайзен Банк – руководство функцией управления данными; ВТБ – ведущий архитектор данных; Unilever Россия («Юнилевер Русь», ныне «Арнест Юнирусь») – CDO.

директор по развитию сервисного бизнеса
«Аренадата Софтвер»

Закончил Белгородский государственный технологический университет им. В.Г. Шухова. Четверть века опыта работы в сфере стратегического консультирования, цифровой трансформации, реинжиниринга бизнес-процессов и управления корпоративными данными. Работал с крупными промышленными, энергетическими, инфраструктурными, нефтегазовыми, строительными, транспортными и телекоммуникационными компаниями. Имеет опыт создания и развития консалтинговых и сервисных практик, центров компетенций, проектных офисов, методологий внедрения и целевых операционных моделей: Data Governance, Master Data Management, Data Quality, Data Catalog, офис CDO, корпоративная архитектура, управление портфелями проектов, цифровая трансформация бизнеса. Сейчас – директор по развитию сервисного бизнеса, «Аренадата Софтвер».

Дата-стратегии-2027: от целей к инструментарию

...

менеджер департамента «Стратегии данных и ИИ»
Axenix

...

Когда метаданные читает ИИ-агент

...

старший менеджер практики управления данными
ТеДо

Окончил Кубанский государственный университет. Почти 10 лет опыта работы в финансовом секторе в области управления качеством данных, развития аналитики и аналитической инфраструктуры, создания скоринговых и антифрод-решений, внедрения искусственного интеллекта в бизнес-процессы и развития цифровых продуктов: ВСК – руководитель департамента аналитики и технологий; Т-Банк – руководитель проектов. Сейчас – старший менеджер практики управления данными и ИИ для банков и финансовых компаний, «Технологии Доверия» (ТеДо).

Почему Data Quality застрял в DWH?

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?

Участник секционной дискуссии «Перезагрузка дата-стратегии финансового сектора в эпоху интеллектуальных агентов»

руководитель MDM-команды Adastra
Data Sapience

Окончил Московский государственный институт электроники и математики. Более 20 лет опыта работы в сфере разработки и внедрения сложных систем – в интересах международных и отечественных консалтинговых компаний занимался внедрением систем ERP и CRM, а также разработкой высокопроизводительных систем в крупных российских и международных организациях розничного, нефтегазового и банковского секторов, а также телекоммуникационных компаниях. Сейчас – руководитель MDM-команды Adastra, компания Data Sapience. Руководит разработкой стратегии управления данными, созданием решений Master Data Management и Customer Data Integration, а также ведет проекты в области управления данными предприятий различных отраслей экономики.

Участник секционной дискуссии «Эпоха GenAI: управление данными в промышленности»

генеральный директор
«Серч Сентрик»

Окончил Московский геологоразведочный институт, инженер-геофизик, к.т.н. Почти 30 лет опыта работы в области создания национальных и корпоративных банков геолого-геофизических и промысловых данных. Специалист по управлению корпоративной информацией (IBM), внедрению комплексных информационных решений на предприятиях нефтегазового сектора (Halliburton). Принимал участие в проектах для нефтяных компаний и государственных организаций таких стран, как: Россия, Казахстан, Норвегия, Великобритания, Австралия, Индонезия, Турция, Нигерия, США и Колумбия. Работал с такими российскими заказчиками и партнерами, как: «Газпром Интернэшнл», «ЛУКОЙЛ-Инжиниринг», «Татнефть» и АЛРОСА. Сейчас — генеральный директор, компания «Серч Сентрик». Руководит развитием платформы Memoza – обработка и интеллектуальный поиск по сложным корпоративным данным.

Участник секционной дискуссии «Эпоха GenAI: управление данными в промышленности»

эксперт Big Data & BI
K2Tex

Окончила Московскую государственную академию тонкой химической технологии и аспирантуру РГУ нефти и газа (НИУ) им. И. М. Губкина,к.т.н.Имеет многолетний опыт в инжиниринге и отраслевой аналитике нефтегазового и металлургического секторов. Сейчас – эксперт Big Data & BI. Развивает направление подготовки данных для аналитических и ИИ-решений.

Участник секционной дискуссии «Перезагрузка дата-стратегии финансового сектора в эпоху интеллектуальных агентов»

Независимый эксперт, ex-CDO Банк России

Окончил Московский государственный институт радиотехники, электроники и автоматики. Более 30 лет опыта работы в финансовой индустрии (компании «Большой четверки»), ИТ-компаниях и крупных кредитных организациях: «Сбербанк» – руководитель Дирекции по управлению корпоративными данными, начальник Управления отчетности и MIS (Management Information Systems), Департамента финансов, CDO блока «Финансы»; Банк России – директор Департамента управления данными. Специализируется на создании систем поддержки принятия решений, аналитики данных и построении систем управления данными.

Участник пленарной дискуссии
«Миграция и импортозамещение – что дальше?».

управляющий директор
Сбер

Окончил Московский инженерно-физическом институт (Национальный исследовательский ядерный университет «МИФИ») по специальностям «Автоматизированные системы обработки информации и управления» и «Экономика и управление на предприятии», а также MBA в Корпоративном университете Сбербанка. Более 20 лет опыта работы в области корпоративных хранилищ данных, Big Data и аналитических платформ. Сейчас – управляющий директор, Департамент управления данными (SberData), Сбер. Отвечает за развитие ядровых сервисов Корпоративной аналитической платформы банка, обеспечивающей хранение и обработку данных объемом в сотни Пбайт. Перевел платформу с проприетарных решений (Teradata, Oracle, Cloudera и пр.) на собственные сборки, снизив на 40% TCO хранения. Ведет проект перехода платформы на архитектуру data lakehouse и проводит трансформацию ядровых сервисов платформы на рельсы промышленных GenAI-решений: сервис перевода запроса на естественном языке в SQL (Text2SQL, точность 80%), DataAPI для безопасного доступа AI-агентов к данным, агенты детекции токсичных нагрузок и пр.

Участник секционной дискуссии «Как ИИ меняет культуру управления данными?»

руководитель Data Governance
Билайн

Эксперт в области управления данными и трансформации. Более десяти лет опыта в Data Management и 11 лет в сфере управления проектами: Сбербанк, МТС, Т2, МКБ, «Ростелеком». Реализовывала масштабные проекты по трансформации данных, включая создание и внедрение единого семантического слоя, внедрение Data Mesh, Data& Knowledge Governance для GenAI. Имеет опыт создания и развития Data Office и Data Governance, построения корпоративных платформ управления данными, перехода к Data-as-a-Service, развития Knowledge Management и GenAI-ландшафта, внедрения Data Quality, Metadata Management, Data Lineage и Data Contracts. Сейчас – Head of Data Governance, ПАО «ВымпелКом». Руководит командами Data Scientists, Data Engineers, Data Analysts и экспертов по Data Governance.

Вызовы проектов управления данными

руководитель разработки платформы данных
РУСАЛ

Сейчас – руководитель разработки платформы данных, РУСАЛ.

В цифровую эпоху данные не самоцель и не техническая отчетность, а руководство к действию. Однако, прежде чем инициировать любой проект по управлению данными необходимо оценить эффект от его внедрения и определить выгоду, которую может получить бизнес. Как вообще извлечь максимальную выгоду из управления данными? Как оценить рентабельность внедренного решения? Что должно быть обязательным условием старта проекта? Какие проблемы могут возникнуть при выполнении проектов управления данными и как их избежать? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено анализу опыта привлечения руководства компании к управлению данными – не приказами, а личным примером.

Как гибридный Data Lakehouse разгружает аналитическое хранилище

ведущий эксперт по управлению данными
VK Tech

Окончил Национальный Исследовательский Ядерный Университет «МИФИ». Почти 20 лет опыта управления международными проектами оптимизации работы сетей сотовой связи (GSM, UMTS, LTE, 5G). В интересах ведущих телекоммуникационных операторов, курировал внедрение систем сбора данных с базовых станций для последующего моделирования и анализа. Занимался развитием продуктов по управлению данными: TData – эксперт по управлению данными. Сейчас – ведущий эксперт по управлению данными, VK Tech.

...

Автопилот в самолете без штурвала или как управлять данными в эпоху ИИ?

продуктовый менеджер VK Data Catalog
VK Tech

Окончил МАИ по направлению «прикладная математика и информатика». Занимался внедрением и развитием MDM-систем, а также задачами качества данных в финансовом секторе. Участвовал в развитии внутренней дата-платформы VK, включая единую BI-систему и каталог данных. Соавтор отраслевых рекомендаций по разработке ПО для нефтегазовой, нефтехимической и химической отраслей. Сейчас – продуктовый менеджер VK Data Catalog, VK Tech.

Многие компании говорят, что уже управляют данными, а теперь с помощью ИИ будут делать это быстрее и лучше. Но что значит управлять? С помощью каких инструментов следует управлять и какие процессы для этого нужны? Доклад посвящен ответам на эти и другие вопросы.

Единая платформа качества данных в условиях импортозамещения

эксперт по качеству данных
Мегафон

Окончил Дальневосточный федеральный университет по специальностям «Бизнес-информатика» и «Программная инженерия». Почти десять лет опыта работы в сфере управления качеством данных. Сейчас – эксперт по качеству данных, МегаФон. Руководит развитием корпоративной платформы Self-service Data Quality – от концепции до промышленной эксплуатации.

Переход на отечественные инфраструктурные решения, включая системное ПО и СУБД ставит перед командами данных новые вызовы – привычные инструменты контроля качества становятся недоступны, а потребность в надежном мониторинге данных возрастает. В докладе представлен практический опыт построения платформы DataControl, обеспечивающей контроль качества данных в условиях импортозамещения. Рассмотрены архитектурные решения, обеспечивающие отказоустойчивость и масштабируемость системы, а также функционал мониторинга качества данных для BI-отчетности и различных источников.

Гармонизация отчетности: кто объяснит ИИ, какой цифре верить?

директор стратегических направлений
ДАР (КОРУС Консалтинг)

Более 10 лет занимается развитием технологических решений и реализацией масштабных программ организационных трансформаций. Эксперт в области AI-native решений, искусственного интеллекта и цифровой трансформации бизнеса. Занимал руководящие должности в европейских офисах Deloitte и Accenture. Сейчас – директор стратегических направлений, ДАР (КОРУС Консалтинг).

Во многих компаниях один и тот же показатель существует сразу в нескольких версиях: в КХД, дашбордах, SQL-расчетах и «самом правильном» Excel у бизнес-пользователя. Человек еще может разобраться в расхождениях, опираясь на контекст и знание отчетности компании. Но что произойдет, когда за анализ возьмется ИИ-агент? Как он поймет, какому показателю верить, что он означает и по каким правилам был рассчитан? Доклад посвящен тому, как гармонизация отчетности помогает связать бизнес-смысл показателей, фактическую логику расчета, источники данных и ответственность за них, а также как ускорить эту работу с помощью ИИ и при этом не выбросить деньги на ветер.

Данные есть – владельца нет: как офис данных решает проблему ответственности

руководитель направления по процессам и инструментам управления данными
T2

Окончила НИУ Высшая школа экономики, магистр экономики. Десять лет опыта работы в международной консалтинговой компании – трансформация финансовой функции, где участвовала в различных проектах по внедрению ИТ-систем и кросс-функциональных процессов. Сейчас – руководитель направления по процессам и инструментам управления данными, Т2. Отвечает за развитие подходов Data Governance и Data Driven.

Данные часто создаются в одном подразделении, обрабатываются в другом, а хранятся в ИТ-системах, однако используются всей компанией. Кто должен определять, какие значения правильны, согласовывать изменения и отвечать за качество данных? На практике формальное назначение владельца проблему не решает – бизнес воспринимает новую роль как дополнительную нагрузку, ответственность не подкрепляется полномочиями, а спорные вопросы продолжают возвращаться в Офис данных. Доклад посвящен обсуждению опыта Data Office Т2 по выстраиванию централизованного процесса владения данными: определение владельца в сложном корпоративном ландшафте, разделение ответственности между бизнесом, ИТ и Офисом данных, а также мотивирование бизнеса для принятия новой роли. Особое внимание уделено переходу от разового назначения владельцев и заполнения Каталога к регулярному операционному процессу, встроенному в жизненный цикл данных. Кроме этого в докладе анализируются практические кейсы выстраивания и управления процессом владения данными, а также приводятся рекомендации по его внедрению, переводу в операционную деятельность и дальнейшему развитию.

Гармонизация отчетности: кто объяснит ИИ, какой цифре верить?

заместитель коммерческого директора
ДАР (КОРУС Консалтинг)

Почти 20 лет опыта работы в сфере управления данными в роли заказчика, консультанта, вендора и интегратора: ФТС, SAS, IBS, VK Tech. Эксперт Школы управления Сколково, преподаватель ФКН ВШЭ и МГИМО. Сейчас – зам. коммерческого директора, ДАР (КОРУС Консалтинг).

Во многих компаниях один и тот же показатель существует сразу в нескольких версиях: в КХД, дашбордах, SQL-расчетах и «самом правильном» Excel у бизнес-пользователя. Человек еще может разобраться в расхождениях, опираясь на контекст и знание отчетности компании. Но что произойдет, когда за анализ возьмется ИИ-агент? Как он поймет, какому показателю верить, что он означает и по каким правилам был рассчитан? Доклад посвящен тому, как гармонизация отчетности помогает связать бизнес-смысл показателей, фактическую логику расчета, источники данных и ответственность за них, а также как ускорить эту работу с помощью ИИ и при этом не выбросить деньги на ветер.

ИИ – панацея или модный диагноз?

управляющий директор
Сбер

Окончил Московский Государственный Университет им. М.В.Ломоносова, механико-математический факультет. Более 15 лет опыта работы в ИТ-индустрии: большие данные, автоматизация бизнес-процессов, внедрение искусственного интеллекта, решений цифрового таргетинга и рекламы. Реализовал более 500 ИИ-проектов. Участвовал в развитии технологических платформ и повышении качества данных в рамках клиентского направления, имеет экспертизу в области внедрения решений для управления данными и внес существенный вклад в улучшение процессов управления данными в профильных подразделениях СберТех и Сбербанка. Сейчас отвечает за создание единой платформы данные КИБ Сбербанка, аналитические продукты для клиентов (СберАналитика); развитие ИИ-продуктов для внешнего рынка, цифровой маркетинг (СберТаргет); платформу управления взаимоотношениями с клиентами и автоматизации бизнес-процессов (SberCRM).

Искусственный интеллект прочно вошел в повестку, но зачастую его внедрение воспринимается как самоцель или «волшебная таблетка» от всех вызовов и болезней. Однако на практике работа с ИИ – это всегда системный проект, требующий зрелой культуры работы с данными, выстроенного диалога внутри команды и готовности учиться на ошибках. Почему подход «просто внедрить ИИ-решение» не работает? На каких этапах проекта возникают основные риски и как выстроить системную работу с данными? Доклад посвящен ответам на эти и другие вопросы.

Ни минуты простоя – умная предиктивная аналитика в действии

руководитель направления по развитию новых продуктов
«Группа СВЭЛ»

Окончил Восточно-Казахстанский государственный технический университет. Более 20 лет опыта работы в сфере автоматизации, качества и надежности электроснабжения: Siemens, Усть-Каменогорский конденсаторный завод, Серпуховский конденсаторный завод. Сейчас – руководитель направления по развитию новых продуктов, АО «Группа СВЭЛ».

В эпоху жестких требований к непрерывности бизнеса надежность ИТ-инфраструктуры становится критическим фактором. Однако, до 40% внеплановых остановок ЦОД происходят из-за сбоев электроснабжения – традиционные ИБП и генераторные установки лишь помогают преодолевать последствия аварий, но не предотвращать их. Переход от реактивного обслуживания к предиктивному управлению качеством электроэнергии с помощью решений ИИ позволяет во многом решить проблему «скрытых угроз» в энергетической сети, постепенно и незаметно для классических средств мониторинга выводящих оборудование из строя. Доклад посвящен обсуждению особенностей применения искусственного интеллекта для анализа телеметрии энергосистем. Особое внимание уделено решениям предиктивной аналитики, позволяющим распознавать аномалии задолго до момента физического отказа оборудования, снизить эксплуатационные расходы (OPEX), оптимизировать коэффициент эффективности использования энергии ЦОД (PUE, Power Usage Effectiveness) и продлить срок службы дорогих АКБ. Кроме этого наглядно разбираются возможности получения экономического и технического эффекта от внедрения интеллектуальных средств контроля электропитания.

Из сервисной функции в бизнес: как дата-офис увеличивает продажи

CDO
Всеинструменты.ру

Окончила СПбГУ: специалист-математик; бакалавр, экономист. Более 15 лет опыта работы в ИТ-индустрии – электронная коммерция, технологии автоматизации розничной торговли, SaaS: Google, Facebook, Verizon Connect, «Корус консалтинг». Сейчас – руководитель департамента управления данными, аналитики и планирования, Всеинструменты.ру.

Бытует иллюзия, что если дать бизнесу BI-инструменты, то менеджеры сами начнут разбираться в данных. Однако, попутно им нужно решать свои задачи: почему просели продажи, где теряются деньги, что можно попробовать и пр., поэтому разбираться в устройстве отчетов им обычно некогда. Как быть? Достаточно ли лишь одного инструмента самообслуживания, чтобы не только получить доступ к данным, но и сформулировать в ним вопросы? Что делать с ответом? Необходимы ли бизнесу аналитики? Что дата-офис может сделать сам, не дожидаясь запроса от бизнеса? Как дата-команда может быть полезна бизнесу, а не просто выполнять роль поставщика очередных отчетов? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено обсуждению конкретных примеров: клиентская аналитика и ситуация, когда выручка от доставки не выполняет план; как заметить проблему, разбираться в причинах и вместе с бизнесом искать решение. Кроме этого анализируются изменения от ИИ и способы обеспечения работы с данными не только технически подкованным сотрудникам.

Управление данными против галлюцинаций ИИ: контроль и качество

главный эксперт отдела развития инструментов управления данными
TData

Окончил Вятский Государственный университет. Почти 10 лет опыта работы в сфере анализа и управления данными. Сейчас – главный эксперт отдела развития инструментов управления данными, Tdata. Отвечает за функциональное развитие продукта RT.DataGoverance и его интеграцию с сервисами ИИ.

Цена ошибки, вызванной галлюцинациями ИИ, может быть весьма высокой – недостоверный ответ модели способен не только подорвать доверие к сервису, но и привести к негативным финансовым и репутационным последствиям для компании. Доклад посвящен подробному обсуждению того, как управление качеством данных и контроль за их происхождением помогает решить проблему галлюцинаций.

MDM 2.0: инфраструктура доверия эпохи ИИ и вайбкодинга

руководитель группы
Data Sapience

Окончила Донбасскую государственную машиностроительную академию по специальности «Финансы». Более 10 лет опыта работы в области управления данными и НСИ – руководила соответствующими проектами, включая создание ML-решений для нормализации и повышения качества данных: Ernst & Young (ныне Б1) — менеджер по НСИ и миграции данных на проектах внедрения SAP и «1С». Сейчас — ведущий бизнес-аналитик, руководитель группы в компании Data Sapience, принимает участие в разработке MDM-решения с использованием LLM.

Рынок MDM перезапустился – справочник данных превратился в операционную инфраструктуру доверия и для ИИ-агентов, и для бизнес-решений. Почему низкое качество данных стало главным барьером любых ИИ-инициатив? Чем MDM 2.0 принципиально отличается от классического подхода? Как без управляемого слоя мастер-данных вайбкодинг превращает скорость разработки в риск для бизнеса? Доклад посвящен ответам на эти и другие вопросы.

От Data Governance к AI Governance: кто в ответе за ошибки ИИ?

руководитель дирекции развития процессов управления данными
«Альфа-Банк»

Окончил Омский государственный технический университет. Более 20 лет опыта работы в области управления данными и внедрения клиентоцентричных решений: в различных органах исполнительной власти Омской области выполнял проекты цифровой трансформации процессов, включая модернизацию муниципальных сервисов и развитие цифровых решений для рынка труда; Сбер – интеграция клиентских данных сегментов B2B, B2C и дочерних компаний путем их объединения в единую экосистему. Построил независимый интегрированный стек технологий управления клиентскими данными, внедрил клиентоцентричную модель управления данными, перевел все банковские процессы на «Единый профиль клиента» и единый ID. Сейчас – руководитель дирекции развития процессов управления данными, отвечает за трансформацию Data Governance и стратегию по работе с клиентскими данными, «Альфа-Банк».

Банки привыкли управлять данными через политики, роли и контрольные процедуры. С ИИ этого уже недостаточно – если цикл создания ИИ-решения занимает недели, а цикл согласований месяцы, то всем участникам процесса необходимо перестраиваться. Где в этом цикле согласований заканчивается ответственность дата-офиса и начинается AI Governance? И нужно ли сохранять это разделение? В докладе — изложение подхода к единому контуру Data & AI Governance, непосредственно встроенному в жизненный цикл разработки ИИ-решений (AI SDLC): от гипотезы и спецификации до запуска решения в промышленную эксплуатацию. Кроме этого в докладе обсуждается Единый профиль клиента, как ключевой источник дата-ценности в клиентском бизнесе.

Изменение подхода к анализу данных. BI в мессенджерах и ботах

директор офиса больших данных
«М.Видео-Эльдорадо»

Окончил Московский Государственный Институт Электронной Техники (Технический Университет) (МИЭТ). Более 20 лет опыта работы в сфере управления данными, внедрения и развития проприетарных (SAP BW, SAP BusinessObjects, Tableau, Oracle) и решений Open Source (GreenPlum, Apache SuperSet): Сбербанк, «Альфа-банк», «Эльдорадо». Сейчас – директор офиса больших данных «М.Видео-Эльдорадо».

Наша компания начала свой путь трансформации в платформный маркетплейс, что потребовало от всех подразделений, в первую очередь от Дата офиса, изменения подходов к обработке и предоставления данных. В результате в компании появилась «экосреда» обмена данными и информацией – мессенджеры. Как мы сейчас живем в этой новой среде, что автоматизировали и что планируем изменить в ближайшее время – суть доклада.

КХД 2.0 – движение к экономике данных

начальник управления планирования и отчетности
ГК «Росатом»

Окончил Тамбовский государственный технический университет по специальности «Финансы и кредит» и Высшую школу финансового менеджмента Академии народного хозяйства при Правительстве РФ по программе MBA «Финансы». Почти 20 лет опыта работы в сфере финансов и ИТ-индустрии. Сейчас – начальник управления планирования и отчетности, Блок по информационным и цифровым технологиям, ГК «Росатом».

Сегодня в атомной отрасли активно идут процессы импортозамещения в целом и в корпоративном хранилище данных, в частности — унаследованная отчетность из SAP переносится на отечественную платформу. В дополнении к пяти блокам отчетности в 2026 году был выполнен перенос ключевого блока «Отраслевая финансовая отчетность». В итоге скорость загрузки форм сбора данных выросла в 30 раз, скорость загрузки из систем-источников — в шесть, а расчет оборотно-сальдовой ведомости — в 11 раз. В КХД 2.0 будет 16 блоков по разным бизнес-направлениям. Доклад посвящен обсуждению опыта развертывания КХД 2.0: цель создания хранилища и его задачи; выбор вендора, старт и реализация проекта.

генеральный директор
DataCatalog

Четверть века опыта работы в ИТ-индустрии: внедрение аналитических систем, разработка облачных продуктов, развитие бизнеса : SAS, IBM, «Интерфакс» и др. Сейчас – генеральный директор, компания DataCatalog, ГК “Arenadata”.

Участник секционной дискуссии
«Эпоха GenAI: управление данными в промышленности»

руководитель направления НСИ Финансового департамента
Wildberries & Russ

Окончил РТУ МИРЭА «Институт информационных технологий». Почти 20 лет опыта работы в ИТ-индустрии: управление данными (MDM, DQ, DG), аналитика: НЛМК, «Газпром-Информ», ГАП «Ресурс», ОХК «Уралхим», «Полюс Золото». Сейчас – руководитель направления НСИ Финансового департамента, Объединенная компания Wildberries & Russ (RWB).

Участник секционной дискуссии «Как ИИ меняет культуру управления данными?»

Как переосмыслить MDM в эпоху ИИ

директор по развитию
«Arenadata Harmony MDM»

Окончил факультет международных отношений Санкт-Петербургского государственного университета (СПбГУ) по специальности мировая политика. Более 20 лет опыта работы в ИТ-индустрии и в области медиатехнологий: руководство студии по производству видеоконтента Voda; автор ряда передач для каналов ТНТ и MTV, а также сценариев для программ на федеральных телеканалах НТВ и РТР; «Московский комсомолец» – главный редактор отдела; руководил продвижением на рынок российско-немецкого концерна A+S и транспортной компании «Газелькин»; владел собственной студией по производству сериалов и рекламы. «Юниверс Дата» – коммерческий директор. Сейчас – директор по развитию «Arenadata Harmony MDM».

Качество исходных данных – определяющий фактор эффективной работы ИИ-решений. Без надежной основы даже самые продвинутые модели опираются на неточные сведения. Доклад посвящен обсуждению использования MDM в качестве фундамента для ИИ-трансформации – от построения единого источника достоверных данных до запуска эффективных ИИ-проектов. Особое внимание уделено обзору решений ИИ, предлагаемых Arenadata Harmony MDM, позволяющих ускорить работу с нормативно-справочной информацией и снизить нагрузку на команды.

Как переосмыслить MDM в эпоху ИИ

технический директор
«Arenadata Harmony MDM»

Окончил магистратуру РГУ нефти и газа (НИУ) им. И.М.Губкина по специальности «Автоматика и вычислительная техника». Более 20 лет опыта работы в ИТ-индустрии, начав карьеру с автоматизации центрального производственно-диспетчерского управления «Газпром». Реализовал проекты управления мастер-данными в таких компаниях, как: «Газэнергосеть», СКБ Контур, Food Union, «Транзас», «Инфинитум», СТТ, «Сибур», Мостра-Групп, «Данон», НЛМК и ТМК. Сейчас – технический директор, «Arenadata Harmony MDM».

Качество исходных данных – определяющий фактор эффективной работы ИИ-решений. Без надежной основы даже самые продвинутые модели опираются на неточные сведения. Доклад посвящен обсуждению использования MDM в качестве фундамента для ИИ-трансформации – от построения единого источника достоверных данных до запуска эффективных ИИ-проектов. Особое внимание уделено обзору решений ИИ, предлагаемых Arenadata Harmony MDM, позволяющих ускорить работу с нормативно-справочной информацией и снизить нагрузку на команды.

Каталог данных AI-Ready

директор практики Data Governance
Data Sapience

Окончил ВМК МГУ им. М.В.Ломоносова. Более 25 лет опыта работы в сфере управления данными и аналитики – в интересах консалтинговых компаний и крупных российских банков, страховых и розничных компаний занимался созданием хранилищ данных, развертыванием MDM- и аналитических решений (BI, Campaign Management, AML, OpRisk). Работал в финансовом секторе: Райффайзен банк – руководитель отдела управления данными, отвечал за стратегию развития Data Governance, выстраивание и сопровождение процессов управления метаданными, качеством данных, НСИ, а также развитие КХД, инструментария self-service BI и проверку гипотез. Сейчас – директор практики Data Governance в ГК «ГлоуБайт», отвечает за развитие линейки продуктов Data Ocean Governance компании Data Sapience, решения по управлению метаданными и качеством данных DOG EMM и DOG DQ; руководит проектной практикой в области управления данными для заказчиков из различных отраслей: разработка стратегии управления данными и создание продуктов для автоматизации процессов и решения прикладных задач в области управления качеством данных, метаданными и НСИ.

Автоматизации бизнес-процессов с использованием ИИ-агентов – это тенденция современного рынка и фокус работы для большинства компаний. Что должна «уметь» современная платформа управления данными для поддержки ИИ-агентов? Как меняется взгляд на управление данными по мере масштабирования ИИ? Какие возникают новые вызовы в части техники и методологии? Чем «семантический слой» отличается от классического бизнес-глоссария? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено обсуждению требований к современной платформе управления данными и ее взаимодействию с ИИ-агентами (как в части доступности данных, так и в части автоматизации работы стюардов данных). Кроме этого анализируются перспективы развития решений по управлению метаданными.

Аналитика без хранилища: опыт «умной» миграции на суверенную платформу

ведущий специалист по кадровой аналитике
«ЭкоНива»

Окончила Воронежский государственный архитектурно-строительный университет. Более 15 лет опыта работы в банковском секторе, HR-аналитика C&B (функция, отвечающая за систему вознаграждения, мотивации, компенсаций и льгот для сотрудников ): «Сбербанк Онлайн» – клиентский сервис; «Офисмаг» – автоматизация расчетов мотивации. Сейчас – ведущий специалист по кадровой аналитике, ООО «ЭкоНива-АПК Холдинг».

Команда HR-аналитики агрохолдинга «ЭкоНива» мигрировала с зарубежной системы Power BI на российскую платформу Visiology. Доклад посвящен анализу опыта перехода на суверенное решение: выстраивание модели и витрин данных собственными силами без привлечения интеграторов; настройка ежедневного автоматического обновления дашбордов при отсутствии хранилища данных. Особое внимание уделено обсуждению проблем выполнения проекта миграции и особенностей их преодоления в условиях фрагментированного ИТ-ландшафта и разнородности источников данных: многочисленные базы «1С», «ручные» excel-файлы, Яндекс.Документы, опросники на Яндекс.Формах и пр. Кроме этого раскрываются секреты выстраивания процессов очистки, валидации и обогащения данных и обнародуются перспективы дальнейшего развития проекта, включая мониторинг зарплат по регионам с помощью решений ИИ, используемых для сбора данных.

Как не мешать бизнесу работать с данными

управляющий директор управления бизнес-анализа
«Россельхозбанк»

Окончила НовГУ им. Ярослава Мудрого. Почти 10 лет опыта работы в сфере финансов и консалтинга, более 15 лет опыта в сфере бизнес-аналитики и больших данных: эксперт, консультант, руководитель бизнес анализа данных и разработки. Сейчас — управляющий директор управления бизнес-анализа, РСХБ.Цифра.

Современному бизнесу нужны мгновенные ответы на свои запросы – ожидать аналитических отчетов от ИТ-подразделения сегодня нельзя. Как это добиться: централизованная разработка или self-service? Каким вообще должен быть минимальный и роскошный максимальный инструментарий для анализа данных, причем не забывая, что инструменты – это еще не гарант успеха? Как внедрять решения self service в процессы пользователей? Есть ли сегодня шансы у распечатанного отчета против ИИ? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено анализу опыта применения платформы исследования данных и инструментов ИИ. Кроме этого обсуждается рецепт от «выгорания» при внедрении аналитики в большом банке.

Качество без права на исправление

руководитель группы анализа качества данных
ОКБ

Окончил Орехово-Зуевский филиал Института экономики и предпринимательства по специальности «Финансы и кредит». Почти 20 лет опыта работы в финансовой индустрии – кредитование физических и юридических лиц: КБ «ЮНИАСТРУМ БАНК» – менеджер по обслуживанию; АКБ МОСОБЛБАНК – старший кредитный специалист; Банк «Народный кредит» – ведущий специалист отдела сопровождения; КБ «ЛОКО-Банк» – главный специалист отдела сопровождения, главный аналитик отдела мониторинга кредитного портфеля розничного бизнеса. Восемь лет опыта работы с данными для кредитной истории: КБ «Ренессанс Кредит» – аналитик данных передаваемых в БКИ; ООО «ХКФ Банк» – начальник отдела по работе с бюро кредитных историй. Участник рабочей группы Банка России по разработке Единого формата кредитной информации (ЕФКИ). Сейчас – руководитель группы анализа качества данных, Объединенное кредитное бюро (АО «ОКБ»).

Бюро кредитных историй (БКИ) получает, аккумулирует и хранит информацию, входящую в состав кредитных историй физических и юридических лиц: кредитные договоры и линии, договоры 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.

Качество без права на исправление

директор по управлению данными
«Объединенное Кредитное Бюро»

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 договоры и линии, договоры 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.

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?

Данные для ИИ-агентов: как меняется корпоративная платформа данных

технический директор, DIS Group
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.

Новым потребителем корпоративных данных сегодня становятся ИИ-агенты, формирующие множество запросов и за секунды ожидающие ответы, работая и с историческими, и с постоянно обновляющимися операционными данными. Как агентская аналитика меняет требования к платформам данных и почему традиционных хранилищ уже недостаточно? Чем нагрузка от ИИ-агентов отличается от классической бизнес-аналитики? Почему Data Lakehouse и открытые форматы становятся основой современной платформы данных? Зачем в едином контуре объединять исторические, потоковые и операционные данные? Почему реальное время становится необходимым условием для автономных ИИ-агентов? Как обеспечить единые метрики, семантику, права доступа и управляемость данных? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено особенностям применения платформы «Селена» на базе StarRocks в качестве единого слоя данных для BI-, ML- и ИИ-агентов.

«Оживляем» данные и повышаем качество аналитики

директор по управлению данными
«Светогорский ЦБК»

Окончил Московскую медицинскую академию им. И.М.Сеченова. Почти 20 лет опыта работы в сфере маркетинга, управления проектами и аналитики: 3М, Nestle и пр. Сейчас – руководитель департамента цифровизации производственных и непроизводственных процессов, НПАО «Светогорский ЦБК», отвечает за улучшение финансовых показателей компании за счет внедрения качественной аналитики и эффективной обработки данных (BI, CPM), автоматизации рутинных процессов (RPA, оптимизация процессов), улучшения производительности и снижения себестоимости производственных процессов (AI, ML, машинное зрение и др.).

Традиционный взгляд на использование BI – это стандартное сравнение факта к плану. А что если поставить цель – получить удобный инструмент быстрого прогнозирования, создания сценариев для согласования, причем так, чтобы система бизнес-аналитики мгновенно отображала все изменения? Самое главное – никаких «ручных» таблиц, все только онлайн. Плюс к этому, все справочники должны вестись безопасно и контролируемо в той же системе. Возможно ли это? Доклад посвящен ответу на этот вопрос.

Data Management & Data Governance: вчера, сегодня, завтра

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.

Доклад посвящен обсуждению эволюции подходов к управлению данными и перехода Data Governance от ИТ-рутины к основе для корпоративного ИИ. Какие изменения произошли в отношении к данным («вчера»)? Что собой представляют современные реалии («сегодня») и как концепция Data as a Product и архитектура Data Lakehouse меняют традиционные подходы к управлению данными? В прогностической части выступления («завтра») фокус смещается на управление данными с помощью генеративного ИИ и на концепцию автономного Data Governance. Кроме этого рассмотрены компоненты, которые необходимо заложить в архитектуру данных уже сейчас, чтобы организация была готова к работе с автономными ИИ-системами.

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.

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.

Как с помощью ИИ снизить порог входа и адаптацию практик DG

руководитель Центра управления данными
МТС

Окончила Челябинский Университет по специальности Информатика и английский язык. 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). Также решает задачи стратегического консалтинга компаний группы АФК «Система» в части Data Governance, фокусируясь на внедрении ИИ в дата-процессы компании.

В эпоху ИИ качество данных, метаданные и семантика перестают быть лишь желательным элементом работы дата-команды – они становятся неотъемлемой составляющей успеха любых ИИ-инициатив. Однако, для ускорения внедрения практик DG требуется снизить порог входа, обеспечить быстрый старт любого сотрудника в освоении соответствующих практик и повысить доступность инструментария. Также важно сократить участие человека в рутинных операциях и встроить шлюзы DG в операционные процессы дата-команд. Во всех этих сценариях могут помочь ИИ-агенты. Доклад посвящен обсуждению основных принципов создания ИИ-агентов для управления данными. Основное внимание уделено разбору практических примеров внедрения ИИ в DG.

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».

Сегодня в сфере управления данными происходят изменения, позволяющие оперативно решать вопросы, на которые ранее у компаний не хватало ни времени, ни ресурсов. Искусственный интеллект ускоряет процессы и DG, и DQ, но не заменяет экспертизу. Доклад посвящен обсуждению реальных примеров использования инструментов ИИ, которые уже были интегрированы в корпоративный контур и приносят реальный эффект: описание данных, формирование логической модели данных и глоссария. Особое внимание уделено анализу результатов экспериментов – проблемы встраивания ИИ в жизненный цикл разработки ПО; точки расширения сфер применения ИИ-инструментов в ближайшем будущем в рамках большой производственной компании, с учетом закрытого контура.

Импортозамещение BI и хранилища данных – палка о двух концах

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.

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».

...

Корпоративная модель данных как бизнес-контекст для решений ИИ

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.

Качественных и доступных данных еще недостаточно, чтобы корпоративный ИИ выдавал правильные ответы. Даже при наличии зрелой дата-платформы ИИ может по-разному интерпретировать один и тот же запрос, обращаться к разным источникам и получать формально корректные данные, не соответствующие бизнес-контексту. Где возникает смысловой разрыв? Какую роль в его устранении может играть корпоративная модель данных? Доклад посвящен ответам на эти вопросы. Особое внимание уделено обсуждению работы подхода, позволяющего ориентироваться в реальном ИТ-ландшафте со множеством систем и источников в данных, помогая ИИ разбираться в терминологии и взаимосвязях, для формирования ответов с учетом конкретного корпоративного бизнес-контента.

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».

После ухода из России западных поставщиков инженерных решений, под угрозой оказалось управление инженерными данными на российских мегастройках. Требовалось создать отечественное решение полного цикла — примерный, но более быстрый и удобнее аналог зарубежных систем: единый веб-интерфейс, легкий доступ к 3D-моделям, техническая документация и проверка данных в одном решении. Такое решение было создано и тиражируется сегодня на крупнейшие инвестиционные проекты страны, экономя более 40% времени инженеров, исключая ошибки на этапе закупок и строительства, собирая данные для ввода в эксплуатацию и обслуживания. Доклад посвящен обсуждению процесса превращения инженерного хаоса в управляемый актив.

Опыт импортозамещения системы управления инженерными данными

директор ООО «ТриниДата»
«ТриниДата»

Окончил Пермский государственный технический университет. Более 30 лет опыта работы в ИТ-индустрии: цифровая трансформация, управление инженерными и мастер-данными, семантическое моделирование, интеграция данных и построение датацентричных архитектур. Имеет опыт реализации крупных проектов для промышленности и государственного сектора, автор более 40 публикаций и патента. Сейчас – директор ООО «ТриниДата», разработчика онтологической платформы интеграции и управления данными «АрхиГраф».

После ухода из России западных поставщиков инженерных решений, под угрозой оказалось управление инженерными данными на российских мегастройках. Требовалось создать отечественное решение полного цикла — примерный, но более быстрый и удобнее аналог зарубежных систем: единый веб-интерфейс, легкий доступ к 3D-моделям, техническая документация и проверка данных в одном решении. Такое решение было создано и тиражируется сегодня на крупнейшие инвестиционные проекты страны, экономя более 40% времени инженеров, исключая ошибки на этапе закупок и строительства, собирая данные для ввода в эксплуатацию и обслуживания. Доклад посвящен обсуждению процесса превращения инженерного хаоса в управляемый актив.

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.

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.

Участник: Круглого стола

Семантическая инженерия: управление данными от глоссария до SDD-контрактов

директор Центра управления данными
«Инфосистемы Джет»

Окончил МАДИ (ГТУ) – магистр техники и технологий, направление «Базы и банки знаний». Почти четверть века опыта работы в ИТ-индустрии: построение корпоративных информационных систем и платформ данных; создание архитектур интеграционных процессов. Руководил проектами в интересах крупнейших российских компаний финансового, промышленного и розничного секторов: построение Data Lake и корпоративных хранилищ; Data Governance; бизнес-аналитика; корпоративные бизнес-системы – CRM, MES, ITAM, EPM и ECM; консалтинг по миграции с западных систем на отечественные решения; управление проектами и командами. Сейчас – директор Центра корпоративных решений, «Инфосистемы Джет».

В большинстве компаний бизнес-глоссарий, слой трансформаций и контракты на данные развиваются независимо – термины описаны в каталоге, расчетная логика живет в dbt-проекте, а договоренности команд остаются в переписке. Традиционные подходы закрывают задачу лишь частично – каталог без контрактов быстро теряет актуальность, контракты без глоссария защищают структуру, но не смысл показателя, а ручное описание семантики не масштабируется. В итоге львиная часть времени инженера по данным уходит на выяснение семантики поля и возможности его изменения. Доклад посвящен обсуждению построения сквозного жизненного цикла семантики, где бизнес-термин, семантическая модель, SDD-контракт и реализация в dbt связаны в одну версионируемую цепочку. Особое внимание уделено роли ИИ на переходах между слоями: восстановление бизнес-логики из унаследованного SQL, сопоставление терминов с физической моделью, генерация контрактов и кода из спецификации, семантическая проверка изменений при непрерывной интеграции (CI) и оценка их влияния на потребителей. Кроме этого рассматривается эволюция роли инженера по данным.

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.

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.

ПЛЕНАРНАЯ ДИСКУССИЯ

Экстренная миграция 2022–2025 годов уступает сегодня место стратегическому развитию – ИТ-индустрия движется от хаотичного поиска «заменителей» западного ПО и затыкания дыр с помощью Open Source к построению долгосрочной архитектуры на базе зрелых отечественных экосистем.

Миграция и импортозамещение – что дальше?

Борис Рабинович

Участники: топ-руководители и CDO ведущих российских компаний

независимый эксперт, ex-CDO
Сбер

Окончил МГТУ им. Н.Э. Баумана. Специалист по цифровой трансформации, управлению данными и созданию платформ по работе с данными и ИИ: Deloitte & Touche; Сбер – руководитель Департамента по работе с BI и BigData СберТех, руководитель Департамента управления данными Сбер, организовал бесперебойную работу Фабрики данных (объем хранилища более 300 Пбайт), обеспечил импортозамещение технологического стека на базе собственной разработки SberData Platform, централизовал работу с данными в Банке и Экосистеме, внедрил клиентоцентричную модель работы с данными. Кандидат технических наук. Член Правления Ассоциации больших данных. Участник Альянса в сфере искусственного интеллекта.

директор департамента больших данных
«Национальная Система Платежных Карт» (НСПК)

Окончил МГУ им. М.В.Ломоносова, механико-математический факультет, «Прикладная математика». Более 20 опыта работы в ИТ-индустрии: автоматизация процессов, управление данными и аналитика. Более 10 лет опыта работы на руководящих позициях в сфере управления данными в компаниях финансового сектора: Банк «Открытие» – руководство командой системного и бизнес анализа; «Московский кредитный банк» – лидер команды разработки  хранилища данных; «Абсолют Банк» – Chief Data Officer. Сейчас – директор департамента больших данных, АО «Национальная Система Платежных Карт», отвечает за развитие функции управления данными: методология, хранение, обработка, визуализация и продуктивизация.

Участник: Пленарная дискуссия

директор по цифровым проектам маркетинга
«АВТОВАЗ»

Окончила МГУ им. М.В. Ломоносова. Более 20 лет опыта в сфере разработки и внедрения стратегий для крупных национальных брендов в категориях товаров повседневного спроса (FMCG), автомобилестроения и бытовой техники. Более пяти лет опыта руководства построением цифровой экосистемы Lada от разработки продуктов до e-com и развертывания программы лояльности. Спикер на площадках НРФ, Adindex, InterForum. Член жюри премий «Проксима» и «Серебряный Меркурий». Участник конференций ПМЭФ и ЦИПР. Сейчас – директор по цифровым проектам маркетинга LADA, АО «АВТОВАЗ».

Участник: Пленарная дискуссия

АРХИТЕКТУРНЫЙ БАТТЛ

По итогам баттла все участники получат чек-лист для выбора оптимального архитектурного подхода с учетом бизнес-сегмента и задач компании, оргструктуры и уровня зрелости управления данными.

Как выбрать оптимальную для ИИ архитектуру управления данными?

главный архитектор платформы AIDP, DIS-Group
DIS Group

Окончил МИФИ, факультет кибернетики. Более 15 лет опыта работы в ИТ-индустрии: администратор баз данных СУБД Oracle, специалист по стеку Нadoop; Сбер – Enterprise Architect, разработка архитектуры аналитических систем класса Lakehouse и реального времени. Сейчас – главный архитектор платформы AIDP, DIS-Group.

Участник: Архитектурный баттл

руководитель центра разработки дата-продуктов
«Газпромнефть – ЦР»

Более 10 лет опыта работы в сфере управления данными и аналитики в интересах компаний отрасли FMCG, сектора розничной торговли Fashion Retail и индустрии ИТ. Сейчас – руководитель центра разработки дата-продуктов «Газпромнефть – Цифровые решения»: участвует в развитии аналитики, управления данными и трансформации подходов в работе с ними. Принимал участие во внедрении суверенных решений бизнес-аналитики, хранилищ данных, корпоративных каталогов и систем управления качеством данных. Внедряет инструменты бизнес-пользователей и аналитиков для самостоятельной работы с данными в рамках управляемой архитектуры корпоративных хранилищ.

руководитель направления BigData
«Инфосистемы Джет»

Окончил Институт информационных технологий и компьютерных наук НИТУ «МИСиС». Более 10 лет опыта работы в сфере управления данными — руководил проектами по построению озер данных и аналитических платформ в компаниях промышленного сектора России и СНГ: «Норникель», «УралХим» и др. Сейчас — руководитель направления BigData, компания «Инфосистемы Джет».

Участник: Архитектурный баттл

КРУГЛЫЙ СТОЛ

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 глубокая модернизация всей технологической платформы?

Импортозамещение в страховом секторе:
от регуляторной «повинности» к бизнес-ценности
и ИИ-трансформации

Владислав Набоков

независимый эксперт, ex-CIO
«Сбербанк страхование жизни»

Окончил Физико-технический факультет Санкт-Петербургского политехнического университета по специальности Техническая физика/Физика и техника полупроводников. Более 20 лет опыта работы в ИТ-индустрии – руководитель ИТ-блоков в страховых компаниях «Русский мир»; «Росгосстрах»; «ВТБ Страхование жизни»; «Сбербанк страхование жизни» – управляющий директор, CIO. Сейчас – независимый эксперт, сооснователь компании «Авинфорс».

зам. директора департамента ИТ
«СК «Согласие»

Сейчас – зам. директора департамента информационных технологий, ООО «СК «Согласие»

Участник. Круглый стол «Импортозамещение в финсекторе: от регуляторной «повинности» к бизнес-ценности и ИИ-трансформации»

директор по ИТ
«Абсолют Страхование»

Окончил Государственный университет управления и Executive MBA РАНХиГС. Более 20 лет опыта работы в ИТ-индустрии: «Ингосстрах», «Страховой Брокер Сбербанка», «НПФ Сбербанка». Сейчас – директор по ИТ, «Абсолют Страхование».

Участник: Круглый стол

зам. директора департамента «Страхование»
«Диасофт»

Окончил МГТУ им. Н.Э.Баумана и MBA CIO РАНХиГС. Более двадцати лет опыта работы на финансовом рынке: Агентство по ипотечному жилищному кредитованию (АИЖК, ныне ДОМ.РФ) – администрирование прикладных систем; «СК АИЖК» – CIO, где отвечал за ИТ-стратегию, бизнес-архитектуру и автоматизацию андеррайтинга и страхового учета. Сейчас – руководитель продукта «Страховые решения», зам. директора департамента «Страхование», компания «Диасофт», где отвечает за исполнение стратегии развития по страховому рынку.

Участник. Круглый стол «Импортозамещение в финсекторе: от регуляторной «повинности» к бизнес-ценности и ИИ-трансформации»