Качество данных

Доступность, открытость и демократизация данных стала одной из основных тем ежегодного форума, организуемого компанией DIS Group.

Алексей Моисеенко, руководитель проекта внедрения системы нормативно-справочной информации ОТП Банка, — о централизации нормативно-справочной информации в импортонезависимой архитектуре.

Владимир Громов, заместитель руководителя департамента технологического развития общебанковских систем, Даниил Казаков, начальник управления архитектуры данных, и Ростислав Даньков, директор по управлению проектами группы методологии управления данными ВТБ, — о реализации проекта «Управление жизненным циклом данных в условиях постоянных изменений», ставшего архитектурной инновацией промышленного управления данными.

Основа успеха цифровых предприятий – данные, однако почти половина их оказывается непригодной для использования. Без системного подхода к управлению данными происходит искажение данных на всех этапах их жизненного цикла, а соответствующие продукты теряют доверие бизнеса. Исправить ситуацию поможет синергия процессов разработки и Data Governance. Как это реализовать и почему не работают традиционные подходы?

Развертывание единого хранилища данных, объединяющего данные из нескольких крупных монолитных систем, позволяет организациям получить гибкий и масштабируемый ИТ‑ландшафт. Однако переход к микросервисной архитектуре сам по себе не гарантирует улучшения качества данных, напротив, без переосмысления подходов к управлению данными часто приводит к росту числа инцидентов и усложнению процессов анализа их причин.

Какой эффект дает подход Data Quality by Design и какие важные аспекты нужно учесть при его внедрении в организации? Ведущие эксперты рынка решений управления качеством данными — о роли интеграции управления качеством данных в бизнес-процессы, способствующей повышению эффективности бизнес-процессов, ускорению принятия управленческих решений и снижению операционных рисков благодаря исключению из работы некачественных данных.

Порядок создания работающего процесса контроля качества данных в финансовых организациях строго регламентирован, однако при его проектировании почти невозможно сразу охватить все данные и информационные системы банка. Построение процесса контроля качества данных организации требует решения множества вопросов, от выбора документации и критериев оценки качества данных и вплоть до назначения ответственных и вовлечения в процесс всех сотрудников финансовой организации.

Павел Мартынов, руководитель службы развития BI компании «Комус», – о создании каталога данных, в котором отражены все накопленные дата-активы.

Марк Дубинский, исполнительный директор Департамента интегрированного риск-менеджмента Сбербанка, – о разработке полностью автономного ИИ-агента на базе GigaСhat для контроля качества данных.

Денис Тепляков, эксперт качества данных компании «МегаФон», — о создании собственного self-service инструмента для обеспечения качества данных.

Юлия Карасева, начальник отдела качества клиентских данных, и Наталья Арепьева, директор группы развития клиентских сервисов ВТБ, – о разработке собственной MDM-системы для клиентов-юридических лиц, позволившей свести «серую зону» потенциальных дублей к нулю.

Сергей Горелов, управляющий директор Сбербанка, — о разработке промышленной платформы TagMe для подготовки датасетов, создающей «топливо» для искусственного интеллекта.

Николай Шевцов, CDO ОТП Банка, и Елена Будерацкая, лидер команды Data Governance, – о создании единого корпоративного пространства Data Governance с автоматизированными правилами и метриками качества.

В рамках всероссийской конференции «Качество данных» эксперты обсудили вопросы внедрения дата-контрактов и внедрения подхода DQ by design.

Седьмая всероссийская конференция «Качество данных» продолжила обсуждение подходов, инструментов и практики создания систем, нацеленных на обеспечение гарантированно высоких показателей качества данных, используемых в корпоративных бизнес-процессах.

Какая дорожная карта поможет встроить управление качеством данных в бизнес-процессы и что нужно, чтобы в конечном итоге сформировать культуру доверия к предоставляемым данным и решениям на их основе.

Какого рода инструменты обеспечения качества данных нужны в организации и как их встроить в бизнес-процессы, чтобы получить ощутимую пользу для бизнеса.

Какие ключевые эффекты можно достичь благодаря внедрению подхода Data Quality by Design и какие важные аспекты нужно учесть, внедряя его в организации.

Данные – ключевой актив компаний, однако их накопленный объем еще не означает эффективного управления, повышению которого препятствуют проблемы с доступностью, производительностью и интерпретацией данных. Для решения подобных проблем необходимо разделить работу с данными по уровням управления, на каждом из которых применяется свой индивидуальный подход к процессам и инструментам.

Многие компании несут убытки из-за ошибок в мастер-данных, не представляя себе с чего начать их исправление, как правильно распределить ресурсы и какой бюджет целесообразно выделить на соответствующие инструменты? Часто кажется, что проблема с НСИ разом пропадет после внедрения специализированной системы MDM, однако стоимость подобных решений столь высока, что проект может остановиться на неопределенное время, за которое ком проблем с НСИ будет расти еще больше, а очищенные данные вновь обрастут ошибками.