В рамках форума «Управление данными 2023», организованного издательством «Открытые системы», важное место было отведена роли управления данными в процессах цифровой трансформации, проводимой компаниями.

«Крупные компании думают о данных в контексте цифровой трансформации, что правильно. Однако часто впоследствии про слово 'трансформация' забывают, и это становится проблемой», — отметил Алексей Богомолов, директор по разработке и внедрению цифровых продуктов «Рексофт Консалтинг». Нацеленностью на использование данных уже никого не удивишь – все внедряют фабрики и хранилища, но, по мнению Богомолова, 70% проектов не отвечают заявленным ожиданиям. Так происходит из-за того, что компании относятся к «цифре» как к волшебной палочке. Данные, являясь «кровью» организации, действительно могут стать рычагом, благодаря которому подразделения смогут синхронизировать свою работу. Но для этого бизнес должен сам сформировать внутренний запрос на изменения.

«Без поддержки бизнеса путь трансформации компании невозможен», — согласился Михаил Рощин, заместитель директора дивизиона аналитических решений IBS. При реализации проекта, направленного на задачи управления данными, в первую очередь следует ответить на вопрос, зачем это нужно, что это даст организации. Ответы на него должны быть измеримыми. Например, это может быть экономия на дальнейшем масштабировании – важно знать не только о том, какие данные нужны, но и какие точно не нужны. Вторая возможная задача – работа над оптимизацией процессов и их адаптацией под текущую ситуацию. Кроме того, возможно снижение рисков информационной безопасности: описывая данные, компания понимает их значимость и правильно приоритизирует усилия по их защите. Наконец, для многих компаний важнейшую роль играет ускорение разработки новых аналитических продуктов, а также понимание данных и повышение культуры работы с ними.

По-прежнему важны компромиссы

Ольга Поторочина
Ольга Поторочина: «В первую очередь следует делать акцент на оценку имеющихся данных и решение конкретной прикладной задачи: если мы не понимаем данных и поставленную задачу, хорошего решения создать не удастся»

Создание аналитических систем, обрабатывающих большие объемы информации, сопряжено с рядом ограничений: довольно узкий стек технологий, сжатые сроки реализации проекта, множество внутренних и внешних источников данных, низкое качество самих данных. Ольга Поторочина, старший руководитель проектов Parma TG, подняла тему компромиссов, позволяющие снизить негативное влияние подобных ограничений на реализацию проектов.

«В первую очередь следует делать акцент на оценку имеющихся данных и решение конкретной прикладной задачи: если мы не понимаем данных и поставленную задачу, хорошего решения создать не удастся», — подчеркнула Поторочина. Что касается стека используемых технологий, то он может и должен меняться в зависимости от требований заказчика и уровня развития системы. Наконец, требуется гибкий подход к управлению проектом, позволяющий искать компромиссы без потери качества решения.

Михаил Шмитов, генеральный директор «Деко Системс», обсудил использование подходов low-code для организации хранилища данных. За последние три года компанией было реализовано около 20 проектов, подразумевающих разработку ETL-инструментов. Постепенно ее специалисты приходить к фреймворку, который позволил бы облегчить эту задачу, и визуальному интерфейсу, способному отражать производимые действия. Так появилась идея «облегченного» инструмента, позволяющего заказчикам самостоятельно конструировать ETL-процессы.

Роль MDM растет

По словам Алексея Нестерова, директора по ERP-решениям «1С», сейчас происходит масштабный переход нескольких тысяч крупных компаний с зарубежных ERP на отечественные продукты. Они сталкиваются с целым рядом проблем, и им требуется повышенное внимание к управлению данными.

Алексей Нестеров
Алексей Нестеров: «Если бы данные были живыми, для них это тоже был бы шок: разные модели данных с различными атрибутами, разные процессы и владельцы данных, накопленный за долгие годы мусор»

«Если бы данные были живыми, для них это тоже был бы шок: разные модели данных с различными атрибутами, разные процессы и владельцы данных, накопленный за долгие годы мусор», — подчеркнул Нестеров. Важна и нормализация данных, и повышение их качества. Для решения этих задач и служат системы класса MDM.

Нестеров рассказал о развитии системы 1С:MDM. Продукт за последний год радикально увеличил свой функционал, но при этом является полностью открытым и может быть кастомизирован. В нем используются методы искусственного интеллекта для поиска и классификации данных, голосовой ввод данных, реализована система управления качеством данных и обеспечена интеграция с системами ERP, ESB, ECM и бизнес-аналитики.

«Когда зарубежные вендоры «выключали рубильник», некоторые компании проводили миграцию за пару месяцев. А с работающего решения перейти сложнее: и страхов больше, и мотивация ниже, из-за чего проекты растягиваются», — заключил Нестеров. Именно поэтому важно сделать MDM не одноразовым инструментом, а средством непрерывного поддержания качества данных.

«Сегодня ни у кого не вызывает сомнения важность систем класса MDM, однако на пути внедрения и эксплуатации подобных решений имеется много подводных камней», — признал Андрей Андриченко, директор по развитию SDI Solution, рассказавший о проекте импортозамещения SAP MDM в одной из энергетических компаний. В практике внедрения MDM в промышленных компаниях есть своя специфика, отличающаяся от проектов в финансах, торговле или логистике. Она заключается в наличии в системе инженерного контура, а само решение часто получается двухуровневым – для управляющей компании холдинга и для производственных предприятий. При этом управление данными должно осуществляться из единого центра, и кроме того, требуется синхронизация объектов НСИ инженерного и экономического контуров.

Ценность данных

Вячеслав Зюба, руководитель развития направления бизнес-аналитики компании «Нетрика Медицина», рассказал о создании инструмента, помогающего выполнять оперативный анализ организационных ошибок до доступности свободной записи на прием к врачу. В оперативном управлении команды «N3.Аналитика» находятся данные о здоровье 40 млн человек, это сотни объектов в информационной модели и тысячи атрибутов. При этом возможна детализация данных до любого уровня, позволяющая осуществлять поиск причин проблем. На основе имеющегося опыта Зюба обозначил вектор развития платформы на 2024 год: от инструментария BI к полноценной платформе управления данными, включающей каталог данных, механизмы разметки, описания и интеграции данных, механизмы трассировки происхождения данных (data lineage), управление доступом и т.д.

Федор Медведев
Федор Медведев: «Современные модели управления увеличивают разнообразие необходимых сотрудникам знаний. Это может быть большой проблемой, если нужно обучить сотрудника, получить или восстановить компетенцию, найти эксперта, собрать общую картину»

«Современные модели управления увеличивают разнообразие необходимых сотрудникам знаний. Это может быть большой проблемой, если нужно обучить сотрудника, получить или восстановить компетенцию, найти эксперта, собрать общую картину», — отметил Федор Медведев, директор департамента проектных решений и поисковых систем Naumen. Он обсудил подходы к интеграции корпоративных данных и инструментов доставки бизнес-ценности конечным пользователям. Корпоративные данные — ценный ресурс, при правильном использовании позволяющий значительно улучшить качество и скорость выполнения бизнес-процессов. Однако, как заявил Медведев, большинство компаний до сих пор не умеет извлекать из них максимальную пользу. На это есть разные причины — от нехватки инструментов и знаний, до неспособности преодолеть технические проблемы обработки неструктурированных данных. Как следствие, практически все теряют время и деньги из-за недостатков работы с корпоративной информацией: 95% организаций тратят часы на поиски нужных данных в информационных системах, а 65% так и не находят искомое.

В рамках форума состоялось два мастер-класса. Константин Кондратьев и Алена Беглер из компании «ТриниДата» провели мастер-класс «Моделирование информации об изделиях», посвященный методам онтологического моделирования на платформе «АрхиГраф». Для процессов проектирования, закупок, ремонта и обслуживания оборудования очень важно хранить полную и достоверную информацию о характеристиках изделий. Моделирование атрибутивного состава изделий в формате онтологии и интеграция с учетными системами позволяет сократить время выполнения процессов и количество ошибок на этапах проектирования, закупок, внедрения и обслуживания, что ведет к снижению издержек.

Мастер-класс «Эффективная организация управления метаданными», проведенный Кириллом Евдокимовым, директором практики Data Governance компании Adastra (группа GlowByte), был посвящен обсуждению пользы метаданных, драйверов, лежащих в основе оценки экономического эффекта от реализации системы управления ими и разбору примеров реализации соответствующих проектов. Как констатировал Евдокимов, управление метаданными – одно из наиболее важных, однако часто недооцененных направлений Data Governance. Именно метаданные способны существенно упростить управление данными, повысить их доступность для пользователей, снизить риски и затраты при создании аналитических продуктов. Вместе с тем, сложность организации процессов, существенные трудозатраты на начальных этапах внедрения, необходимость выстраивания четких процессов и трудность оценки эффекта – лишь некоторые типичные проблемы, с которыми сталкиваются компании на пути организации управления метаданными.