Chief data officer (CDO) — позиция относительно новая, но уже ставшая популярной в современных компаниях. От CDO ждут конкретных результатов здесь и сейчас. Однако на практике уровень ожиданий оказывается серьезно завышенным. Сегодня становится очевидно: необходимо внедрять специальные инструменты искусственного интеллекта (ИИ), без которых ни один CDO не сможет справляться с возложенными на него обязанностями.
Цифровая трансформация ставит новые задачи, требует новых ролей и их исполнителей. Именно по этой причине позиция CDO с акцентом на управлении корпоративными данными стала востребованной. Можно говорить, что из нишевой должности в банках и телеком-компаниях она превратилась в общий институт в крупном бизнесе.
Gartner прогнозирует, что к 2021 году CDO в 75% компаний крупного бизнеса станет позицией уровня mission-critical — наравне с ИТ-директором, а также с руководителями финансового и операционного блоков. Однако на практике результаты работы CDO скорее разочаровывают, поскольку не приносят видимого внятного результата. Люди на этой должности в крупных организациях часто меняются, не оправдав ожиданий. Почему так происходит?
Кто виноват?
Во-первых, компании продолжают смешивать две роли — CDO и CDS (chief data scientist), перед которыми стоят совершенно разные задачи. Chief data scientist занимается собственно изучением данных, извлечением из них ценности для бизнеса — тем, что называется монетизацией данных. Задача же «классического» CDO — организовать управление жизненным циклом данных так, чтобы информация нужного качества и в определенном виде предоставлялась нужному адресату (включая CDS) вовремя по всей организации.
На практике такого эффекта пытаются достичь преимущественно организационно-процессными методами, создавая надстройки над соответствующей ИТ-инфраструктурой и системами. Если же организация крупная, со сложной иерархической оргструктурой, то организовать кросс-функциональное взаимодействие ее различных подразделений весьма затруднительно. А оно жизненно необходимо, чтобы данные оставались доступными и качественными на всех этапах своего жизненного цикла. В итоге «озера данных» превращаются в «болота», в которых «никогда нет того, что нужно» и данным в которых никто не верит. То есть работать с данными долго и дорого, их качество низкое и говорить о сколь бы то ни было значимой практической отдаче и той самой монетизации в такой ситуации сложно.
Вторым фактором является то, что хозяйство, которое вверяется в ведение CDO, в любой крупной компании поистине масштабно, носит комплексный характер и охватывает множество смежных областей. Любой бизнес-процесс сегодня автоматизирован, проходит через множество систем, порождает гигантский объем разных данных и к тому же постоянно изменяется. Взять все это под контроль, пусть даже озаботившись только рождающимися данными, и эффективно управлять из единой точки — крайне сложно. Особенно принимая во внимание иерархичность структуры управления. Политической воли топ-менеджеров, регламентов, документации и текущих инструментов уже не хватает для итогового успеха.
В-третьих, появление в штате CDO расхолаживает руководителей и сотрудников, они начинают рассуждать примерно так: «Теперь это не моя забота». Данные рассматриваются как побочная активность, необязательный факультатив. Коллективного энтузиазма обычно хватает максимум на пилотную фазу проекта по внедрению новых подходов к управлению данными в очень ограниченной предметной области.
По нашему практическому опыту можно сказать, что сегодня нет ни одной компании, которая не столкнулась бы с перечисленными проблемами при попытке развернуть полноценную стратегию в области управления данными с выделенным руководителем направления во главе.
Что делать?
Отправная точка CDO в любой компании сегодня — смещение внимания с хранилищ и фабрик данных (где уже «поздно пить боржоми»). Акцент делается на точках зарождения данных (чеки, запросы, входящие документы, карточки клиента и пр.) и на выстраивании процесса от производителя до потребителя. И когда такая работа начинается, выявляется главная проблема: у директора по работе с данными нет адекватных инструментов автоматизации его работы! Он — типичный сапожник без сапог.
ИТ-отрасль в целом проходила через аналогичную фазу в своем развитии. Занимаясь автоматизацией множества разнообразных бизнес-процессов для всех отраслей, ИТ-разработчики не очень заботились об автоматизации собственной работы. Причем такая ситуация начала меняться относительно недавно, о чем и свидетельствует бум спроса на DevOps, Continuous Integration и т. п.
Сейчас CDO находится ровно в том же положении: ему нужен софт, чтобы управлять всеми текущими задачами — контролировать потоки данных на всем тракте, технические и бизнес-метаданные, классификацию данных, модели и структуры, участников процесса в различных ролях и т. д. Но имеющиеся программные средства помогают мало, скорее удлиняют и усложняют рабочий процесс.
То есть ИТ для ИТ появились и успешно развиваются, а аналогичных по качеству ИТ для CDO пока нет. Хотя основные игроки сообщают, что Data Governance 3.0 есть в их дорожных картах. Оговоримся: инструменты для управления потоками данных и контроля их качества, ведения бизнес-глоссария и пр. существуют. Но, во-первых, между собой они зачастую плохо интегрируются, а во-вторых, они «заточены» под работу с нуля, причем при условии, что она ведется правильным образом: «мы начинаем все описывать, и постепенно формируется единое поле активов под управлением со всеми связями и т. д.».
По факту же CDO приходится работать в среде, где много всего было сделано, но требуются огромные усилия по наведению порядка. Отслеживать в такой ситуации полный цикл работы с данными от источника происхождения до «озера данных», да еще с постоянными изменениями, без помощи продвинутых ИИ-алгоритмов попросту невозможно.
Чем же ИИ так хорош?
Высокая отдача ИИ применительно к задачам CDO обусловливается общей «заточенностью» искусственного интеллекта под решение проблем без заранее известных четких правил. ИИ может обучиться им сам. Компьютер в этом плане обладает необходимым уровнем самостоятельности, находит закономерности и совпадения — либо невидимые человеку, либо обнаруживаемые только в результате вложений тысяч человеко-часов. Если нужно в короткие сроки (а CDO сегодня работают в постоянном цейтноте) понять, как данные о клиенте из 10 разных систем соотносятся с одним и тем же объектом, то искусственный интеллект справится гораздо эффективнее человека. Например, в разных системах одной компании клиент может проходить под разными обозначениями — client, customer, shopper и пр., человеку требуется время, чтобы при классификации данных понять, что речь идет об одном и том же объекте. Машина всё сделает (после определенного обучения) практически мгновенно.
Кроме того, CDO всегда ограничен в ресурсах. Он не может нанимать бесконечное множество помощников и сотрудников под каждые проект и задачу. Отдельной проблемой становится формирование единого поля корпоративных знаний. Эксперты бизнес-подразделений хорошо знают свою предметную область, но требуется извлечь знания у каждого эксперта, свести их в одном месте (бизнес-глоссарии), предоставить доступ к этому массиву, задав корректный понятийный аппарат для всей компании. Это крайне длительный процесс, и здесь возможности ИИ трудно переоценить. Алгоритмы глубинного обучения и продвинутой аналитики могут прочесывать дата-сеты, статистику, метаданные, имеющуюся документацию в текстовом виде или даже картинки-схемы, существенно экономя время и обеспечивая качественные результаты.
Например, в банках, где традиционно оперируют широким набором самых разных документов и форматов, ИИ идеально подходит для систематизации и создания нового понятийного аппарата путем извлечения ценных знаний из уже существующего набора абсолютно разрозненных документов. Традиционными организационно-процессными методами такие задачи решить невозможно, или, по крайней мере, потребуются колоссальные усилия.
Как правило, CDO приходит в организацию с готовой проблематикой и от него ждут результатов работы не позднее чем через 6–7 месяцев. Чтобы уложиться в эти сроки, CDO хотя бы на 50% нужно быть искусственным интеллектом, опираться на эффективные ИИ-инструменты в своей работе.
Перспективы и результаты
Пять лет назад было принято начинать работу с людей: выделить штатную единицу, поставить цели, определить критерии оценки и т. д. Сейчас фокус резко сместился на поиск «правильных» подходов. Чем заниматься CDO в компании, перед кем отчитываться о результатах, с кого спрашивать — в целом ясно. Остается вопрос: каким образом ему достичь результатов в короткие сроки?
Только используя технологии, можно действовать результативно. И самое интересное, что у многих компаний для этого есть адекватный технологический стек. Иногда он даже содержит ИИ-функционал, пусть и базовый. Основная проблема — это низкий уровень локализации применительно к разным странам с их реалиями, глоссариями отраслевых терминов и национальными языками. Чтобы все это «взлетело», необходим творческий подход и понимание, что универсального решения нет.
В качестве примера можно привести решение для обогащения метаданными мастер-системы по оборудованию для крупной производственной компании: при помощи технологий обработки естественного языка из документации к оборудованию и описания технологических процессов извлекаются данные о спецификации для дальнейшего импорта метаданных в соответствующую систему управления мастер-данными компании.Таким образом процесс наполнения мастер-справочника оборудования ускоряется в разы.
Без ИИ соответствующей работой должно было бы заниматься целое подразделение из нескольких сотен человек. С ИИ 80% работ выполняется в автоматическом режиме, тем самым экономятся колоссальные средства и время.
Наконец, еще одна важная деталь: чем больше данных обрабатывают ИИ-инструменты, тем выше качество работы, что полностью отвечает задачам любого CDO сегодня. Кроме того, к этому следует добавить появление новых вызовов, обусловленных массовым переходом к работе по принципам Agile, когда зачастую никакой документации просто не остается. Вывод очевиден: роль ИИ-помощников в деятельности CDO будет расти с каждым днем.
Автор — Лариса Малькова, управляющий директор Accenture Russia, член экспертного совета CDO Award.