CDO Award

В последнее время все чаще поднимаются вопросы, кто такой Chief Data Officer, станет ли эта должность массовой и насколько директор по данным на самом деле важен для современной компании – и с точки зрения организации работы с данными, и вообще в организации процессов. В дискуссии «Chief Dаta Officer – в авангарде цифровой трансформации?», в рамках форума Big Data 2018, проведенного издательством «Открытые системы», мы пригласили поучаствовать нескольких руководителей, которых можно причислить к CDO, хотя их должности и звучат по-разному. Как выяснилось, потребность в таких руководителях будет расти, а вот их место в корпоративной иерархии может существенно различаться в зависимости от специфики компании.

Роль зависит от компании

В чем сегодня заключается роль CDO в компании? Это роль, которая требует быть инициатором преобразований в бизнесе, или она больше подразумевает управление данными и их качеством?

«Проработав в нескольких компаниях, я попытался сформулировать для себя роль CDO одним предложением. Прежде всего это создание единого качественного источника информации по оптимальной стоимости. Естественно, в понятие качества входят все классические атрибуты – полнота, своевременность, интерпретируемость», – говорит Сергей Носов, директор департамента управления данными «Ростелекома».

«Роль CDO возникает там, где есть проблемы с доступностью данных. Новая должность появляется не на пустом месте, она продиктована насущными потребностями бизнеса», Анджей Аршавский, директор центра анализа данных и математического моделирования НЛМК «CDO – это должность, которая подразумевает не только знание техники работы с данными, но и понимание экономической и управленческой составляющей бизнеса», Азат Шамсутдинов, директор направления машинного обучения и искусственного интеллекта North.AI, «Севергрупп» (справа налево)

У каждой компании свои потребности и проблемы, которые накопились со временем или появились недавно. Поэтому говорить об универсальности роли CDO не приходится. Например, ассоциация Digital Asset Management (DAM) четко расписывает, кто такой CDO и чем должен заниматься. Естественно, в его обязанности входят основные направления, такие как обеспечение инфраструктуры работы с данными, работа с нормативно-справочной информацией, архитектура потоков данных и множество других смежных тем. Что интересно, в числе прочего указаны и такие специфические теперь вещи, как работа с данными на бумажных носителях.

«На мой взгляд, CDO – это должность, которая подразумевает не только знание техники работы с данными, но и понимание экономической и управленческой составляющей бизнеса. Иными словами, это человек, который ясно видит и понимает стратегию развития компании, понимает ее бизнес-процессы и, самое главное, как это можно реализовать», – полагает Азат Шамсутдинов, директор направления машинного обучения и искусственного интеллекта North.AI, «Севергрупп». Как показывает практика, когда компании принимают решение всерьез заняться данными и намерены пригласить CDO, они на самом деле хотят получить прибыль. Но на собеседовании часто оказывается, что человек очень хорошо понимает техническую часть, а вот коммерческие показатели ему даются тяжело. Иногда самые простейшие вопросы проясняют, насколько слабо человек владеет экономической частью ИТ-проектов. Людей с требуемыми знаниями на рынке очень немного, но, к счастью, их постепенно становится больше.

«Роль CDO нужна там, где есть проблемы с доступностью данных. Новая должность появляется не на пустом месте, она продиктована насущными потребностями бизнеса», – подчеркивает Анджей Аршавский, директор центра анализа данных и математического моделирования НЛМК. Когда и источников, и потребителей данных много, а их запросы зачастую конфликтуют, возникает дезорганизация, и здесь необходима стратегия управления данными (Data Governance). Ее разработкой должен заниматься кто-то достаточно высокопоставленный, кто способен получать бюджеты на создание необходимой инфраструктуры и понимает реальные потребности разных направлений бизнеса.

«Сейчас у нас возникают проекты, основанные на данных, заказчиками которых являются самые разные направления бизнеса. Потребности в данных растут, требования к их качеству кардинально меняются, и роль CDO становится крайне актуальной», – отмечает Аршавский.

По мнению Носова, должность CDO появилась около пяти лет назад сначала в банковском секторе. Примерно два года назад директора по данным стали появляться, как ни странно, в промышленных компаниях, причем с особой миссией – в их букве D смешались Data, Digital и Data Science. В последнее время эта роль все четче прорисовывается и в телеком-компаниях.

«Очевидно, первенство банков было связано с необходимостью извлечения ценности из клиентских данных. Именно на этом был фокус банковской деятельности в последние годы, хотя в ретейле и телекоме эта проблема тоже всегда была актуальной. Сейчас я вижу именно такие запросы со стороны бизнеса – например, когда требуется запустить активные продажи», – говорит Носов.

«На Западе тема CDO стартовала ненамного раньше, чем в России, и особой продвинутости у них нет. Более того, они довольно редко погружаются в бизнес-задачи и обычно ограничиваются техническими проблемами», – делится наблюдениями Олег Гиацинтов, технический директор DIS Group.

Согласно результатам опроса, проведенного Informatica среди французских CDO, 57% из них видят своей главной задачей «демократизацию» данных. Действительно, это распространенная проблема: зачастую подразделения по разным причинам не желают делиться данными со своими коллегами. Примерно 70% директоров по данным имеют бюджеты на стратегические инициативы и видят себя лидерами кросс-функциональных команд, которые объединяют бизнес и ИТ.

Где «припарковать» CDO?

В Gartner полагают, что СDO должен находиться в прямом подчинении у генерального директора, особенно в случае, когда фактически выполняет роль Chief Data Science. Однако эта модель не всегда работает, и тогда приходится решать, в каком подразделении он должен работать. Во многом это связано с влиятельностью различных подразделений компании и их способностью отстаивать свои интересы.

«Позиция CDO сильно зависит от того, как распределены в компании основные потребители данных и те, кто отвечает за их производство», – утверждает Аршавский. Например, совершенно естественно, что в банках главным потребителем данных является финансовый блок, поэтому его влияние сильнее. Однако сейчас потребители данных появляются во всех подразделениях, и так происходит не только в банках, но и в других отраслях. В соответствии с этим мигрирует и место CDO в корпоративной иерархии: важно, чтобы стратегия работы с данными была сбалансирована в зависимости от нужд потребителей. При этом CDO должен видеть и перспективу: как различные подразделения будут потреблять данные через несколько лет – например, по мере развития систем искусственного интеллекта.

«По моему опыту, это всегда была роль между ИТ и финансами, я пока не видел ее в другом месте. Где в идеале эта роль должна быть “припаркована”, зависит от специфики компании», – говорит Носов. Он приводит несколько примеров эволюции места CDO внутри компаний, где работал. Так, в Сбербанке роль CDO изначально создавалась в финансах, но развитие событий привело к тому, что CDO перешел в ИТ-блок, и это всех устроило. Более того, появилось понимание того, что роль CDO должна быть устроена федеративно. И тогда в каждом блоке появился «мини-CDO», который координировал свою работу с основным куратором этого направления. В «Газпромбанке» позиция CDO появилась в ИТ-подразделении, однако быстро возникли трения с финансовым блоком по методологическим и техническим вопросам. В «Открытии» была другая история: Носов пришел на должность CDO в финансовый блок, однако через полгода было принято решение, что это больше техническая роль и ее надо развивать в ИТ. В «Ростелекоме» функция CDO возникла в ИТ-блоке, но сейчас также находится в процессе миграции – руководство ищет оптимальную модель.

От хозяина до стюарда

Сейчас появляется все больше компаний, обозначаемых как data-driven business, когда сервис, построенный на данных, по сути является главным продуктом компании. В этом случае человек, отвечающий за работу с данными, фактически является «хозяином» основных активов. Западные аналитики высказывают мнение, что он имеет все возможности стать первым лицом организации.

По мнению Шамсутдинова, в какой-то степени CDO действительно можно считать «серым кардиналом» – человеком, который в определенных видах бизнеса знает всю бизнес-структуру и все процессы, вплоть до самых низких уровней. Однако такое, конечно, возможно далеко не везде.

Есть большая разница, занимается ли CDO прямым извлечением ценности из данных или приносит пользу опосредованно, обеспечивая доступность данных для бизнес-подразделений. Те, кто извлекает из данных прямую прибыль, как правило, работают в небольших компаниях, созданных специально для этого. Большинство предприятий, особенно производственных, работают по-другому, в них роль CDO все-таки больше сервисная – обеспечение доступности данных и их качества.

***

В завершение дискуссии журнал «Директор информационной службы» (CIO.ru) объявил об учреждении премии CDO Award, призванной отметить успехи компаний по построению бизнеса, основанного на данных, и конкретных CDO в популяризации своей профессии. Результаты будут объявлены на следующем форуме Big Data.

Зрелость компаний растет, и вследствие этого меняется их операционная модель работы с данными. Вместе с тем, по мнению Сергея Носова, директора по управлению данными «Ростелекома», одна из основных задач Chief Data Officer заключается в обеспечении проактивного сервиса по предоставлению качественных данных. В преддверии дискуссии «Chief Dаta Officer – в авангарде цифровой трансформации?», которая состоится в рамках форума Big Data 2018, он поделился своими взглядами на роль CDO.

- До «Ростелекома» вы работали на должности CDO в двух банках. Ощущается ли разница в специфике работы, в чем она заключается?

Я заметил, что, когда речь идет о CDO, часто смешивают несколько ролей – Chief Data Officer, Chief Digital Officer, Chief Data Science. Я работал в нескольких компаниях именно в роли директора по данным – Chief Data Officer.

Говорить о наличии серьезной специфики для CDO в зависимости от отрасли я бы не стал. Но зато есть специфика, связанная с конкретной компанией. Она обусловлена прежде всего уровнем зрелости компании, выражающимся в ее готовности к внедрению функции «Управление данными», причем готовность эта определяется текущим состоянием процессов работы с данными, немало зависит также от накопившихся проблем, связанных с обеспечением заказчиков качественными данными, от ландшафта систем отчетности и многого другого.

- В чем именно заключаются сейчас ваши обязанности?

Обязанности вполне ожидаемы. Это построение операционной модели работы с данными, развитие хранилища данных, BI и инфраструктуры работы с данными, управление качеством и архитектурой данных. В моей зоне ответственности, кроме того, управление мастер-данными и нормативно-справочной информацией, а также управление метаданными.

- В Gartner отмечают изменение роли CDO в сторону большей бизнес-ориентированности. Чувствуется ли это по требованиям со стороны бизнеса?

Что касается крупных компаний, то требования со стороны бизнеса в части обеспечения необходимыми данными, повышения качества данных, внедрения систем по работе с мастер-данными сохраняются и актуальны. Как я уже говорил, растет зрелость компаний, к тому же появляется большее осознание роли CDO. Как следствие, с появлением такого осознания меняется операционная модель компаний в части работы с данными.

- Данные начинают играть все большую роль в бизнесе. Способен ли CDO стать «серым кардиналом» в современной компании?

Одна из основных задач Chief Data Officer заключается в обеспечении проактивного сервиса по предоставлению качественных данных для заказчиков. Для меня это сервисная функция, поэтому говорить о том, что CDO должен или способен стать «серым кардиналом», считаю неправильным.

- В чем для вас заключаются основные сложности в работе? Каковы главные проблемы, что дается сложнее всего?

В последних двух компаниях, в которых я работал, исторически имелось несколько хранилищ. При этом у руководства были серьезные планы по изменению ИТ-ландшафта. Синхронизировать процессы объединения существующих хранилищ данных, у каждого из которых есть свои плюсы и минусы и история развития, поддержку процессов подготовки данных в условиях изменения ландшафта, одновременно обеспечив реализацию новых требований заказчиков и необходимый уровень коммуникации с ними, – это основной вызов.

Директора по данным и аналитике начинают играть ключевую роль в проектах цифровой трансформации бизнеса. До сих пор они занимались управлением данными, их качеством, следили за выполнением нормативных требований, но теперь, как показал опрос Gartner Chief Data Officer Survey, их работа приносит осязаемую выгоду компаниям и создает в коллективах культуру, ориентированную на данные. Более половины CDO теперь подчиняются непосредственно одному из высших руководителей компании, а к 2021 году уже в трех четвертях крупных компаний роль службы CDO будет считаться не менее важной для бизнеса, чем роль ИТ-службы или финансового отдела.

Более трети опрошенных CDO заявили, что одним из главных критериев успешной работы для них является увеличение доходов компании. Вопросы снижения риска и экономии средств отходят на второй план. В их зону ответственности включены вопросы аналитики, этики использования данных и цифровой трансформации.

Проблеме роли CDO в современных компаниях и их профессиональной трансформации будет посвящен круглый стол, который пройдет в рамках конференции BIG DATA 2018. Мы поговорили с одним из участников мероприятия – Азатом Шамсутдиновым, директором направления машинного обучения и искусственного интеллекта компании North.AI, входящей в «Севергрупп».

- Каков ваш путь в профессию? Что для вас стало определяющим в ее выборе?

Моя профессия была предопределена со студенческой скамьи: еще будучи студентом Физтеха я понял, что хочу работать с данными, и особенно меня привлекали их возможности для бизнеса. Мне всегда были интересны нетривиальные задачи, я придумывал нестандартные решения, развиваясь как профессионал. Пробовал себя в разных сферах – успел поработать в тяжелой промышленности, в крупнейших ретейлерах и компаниях, занимающихся электронной коммерцией.

Часто приходилось выступать в роли эксперта по большим данным, в основном в зарубежных компаниях. К примеру, был проект с крупной американской производственной корпорацией. Особое значение этот проект имел для крупногабаритного транспорта, начиная с городских автобусов и заканчивая тяжелыми траками угледобывающих компаний Китая. Была поставлена амбициозная цель – показать, что использование газовых двигателей вместо дизельных увеличит маржинальность этих компаний. Технологии больших данных и искусственного интеллекта прекрасно вписались в решение этой задачи, и проект был успешно внедрен.

Сейчас я работаю в сфере HR-tech в «Севергрупп», где вместе с командой мы разрабатываем уникальный продукт для рынка HR. Самое главное – это понимать, что ты участвуешь в создании продукта с невероятным потенциалом, способного многое изменить и улучшить жизнь в будущем.

- Должность CDO до сих пор продолжает оставаться диковинкой в российских компаниях. Как вы думаете, почему? В какой компании эта должность нужна?

Машинное обучение, большие данные, искусственный интеллект, несомненно, стали популярным трендом последних лет. Много компаний с осторожностью присматриваются к этому тренду, но пока не знают, как эти технологии можно применить в бизнесе. Другие же, поддаваясь модным тенденциям, внедряют решения на базе технологий Big Data повсеместно – даже там, где они вовсе не требуются. По этой причине не все до конца понимают, какую роль в компании выполняет CDO и для чего он вообще нужен.

Если компания хочет удержаться в лидерах рынка и выжить в конкурентной борьбе, она не должна игнорировать новые технологии. Таким компаниям CDO необходим. В остальных, тем более без понимания сути технологий и их пользы для бизнеса, наличие такой позиции кажется бессмысленным.

- Наблюдается ли изменение роли CDO в последнее время и в каком направлении? Как вам видится их роль в будущем?

Я бы сказал, что скорее наблюдаются изменения в головах. Люди все больше осознают возможности новых технологий, и поэтому растет важность роли CDO в компании. Как следствие, возрастают требования к ним: понимание бизнеса, рынка и быстрое реагирование на изменения становятся таким же необходимым навыком для CDO, как и глубокое понимание данных.

- В последнее время часто говорится о том, что бизнес должен основываться на данных – быть data-driven, то есть альтернативой старому, «аналоговому» методу принятия решений. Что здесь зависит от CDO?

В современном мире с каждым годом компаниям становится тяжелее сохранять конкурентоспособность. Чтобы победить в борьбе с конкурентами, необходимо непрерывно развиваться и применять новейшие технологии. Но важно понимать, как правильно эти технологии применить и как получить от них максимальный эффект, а не просто поддаваться модным трендам.

Данные – это мощнейший инструмент для принятия решений. Они отражают реальную ситуацию, в которой находятся и рынок, и сама компания. Но, несмотря на огромный потенциал искусственного интеллекта, больших данных и других технологий, роль человека в принятии решений остается главной. Особенно в тех ситуциях, когда данные нерелевантны, недостаточны или вовсе отсутствуют. В таких случаях необходима работа агрегированной команды людей, глубоко понимающих тонкости бизнеса и его процессов, способных принимать решения, основываясь на данных и учитывая все изменения финансовых показателей компании.

- Имеет ли CDO возможность и компетенции, чтобы стать драйвером цифровой трансформации?

Компетенции – да, несомненно. Поскольку цифровая трансформация неразрывно связана с технологиями, основанными на анализе данных, стоит сказать, что CDО и есть тот человек, который должен быть драйвером цифровой трансформации в компании.

Что касается возможностей, это вопрос прежде всего корпоративной политики. Существует проблема, когда компании, пытаясь перейти на уровень Индустрии 4.0, на самом деле не до конца понимают цель внедрения новых технологий и в целом суть их применения. В этом случае возможности CDO сильно ограничиваются и так называемой цифровой трансформации не происходит.

- Что мешает работать CDO, каковы основные барьеры и как с ними бороться?

Многие компании не готовы к переменам, происходящим на рынке. Сегодня они чувствуют себя хорошо, но совсем нет гарантии, что ситуация не изменится в будущем. Вдобавок их останавливает то, что есть мало грамотных управленцев, знающих data-driven-бизнес изнутри и умеющих ответить на вопрос «где ROI?».

В современном мире необходимо бороться за каждого потребителя, а потому работа с данными – не просто модная фишка, а способ выживания для компании. На мой взгляд, как только придет понимание всех возможностей больших данных и искусственного интеллекта, все барьеры отпадут сами собой.

Мне сильно повезло, что наша компания очень продвинутая в плане новых технологий. Мы стараемся перевести производство и управление на новый уровень, применять последние разработки в сфере искусственного интеллекта. Поэтому барьеров и ограничений для работы нет, скорее, наоборот: любые инициативы в данном направлении поддерживаются.

Наиболее прогрессивные отечественные предприятия уже не просто экспериментируют с технологиями больших данных, машинного обучения и искусственного интеллекта, но и начинают понимать стратегическую значимость таких усилий. Одним из таких пионеров является Новолипецкий металлургический комбинат. Как уверен Анджей Аршавский, директор по анализу данных и моделированию НЛМК, именно применение искусственного интеллекта даст мощный толчок развитию промышленности в ближайшие несколько лет. Придя в компанию около года назад, Аршавский доказал, что средства машинного обучения действительно способны помочь в оптимизации производственных процессов. Мы поговорили с Аршавским в преддверии форума BIG DATA 2018, на котором он будет одним из основных докладчиков.

Анджей Аршавский Послужной список: 2017 – настоящее время НЛМК, директор по анализу данных и моделированию 2014 – 2017 «Сбертех», директор Центра компетенций по супермассивам данных 2012 – 2014 «Лаборатория цифрового общества», генеральный директор 2010 – 2012 Microsoft Rus, глава разработки ПО для научных вычислений 2006 – 2010 «IBM Россия», руководитель разработки систем хранения данных, эксперт по инновациям и технологиям Образование: МИФИ, факультет кибернетики, специальность «вычислительные машины, комплексы, системы и сети»

Какие цели были поставлены перед вами после прихода в НЛМК и с чего вы начали?

Это направление для промышленных компаний достаточно новое, и пока достоверно неизвестны достижения, которые получены благодаря методам анализа данных на производстве, особенно в сталеплавильной индустрии. Поэтому главная задача на 2017 год состояла в том, чтобы конкретными примерами доказать их принципиальную применимость. Мы начали с того, что провели обследование бизнеса НЛМК, чтобы сформировать пул инициатив, по которым имеет смысл работать. Было важно оценить их с точки зрения потенциального экономического эффекта, сложности реализации, доступности данных, определить приоритетность этих задач и решать именно те из них, которые действительно полезны для компании и наиболее быстро достижимы.

Вся наша работа объединяется под эгидой искусственного интеллекта – методов машинного обучения и продвинутой аналитики, а также инструментария Big Data, чтобы иметь возможность работать с данными большого объема. В некоторых случаях инструментарий Big Data востребован, в некоторых – нет, но по-любому он должен быть под рукой, равно как и сами данные, которые могут пригодиться для решения задач. Поэтому еще одним направлением стало построение стратегии работы с данными – Data Governance.

Естественно, производство к этому готово не было, данные для выбранных нами инициатив находились в разрозненных системах; в ряде случаев они довольно сложны для прямого доступа. И тогда мы разработали стратегию работы с данными и построили кластер, предназначенный для централизованного накопления данных с датчиков по всем переделам производства. На нем также находятся инструменты для исследователей данных, которые можно применять в своей работе. В кластере накапливаются данные, необходимые для решения текущих задач.

Что было до вас в сфере анализа производственных данных? К чему вы пришли?

Выделенной функции, направленной на решение бизнес-задач с помощью анализа данных, в компании не было. На отдельных участках производства совместно с несколькими компаниями проводился ряд экспериментов, в ходе которых пытались определить, что можно сделать посредством анализа данных и построения моделей. Но эти усилия не были системными. По сути, речь шла о нескольких пилотных проектах, самостоятельно проводимых различными подразделениями. Они подтвердили, что с помощью анализа данных можно что-то сделать, но конкретных результатов это не дало.

Все инициативы касались именно области производства. Дело в том, что основные наши расходы ложатся именно на это направление, и их оптимизация способна дать наибольший результат – здесь точно имеет смысл работать. Что касается маркетинга, продаж и кадров, то эти службы по своему потенциальному эффекту находятся где-то во втором эшелоне, и задачи, которые требуется там решать, гораздо менее масштабные, чем на производстве.

Следите ли вы за своими коллегами в других металлургических компаниях, за их успехами в этом направлении?

Да. Например, у нас есть контакты с «Северсталью», несмотря на то что это наш конкурент. Мы даже недавно провели совместный семинар с участием «СИБУРа». Как выяснилось, три наши компании инвестируют больше остальных в данное направление.

В какой-то мере это действительно уникальный опыт – обычно такие встречи с коллегами происходят лишь на крупных конференциях, устраиваемых поставщиками решений и имеющих ангажированный характер. Мы пошли другим путем, самостоятельно организовав закрытое мероприятие для компаний, желающих поделиться опытом внедрения цифровых технологий и искусственного интеллекта. Это пробный камень, я надеюсь, что у нас все получится, и по результатам, думаю, будет принято решение о расширении подобной практики.

С вашим приходом образовалось специализированное подразделение?

Сформировалась дирекция, находящаяся в подчинении старшего вице-президента, а функции направления Digital, в части методов машинного обучения и искусственного интеллекта, пока распределены между моей дирекцией и лабораторией инноваций, экспериментирующей с технологиями, которые принято относить к цифровым.

Откуда брали специалистов для формирования костяка команды? Вероятно, их сложно найти…

Да, и особенно сложно найти нужных специалистов для наших специфических задач. Искусственный интеллект в банковской сфере или маркетинге – совершенно не то же самое, что на производстве. В нашем деле приходится очень глубоко погружаться в специфику производства, вникать в суть и реалии производственных процессов, разбираться в нормативных документах. Без всего этого добиться результата, к сожалению, не получится. Поэтому нужны специалисты, способные на такое погружение. Это скорее не чистые математики, а физики – выпускники Физтеха и МИФИ, разбирающиеся и в химии, и в физике, которым производственные задачи не чужды. Мне пришлось изменить профиль требований к специалистам по сравнению с теми временами, когда я работал в Сбербанке и «Лаборатории цифрового общества». Так вот, мы нужных специалистов находим и получаем первые результаты, которые подтверждают правильность выбранной стратегии подбора персонала.

«В нашем деле приходится очень глубоко погружаться в специфику производства, понимать суть и реалии производственных процессов, разбираться в нормативных документах. Без всего этого, к сожалению, добиться результата не получится»

А что касается вас? Имелся ли производственный опыт или пришлось учиться?

После окончания института я работал в ЦЕРН. Там много аппаратуры, и часть решаемых задач касалась как раз эффективности ее использования. Затем я довольно долго занимался разработкой автопилота для грузовых поездов, аспектов было много – от разработки драйверов до средств оптимизации и искусственного интеллекта. Ну а затем была работа в софтверных компаниях, где я занялся задачами математики и данных в чистом виде. Сейчас как раз совмещаются эти два моих предыдущих опыта, и решаемые задачи для меня крайне интересны. К счастью, удалось быстро погрузиться в специфику производственных процессов.

А опыт из других отраслей здесь вообще может быть востребован?

Безусловно, мы пытаемся применять опыт из других индустрий, где машинное обучение используется в задачах оптимизации. У нас в коллективе есть разнообразный опыт: банковский, маркетинговый, логистический и даже опыт распознавания изображений. Это часто бывает полезно, потому что задачи мы тоже решаем разнообразные.

Как вы сказали, денег больше всего «зарыто» в производстве. А где имеет смысл «копать» еще?

Действительно, в структуре затрат НЛМК производство занимает 70-80%. Но для нас еще более интересно, где именно внутри производства эти деньги зарыты. Поскольку наши методы могут применяться для решения разных задач, мы и пытаемся определить сферы их применения. С одной стороны, это экономия материалов, закупаемых для производства, – угля, руды, дорогостоящих ферросплавов. Но, с другой стороны, оптимизация производства и повышение производительности – это ведь прямое увеличение объема производства на имеющихся мощностях.

Третье направление оптимизации – повышение качества продукции, прогнозирование дефектов в металле, неметаллических включений, раскатных трещин и т. п. Число возможных дефектов измеряется десятками, они имеют различную природу. Прогноз этих дефектов и поиск корневых способов, позволяющих их «вылечить» и сократить их число, тоже важная статья сокращения расходов на производство. Четвертое направление – повышение надежности работы оборудования: прогноз выхода из строя агрегатов, их предупредительное обслуживание. Наконец, еще один важный аспект – оптимизация энергопотребления и производства энергии. Мы прикладываем активные усилия к тому, чтобы оптимизировать работу ТЭЦ с точки зрения потребления газа.

Как показывают наши расчеты, основной финансовый эффект дает экономия на закупке материалов. Далее идут производительность и качество, на четвертом месте пока стоит обслуживание оборудования. Возможно, в дальнейшем, с появлением новых данных, приоритеты изменятся.

Анджей Аршавский, директор по анализу данных и моделированию НЛМК: «Мы исходим из предположения, что, применяя искусственный интеллект, мы сможем улучшить текущую ситуацию хотя бы на 5%. Меньшая величина находится в пределах погрешности, она несущественна. На более ощутимый эффект мы не ставим из скромности»

А какая из этих задач наиболее просто решается? Ведь быстрый результат тоже важен?

Мы начали с проектов, направленных на экономию материалов, поэтому первые результаты связаны именно с ними. Но вряд ли можно уверенно сказать, что какое-то направление проще других. В каждом существуют как относительно простые, так и сложные задачи. Выбор задач определяется не только ожидаемым экономическим эффектом или скоростью получения результата, но еще и доступностью данных. Далеко не все области производства сейчас оснащены необходимыми средствами измерения и системами управления, позволяющими влиять на процессы. Приходится взаимодействовать со службами ИТ и АСУТП, чтобы накапливать данные и дооснащать производство.

Какова численность команды, работающей над задачами?

Пока она небольшая, и мы продолжаем расти. Многие задачи решаются совместно с подрядчиками. Накопленный опыт говорит о том, что должен быть баланс между внешними и внутренними ресурсами, поскольку важно накапливать экспертизу и обеспечивать преемственность наработок, сделанных внешними командами. Созданная интеллектуальная собственность должна продолжать развитие внутри компании.

Основные инициативы направлены именно на экономию, а не на получение дополнительной выручки?

Не совсем так. Например, рост может быть получен благодаря увеличению производительности. Если взять, скажем, стан горячей прокатки, то это прямое увеличение производства металла. Повышение надежности оборудования ведет к сокращению простоев, что также дает рост производства. Сокращение дефектов не только уменьшает потери от брака, но и способствует выпуску продукции более высокого качества, которую можно продать по более высокой цене. Эффекты от решаемых задач многогранны и сильно взаимосвязаны. Даже если речь идет о такой совершенно конкретной вещи, как экономия на закупках, то это дает возможность инвестировать в новые производственные мощности.

А какую из этих историй проще продать бизнесу?

Мы считаем общий экономический эффект – бизнесу интересен именно он – и, конечно же, время достижения результата. Мы стараемся браться за инициативы, которые обещают показать эффективность используемых нами методов, убедить, что необходимо развитие этого направления. Я глубоко уверен, что именно применение искусственного интеллекта даст толчок развитию промышленности в ближайшие 10-15 лет.

Внедрение искусственного интеллекта – сначала точечное, а затем глобальное – обусловит новый рывок в производительности и эффективности производства. На первом этапе будут оптимизированы отдельные участки производства, на втором они будут объединяться и давать синергетический эффект. Чтобы все это стало реальным в обозримом будущем, надо начинать уже сейчас, иначе мы упустим стратегические возможности.

«В некоторых случаях инструментарий Big Data востребован, в некоторых – нет, но по-любому он должен быть под рукой, равно как и сами данные, которые могут пригодиться для решения задач»

Должны возникать огромные проблемы с расчетом экономической эффективности – ведь в столь инновационных проектах зачастую сложно предугадать эффект…

Это так. Но, вообще, в любом проекте нет гарантии его полной результативности. Хотя, конечно, если речь идет о внедрении зарекомендовавшего себя на рынке решения, то рисков намного меньше.

Мы опираемся на простую и понятную логику. В каждой точке производства мы знаем оценку технически обусловленного уровня (ТОУ) и нынешние показатели – например, агрегат по своим возможностям способен производить на 20% больше продукции, чем это происходит сейчас. Задача предприятия – сократить эту разницу. Она может быть сокращена разными методами: работой с персоналом, изменением бизнес-процессов и т. п. Мы исходим из предположения, что, применяя искусственный интеллект, мы сможем улучшить текущую ситуацию хотя бы на 5%. Почему именно на 5%? Меньшая величина находится в пределах погрешности, она несущественна. На более ощутимый эффект мы не ставим из скромности. Таким образом, мы говорим, что за счет применения методов искусственного интеллекта мы отыграем 5% разницы, конвертируем ее в деньги и получим конкретную сумму.

Какой-либо из проектов уже позволил превзойти этот уровень?

Два проекта уже выходят на опытно-промышленные испытания. Мы попадаем на заявленный уровень, давая даже более 5%. Один из проектов обещает результат 20%, но он еще не проверен на практике. Еще по нескольким проектам есть предварительные результаты, они также говорят о том, что эффект будет выше 5%.

Что это за проекты?

Сейчас мы активно работаем над пятью задачами и над тремя пилотами. В ближайшее время планируем запустить еще пять задач.

Из задач, по которым первые результаты уже близки, можно выделить несколько. Две нацелены на экономию ферросплавов – дорогостоящих присадок, используемых в металлопроизводстве. Еще один проект заключается в поиске корневых причин нескольких видов дефектов. Дает эффект проект по оптимизации работы ТЭЦ. По перечисленным мной проектам видны конкретные результаты, по остальным – пока лишь промежуточные.

Насколько могут быть полезными для производственных задач внешние источники данных?

В производстве все сложнее, чем в маркетинге, продажах, закупках и HR, где польза внешних данных очевидна. Многое зависит от роли компании. Вы же понимаете, что конкуренты не будут передавать нам информацию о работе схожих агрегатов. Однако там, где промышленные мощности не эксплуатируются, а производятся, обмен данными с заказчиками имеет очень важное значение. Например, для разработки и последующей продажи клиентам решений, прогнозирующих выход из строя оборудования.

Так, производитель моторов оснащает датчиками свои изделия и продает их клиентам. Вполне естественной будет идея собирать и анализировать информацию обо всех двигателях, работающих у клиентов, выявлять правила и закономерности. Затем клиентам можно продать прогнозные модели, повышающие надежность оборудования. Эта идея не нова, большинство производителей аппаратуры подобные подходы используют. Но мы являемся потребителем и можем лишь воспользоваться результатами работы наших поставщиков.

А если говорить о непроизводственных задачах?

Да, мы исследовали и другие, «непроизводственные» бизнес-процессы, составили их перечень, ранжировали по степени экономического эффекта, по ожидаемой скорости реализации и наличию доступных данных. И нам удалось получить представление о приоритетах, может быть и не окончательное. Скажу, что наиболее интересными являются закупки, продажи, маркетинг и HR.

Задачи HR могут быть очень интересными, но однозначно прогнозировать, например, вовлеченность сотрудников очень сложно, а оценка качества модели и вовсе является почти философской задачей. Здесь явно не хватает методологии. «Вовлеченность» – почти эфемерный признак, который приходится оценивать с разных точек зрения. Кроме того, такую модель тяжело на чем-либо обучать. Скорее математические модели позволяют выявить те или иные аномалии в поведении сотрудников и решать вопросы производственной безопасности.

Как вы видите свою роль в развитии компании?

Сейчас я сосредоточен на решении практических задач с помощью искусственного интеллекта. Моя главная цель – показать эффективность этого направления в производстве. Я планирую в ближайшие несколько лет посвятить себя этой задаче и развивать свои компетенции, принося пользу компании в сфере цифровизации.

Во многих финансовых организациях роль директора по данным (chief data officer, CDO) меняется по мере того, как регулирующие органы начинают уделять данным все более серьезное внимание. На приведение ситуации в соответствие новым нормам уже затрачено очень много денег и сил, а вот ощутимая выгода для бизнеса растет не так быстро, чтобы оправдать дальнейшие инвестиции.

Раньше актуальность должности директора по данным зачастую вызывала сомнения. Теперь же в организациях все чаще начинают переосмысливать его роль и ориентиры. Педантичность и требовательность регулирующих органов стали одновременно благом и проклятием, заставив организации выделить соответствующие финансы, но породив при этом и успокоенность на достигнутом. Настроение это мешает директорам по данным вносить реальные и устойчивые изменения в культуру, используя данные в качестве источника роста и инноваций.

В ходе опроса директоров по данным, проведенного компанией KPMG, респондентов попросили указать степень влияния каждого из факторов – регулирования, роста и стоимости – на их нынешние усилия и перспективы предполагаемых изменений в течение ближайших двух лет. И если в части затрат перемены ожидаются незначительными (+3%), то фактор регулирования (–23%), по мнению опрошенных, будет вытесняться фактором роста (+20%), который к 2018 году начнет оказывать основное влияние на инициативы, связанные с данными.

В прошлом успехи или неудачи организаций, где была введена должность директора по данным, во многом зависели от умения абстрагироваться от текущих целей по выполнению требований регулятора. Предстояло найти ответ на вопрос, какую роль данные будут играть для расширения и роста бизнеса. Ведь если организации хотят использовать преимущества передовых технологий и открывающиеся возможности, чтобы увеличить оборот, им нужно определить новые реперные точки для ценностей бизнеса.

Общих универсальных ответов или идеальной модели, подходящей для любого поставщика финансовых услуг, в природе не существует. Поэтому подразделение Single Family Business Unit, на которое приходится около 80% сделок крупнейшего ипотечного агентства Freddie Mac, сформулировало свое видение роли директора по данным, состоящее из шести ключевых принципов.

1. Встраивание в бизнес. Чтобы процесс создания ценностей был устойчивым, нужна, наряду с соответствием требованиям регулятора и решением технологических вопросов, четкая связь со стратегией бизнеса. Вице-президент Single-Family Business по данным Джоди Мортон подчиняется непосредственно главе крупнейшего подразделения Freddie Mac, а не руководителям, отвечающим за управление рисками или ИТ. Это позволяет ей быстрее реагировать на изменяющиеся потребности бизнеса. В противном случае бизнес будет развиваться без учета необходимости принятия новых стандартов и внедрения новых функций управления данными, имеющих критически важное значение для всей организации. Мортон осуществляет управление путем взаимодействия и согласования, основное внимание в своей работе она уделяет «цепочкам поставок данных» и платформам, в отношении которых она выступает в качестве бизнес-спонсора.
2. Установление прочных партнерских связей. Взаимодействие с ИТ-службой, в том числе с направлением архитектуры и внедрения ИТ, является основой программы директора по данным с точки зрения как проектирования, так и реализации. Ведущая роль ИТ-службы особенно заметна при внесении корректив в формирование отчетов в интересах бизнеса, а также при совместном укомплектовании больших ЦОД всем необходимым для внедрения передовых аналитических технологий. Важное место здесь занимает и сотрудничество с независимыми организациями. Вице-президент по данным привыкла ускоряться и получать преимущество в самом начале пути, не тратя времени на «пробы и ошибки», которых ее подчиненным наверняка не удалось бы избежать при самостоятельном решении сложных вопросов.
3. Ориентация на стратегические ценности. Хотя контроль над данными и управление ими считаются одним из столпов отчетности, во Freddie Mac с самого начала ориентировались на создание функций, которые позволили бы бизнес-подразделениям получать оперативный доступ к разнообразным типам высококачественных данных. Это помогает заинтересованным сторонам внедрять инновации и в конечном итоге принимать решения, будучи более информированными. При таком подходе положительный эффект от инвестиций в данные виден гораздо лучше.
4. Изучение всей «цепочки поставок данных». Во Freddie Mac стремятся упростить и повторно использовать источники данных в интерфейсных системах, через которые данные попадают в модели, отчеты и к аналитикам. Однажды захваченные и подвергнутые проверке данные затем используются снова и снова. Это позволяет уменьшить затраты, сократить время разработки и способствует повышению уровня доверия со стороны бизнеса.
5. Постоянное и согласованное общение в процессе преобразований. При организации внутренних процессов во Freddie Mac придерживаются принципов предоставления нужных полномочий, упрощения, повторного использования данных и контроля. В ходе общения и обучения такой подход ставится во главу угла, заставляя сотрудников задумываться о данных и их роли с позиций как производителей, так и потребителей данных. Этот метод облегчает управление ожиданиями бизнес-подразделений, помогает находить точки соприкосновения между группой Мортон и ценностями бизнеса. Как свидетельствуют результаты недавнего опроса сотрудников, усилия вице-президента по данным начинают приносить свои плоды. Подавляющее большинство из 300 аналитиков и разработчиков моделей не только знают, что такое метаданные, но и понимают их стратегическую ценность для сокращения времени при поиске в сети Freddie Mac и выборке требуемых для отчетов данных. С учетом важности всего этого на планирование взаимодействия и реализацию у подчиненных Мортон уходит примерно 50% рабочего времени, а у нее самой – 30-40%.
6. Программа «Сто достижений за сто дней». С самого начала в агентстве Freddie Mac признавали, что эффективность работы будет оцениваться на основе достигнутых результатов. Выигрыш может проявляться очень по-разному – при принятии решений, внедрении новых функций и улучшении операционных показателей. Подобные программы помогают цементировать культуру, когда каждый сотрудник дает важный импульс всей команде. В процессе трансформации культуры данных есть ряд важных моментов. Празднования по поводу достижений, больших и малых, закрепляют прогресс и привязывают ценности к множеству вех, намеченных на долгом пути.

Ориентация «цепочек поставок данных» на нужды аналитиков и получение необходимых отчетов в отрасли финансовых услуг видны невооруженным глазом. И хотя сегодня усилия по большей части направлены на соблюдение требований регуляторов, отрасли нужно переходить к «новому порядку», при котором инвестиции в данные для улучшения их представления в интересах бизнеса, внедрения инноваций и последующего роста имеют не менее важное значение, чем соблюдение нормативных требований.

К инвестициям, выделяемым, чтобы обеспечить соблюдение требований регуляторов, нужно добавить небольшие средства, которые должны будут пойти на создание ценностей для бизнеса. Это можно считать первым шагом на пути к построению устойчивой культуры данных, ориентированной на ценность.

Весьма скромные инвестиции зачастую приносят неизмеримо более весомую отдачу, формируют осязаемые связи, помогающие бизнесу двигаться вперед к своим целям. Ключевым условием здесь должны стать расширение горизонтов планирования и вывод плановых показателей за рамки обеспечения требований регуляторов. Однако в условиях жестких сроков такое расширение не всегда бывает очевидным.

Важная роль отводится и финансированию. Требуется сдвиг в менталитете наверху, который должен послужить началом к разблокированию новых ценностей для бизнеса.

Стоит отметить, что, как и при любых других крупных преобразованиях, переход к ориентации на данные, приносящие дополнительные ценности, не происходит в одночасье, а потому начинать имеет смысл уже сегодня.

– Джоди Мортон – вице-президент направления Single Family Data Governance and Management в компании Freddie Mac; Роберт Парр – управляющий директор KPMG Financial Services Practice.

(Jodi Morton and Robert Parr. How to build a sustainable, value-focused data culture. CIO. January 19, 2017)

По оценкам международных экспертов, технологии Промышленного интернета вещей распространяются весьма динамично, но неравномерно. Самыми «горячими» отраслями, для которых уже существуют и активно применяются соответствующие приложения, являются транспорт (прежде всего управление автопарком), розничная торговля (инвентаризация товаров и управление складским хозяйством) и госсектор (безопасность объектов социальной сферы и городских служб). Находят свое применение, хотя и не столь интенсивно, технологии Интернета вещей в сельском хозяйстве, здравоохранении, управлении объектами энергетики и ряде других областей.

Новые технологии, такие как Промышленный интернет и Большие Данные, действительно способны повысить эффективность производственных процессов и сэкономить дорогостоящие ресурсы, утверждает член cовета директоров Магнитогорского металлургического комбината Сергей Сулимов. О том, как это происходит на ММК, он рассказал на ежегодном деловом форуме «IT-Лидер».

Экономия на ферросплавах

В настоящее время на ММК в целом завершено внедрение программного комплекса, совместно разработанного специалистами инсорсингового подразделения комбината «ММК-Информсервис» и компании «Яндекс». В основе разработки – математическая модель для одного из производственных процессов в кислородно-конверторном цехе, где варится сталь из чугуна и металлолома. При варке добавляются дорогостоящие ферросплавы и легирующие компоненты. От количества и времени их внесения зависят свойства получаемой стали и ее последующая маркировка. Своя сталь – для автомобильной индустрии, своя – для танковой брони. Ежегодно ММК использует ферросплавов на 300 млн долл. Основная идея проекта – опираясь на математическую модель, оптимизировать процесс загрузки добавок, чтобы в итоге сократить объем их потребления.

Сергей Сулимов: «Мы видим наше металлургическое предприятие как огромный завод-робот, управляемый из одного центра»

«Несколько лет назад внутри нашей дочерней ИТ-компании мы организовали лабораторию креативных идей. На каком-то этапе просматривалось до 50 предложений, как сделать предприятие более эффективным. Одно из них – по оптимизации процесса загрузки ферросплавов – вылилось в проект «Снайпер», который мы сначала запустили своими силами», – рассказывает Сулимов.

Построение подходящей модели для «Снайпера» оказалось очень сложной задачей. Своими силами в ММК создали рейтинги бригад, показывающие, какие из них точнее выполняют операции варки. Это позволило экономически мотивировать успешные бригады и сразу же дало экономию ценных добавок. Но самостоятельно построить математическую модель, которая могла бы в будущем заменить человека, принимающего решение о том, в какой момент и в каком количестве вводить добавки, не получалось. Узнав о проекте Yandex Data Factory, в ММК решили, что первыми в российской промышленности попробуют использовать аналитическое решение «Яндекса».

Сначала планировалось построить модель за три месяца. Однако этого времени хватило только на то, чтобы в «Яндексе» вникли в сложные технологические процессы ММК, а технологи комбината – в результаты математических расчетов своих новых коллег. В итоге проект, который был активно поддержан самим Аркадием Воложем, руководителем группы компаний «Яндекс», занял больше времени.

Интерес «Яндекса» к этому проекту объясним. В России много крупных промышленных предприятий, но для них характерны значительные – порядка 10% – непродуктивные затраты. Если предложить решение, позволяющее исключить их, то в масштабе всей страны это даст гигантский экономический эффект. И тот, кто выйдет с таким решением на рынок, получит свою долю от этой экономии.

При создании математической модели на ММК специалисты столкнулись с целым комплексом проблем и технического, и культурного характера. Первая – «мусорные» данные, на них правильную модель построить невозможно. Оказалось, что некоторые промышленные датчики в цехах были неисправны. Пока внесение добавок осуществлялось без учета их показаний, на это особо не обращали внимания. Теперь же они понадобились, и на переоснащение цеха новыми измерительными устройствами потребовались время и инвестиции.

В итоге проект растянулся почти на год. «Яндекс» создал ядро математической модели, а специалисты ММК разработали интерфейс системы и обеспечили интеграцию данных. Сейчас созданная система оптимизирует процесс добавки двух видов ферросплавов из двадцати, применяемых на комбинате. Но даже в таком усеченном виде она обеспечила чрезвычайно ощутимый эффект. По оценкам, полученным в ходе пилотного запуска данной системы, годовая экономия предприятия на дорогостоящих материалах составит 275 млн руб.

Продолжение следует

Сейчас ММК ведет с «Яндексом» переговоры по продолжению сотрудничества. Между тем некоторые конкуренты магнитогорцев пытаются реализовать аналогичные проекты у себя. В ММК же теперь пошли дальше и пытаются смоделировать работу домны. В частности, для этого в штат предприятия принято несколько квалифицированных математиков.

«В металлургии пока доминируют так называемые экспертные модели управления доменным процессом. Одна из них была предложена немецкими специалистами. Мы эту модель анализируем и думаем: использовать ее или нет. Дело в том, что любая домна – особенная. У каждой – своя специфика и свое сырье, особая практика управления. Поэтому сейчас пытаемся построить собственную модель. Это тоже долгий процесс, в ходе которого выявилось много интересных нюансов», – поясняет Сулимов.

Например, долгое время при сборе статистики неправильно учитывался расход кокса на выплавку чугуна. А это один из главных расходных материалов в процессе плавки. Как оказалось, для того чтобы стабильно платить рабочим премию по итогам отчетных периодов, в подразделениях искажали данные о расходе кокса. И эта «забота» начальника цеха о своем персонале привела к тому, что десятилетиями накапливались недостоверные данные. Так проявилась неготовность корпоративной культуры к цифровой трансформации. Сейчас ситуация исправлена, и на комбинате уверены в том, что для будущей модели собирают точные данные.

Некоторые части модели доменного процесса уже настроены, а с некоторыми еще экспериментируют. В частности, над этими вопросами работает приглашенный профессор математики из КНР. Это действительно очень сложный процесс, он длится восемь часов и по характеру похож на пищеварительный процесс в организме человека, отмечают в ММК. В компании также задумываются: не предусмотреть ли в штате должность директора по цифровым технологиям (Chief Data Officier, CDO). Но пока, по словам Сулимова, не определено окончательно, какие именно задачи он должен решать.

Активные поиски цифровых средств повышения эффективности производства вообще характерны для российской металлургической отрасли. В нашей стране на этом рынке отсутствуют государственные компании, что позитивно сказалось на формировании конкурентной среды.

«В отрасли мы точно будем двигаться с применением цифровых технологий, мы видим наше предприятие как огромный завод-робот, управляемый из одного центра. И наше долгосрочное видение таково: если сейчас «ММК-Информсервис» является дочерней структурой металлургического комбината, то со временем комбинат станет дополнением к компании «ММК-Информсервис». Управлять таким предприятием будут айтишники, а людей, занятых на производстве, останется совсем немного и на них возложат сервисные функции для айтишников», – предрекает Сулимов.

Нужен импульс

Однако положение в металлургии нетипично для российской промышленности в целом, считает он. Пока проекты, нацеленные на реальное повышение эффективности бизнеса через цифровые технологии, – редкое явление для промышленных предприятий России. Их руководителям зачастую не хватает понимания важности внедрения новых технологий и инициативы в их продвижении. Даже упомянутый проект ММК состоялся во многом благодаря начальнику кислородно-конвертерного цеха, который загорелся новой идеей.

Впрочем, и за пределами России о новых технологических тенденциях пока больше разговоров, чем дела. В опубликованном недавно исследовании McKinsey указано: практически все руководители промышленных компаний заявили, что Промышленный интернет – это их приоритет. Но только 16% респондентов подтвердили, что четко понимают, о чем именно идет речь. Пока продвижение интернет-технологий в промышленности, скорее, удел романтиков и энтузиастов, пытающихся реализовать инновационные проекты.

Чтобы придать импульс развитию Промышленного интернета, необходимо принять комплекс продуманных мер, считает директор Центра стратегических инноваций компании «Ростелеком» Борис Глазков. Он сообщил, что в ближайшее время правительству будет представлена дорожная карта развития Промышленного интернета для отрасли городского хозяйства (параллельно разрабатываются и другие отраслевые дорожные карты).

Дорожной картой предусмотрено одновременное движение в нескольких направлениях. Первое – это стимулирование спроса на технологии Промышленного интернета на уровне городов и муниципалитетов. Будут созданы такие экономические и политические условия, чтобы внедрение данных технологий в различных сферах городского хозяйства и управления было выгоднее, чем отказ от их внедрения. Одновременно планируется стимулировать разработку соответствующих решений для городских организаций и предприятий. Также дорожная карта предусматривает активное продвижение Промышленного интернета в нескольких конкретных отраслях.

Например, в ЖКХ планируются мероприятия, понуждающие пользователей перейти к установке счетчиков воды, электричества и газа, оборудованных средствами передачи данных. На объектах энергетической инфраструктуры предлагается побуждать их владельцев к установке средств удаленного мониторинга состояния сетей, узлов и агрегатов. Аналогичные меры предлагаются на транспорте и в некоторых отраслях промышленности – там, где уже имеются готовые бизнес-модели Промышленного интернета и отработаны подходы к их воплощению.

ИТ-директорам предприятий из тех отраслей, где такие модели апробированы, может быть полезен опыт первопроходцев. Они внедряют Промышленный интернет там, где возможности повысить эффективность бизнес-процессов почти исчерпаны. А для российской экономики такое исчерпание становится нормой.

Неточность и неполнота данных отрицательно сказываются на бизнесе. Опрос 200 ИТ-директоров и представителей высшего руководства крупных предприятий, проведенный специалистами компании 451 Research, показал, что данные, не соответствующие стандартам качества, типичны для многих организаций. И объясняется это отрывом ИТ-директоров от отраслевых менеджеров. Одновременно возрастает роль директора по данным (chief data officer, CDO), который становится связующим звеном между ИТ-директором и бизнес-менеджерами и отвечает за качество данных.

«Только 40% руководителей высшего звена твердо уверены в качестве данных своей организации», – поясняется в отчете об исследовании 451 Research, которое выполнялось по заказу компании Blazent, поставляющей интеллектуальные платформы для сбора и обработки данных. Вместе с тем 94% ИТ-руководителей согласны с тем, что низкое качество данных снижает результаты бизнеса, приводит к потере доходов и принятию неверных стратегических решений.

«Значительная доля опрошенных полагают, что утрачиваются важные ценности, а следовательно, политика невмешательства неуместна», – указывают аналитики. ИТ-руководители понимают, что плохие данные отрицательно отражаются на бизнесе, но при этом не тратят достаточно времени на улучшение качества данных и не выделяют необходимых для этого ресурсов. Такая тенденция очень опасна в условиях, когда бизнес рассматривает данные как свое конкурентное преимущество.

Большие Данные + большие проблемы = большая головная боль

Компании TD Ameritrade, Navistar и Merck Animal Health занимаются интеграцией данных и управлением ими в интересах бизнеса, инициируя цифровые преобразования, о которых так любят рассуждать генеральные директора и другие представители высшего руководства. Но при этом качество большей части данных оставляет желать лучшего. В процессе переноса и интеграции данных зачастую возникают ошибки, порождающие информационные пробелы или дублирование информации.

Опрос показал, что только в половине организаций качество данных оценивают чуть выше, чем удовлетворительно, или «достаточно хорошо в целом». Естественно, о всеобщем одобрении в этом случае говорить не приходится. А 8,5% опрошенных сообщили, что никакой стратегии управления качеством данных у них нет вовсе. Вместо того чтобы заниматься этими вопросами, они просто «надеются на лучшее».

Корпоративные данные поступают из самых разных источников, порой вводятся вручную и автоматически собираются с помощью разнообразных компьютеров, мобильных устройств и программного обеспечения. Затем данные поступают в хранилища для последующей обработки. Специалисты ИТ-службы обрабатывают и очищают данные, устраняя неточности и дублирование. Процесс этот называется нормализацией. Для сотрудников бизнес-подразделений ИТ-персонал, как правило, создает отчеты или аналитические системы самообслуживания. Но, несмотря на все эти усилия, снежный ком проблем, связанных с качеством данных, лишь растет из-за ошибок, допускаемых при вводе клиентами и собственными сотрудниками или возникающих в ходе переноса и преобразования данных, либо вследствие тех или иных изменений в системах источников и ввода в эксплуатацию новых систем.

«В какой-то степени проблемы обусловлены отрывом ИТ-директоров, отвечающих за данные, от руководителей бизнес-подразделений, которые эти данные используют, – отметил Дэн Ортега, вице-президент по маркетингу компании Blazent, чье программное обеспечение такие организации, как Visa, Kaiser Permanente и CSC, применяют для повышения качества своих данных. – Взаимодействие тех представителей бизнеса, кому технологии нужны для более эффективного решения стоящих перед ними задач, и ИТ-специалистов, уделяющих в своей деятельности больше внимания перспективным тенденциям, чем ликвидации реальных проблем, по-прежнему оставляет желать лучшего».

Директор по данным в роли спасателя

Директор по данным способен сократить разрыв между требованиями бизнеса и предложениями ИТ-службы. Компаниям необходимо больше заниматься очисткой данных и поиском дополнительных источников информации. ИТ-директор зачастую слишком занят вопросами функционирования ИТ-систем и не уделяет повышению качества данных достаточно внимания.

«ИТ-руководители прежде всего озабочены нормальным функционированием существующих систем и инфраструктуры, их эффективностью с точки зрения затрат и скоростью их реакции, – подчеркнул генеральный директор Blazent Гэри Оливер. – А директор по данным думает об улучшении внутренних и внешних данных, открывающих перед бизнесом новые возможности и позволяющих добиться более высоких результатов».

С этой точкой зрения согласен и аналитик Gartner Марио Фариа. Компании пытаются получить дополнительные конкурентные преимущества и повысить свою эффективность путем лучшего использования информации. Руководители предприятий начинают осознавать высокий потенциал цифрового бизнеса и требуют повышения отдачи от имеющихся у организации информационных активов и аналитических средств. Логично было бы ввести в состав высшего руководства директора по данным, который будет управлять многочисленными появляющимися возможностями и отвечать за сбор и обработку отраслевой информации.

Несмотря на то что во многих банках и других финансовых учреждениях должность директора по данным уже есть, в целом она по-прежнему относится к самым последним нововведениям. Признавая необходимость учредить должность руководителя, отвечающего за управление корпоративными информационными системами, 90% компаний планируют обзавестись директором по данным к концу 2019 года. «Человек этот должен будет решать сложные задачи по выработке информационной стратегии и определению критериев, помогающих увязать деятельность своей команды с измеримыми целями бизнеса», – пояснил Фариа.

– Clint Boulton. Disconnect between CIOs and LOB managers weakens data quality. CIO. Feb 5, 2016