Публикуется впервые

Эта книга — не об искусственном интеллекте. Она о том, без чего любой, даже самый продвинутый ИИ превратится в дорогую и бесполезную игрушку. О фундаменте, на котором строится цифровое будущее. О ваших данных.

В 1999 году человечество оказалось на пороге великого открытия. Аппарат Mars Climate Orbiter — сложнейший механизм размером с автомобиль, воплощение инженерного гения — почти долетел до Красной планеты. Его миссия была просчитана безупречно: солнечные панели, точные датчики, мощные камеры, готовые запечатлеть пылевые бури в разрешении, о котором мечтали фантасты. В NASA уже открывали шампанское — инженеры, астрофизики, программисты повторяли: «Мы учли все».

Старт с мыса Канаверал, девять месяцев полета, монотонная симфония телеметрии: давление в норме, траектория — как по нотам. «Он долетит», — говорили экраны, переводя цифры в зеленые кривые жизни.

23 сентября зонд начал финальный виток — выход на орбиту. Сотни миллионов километров свелись к единственной команде: «Запустить торможение». На Земле затаили дыхание. Через 49 минут сигнал должен был подтвердить успех…

И затем… тишина. Связь прервалась навсегда.

Сначала решили — помехи. Потом — сбой антенны. Часы растянулись в вакуумную тишину. Лишь через сутки, перебирая данные, инженеры нашли проклятую строку кода: импульс двигателя — 4,45 фунт-секунды.

Сердце зонда, его навигационный мозг, ждал ньютон-секунды.

Один код говорил на языке старой имперской школы, другой — метрической: создатели мозга межпланетной станции не перевели данные по ускорению в нужную систему исчисления. Члены команды не выработали единую систему определений. Крошечная ошибка в огромном многомиллионном проекте стоила успеха всей миссии: из-за нее вместо высоты в 150 км Climate Orbiter опустился на 57 км над Марсом.

Атмосфера, хоть и разреженная, встретила его как нож. Датчики завыли от перегрузок. Солнечные панели оторвались первыми, рассыпавшись в плазменных брызгах. Корпус, сжатый могучей силой трения, треснул, выплеснув в красно-черное небо топливо и обломки. Последний сигнал — обрывок телеметрии — показал температуру: 2000°C.

Mars Climate Orbiter исчез, как мираж.

«Мы потеряли его из-за единиц измерения», — произнес на пресс-конференции менеджер миссии, и эта фраза стала эпитафией. Гениальность, триумфальная в своей сложности, споткнулась о простоту земной разобщенности. Зонд, созданный для изучения климата далекой планеты, пал жертвой несостыковок в человеческих расчетах.

Казалось бы, какое отношение имеет эта космическая история к вашему бизнесу? Самое прямое. Мы привыкли думать, что космические проекты невероятно сложны, а земной бизнес проще. Но так ли это? Современная компания — сложнейший организм, который не уступает, а зачастую даже превосходит по комплексности космические миссии. Она работает в агрессивной среде, где конкуренты дышат в спину, а рынки меняются за считанные месяцы.

В бизнес-компании тоже есть свои «инженерные команды» — отделы маркетинга, продаж, финансов, логистики. И если они говорят на разных «языках данных» и работают с разрозненной информацией, ваша компания, как тот зонд, невидимо и неуклонно движется к катастрофе. К счастью, бизнес-катастрофы редко случаются в один момент и столь ярко. Но ошибки в данных, накапливаясь, создают кумулятивный эффект: упущенная выгода, потерянные клиенты, миллионные штрафы и размытая репутация. Туша бесконечные «пожары» и споря о том, чья же цифра верна, компании теряют миллионы, упускают возможности и отстают от более расторопных конкурентов. Корень этих проблем один: отсутствие продуманной системы управления данными.

Годами работая в этой области, мы видим, как топ-менеджмент недооценивает важность темы. Возникает соблазн отмахнуться: «Данные — это что-то про ИТ». Это заблуждение стало особенно опасным с приходом эры ИИ. Качество данных, которые мы ему «скармливаем», будет определять все: либо он принесет вам сверхдоходы, либо, получив на вход «информационный шум», приведет к катастрофическим решениям.

Представьте: искусственный интеллект — это мощнейший двигатель. Но что будет, если залить в него низкооктановое топливо, да еще и с песком? Он либо сломается, либо машина поедет, но не очень хорошо. Данные — это и есть то топливо, от качества которого в какой-то мере зависит выживаемость вашего бизнеса.

Наш общий опыт в управлении данными превышает полвека. Мы разобрали более тысячи проблем с данными в таких компаниях, как «Сбер», ВТБ и Банк России. Мы консультировали представителей нефтегазовой, телекоммуникационной, банковской и страховой отраслей и убедились: все они сталкиваются с одними и теми же типовыми проблемами. Мы на собственном опыте узнали, что замена старой ИТ-системы на новую, блестящую платформу не решит проблему. Не поможет и разовая «уборка» данных. Это как переставить мебель в доме, где нет фундамента: стены все равно дадут трещины.

Мы изучили все доступные книги на русском языке и обнаружили, что они часто не описывают реальных трудностей, с которыми сталкивается директор по данным (Chief Data Officer, CDO) на практике. Книги иностранных авторов, в свою очередь, плохо учитывают российскую специфику. Поэтому мы написали эту книгу — честный и практичный разговор о том, как превратить данные из источника головной боли в самый ценный актив вашей компании.

Если вы сомневаетесь, что сейчас подходящий момент для погружения в эту тему, задайте себе простые вопросы. Как часто вы и ваш бизнес уже используете искусственный интеллект, обученный на ваших данных? А все ли возможности данных вы используете до применения ИИ? Ответ может показать, что вы уже даже немного опаздываете.

Сегодня, в эпоху стремительно захватывающего новые рубежи ИИ, более 60% генеральных директоров (Chief Executive Officer, CEO) во всем мире обеспокоены одним вопросом: откуда берутся данные, на которых строятся вся аналитика и модели?[1] Действовать в отсутствие ясности здесь — как строить небоскреб без чертежей несущих конструкций и крепкого фундамента.

Если представить большую языковую модель вроде ChatGPT как мощный двигатель, то данные — это высокооктановое топливо. Масштабы поражают: для обучения ChatGPT-3 потребовалось 175 миллиардов параметров, а для GPT-4 — уже более 1,5 триллиона! Качество, объем и чистота этих данных напрямую определяют, насколько «умной», адекватной и безопасной будет модель на выходе. Без непрерывного потока хорошо управляемых данных создание по-настоящему эффективного ИИ невозможно.

Данные не только служат основой для первоначального обучения, но и критически важны на этапах внедрения и тонкой настройки под конкретные задачи, где с помощью размеченных примеров модель учат следовать нужным принципам и инструкциям. Без непрерывного потока тщательно отобранных и обработанных данных создание по-настоящему эффективных и надежных больших языковых моделей попросту невозможно; это тот фундамент, на котором строится все их «понимание» мира.

Но данные, которыми не управляют, — не актив, а обязательство. Они не приносят доход, а снижают его.

Вот история, типичная для многих крупных компаний. В течение полугода топ-менеджер одной финансовой организации не мог понять, почему объем его розничного портфеля застыл на месте, хотя отдел продаж отчитывался о выполнении плана. Руководитель блока рисков уже начал ослаблять лимиты, чтобы «расшевелить» продажи. Пока, наконец, глава ИТ не обнаружил провал в интеграции: из-за сбоя в платформе данных не все финансовые инструменты загружались из систем-источников. На самом деле портфель вырос уже в два раза!

Полгода руководство принимало решения, глядя в кривое зеркало отчетности. Последствия этих ошибок аукались еще несколько лет. Простой автоматический контроль качества данных позволил бы обнаружить проблему в течение одного дня.

Если не понимать корневых причин появления таких проблем качества данных и не выделять бюджеты на работу с ними, подобные ошибки будут повторяться бесконечно и негативно влиять на бизнес-результаты. Особенно если вы имеете амбицию выйти за границы своей отрасли и превратиться в экосистему.

Сегодня индустрии смешиваются. Традиционный бизнес стремится превратиться в экосистему. Яркий пример — «Сбер». Но настоящими гуру в этом стали международные бигтехи: Amazon, Google, Netflix, Alibaba. Что их объединяет? Доступ к огромным массивам данных о пользователях, которые позволяют им персонализировать предложения и совершать кросс-продажи, кратно умножая клиентскую базу.

Бигтехи — крупные технологические компании, чьей основной деятельностью является оказание цифровых услуг, а существенная доля доходов генерируется с помощью монетизации больших объемов данных. Как правило, они оказывают общественно значимые услуги одновременно в трех областях: в рамках основного бизнеса, технологической, финансовой.

Эти компании — как тайфун, сметающий целые индустрии. В Китае более 90% всех платежей проходят через небанковские организации, такие как Alipay и WeChat, лишая банки доступа к бесценной транзакционной информации о клиентах[2]. А без этого снижаются возможности для улучшения скоринговых моделей и заработка на кросс-продажах.

Чтобы догнать их, недостаточно просто хотеть. Нужны конкретные цели в области данных: скорость вывода новых продуктов, прозрачность их происхождения, описание их качества. Без этого традиционному бизнесу уготована роль вечно догоняющего, вечно отстающего в знании о рыночной ситуации и клиенте, а также в скорости реакции на его потребности.

Современный клиент уже достаточно избалован и ждет мгновенных персонализированных предложений. Но что чувствует человек, когда банк предлагает ему кредит на сумму его ежедневных расходов? Или маркетплейс советует владельцу крупного бизнеса купить растительное масло со скидкой 5% с пометкой «Вам это точно понравится»? Такие ошибки не просто раздражают — они убивают лояльность.

А теперь посмотрите на Netflix. Весь их бизнес по производству собственного контента построен на данных. В 2013 году, анализируя предпочтения пользователей, они запустили первые собственные сериалы «Карточный домик» и «Оранжевый — хит сезона». Аналитики компании обнаружили большую аудиторию поклонников Кевина Спейси и Дженджи Коэн и спрос на криминальные мрачные драмы, а продвигали контент с помощью таргетированной рекламы[3]. Под каждый из сегментов целевой аудитории был снят трейлер, включающий специфические фрагменты сериала и отвечающий запросам каждого: предпочитающим комедии показывали микс забавных моментов, любителям криминальной драмы — кадры из тюрьмы, поклонникам актеров — крупные планы с ними. Результат? База клиентов Netflix выросла с 30 до 300 миллионов человек за десять лет[4]. Они не просто заработали — они изменили стиль потребления контента в масштабах всей планеты.

И название такому эффективному подходу к работе с данными в компании — Data Driven.

Это не та компания, где есть отдел аналитики. Это компания, где данные встроены в каждое решение, от стратегических до тактических. Если необходимо, то и в режиме реального времени. Где данные — не сырье, а готовый продукт, у которого есть производитель и потребитель. Где доходы от использования данных составляют значительную часть финансового результата.

Задайте себе три вопроса.

Мы живем в эпоху информационной лавины. Каждое наше действие — покупка в магазине, звонок клиенту, производственная операция — оставляет цифровой след. Компании буквально купаются в гигабайтах, терабайтах и даже петабайтах данных. Казалось бы, такая мощь должна была сделать каждый бизнес знающим все о своих клиентах и рынке. Но вместо этого многие руководители по-прежнему принимают решения «на чутье», а отделы спорят о том, какая цифра верна. Почему так происходит? Потому что данные без управления — не ресурс, а беспорядочный шум. Это все равно что иметь самый большой в мире книжный магазин, но без каталога, названий на корешках, продавцов. В нем легко потеряться, но невозможно найти нужное. Эта глава покажет, почему пришло время перестать думать о данных как о «сопутствующем продукте» и начать воспринимать их как самый ценный, но пока необработанный ресурс.

В середине 2000-х крупная международная розничная сеть решила провести масштабную маркетинговую кампанию. Она вложила миллионы долларов в рекламу, ориентируясь на данные, полученные из разных отделов: маркетинга, продаж, логистики. Казалось бы, успех гарантирован. Однако кампания провалилась. Проблема оказалась банальной: данные о потребительских предпочтениях и запасах на складах не совпадали. Клиенты получали рекламу того, чего не было в наличии, а магазины — завалы неликвидного товара. В итоге — недовольные покупатели, убытки и репутационные потери[5].

Прошли десятилетия, но даже сегодня подобная история — не редкость. Мы живем в мире, где разнообразие и объемы данных больше, чем когда-либо. И продолжают стремительно расти. Но большое количество данных само по себе не делает компанию умной. Чтобы данные действительно работали на бизнес и приносили дополнительную прибыль, ими нужно управлять.

Представьте старую, пыльную кладовую в огромном доме, где каждая полка завалена самым разным хламом — от прадедушкиных писем до забытых детских игрушек. Что-то ценное, что-то абсолютно бесполезное. Попробуйте быстро найти там важный документ или любимую фотографию. Сложно, правда? А теперь представьте, что каждая такая «вещь» — кусочек информации о вашем бизнесе. Если все разложено по полочкам, помечено, чисто и доступно, то найти нужное — дело нескольких секунд. Если нет… начинается хаос.

Именно так многие компании сегодня обращаются со своими данными. Они есть, их много, они копятся с невероятной скоростью, но часто лежат без дела, перемешанные, искаженные, а иногда и вовсе потерянные. Между тем эти данные — не просто цифры и буквы. Это ваш новый «золотой запас».

Подобно тому как золото когда-то обеспечивало стабильность экономики целых стран, а успех практически любой компании зависел от доступа к капиталу, природным и людским ресурсам, сегодня качественные и правильно используемые данные становятся залогом конкурентоспособности и роста современного бизнеса. Это не преувеличение. Данные превратились в такой же стратегический актив компании, как ваши финансы, талантливые сотрудники или передовые технологии.

Да-да, эту «речевку» мы слышали не раз. Но что стоит за этими словами? Что это означает на практике и как добиться того, чтобы данные действительно работали?

У данных есть важное отличие от драгоценного металла: золото нужно просто безопасно хранить. Данные — понимать, структурировать, защищать и использовать. Без системы управления они легко превращаются в мешанину таблиц, отчетов и файлов, где никто не может найти правду, а порой и просто логику.

В этой главе мы поговорим о том, почему важно:

В предыдущей главе мы убедились, что данные — не просто биты и байты, а ценнейший актив, способный трансформировать бизнес. Мы видели на примерах, как отсутствие порядка в данных приводит к хаосу и убыткам. Но достаточно ли просто осознать ценность? Представьте, что у вас есть бак, полный самого лучшего, высокооктанового топлива, и сверхмощный двигатель. Однако у вас нет ни карты, ни навигатора, ни даже руля. Сможете ли вы добраться до пункта назначения? Вероятнее всего, вы будете крутиться на месте или уедете в никуда. Точно так же обстоят дела с данными в бизнесе. Без четкого плана, без дорожной карты самые ценные из них останутся неиспользованным потенциалом. Стратегия управления данными — не просто еще один скучный документ или «проект ради проекта». Это основа, понятный маршрут, которые превращают беспорядочный поток информации в целенаправленный поток ценности. Именно она определяет, куда и как ваша компания будет двигаться в цифровом будущем.

Освежим свое понимание вопроса «зачем управлять данными» еще одним коротким примером. Представим динамично развивающуюся компанию, крупного ритейлера, который годами строил свою сеть магазинов. Она росла быстро, открывала новые точки по всему миру, но без единого плана, без общей стратегии. Один филиал закупал товар у одного поставщика, другой — у совершенно другого. Цены на одни и те же товары в разных городах различались. Данные о продажах, клиентах, запасах хранились в разрозненных таблицах Excel на компьютерах разных сотрудников, а то и вовсе в бумажных блокнотах. Когда наступил кризис и понадобилось быстро понять, что происходит с бизнесом, компания столкнулась с хаосом. Посыпались вопросы: «Где наши самые прибыльные магазины? Какие товары пользуются наибольшим спросом? Сколько у нас вообще клиентов?» Никто не мог дать однозначного ответа. Вместо того чтобы сосредоточиться на преодолении трудностей, топ-менеджеры тратили недели, пытаясь собрать хоть какую-то осмысленную информацию.

Звучит знакомо? К сожалению, для многих компаний это не вымышленная история, а суровая реальность, когда речь заходит об управлении данными. Долгое время данные воспринимались как некий «побочный продукт» операционной деятельности. Они просто «возникали», и никто особо не задумывался, как их эффективно использовать или как обеспечить их качество.

В этой главе мы поговорим о том, почему:

• критически важно не просто «заниматься данными», а иметь согласованную стратегию развития;

• стратегия данных должна быть согласована с бизнес-стратегией компании;

• без стратегии данных усилия могут быть хаотичны и неэффективны;

• стратегия создает основу для доверия к данным;

• важно определить приоритеты развития;

• необходимо определить и распределить ответственность за данные;

• важно сформировать единое понимание ценности данных во всей организации;

• обеспечить долгосрочные инвестиции в данные и технологии их обработки;

• стратегия данных должна быть гибкой и адаптируемой, но со стабильной базой;

• необходимо последовательно измерять успех реализации стратегии;

• стратегия данных позволяет избежать «технологической гонки вооружений»;

• стратегия данных может быть катализатором инноваций и инструментом конкурентного преимущества;

• вовлеченность высшего руководства — залог успеха реализации стратегии данных.

Данные — новая нефть, но без стратегии это просто грязь

Все слышали фразу: «Данные — это новая нефть». И это интересная аллегория. Как нефть в прошлом веке приводила в движение мировую экономику, так данные сегодня становятся топливом для инноваций, роста и конкурентного преимущества. Однако есть одно важное «но»: сама по себе нефть, добытая из-под земли, не имеет ценности, пока ее не очистят, не переработают и не доставят потребителю. Точно так же и с данными. Без осмысленного подхода, без четкой стратегии они остаются просто набором разрозненных байтов, «сырой нефтью», которая может даже навредить, если использовать ее неправильно. Или, что еще хуже, это «грязь» — мусор, который засоряет системы и мешает двигаться вперед.

Вспомните наш пример с ритейлером. У компании имелись данные, причем много. Но настолько хаотичные и неструктурированные, что никакой пользы от них не было. Даже наоборот: они создавали дополнительную нагрузку, путали и вводили в заблуждение. Вот почему стратегия управления данными — не просто модное веяние или «еще один проект» из списка задач ИТ-отдела. Это фундамент, на котором строится вся цифровая трансформация вашей компании.

Что такое стратегия управления данными и почему она критически важна?

По сути, стратегия управления данными — ясный и понятный для широкого круга руководителей документ, который определяет, как ваша организация будет собирать, хранить, использовать, защищать и управлять своими данными на протяжении всего их жизненного цикла (от первичного ввода / сбора, через механизмы обработки вплоть до архивирования или удаления). Это не просто набор технических требований, а комплексный подход, который охватывает людей, процессы и технологии.

Почему это так важно? Давайте кратко вспомним несколько ключевых причин, о которых мы уже говорили в главе 1, почему важно управлять данными в принципе.

Принятие обоснованных решений.

В мире бизнеса, где каждая ошибка может стоить миллионы, решения должны основываться на фактах, а не на интуиции или догадках. Качественные, надежные данные позволяют топ-менеджерам видеть полную картину, прогнозировать тренды и принимать взвешенные решения, будь то выход на новый рынок, запуск нового продукта или оптимизация затрат. Без стратегии вы рискуете принимать решения вслепую, что равносильно игре в русскую рулетку. Это порой очень увлекательное, но не особо дальновидное занятие.

Соблюдение регуляторных требований.

В современном мире существует огромное количество законов и нормативов, касающихся использования данных, таких как Общий регламент по защите персональных данных (GDRP в Европе) или многочисленные отраслевые стандарты. Несоблюдение этих требований может привести к огромным штрафам, потере репутации и даже уголовной ответственности. Стратегия управления данными помогает систематизировать подходы к конфиденциальности, безопасности и соответствию нормам, обеспечивая спокойствие вашему бизнесу.

Повышение операционной эффективности.

Представьте, что в вашей компании каждому сотруднику приходится тратить часы на поиск нужной информации, сверку данных из разных источников или исправление ошибок. Это колоссальная трата времени и ресурсов. Четко выстроенная стратегия управления данными оптимизирует эти процессы, сокращает количество ручных операций, автоматизирует рутину и позволяет сотрудникам сосредоточиться на задачах, которые действительно приносят ценность.

Инновации и конкурентное преимущество.

В эпоху цифровизации именно данные становятся катализатором инноваций. Чем лучше вы понимаете своих клиентов, свои продукты и рынки, тем быстрее сможете адаптироваться к изменениям, создавать новые продукты, опережать конкурентов. Компании, которые не имеют четкой стратегии в отношении данных, неизбежно окажутся в роли догоняющих.

СТРАТЕГИЯ — ЭТО СИСТЕМА КООРДИНАТ

Важно понимать, что стратегия управления данными — не статичная «карта местности», которая раз и навсегда укажет вам путь. Это скорее система координат, которая поможет вам ориентироваться в постоянно меняющемся ландшафте данных. Мир вокруг нас трансформируется с бешеной скоростью: появляются новые технологии, новые источники данных, новые требования регуляторов. Ваша стратегия должна быть гибкой и адаптивной, чтобы вы могли своевременно реагировать на эти изменения и извлекать максимальную выгоду из своих данных.

В конечном счете отсутствие стратегии управления данными сегодня — это не просто упущенные возможности, а прямая угроза выживанию и развитию вашего бизнеса. Это все равно что пытаться построить небоскреб на песке, не заложив крепкого фундамента. Рано или поздно он начнет крениться, а потом и вовсе рухнет.

Далее мы порассуждаем об отдельных аспектах важности и значимости стратегии управления данными (иногда для простоты будем называть ее «стратегией данных»). Сначала давайте удостоверимся, что мы все одинаково понимаем, насколько она важна и полезна.

СТРАТЕГИЯ ДАННЫХ — ЭТО ДОРОЖНАЯ КАРТА, А НЕ ПРОСТО НАБОР ИНСТРУМЕНТОВ

Представьте опытного путешественника, который отправляется в неизведанные земли. У него есть превосходный рюкзак, полный самых современных гаджетов: спутниковый телефон, GPS-навигатор последней модели, многофункциональный нож и даже портативный солнечный аккумулятор. Казалось бы, он полностью экипирован. Но если у этого путешественника нет карты и четкого маршрута — понимания, куда он хочет попасть и как туда добраться, — все эти инструменты окажутся бесполезными. Он будет двигаться наудачу, тратить время и ресурсы, а возможно, даже заблудится окончательно.

Точно так же и в мире бизнеса. Многие компании в последние годы активно инвестировали в технологии, связанные с данными: купили мощные аналитические платформы, внедрили системы больших данных, наняли дата-сайентистов. Однако, к сожалению, для многих это похоже на путешествие с рюкзаком, но без карты. У них есть отличные «инструменты», но нет четкого понимания, куда они хотят прийти с помощью этих данных и какие шаги для этого необходимо предпринять.

От инструментов к целям: зачем нужна дорожная карта?

В этом и кроется суть стратегии данных. Это не просто список технологий, которые нужно приобрести, или перечень проектов, которые необходимо реализовать. Это настоящая дорожная карта, которая определяет ваш пункт назначения — ваши бизнес-цели, — и прокладывает наиболее эффективный путь к ним, используя данные как основной двигатель.

Если ваша бизнес-цель — увеличить лояльность клиентов, то ваша стратегия данных будет направлена на сбор и анализ информации о поведении клиентов, их предпочтениях, болевых точках. Она определит, какие данные нужны, как их собирать (например, через программы лояльности, онлайн-активность), как их анализировать (например, с помощью систем рекомендаций) и как полученные знания преобразовывать в персонализированные предложения и улучшенный сервис. Без этой карты вы можете собирать все подряд данные о клиентах, не понимая, что с ними делать.

Если ваша цель — оптимизировать цепочки поставок и сократить расходы, стратегия данных сосредоточится на данных о запасах, логистике, поставщиках, производственных мощностях. Она покажет, как интегрировать данные от разных поставщиков, как анализировать их в реальном времени для прогнозирования спроса, оптимизации маршрутов доставки и предотвращения простоев.

Если вы стремитесь к выходу на новые рынки, стратегия данных поможет определить, какую информацию необходимо получить о потенциальных клиентах, конкурентах и регуляторной среде в этих регионах. Она подскажет, как оценить риски и возможности, прежде чем совершать дорогостоящие шаги.

СВЯЗЬ ТЕХНОЛОГИЙ С БИЗНЕСОМ: БОЛЬШЕ, ЧЕМ ПРОСТО ИТ-ПРОЕКТ

Одно из ключевых отличий стратегии данных от ИТ-проекта заключается в том, что она напрямую связывает технологические решения с конкретными бизнес-целями. Это означает, что не ИТ-отдел решает, какие данные использовать и как, а бизнес-руководство совместно с экспертами по данным определяет, какие данные необходимы для достижения стратегических целей компании. Это диалог, а не монолог. ИТ-специалисты могут предложить инструменты и возможности, но бизнес должен четко сформулировать, какие проблемы он хочет решить и какие задачи выполнить с помощью этих данных. Только тогда технологии станут не просто модными игрушками, а мощными рычагами для роста и развития.

Звучит достаточно понятно и логично, не правда ли? Основной вопрос — насколько часто такой подход реально реализуется. Всегда хочется сказать «хочу дата-платформу, которая может все и покроет мои текущие и будущие потребности». Увы и ах: несмотря на все успехи технологий и ИИ, вопросы о смыслах, целесообразности и приоритетах не перестают быть актуальными.

ОТ СЕГОДНЯШНЕГО ДНЯ К БУДУЩЕМУ: ДОЛГОСРОЧНАЯ ПЕРСПЕКТИВА

Важно отметить, что стратегия данных должна учитывать не только текущее состояние, но и долгосрочное развитие компании. Мир не стоит на месте. То, что актуально сегодня, может устареть завтра. Новые технологии, меняющиеся потребительские предпочтения, появление новых конкурентов требуют гибкости и дальновидности.

Представьте, что вы строите дом. Вы, конечно, размышляете о том, как он будет выглядеть и функционировать прямо сейчас. Но хороший архитектор и застройщик также задумаются о том, как дом будет расширяться в будущем, если появится необходимость в дополнительных комнатах, или как он будет адаптироваться к изменениям климата.

То же и со стратегией данных. Она должна быть достаточно гибкой, чтобы адаптироваться к новым вызовам и возможностям. Это означает предвидение будущих потребностей в данных, инвестиции в масштабируемые решения и развитие культуры работы с данными, которая будет способствовать постоянному обучению и инновациям. Без этого долгосрочного видения ваша стратегия данных рискует быстро стать устаревшей и неактуальной, как старая, запыленная карта, которая уже не отражает изменившийся ландшафт.

В итоге стратегия данных — это ваша система координат и ваша дорожная карта, которые указывают направление, помогают избежать препятствий и гарантируют, что каждый шаг, который вы делаете в мире данных, приближает вас к достижению самых амбициозных бизнес-целей.

БЕЗ ОБЩЕКОРПОРАТИВНОЙ СТРАТЕГИИ УСИЛИЯ ПО УПРАВЛЕНИЮ ДАННЫМИ ХАОТИЧНЫ И НЕЭФФЕКТИВНЫ

Представьте большой оркестр, где каждый музыкант — виртуоз. Пианист мастерски исполняет сонаты, скрипач волшебно играет на своем инструменте, барабанщик задает невероятный ритм. Каждый из них сам по себе великолепен. Но если у них нет дирижера, общей партитуры, единой стратегии выступления, что получится? Вместо гармоничной симфонии выйдет какофония. Каждый станет играть что-то свое, в своем темпе, и результат будет далек от идеала.

Точно так же обстоят дела и с управлением данными в компании, если отсутствует общекорпоративная стратегия. Многие организации признают важность данных и начинают предпринимать шаги в этом направлении. Отдельные подразделения запускают свои инициативы: маркетинг создает собственную базу данных клиентов, финансовый отдел разрабатывает систему для учета транзакций, а производство внедряет решения для сбора данных с оборудования. Звучит хорошо, правда? Каждое подразделение старается выполнить свою работу лучше.

Хаос, распыление ресурсов и «островки данных»

Однако без единого дирижера, без единого взгляда и плана все эти, казалось бы, позитивные инициативы превращаются в ту самую какофонию. Вот что происходит.

• Разрозненность инициатив и распыление ресурсов. Маркетинговый отдел, возможно, инвестирует в одну CRM-систему, а отдел продаж — в другую. Финансисты могут использовать свой инструмент для анализа, который не совместим с инструментами логистики. В результате вместо единой экосистемы данных компания получает множество отдельных проектов, каждый из которых требует своих инвестиций, своих специалистов и своей инфраструктуры. Ресурсы распыляются, эффективность снижается, а иногда усилия и вовсе дублируются.

• Дублирование функций и информации. Представьте, что данные об одном и том же клиенте хранятся в трех разных системах и каждая из них обновляется по-своему. Где настоящая правда? Кто этот клиент на самом деле? У него три разных адреса электронной почты или только один? Когда данные дублируются, возникают противоречия, ошибки, а на их исправление уходит масса времени и сил. Это как пытаться собрать пазл, в котором несколько одинаковых фрагментов, но ни один из них не подходит идеально.

• Отсутствие синергии. Самая большая ценность данных проявляется тогда, когда они объединяются и анализируются вместе. Данные о продажах, поведении клиентов на сайте, затратах на маркетинг и складских остатках в совокупности могут дать потрясающие инсайты. Но если эти данные заперты в своих «отделах», в своих системах, они не могут «общаться» друг с другом. Вы упускаете возможность увидеть полную картину, найти скрытые зависимости и открыть новые возможности для роста.

• Создание разрозненных «островков данных» (Data Silos). Это, пожалуй, самый опасный результат отсутствия стратегии. «Островок данных» — изолированное хранилище информации, доступ к которому имеет только ограниченный круг сотрудников или одно подразделение. Он как сундук с сокровищами, закопанный на необитаемом острове: может быть полон ценностей, но если никто не знает, где он находится и как его открыть, то бесполезен. Эти островки создают барьеры между отделами, замедляют обмен информацией и не позволяют компании работать с данными как с единым, ценным активом.

КАК СТРАТЕГИЯ УПРАВЛЕНИЯ ДАННЫМИ РАЗРУШАЕТ «ОСТРОВКИ»

Именно здесь на сцену выходит стратегия управления данными. Она действует как мощный ледокол, который пробивает путь сквозь замерзшие «островки» данных, объединяя их в одно большое, полноводное море информации. Вот что она способна обеспечить.

• Единое видение. Она определяет общие стандарты, принципы и процессы для работы с данными во всей организации. Все понимают, кто за что отвечает, как данные должны собираться, храниться и использоваться. Это создает единый «язык» данных, на котором говорят все подразделения.

• Интеграцию и взаимодействие. Стратегия направлена на построение архитектуры, которая позволяет данным свободно перемещаться между системами и отделами. Это не означает, что все они должны храниться в одном месте, но должны быть доступны и понятны тем, кому они нужны. Таким образом, маркетинг может использовать финансовые данные для оценки рентабельности кампаний, а производство — данные о продажах для планирования объемов выпуска.

• Оптимизацию ресурсов. Когда есть единый план, компания способна избежать покупки дублирующих систем и эффективнее использовать свои инвестиции. Специалисты по данным могут работать над общими проектами, а не решать одни и те же проблемы в разных отделах.

• Достижение общих бизнес-целей. Главное — когда данные становятся единым активом, они начинают работать на общие цели компании. Больше нет «данных маркетинга» или «данных финансов» — есть «данные компании», которые помогают принимать лучшие решения, внедрять инновации и укреплять конкурентные позиции.

Без общекорпоративной стратегии управления данными ваша компания рискует оказаться в ситуации, когда каждый департамент строит собственный, не связанный с другими кусочек «информационной Вавилонской башни». И, как известно, конец такой истории всегда один: невозможность понять друг друга и работать сообща.

СТРАТЕГИЯ ДАННЫХ ДОЛЖНА БЫТЬ СОГЛАСОВАНА С ОБЩЕЙ БИЗНЕС-СТРАТЕГИЕЙ КОМПАНИИ

Представьте капитана корабля. Его главная задача — доставить груз из пункта А в пункт Б. У него есть команда, карта, компас и даже отличный навигационный прибор. Но если он сосредоточится исключительно на том, чтобы «управлять» своим кораблем (следить за парусами, чистить палубу, настраивать приборы) и забудет о конечной цели (доставке груза), все его усилия окажутся бессмысленными. Корабль может быть в идеальном состоянии, но если он плывет не туда или доставляет не то, что нужно, успеха не будет.

Именно так часто происходит с управлением данными, когда оно не связано неразрывно с общей бизнес-стратегией компании. Очень легко увлечься самой идеей, инвестировать в модные технологии и нанимать дорогих специалистов. Но если эти действия не приводят к конкретным, измеримым бизнес-результатам, то управление данными становится самоцелью, а не мощным инструментом.

Управление данными: средство, а не самоцель

Ключевая мысль здесь в том, что управление данными — не самоцель, а всего лишь средство достижения гораздо более крупных и важных бизнес-целей. Данные — это ресурс, который, будучи правильно управляемым и используемым, может помочь вашей компании:

• увеличить прибыль, выявляя самые прибыльные сегменты клиентов или оптимизируя ценообразование на основе анализа спроса и предложения;

• снизить издержки путем оптимизации операционных процессов, сокращения складских запасов или более эффективного управления ресурсами;

• повысить операционную эффективность, автоматизируя рутинные задачи, улучшая взаимодействие между отделами и ускоряя принятие решений;

• выйти на новые рынки, выявляя перспективные ниши, анализируя конкурентную среду и прогнозируя потребительский спрос в новых регионах;

• повысить лояльность клиентов, создавая персонализированные предложения, улучшая качество обслуживания и предвидя потребности клиентов на основе их поведения и предпочтений.

Если ваша стратегия данных не направлена на решение одной или нескольких из этих бизнес-задач, она рискует стать дорогостоящим упражнением, которое не принесет реальной ценности. Да, гигиенические мероприятия по качеству и описанию данных имеют смысл, но в какой-то момент важно посмотреть на картину работы с ними в организации куда шире и комплекснее.

ОТ ОБЩЕГО К ЧАСТНОМУ: КАК БИЗНЕС-СТРАТЕГИЯ ФОРМИРУЕТ СТРАТЕГИЮ ДАННЫХ

Чтобы избежать ловушки, описанной в предыдущем разделе, стратегия данных должна быть производной от общей бизнес-стратегии компании. Это означает, что, прежде чем разрабатывать какие-либо инициативы по управлению данными, необходимо четко ответить на ряд вопросов:

1. Каковы наши главные стратегические цели на ближайшие 3–5 лет? Мы хотим стать лидером в инновациях? Нарастить долю рынка? Расшириться географически?

2. Какие ключевые показатели эффективности (Key Performance Indicators, KPI) будут показывать, что мы движемся в правильном направлении?

3. Какие проблемы или вызовы стоят перед нами на пути к этим целям? (Например, низкая удовлетворенность клиентов, высокие операционные расходы, отсутствие прозрачности в цепочке поставок.)

4. Как данные могут помочь нам решить эти проблемы и достичь наших целей? (Например, для повышения лояльности клиентов нам нужны глубокие знания об их поведении, а для снижения издержек — точные данные об эффективности производственных процессов.)

Только ответив на эти вопросы, можно приступать к формированию действительно эффективной стратегии управления данными. Она должна стать планом, который определяет, какие данные нужны, как их собирать, хранить, обрабатывать и анализировать, чтобы обеспечить достижение именно этих, конкретных бизнес-результатов.

Можно ли без этого сформировать стратегию управления данными? Как показывает жизнь — можно. Все же сама дисциплина «Управление данными» (Data Governance/Management) — довольно хорошо описанный набор процессов. Но гораздо сложнее отвечать на вопрос «зачем мы это делаем». И чем дальше, тем больнее он звучит.

ПРИМЕР ИЗ ЖИЗНИ: КАК STARBUCKS ИСПОЛЬЗУЕТ ДАННЫЕ ДЛЯ ЛОЯЛЬНОСТИ

Рассмотрим публичный пример компании Starbucks. Ее общая бизнес-стратегия включает укрепление лояльности клиентов и создание уникального «третьего места» между домом и работой. Ее стратегия данных напрямую поддерживает эту цель.

Компания собирает огромные объемы данных через свою программу лояльности, мобильное приложение и систему заказов. Эти данные позволяют:

• персонализировать предложения: отправляя вам уведомления о любимом напитке, когда вы проходите мимо кофейни, или предлагая скидки на товары, которые вы обычно покупаете;

• оптимизировать операции: анализируя данные о времени ожидания, пиковых часах и предпочтениях в разных локациях, они могут эффективно распределять персонал и запасы;

• разрабатывать новые продукты: на основе анализа покупательских привычек и предпочтений Starbucks может запускать новые напитки и закуски, которые гарантированно найдут отклик у аудитории.

В этом примере управление данными — не просто накопление информации, а целенаправленный процесс, который прямо способствует достижению главной бизнес-цели: созданию армии лояльных клиентов и увеличению их среднего чека.

Помните, что данные сами по себе не имеют смысла, пока не используются для решения конкретных бизнес-задач. Согласованность стратегии данных с бизнес-стратегией — ключ к тому, чтобы ваши инвестиции в данные приносили реальную, ощутимую пользу и помогали вашей компании двигаться вперед, а не просто «управлять ради управления».

ОПРЕДЕЛЕНИЕ ПРИОРИТЕТОВ: НЕ ВСЕ ДАННЫЕ ОДИНАКОВО ВАЖНЫ

Снова представим себе огромный книжный магазин. Тысячи и тысячи книг: художественная литература, научные труды, кулинарные рецепты, путеводители, энциклопедии, комиксы. Все они — информация, данные. Если вы придете в этот магазин, чтобы найти что-то ценное, но без четкого понимания, что именно вы ищете, вы рискуете утонуть в этом объеме. Вы будете часами бродить между полками, листать случайные книги, возможно, даже купите то, что вам никогда не понадобится. В итоге — потраченное время, силы и деньги, а главная задача не решена.

Аналогичная ситуация складывается и в компаниях, когда дело доходит до управления данными без четкой стратегии. Сегодня мир утопает в данных. Каждая транзакция, каждое взаимодействие с клиентом, каждый клик на сайте, каждый сенсор на оборудовании генерирует информацию. Соблазн собрать все данные «на всякий случай» очень велик. Однако такой подход сродни попытке «привести в порядок всё сразу» в нашем книжном магазине — он не только неэффективен, но и контрпродуктивен. Даже самые финансово эффективные и ресурсно-обеспеченные организации сталкиваются с тем, что «вскипятить океан» данных, чтобы выпить чашечку бодрящего чая, — плохая затея.

ПОЧЕМУ ПОПЫТКА ОБЪЯТЬ НЕОБЪЯТНОЕ — ПЛОХАЯ ИДЕЯ?

Компания, не определившая свои приоритеты, сталкивается с рядом проблем.

• Перегрузка информацией: огромные объемы данных, которые не имеют прямого отношения к бизнес-целям, создают «информационный шум». Важные сигналы тонут в океанах бесполезной информации.

• Распыление ресурсов: усилия и инвестиции направляются на сбор, хранение и обработку данных, которые не приносят реальной ценности. Это похоже на закупку тысяч ненужных книг для нашего магазина, которые будут просто пылиться на полках.

• Снижение скорости: попытка управлять всем подряд замедляет процессы. Аналитики тратят время на просеивание гигабайтов информации, чтобы найти крупицы золота.

• Высокие затраты: хранение и обработка данных — это дорого. Чем больше данных, тем выше расходы на инфраструктуру, безопасность и персонал. Зачем платить за то, что не используется?

СТРАТЕГИЯ ДАННЫХ: ВАШ ФИЛЬТР И ПРИЦЕЛ

Стратегия данных критически важна для определения приоритетов. Она выступает в роли умного фильтра, который позволяет сфокусироваться на тех данных, которые имеют наибольшую ценность для бизнеса, и направить усилия именно на их сбор, обработку, защиту и использование. Хорошая стратегия управления данными отвечает на три ключевых вопроса.

1. Какие данные важны?

Те, которые напрямую влияют на достижение ваших бизнес-целей (например, данные о ключевых клиентах, основных продуктах, операционных расходах).

Те, которые необходимы для соблюдения регуляторных требований (например, финансовая отчетность, персональные данные клиентов).

Те, которые могут дать конкурентное преимущество (например, данные о рыночных трендах, предпочтениях клиентов, эффективности маркетинговых кампаний).

Например, если ваша цель — повысить удовлетворенность клиентов, вам критически важны данные об их отзывах, истории покупок, взаимодействиях со службой поддержки, а не, скажем, о температуре в серверной комнате. Хотя последняя и важна для ИТ-инфраструктуры, к бизнес-цели она не имеет прямого отношения.

2. Кто за них отвечает?

Определение ответственных за конкретные наборы данных — краеугольный камень эффективного управления. Это исключает ситуации, когда «ничья» информация становится некачественной или теряется. Стратегия устанавливает институт владельцев данных (Data Owners) — конкретных людей или подразделения, которые несут ответственность за качество, актуальность и доступность определенных типов данных. Например, HR-отдел будет отвечать за данные о сотрудниках, финансовый — за финансовые данные, а отдел продаж — за данные о потенциальных и текущих клиентах.

3. Зачем они нужны?

Каждый элемент данных, который вы решаете собирать и обрабатывать, должен иметь четкое обоснование. Какую бизнес-проблему он решает? Какое решение помогает принять? Какой процесс улучшает?

Если вы не можете ответить на вопрос «зачем?», то, возможно, эти данные не приоритетны и их сбор — просто чья-то фантазия и напрасная трата ресурсов.

От малого к великому: начинаем с самого важного

Важно понимать: нельзя привести в порядок все сразу. Это нереалистичная цель, которая приведет только к фрустрации и выгоранию. Но можно начать с самого важного.

Операционализация хорошей стратегии данных предлагает поэтапный подход. Сначала вы концентрируетесь на наиболее критичных данных — тех, которые приносят наибольшую ценность или становятся источником наибольших рисков. Как правило, это данные, связанные с ключевыми бизнес-процессами или областями, где проблемы с данными вызывают наибольшие потери.

Это может быть сфера «Данные о клиентах», если ваш бизнес сильно зависит от персонализации и лояльности. Или «Данные о запасах», если управление цепочками поставок — ваша основная проблема. Начните с малого, продемонстрируйте быстрые победы, постройте фундамент, а затем постепенно расширяйте сферу охвата своей стратегии.

Таким образом, стратегия данных — не просто план, а инструмент фокусировки. Она помогает вашей компании не заблудиться в безграничном мире информации, а целенаправленно использовать данные для достижения своих стратегических целей, извлекая из них максимальную пользу при оптимальных затратах.

ЧЕТКОЕ РАСПРЕДЕЛЕНИЕ РОЛЕЙ И ОТВЕТСТВЕННОСТИ ЗА ДАННЫЕ

Представьте строительство большого здания. У вас есть архитектурный план, ресурсы, строительные материалы. Но если никто точно не знает, кто отвечает за заливку фундамента, кто — за прокладку электропроводки, а кто — за установку окон, что произойдет? Хаос. Фундамент может быть залит неправильно, провода — проложены абы как, окна установлены криво. В итоге либо здание будет непригодно для эксплуатации, либо его придется перестраивать, тратя в разы больше времени и денег.

Точно так же обстоит дело и с управлением данными в компании. Даже если у вас есть самые современные технологии, четкие бизнес-цели и понимание важности данных, все это останется пустым звуком, если не будет четкого распределения ролей и ответственности за данные. Без этого фундаментального элемента усилия по управлению данными окажутся неэффективными, а качество информации будет постоянно хромать.

ПОЧЕМУ ОТСУТСТВИЕ ОТВЕТСТВЕННОСТИ — КАТАСТРОФА ДЛЯ ДАННЫХ?

В компаниях без четко определенных ролей и ответственности за данные часто наблюдаются следующие проблемы.

• Проблемы с качеством данных. Кто отвечает за то, чтобы данные о клиентах были актуальными и точными? Если нет назначенного владельца, никто не будет регулярно проверять и исправлять ошибки. В итоге вы получите «грязные» данные, на основе которых невозможно принимать надежные решения.

• Отсутствие доступности. К кому обращаться, если нужен доступ к определенному набору данных? Если нет ответственного, процесс получения информации может затягиваться на недели или месяцы, парализуя аналитические и операционные процессы.

• Нарушения безопасности. Кто отвечает за защиту конфиденциальных данных? Если ответственность размыта, риски утечек информации, нарушения законодательства и потери репутации многократно возрастают.

• Дублирование усилий и конфликты. Разные отделы могут тратить время на сбор одних и тех же данных, не зная, что кто-то уже это делает. Или, наоборот, возникают споры о том, чьи данные «правильнее».

• Изоляция знаний. Ценные знания о данных, их источниках и особенностях использования остаются у отдельных сотрудников, а не становятся достоянием всей организации.

Стратегия данных: кто, что и зачем?

Именно стратегия управления данными и ее операционализация выступают в роли архитектора и прораба, который определяет, что в компании должны исполняться различные роли и кто отвечает за качество, доступность и безопасность различных категорий данных. Она создает основу для эффективного взаимодействия между всеми участниками процесса.

Хорошая стратегия устанавливает и четко описывает роли всех основных участников процесса управления данными. Как мы договорились в начале, эта книга не претендует на то, чтобы стать полным сводом знаний по управлению данными. И как следствие, мы не будем рассматривать полную ролевую модель (выделяют более 15 специфических персональных и групповых ролей). В специализированной литературе легко найти эту информацию. Однако есть несколько ключевых ролей, о которых нельзя не поговорить для более полного понимания темы.

1. Владельцы данных (Data Owners). Это люди или подразделения, которые несут высшую ответственность за определенные категории данных. Они не обязательно работают непосредственно с данными каждый день, но определяют их ценность для бизнеса, требования к качеству, доступности и безопасности. Например, руководитель отдела маркетинга может быть владельцем данных о клиентах, а финансовый директор — о финансовых операциях. Их задача — обеспечить, чтобы данные, за которые они отвечают, были «здоровыми», и как следствие, — приносили ценность. Подробнее о владельцах данных мы поговорим в главе 4.

2. Распорядители данных (Data Stewards). Это эксперты, которые работают непосредственно с данными на повседневной основе. Они обеспечивают выполнение параметров политик и метрик, установленных владельцами данных. Задача этих специалистов — следить за качеством данных, их актуализацией, соответствием стандартам, а также помогать пользователям в доступе и интерпретации информации. Например, это может быть ведущий аналитик в отделе продаж, который следит за корректностью данных о сделках.

3. Пользователи данных (Data Consumers). Это все сотрудники компании, которые используют данные для выполнения повседневных обязанностей — от менеджеров, принимающих решения, до операторов, вводящих информацию. Стратегия должна обеспечивать им легкий и безопасный доступ к необходимым данным и понимание того, как правильно их использовать.

4. Комитет по управлению данными (Data Governance Council). Это руководящий орган, обычно состоящий из топ-менеджеров и владельцев данных из разных отделов. Их задача — разработка и утверждение общих политик и стандартов управления данными, разрешение конфликтов, утверждение приоритетов и обеспечение поддержки инициатив по управлению данными на высшем уровне.

ВОВЛЕЧЕНИЕ И ЗАКРЕПЛЕНИЕ ОТВЕТСТВЕННОСТИ: БОЛЬШЕ, ЧЕМ ПРОСТО ФОРМАЛЬНОСТЬ

Определение этих ролей — не просто бюрократическая формальность. Это активный процесс вовлечения заинтересованных сторон. Стратегия помогает решить следующие задачи:

• повысить осведомленность: все понимают, что данные — общий актив, и каждый несет свою долю ответственности за их качество;

• создать культуру ответственности: когда есть четкие роли, люди знают, к кому обратиться за информацией, с кем согласовать изменения и кто будет нести ответственность за ошибки. Это мотивирует к более ответственному отношению к данным;

• обеспечить подотчетность: если качество данных низкое, можно быстро определить, кто отвечает за эту область, и принять меры по исправлению ситуации;

• ускорить принятие решений: четкие роли и процессы обмена информацией сокращают время, необходимое для поиска и проверки данных, что напрямую влияет на скорость принятия решений.

Без четкого распределения ролей и ответственности ваша компания рискует оказаться в ситуации, когда «у семи нянек дитя без глазу», а данные, вместо того чтобы быть опорой для бизнеса, станут постоянным источником проблем и разногласий. Стратегия же превращает этот потенциальный хаос в слаженный оркестр, где каждый знает свою партию и играет ее в унисон с общей симфонией бизнеса.

ФОРМИРОВАНИЕ ЕДИНОГО ПОНИМАНИЯ ЦЕННОСТИ ДАННЫХ ВО ВСЕЙ ОРГАНИЗАЦИИ

Представьте большую компанию, которая производит, допустим, автомобили. У нее есть цеха, инженеры, маркетологи, бухгалтеры, продавцы. Каждый отдел выполняет свою работу, но если сотрудники не понимают, как их усилия вписываются в общую картину (создание и продажу качественных автомобилей), то эффективность будет ниже, чем могла бы быть. Рабочий на конвейере может небрежно закрутить гайку, если не осознаёт, что от этого зависит безопасность водителя. Продавец — пообещать клиенту невыполнимые условия, если не знает о производственных ограничениях.

То же происходит и с данными. Многие сотрудники взаимодействуют с ними ежедневно: вводят информацию в системы, формируют отчеты, используют аналитические дашборды. Но часто они не понимают истинной ценности этих данных для всей организации и того, как их повседневные действия влияют на качество и полезность информации. Если оператор не понимает, зачем ему нужно точно заполнять каждое поле в клиентской карточке, он может делать это небрежно, создавая ошибки, которые будут стоить компании миллионов.

ОТ ФРАГМЕНТАЦИИ К СИНЕРГИИ: ПОЧЕМУ ВАЖНО ЕДИНОЕ ПОНИМАНИЕ

Без единого понимания ценности данных по всей организации возникают следующие проблемы.

• Некачественный ввод данных. Если сотрудники не видят прямой связи между своей работой и конечным результатом, они могут не уделять должного внимания точности и полноте вводимой информации. Это приводит к «мусорным» данным, на основе которых невозможно принимать обоснованные решения.

• Сопротивление изменениям. Инициативы по управлению данными часто требуют изменения привычных рабочих процессов. Если сотрудники не понимают их смысла и важности, они будут сопротивляться, саботировать или даже игнорировать новые правила.

• Потеря возможностей. Если команды не осознают, какой потенциал скрыт в данных, они не будут активно искать способы их использования для улучшения своей работы или генерации новых идей.

• Конфликты между отделами. Бизнес-подразделения, ИТ и отделы комплаенса[10] часто имеют разные приоритеты. Бизнес хочет быстрых решений, ИТ — стабильных систем, а комплаенс — строгого соблюдения правил. Без общего понимания ценности данных эти интересы могут конфликтовать, создавая напряжение и замедляя прогресс.

СТРАТЕГИЯ ДАННЫХ: ИНСТРУМЕНТ ДЛЯ ВОВЛЕЧЕНИЯ И СОГЛАСОВАНИЯ

Именно здесь разработка и коммуникация стратегии управления данными играют ключевую роль. Это не просто документ для руководства, а инструмент для донесения до каждого сотрудника, почему данные важны и какова его роль в их правильном использовании.

Стратегия данных помогает сформировать это единое понимание несколькими способами.

1. Повышение осведомленности и грамотности. Стратегия, будучи разработанной и активно коммуницируемой, объясняет на понятном языке, что такое данные для компании, почему они представляют собой ценный актив и как каждый сотрудник влияет на их качество и использование. Это может быть реализовано через обучение, внутренние порталы, регулярные коммуникации от руководства. Когда люди понимают «почему», они гораздо охотнее принимают «как».

2. Демонстрация прямой связи с бизнес-результатами. Стратегия не просто говорит «данные важны». Она показывает конкретные примеры того, как данные помогают увеличить прибыль, снизить издержки, улучшить клиентский опыт или сократить время вывода продукта на рынок. Когда сотрудник видит, что, точно вводя данные, он напрямую способствует сокращению ошибок в расчетах вознаграждений или улучшению таргетинга рекламных кампаний, его мотивация возрастает.

3. Вовлечение заинтересованных сторон и согласование интересов. Стратегия управления данными — уникальный инструмент, который согласует интересы бизнеса, ИТ и комплаенс.

Бизнес видит, как данные помогают достигать их стратегических целей.

ИТ-отдел понимает, какие системы нужно развивать, чтобы обеспечить качество и доступность данных, и как их работа напрямую поддерживает бизнес-цели. Для ИТ это не просто «еще одна задача», а стратегически важный проект.

Комплаенс (или отдел юридический / безопасности) получает четкие рамки и правила для обеспечения защиты данных, конфиденциальности и соответствия законодательству, что снижает риски для всей компании. Они видят, как их требования интегрируются в общую структуру.

Разработка стратегии должна быть совместным процессом с участием представителей всех этих подразделений. Это гарантирует, что документ отражает потребности и видение каждой стороны и создает основу для сотрудничества, а не конкуренции.

КУЛЬТУРА, ОРИЕНТИРОВАННАЯ НА ДАННЫЕ

В конечном счете хорошо разработанная и эффективно донесенная стратегия управления данными способствует формированию культуры, ориентированной на данные (подробнее это мы рассмотрим в главе 5). В ней каждый сотрудник, от топ-менеджера до линейного специалиста, осознаёт свою роль в «жизненном цикле» данных. Они понимают, что их действия влияют на «здоровье» данных и, как следствие, на способность компании принимать обоснованные решения, быть конкурентоспособной и развиваться.

Без такого единого понимания даже самые продуманные технологические решения и организационные структуры будут работать не в полную силу, а данные так и останутся неиспользованным потенциалом, разрозненным и непонятным для тех, кто должен был бы извлекать из них максимальную пользу.

Обеспечение долгосрочных инвестиций в данные

Представьте фермера, который хочет вырастить богатый урожай. У него есть земля, семена и желание. Он может просто бросить семена в неподготовленную почву, надеясь на чудо. Возможно, что-то и вырастет, но урожай будет скудным и непредсказуемым. Или он может инвестировать — потратить время и деньги на вспашку, удобрение почвы, закупку качественных семян, создание системы полива и обучение себя и своих работников агрономическим знаниям. Эти затраты — не просто расходы, а инвестиции в будущее. Они обеспечивают стабильный, обильный урожай год за годом.

Аналогичная ситуация складывается и с данными в современной компании. Просто иметь их недостаточно. Чтобы они приносили максимальную пользу, необходимо рассматривать их как ценнейший актив, требующий долгосрочных инвестиций. Однако в бизнес-среде, где все привыкли к быстрой окупаемости и краткосрочному планированию, порой сложно обосновать выделение значительных бюджетов на то, что не приносит мгновенной прибыли.

ПОЧЕМУ БЕЗ ИНВЕСТИЦИЙ ДАННЫЕ НЕ РАСЦВЕТУТ?

Без целенаправленных инвестиций в управление данными компании сталкиваются со следующими проблемами.

• Устаревшие технологии. Системы сбора, хранения и анализа данных быстро устаревают. Без регулярных обновлений и модернизации они становятся узким местом, замедляя процессы и ограничивая возможности.

• Недостаточная квалификация персонала. Работа с данными требует специфических навыков. Без постоянного обучения и развития сотрудники не смогут эффективно использовать новые инструменты и методологии.

• Отсутствие культуры. Если компания не инвестирует в формирование культуры работы с данными, сотрудники не будут воспринимать их всерьез, не научатся понимать их ценность и не станут стремиться к их качеству.

• Реактивный подход. Вместо того чтобы проактивно готовиться к будущим вызовам, компания постоянно «тушит пожары», реагируя на проблемы с данными по мере их возникновения.

СТРАТЕГИЯ ДАННЫХ: ИНВЕСТИЦИИ В БУДУЩЕЕ

Именно стратегия управления данными — инструмент, который обосновывает необходимость выделения бюджета на технологии, обучение персонала и развитие культуры работы с данными. Она переводит эти «расходы» в категорию инвестиций в будущее компании и демонстрирует, что эти вложения не просто «съедают» бюджет, а создают долгосрочную ценность.

Как это работает?

1. Технологии как фундамент. Стратегия данных четко определяет, какие технологические платформы, инструменты и инфраструктура необходимы для сбора, обработки, хранения, анализа и защиты данных. Она обосновывает, почему нужны инвестиции в облачные решения, продвинутые аналитические платформы, системы искусственного интеллекта и машинного обучения, рассматривая их не как статьи затрат, а как основу для будущих инноваций и повышения конкурентоспособности.

2. Люди как ключевой актив. Данные бесполезны без людей, которые умеют с ними работать. Стратегия подчеркивает важность инвестиций в обучение персонала — от базовой цифровой грамотности для каждого сотрудника до специализированных курсов для аналитиков, дата-сайентистов и инженеров данных. Это включает развитие навыков интерпретации данных, критического мышления, работы с новыми инструментами. Обученные и мотивированные сотрудники — залог того, что инвестиции в технологии будут окупаться.

3. Культура как двигатель изменений. Деньги и технологии не принесут пользы, если в компании нет культуры работы с данными. Стратегия должна предусматривать инициативы по развитию этой культуры: программы повышения осведомленности, создание внутренних сообществ практиков данных, поощрение обмена знаниями и признание заслуг тех, кто активно работает с данными. Это инвестиции в изменение мышления и поведения, которые обеспечат устойчивый успех.

УЧИТЫВАЕМ БУДУЩЕЕ: РЕГУЛЯТОРИКА, НОВЫЕ ТЕХНОЛОГИИ, РОСТ

Важный аспект, который должна учитывать стратегия данных, — не только текущие нужды, но и будущие вызовы.

• Регуляторика. Мир становится все более регулируемым в отношении данных (GDPR, CCPA[11], локальные законы). Стратегия должна предвидеть будущие требования к конфиденциальности, безопасности и хранению данных, чтобы избежать штрафов и репутационных потерь. Это требует инвестиций в специализированное ПО, обеспечение гибкости процессов, обучение и процессы аудита.

• Новые технологии. Появление таких технологий, как Web3, квантовые вычисления, или новых методов анализа данных, в том числе с помощью ИИ, может кардинально изменить способы работы с информацией. Стратегия должна быть достаточно гибкой, чтобы адаптироваться к этим изменениям и предусматривать возможности для их внедрения. Это может потребовать R&D[12]-инвестиций в изучение и тестирование новых решений.

• Рост компании. Расширение бизнеса, выход на новые рынки, слияния и поглощения генерируют новые объемы и типы данных. Стратегия должна обеспечивать масштабируемость систем и процессов управления данными, чтобы они могли эффективно обрабатывать возрастающую нагрузку без сбоев.

Таким образом, стратегия управления данными — не просто список покупок или проектов. Это дальновидный план, который обосновывает, почему инвестиции в данные — жизненно важная необходимость, а не роскошь. Это вложения в способность вашей компании быть гибкой, конкурентоспособной и успешной в постоянно меняющемся цифровом мире, обеспечивая ей устойчивый «урожай» ценных инсайтов и бизнес-результатов в долгосрочной перспективе.

Гибкость и адаптируемость стратегии к изменениям

Давайте снова представим себе капитана корабля, который отправляется в долгое плавание через океан. У него есть подробная карта, составленная много лет назад. Он строго следует ей, не обращая внимания на предупреждения о надвигающемся шторме, новые течения или появление айсбергов, которых не было на старой карте. Что произойдет с его кораблем? Скорее всего, он либо попадет в беду, либо вообще не достигнет цели.

Аналогичная ситуация складывается и со стратегией управления данными в современной компании. В мире, который меняется с головокружительной скоростью, статичный, неизменяемый документ, разработанный «раз и навсегда», быстро превращается из путеводителя в якорь, который тянет вашу организацию ко дну. Рынок и технологии постоянно меняются, и ваша стратегия данных должна быть такой же динамичной и живой, как и сам бизнес. Безусловно, базовые фундаментальные установки должны быть достаточно тверды и основательны, чтобы не превращать стратегию данных в конъюнктурный флюгер. Тем не менее, разумная степень гибкости крайне важна.

ПОЧЕМУ СТАТИЧНАЯ СТРАТЕГИЯ — ПУТЬ К ПРОВАЛУ?

Если стратегия управления данными не обладает гибкостью и не пересматривается регулярно, компания сталкивается с рядом серьезных проблем.

• Устаревание данных и технологий. Вчерашние «большие данные» сегодня могут быть обыденностью. Новые аналитические методы, облачные платформы, искусственный интеллект развиваются невероятно быстро. Если ваша стратегия не учитывает эти изменения, вы рискуете остаться с устаревшими инструментами и подходами, которые не позволяют использовать весь потенциал данных.

• Потеря конкурентного преимущества. Пока вы следуете устаревшим планам, ваши конкуренты могут внедрять инновации, используя новейшие подходы к данным. Они быстрее анализируют рыночные тренды, точнее предсказывают поведение клиентов и оперативнее выводят на рынок новые продукты.

• Несоответствие бизнес-целям. Бизнес-цели компании могут корректироваться в ответ на изменения рынка, появление новых продуктов или стратегические партнерства. Если стратегия данных не адаптируется к этим новым целям, она перестает быть актуальным инструментом и превращается в формальность.

• Регуляторные риски. Законодательство в области данных (например, законы о конфиденциальности, безопасности, трансграничной передаче данных) постоянно ужесточается и изменяется. Статичная стратегия не сможет обеспечить соответствие новым требованиям, что грозит крупными штрафами и репутационными потерями.

СТРАТЕГИЯ КАК ЖИВОЙ ОРГАНИЗМ: РЕГУЛЯРНЫЙ ПЕРЕСМОТР И КОРРЕКТИРОВКА

Именно поэтому стратегия управления данными не должна становиться статичным документом — ее необходимо регулярно пересматривать и корректировать. Ее можно сравнить с живым организмом, который адаптируется к меняющейся среде.

Как обеспечить эту гибкость и адаптируемость?

1. Регулярный пересмотр и оценка. Установите четкий график пересмотра стратегии — например, ежеквартально для тактических аспектов и ежегодно для стратегического видения. Во время пересмотров необходимо оценивать следующие параметры:

• Достигнуты ли текущие цели?

• Появились ли новые бизнес-цели, которые требуют изменений в работе с данными?

• Возникли ли новые регуляторные требования?

• Появились ли новые технологии, которые могут быть полезными или, наоборот, привести к тому, что текущие подходы устареют?

• Изменились ли рыночные условия или конкурентная среда?

2. Гибкость в подходах, а не только в целях. Стратегия должна быть достаточно общей, чтобы не привязывать вас к конкретным технологическим решениям, которые могут быстро устареть. Вместо этого она должна фокусироваться на принципах и архитектурных подходах, которые позволяют использовать различные инструменты. Например, вместо того чтобы указывать конкретную СУБД (систему управления базами данных), стратегия может говорить о необходимости наличия масштабируемого хранилища данных, способного обрабатывать различные типы информации.

3. Механизмы обратной связи. Создайте каналы для сбора обратной связи от всех заинтересованных сторон — от топ-менеджеров до конечных пользователей данных. Это поможет оперативно выявлять возникающие проблемы, новые потребности и потенциальные улучшения.

4. Культура непрерывных улучшений. Воспитайте в организации культуру, где изменения и адаптация воспринимаются как норма. Это означает поощрение экспериментов, готовность учиться на ошибках и постоянное стремление к оптимизации процессов работы с данными.

АДАПТАЦИЯ К БУДУЩИМ ВЫЗОВАМ

Как мы уже отмечали выше, при разработке стратегии важно не просто реагировать на текущие изменения, а пытаться предвидеть будущие вызовы. Вот некоторые из них:

• Расширение источников данных. Появление Интернета вещей (Internet of Things, IoT), новых социальных медиаплатформ, развитие новых интернет-сервисов генерируют новые типы данных. Стратегия должна предусматривать возможность их интеграции и анализа.

• Эволюция искусственного интеллекта. ИИ-инструменты становятся все более сложными и требовательными к данным. Ваша стратегия должна учитывать, как обеспечить доступ к высококачественным данным для обучения и работы ИИ-моделей. ИИ функционирует настолько хорошо, насколько качественно вы его научите. Качество данных — основной ограничитель качества обучения ИИ.

• Изменение ожиданий клиентов. Клиенты становятся все более требовательными к персонализации и скорости обслуживания. Это требует более оперативного и точного использования данных.

Таким образом, гибкость и адаптируемость — не просто желательные качества для стратегии управления данными, а жизненно важные характеристики. Именно динамичная, регулярно пересматриваемая и корректируемая стратегия позволит вашей компании не только выживать, но и процветать в постоянно меняющемся мире данных, эффективно реагируя на вызовы и максимально используя открывающиеся возможности.

Измерение успеха: как понять, что стратегия работает?

Представьте, что вы решили привести себя в форму. Вы разработали план: будете бегать по утрам, правильно питаться, ходить в спортзал. Это ваша стратегия здоровья. Но если вы никогда не будете взвешиваться, измерять пульс, следить за своим самочувствием, как вы поймете, работает ли ваш план? Вы можете очень усердно тренироваться, но, если не видеть результатов, рано или поздно вы утратите мотивацию и бросите это занятие.

Точно так же обстоит дело и со стратегией управления данными. Можно потратить много сил на ее разработку, инвестировать в технологии и обучить команду, но, если нет четких механизмов измерения успеха, вы никогда не поймете, приносят ли эти усилия реальную пользу. Управление данными — не просто теоретическое упражнение, а практическая деятельность, которая должна давать измеримые результаты.

Отдельно и подробно об измерении функций по управлению данными мы обсудим в главе 7. Пока же рассмотрим их вкратце и именно в аспекте стратегии.

ПОЧЕМУ БЕЗ ИЗМЕРЕНИЯ УСПЕХА СТРАТЕГИЯ ТЕРЯЕТ СМЫСЛ?

Компания, у которой нет четких показателей успеха, может столкнуться со следующими рисками:

• потерять инвестиции: если нет способа оценить отдачу от вложений в данные (будь то деньги, время или человеческие ресурсы), эти инвестиции могут быть восприняты как «черная дыра» в бюджете, а не как ценное вложение;

• двигаться в неверном направлении: можно очень активно работать над данными, но, если нет метрик, показывающих, что вы приближаетесь к своим бизнес-целям, вы можете тратить усилия на второстепенные задачи;

• не видеть прогресса: командам и сотрудникам нужна обратная связь. Если их усилия по улучшению качества данных или внедрению новых процессов не находят отражения в измеримых показателях, они теряют мотивацию и веру в смысл своей работы;

• не иметь возможности для оптимизации: если вы не знаете, что работает, а что нет, вы не сможете корректировать свою стратегию, улучшать процессы и добиваться большей эффективности.

СТРАТЕГИЯ КАК ИЗМЕРИТЕЛЬНЫЙ ПРИБОР: КЛЮЧЕВЫЕ ПОКАЗАТЕЛИ ЭФФЕКТИВНОСТИ (KPI)

Именно поэтому стратегия управления данными должна включать ключевые показатели эффективности (KPI), которые позволят отслеживать прогресс и оценивать отдачу от инвестиций в управление данными. KPI — не просто цифры; это маяки, которые показывают, движемся ли мы в нужном направлении и насколько эффективно.

Важно, чтобы KPI соответствовали принципам SMART:

• конкретны / связаны с бизнес-целями (Specific): помните, что управление данными — средство, а не самоцель. Поэтому стратегические KPI должны напрямую отражать, как улучшение данных влияет на бизнес;

• измеримы (Measurable): их можно количественно выразить;

• достижимы (Achievable): цели, к которым они стремятся, реалистичны;

• значимы / актуальны (Relevant): отражают текущие приоритеты;

• ограничены по времени (Time-Bound): имеют четкие сроки для достижения.

Рассмотрим примеры KPI, привязанных к разным аспектам, которые могут быть включены в стратегию управления данными.

1. Качество данных.

Процент заполненности ключевых полей. Например, «95% полей “адрес клиента” заполнены корректно».

Количество выявленных и исправленных ошибок в данных. Например, «Сокращение количества дубликатов клиентов на 30% за квартал».

Снижение количества обращений пользователей по поводу неточных данных. Это напрямую показывает, что данные становятся более надежными и интерпретируемыми.

2. Доступность данных.

Время, необходимое для предоставления доступа к данным. Например, «Среднее время от запроса до получения доступа к аналитическим данным сократилось с 5 дней до 1 дня».

Процент использования доступных источников данных. Показывает, насколько активно используются созданные хранилища данных.

3. Безопасность данных и соответствие нормам (комплаенс).

Количество выявленных уязвимостей в системах хранения данных. Показывает эффективность мер безопасности.

Процент соответствия внутренним политикам и внешним регуляторным требованиям. Например, успешное прохождение аудитов GDPR.

4. Вовлеченность и культура.

Количество сотрудников, прошедших обучение по работе с данными. Показывает распространение знаний.

Количество использующих данные внутренних инициатив, которые предложены сотрудниками. Свидетельствует о росте культуры данных и вовлеченности.

5. Бизнес-ценность (ROI, Return on Investment — окупаемость инвестиций).

Снижение операционных расходов, связанных с «грязными» данными. Например, сокращение времени на ручную сверку отчетов.

Увеличение доходов, связанное с улучшенным таргетингом маркетинговых кампаний на основе более качественных данных.

Сокращение времени на вывод новых продуктов на рынок благодаря оперативной аналитике.

ЧЕТКО СФОРМУЛИРОВАННАЯ СТРАТЕГИЯ: ПУТЬ К ПОНИМАНИЮ ПРОГРЕССА

Наличие четко сформулированной стратегии, включающей эти KPI, позволяет решать следующие задачи:

• объективно оценивать прогресс: больше не нужно полагаться на ощущения или догадки, цифры показывают реальную картину;

• понимать, движемся ли мы в нужном направлении: если KPI не улучшаются, это сигнал к тому, что нужно пересмотреть подходы, выделить дополнительные ресурсы или изменить приоритеты;

• демонстрировать ценность: руководство и заинтересованные стороны видят, что инвестиции в данные приносят ощутимые, измеримые результаты. Это способствует дальнейшей поддержке и финансированию инициатив по управлению данными;

• стимулировать команду: когда сотрудники видят, как их работа напрямую влияет на улучшение показателей, их мотивация и вовлеченность возрастают.

Таким образом, измерение успеха — не просто отчетность, а неотъемлемая часть самой стратегии. Это петля обратной связи, которая позволяет вашей компании учиться, адаптироваться и постоянно улучшать свои подходы к работе с данными, превращая их из потенциала в реальный двигатель роста и инноваций.

Некоторые параметры измерить сложно, но сама попытка порой порождает достаточно качественную дискуссию о смыслах происходящего. Направление, продвигающее датацентричную культуру, в первую очередь само должно стать достаточно датацентричным.

Стратегия как основа для построения доверия к данным

Представьте, что вы приходите в больницу, где каждый врач работает по своей методике, медсестры путают анализы, а в карточках пациентов постоянно встречаются ошибки. Будете ли вы доверять этому заведению? Сможет ли оно эффективно вас лечить? Конечно нет. Ваше здоровье зависит от точности информации и слаженной работы всего персонала.

То же происходит с данными в любой организации. Если сотрудники постоянно сталкиваются с неточностями, противоречиями или устаревшей информацией, они быстро теряют доверие к компании. Когда оно подорвано, данные перестают быть ценным активом и превращаются в источник головной боли, сомнений и неэффективности. Если менеджер не доверяет отчету о продажах, он будет тратить время на его перепроверку вручную или принимать решения, основываясь на интуиции, а не на фактах.

СТРАТЕГИЯ КАК ФУНДАМЕНТ ДОВЕРИЯ: ОТ ХАОСА К СИСТЕМЕ

Именно стратегия управления данными выступает в роли ключевого элемента, который строит и укрепляет доверие к данным во всей организации. Она превращает хаотичные, разрозненные потоки информации в системный, управляемый актив.

Как стратегия помогает построить это доверие?

1. Прозрачность и понятность. Стратегия четко определяет, откуда берутся данные, как обрабатываются, кто за них отвечает и как обеспечивается их качество. Эта прозрачность снижает неопределенность и способствует пониманию. Когда сотрудники знают, что за каждым набором данных стоят ответственное лицо и проверенный процесс, они начинают ему верить.

2. Гарантия качества. Стратегия задает стандарты качества данных, определяет метрики для их оценки и устанавливает процессы для регулярной проверки и исправления ошибок. Она гарантирует, что данные, которые используются в принятии решений, прошли проверку на достоверность, полноту и актуальность. Это похоже на систему контроля качества на заводе: если каждый продукт проходит строгую проверку, покупатель будет доверять бренду.

3. Единый источник правды. Стратегия направлена на устранение «островков данных» и создание единых, достоверных источников информации по ключевым сущностям (например, единый реестр клиентов, единый каталог продуктов). Когда все используют одни и те же данные для принятия решений, снижается количество споров и противоречий, формируется единое понимание реальности.

4. Повышение ответственности. Как мы обсуждали ранее, стратегия четко распределяет роли и ответственность за данные. Когда каждый знает, кто «владелец» того или иного набора данных, к кому обратиться за разъяснениями или предложениями по улучшению, возникает чувство порядка и подотчетности, что также способствует росту доверия.

5. Обучение и коммуникация. Стратегия включает элементы обучения и постоянной коммуникации о важности данных и правилах работы с ними. Чем лучше сотрудники понимают принципы управления данными и видят, как их действия влияют на качество информации, тем выше их доверие к данным, которые они сами же и генерируют или используют.

Когда сотрудники уверены, что данные управляются системно и стратегически, они начинают больше доверять информации и активнее использовать ее в своей работе. Они перестают тратить время на перепроверку и сосредоточиваются на извлечении ценности из данных. Доверие к данным становится основой для инноваций, эффективного взаимодействия и быстрого принятия решений, превращая вашу компанию в действительно дата-ориентированную.

ВОВЛЕЧЕНИЕ ВЫСШЕГО РУКОВОДСТВА — ЗАЛОГ УСПЕХА СТРАТЕГИИ

Представьте, что вы решили построить новый мост через реку, чтобы значительно сократить путь для всех жителей города. Инженеры разработали гениальный проект, строители готовы приступить к работе, но мэр города и городская администрация не проявляют интереса. Они не выделяют достаточного финансирования, не одобряют необходимые разрешения, а иногда и вовсе игнорируют проблему, считая строительство моста «делом инженеров». Что произойдет? Мост никогда не будет построен, а жители так и продолжат тратить часы на объезд.

Точно так же обстоят дела и со стратегией управления данными в компании. Можно разработать блестящий план, нанять компетентных специалистов и внедрить самые передовые технологии. Но если нет поддержки и активного участия высшего руководства, все эти усилия, скорее всего, обречены на провал. Управление данными — не просто техническая задача, а фундаментальная организационная трансформация, которая требует сильного лидерства и изменений на всех уровнях.

Почему без лидерства сверху ничего не получится?

Когда высшее руководство не вовлечено в стратегию управления данными, возникают серьезные проблемы.

• Недостаток ресурсов и приоритета. Инициативы по управлению данными часто требуют значительных инвестиций — как финансовых, так и человеческих. Без явной поддержки топ-менеджеров эти проекты будут постоянно отодвигаться на второй план, получать недостаточное финансирование и не смогут конкурировать за ресурсы с другими, более «видимыми».

• Сопротивление изменениям. Любая трансформация сталкивается с сопротивлением. Если изменения в процессах работы с данными не санкционированы и не продвигаются сверху, рядовые сотрудники и даже менеджеры среднего звена не воспринимают их всерьез. «Зачем нам это делать? Это просто очередная инициатива ИТ-отдела», — подумают они.

• Отсутствие межфункционального взаимодействия. Управление данными по сути межфункционально. Оно требует сотрудничества между бизнесом, ИТ, управлением рисками, финансами и другими подразделениями. Если нет лидера на высшем уровне, который координирует эти усилия и разрешает конфликты интересов, инициативы застревают в бюрократических проволочках и межфункциональных ссорах и спорах.

• Неясность видения. Только высшее руководство и стратегическое видение способны сформулировать, как данные интегрируются в общую бизнес-стратегию компании. Без этого верхнеуровневого видения инициативы по данным будут фрагментированными и несфокусированными, не работая на единую цель.

Управление данными — не ИТ-проект, а организационная трансформация

Очень важно понять и донести до всех: управление данными — это не только и не столько ИТ-проект. Конечно, ИТ-отдел играет критически важную роль в предоставлении инфраструктуры, внедрении инструментов и технической экспертизы. Но по своей сути управление данными гораздо шире и включает следующие аспекты.

• Изменение мышления. Переход от восприятия данных как «побочного продукта» к их осознанию как стратегического актива.

• Изменение процессов. Перестройка того, как данные собираются, обрабатываются, используются и защищаются на каждом этапе жизненного цикла.

• Изменение культуры. Формирование культуры, где каждый сотрудник понимает свою роль в создании и использовании качественных данных.

• Изменение ролей и ответственности. Четкое распределение того, кто и за что отвечает в мире данных.

Все эти изменения невозможно реализовать без активного лидерства со стороны высшего руководства.

Роль высшего руководства: лидерство и катализатор изменений

Поддержка и активное участие топ-менеджеров в разработке и реализации стратегии управления данными критически важны для ее принятия и внедрения на всех уровнях организации. Что это значит на практике?

• Инициация и спонсорство. Высшее руководство должно быть инициатором и главным спонсором стратегии данных. Это означает, что главы компании публично поддерживают ее, выделяют необходимые ресурсы и регулярно контролируют прогресс. Когда генеральный директор говорит: «Данные — наш приоритет», это воспринимается гораздо серьезнее, чем когда об этом говорит руководитель отдела.

• Интеграция в бизнес-стратегию. Топ-менеджеры должны обеспечить, чтобы стратегия данных была не просто «еще одним» инструментом, а органичной частью общей бизнес-стратегии компании. Они должны видеть и артикулировать, как данные помогут достичь амбициозных бизнес-целей.

• Разрешение конфликтов и расстановка приоритетов. В процессе внедрения стратегии данных неизбежно возникнут сложности и конфликты между отделами. Только высшее руководство обладает авторитетом для их разрешения, расстановки приоритетов и принятия сложных решений, которые могут потребовать изменений в привычных операционных моделях.

• Коммуникация и пример. Лидеры должны не только говорить о важности данных, но и демонстрировать это на своем примере. Использование данных для принятия собственных решений, требование качественной аналитики от команд, участие в обучении по данным посылают мощный сигнал всей организации.

• Культурный сдвиг. Высшее руководство — основной двигатель культурных изменений. Они должны активно продвигать культуру, ориентированную на данные, поощрять эксперименты, признавать успехи и учиться на ошибках.

Таким образом, вовлечение высшего руководства не просто желательно, а абсолютно необходимо для успеха стратегии управления данными. Без их лидерства, видения и активной поддержки любая, даже самая продуманная стратегия останется лишь красивым документом на полке, а компания упустит колоссальные возможности, которые предоставляют данные в современном мире.

СТРАТЕГИЯ ДАННЫХ ПОМОГАЕТ ИЗБЕЖАТЬ «ТЕХНОЛОГИЧЕСКОЙ ГОНКИ ВООРУЖЕНИЙ»

Представьте, что вы решили стать шеф-поваром. Вы приходите в магазин профессиональной кухонной утвари, где представлены сотни самых современных приборов: молекулярный гастрономический набор, сувид, аппарат для создания жидкого азота, автоматические тестомесы и десятки видов ножей. Если у вас нет четкого плана, какие блюда вы хотите готовить и для кого, вы можете скупить половину ассортимента, поддавшись маркетинговым уловкам и «модным трендам». В итоге ваша кухня окажется забита дорогим, но неиспользуемым оборудованием, а вы все равно не сможете приготовить ничего выдающегося, потому что забыли о главном: о рецептах (процессы), навыках повара (люди) и страсти к кулинарии (культура).

Это очень напоминает то, что происходит во многих компаниях, когда к управлению данными приступают без четкой стратегии. Рынок ИТ-решений для данных огромен и постоянно растет. Появляются новые платформы для больших данных, инструменты искусственного интеллекта, облачные хранилища, аналитические дашборды, и каждая технология обещает «революцию». Без базиса в виде стратегии компании легко ввязаться в так называемую технологическую гонку вооружений.

Опасности «технологической гонки вооружений»

Что происходит, когда компания поддается этому искушению?

• Расточительные инвестиции. Компании тратят миллионы и даже миллиарды на покупку и внедрение сложного программного обеспечения и оборудования, которое оказывается избыточным, плохо интегрируется или просто не используется в полной мере, потому что не соответствует реальным потребностям бизнеса.

• Чрезмерная сложность. Вместо упрощения работы с данными внедрение множества несвязанных технологий создает еще большую сложность. Системы становятся фрагментированными, их сложно поддерживать, а сотрудники испытывают трудности с их освоением.

• Отвлечение от главного. Фокус смещается с решения бизнес-проблем на освоение новых технологий. ИТ-отдел может быть загружен внедрением и поддержкой несвязанных систем, а не созданием реальной ценности для бизнеса.

• Игнорирование людей и процессов. В погоне за новейшими гаджетами легко забыть, что технологии — лишь инструменты. Без хорошо продуманных процессов, обученных людей и подходящей культуры работы с данными даже самые передовые системы окажутся бесполезными.

Стратегия как умный фильтр в мире технологий

Именно стратегия управления данными выступает в роли умного фильтра в этом бескрайнем океане технологических предложений. Она позволяет компании фокусироваться на тех технологиях, которые действительно необходимы для реализации ее стратегических целей в области данных.

Как это работает (должно работать)?

1. Приоритет бизнес-целей над технологиями. Стратегия начинается не с вопроса «Какую технологию купить?», а с вопроса «Каких бизнес-целей мы хотим достичь с помощью данных?». Только после того, как эти цели четко определены, можно подбирать соответствующие инструменты. Если цель — улучшить обслуживание клиентов, стратегия может потребовать CRM-системы и аналитики для предсказания оттока, а не системы больших данных для IoT-устройств.

2. Архитектурный подход. Хорошая стратегия предусматривает создание единой, масштабируемой и интегрированной архитектуры данных. Это означает, что новые технологии не просто «навешиваются» сверху, а тщательно вписываются в существующую или планируемую экосистему данных. Это помогает избежать дублирования функций и обеспечить синергию.

3. Оценка ROI (возврата инвестиций). Стратегия обязывает компанию оценивать потенциальную отдачу от каждой технологической инвестиции. Будет ли она способствовать снижению издержек, увеличению доходов, повышению эффективности или улучшению клиентского опыта? Если ответ неясен, то, вероятно, это не приоритет.

4. Фокус на «людях, процессах и культуре». Стратегия управления данными явно признаёт, что технологии — лишь одна из трех ключевых составляющих успешного управления данными. Она уделяет равное, а иногда и большее внимание процессам (как данные будут собираться, обрабатываться, использоваться) и людям (их навыкам, ролям, ответственности), а также формированию культуры, ориентированной на данные. Без этих элементов технологии станут мертвым грузом.

Таким образом, стратегия управления данными не просто экономит деньги, предотвращая ненужные покупки. Она позволяет компании избежать ловушки «технологической гонки вооружений», направляя инвестиции в технологии осмысленно и целенаправленно. Она гарантирует, что каждый рубль, потраченный на ИТ-решения, способствует реальному прогрессу и достижению стратегических целей, а не просто увеличивает парк «модных игрушек», о которых быстро забывают.

СТРАТЕГИЯ УПРАВЛЕНИЯ ДАННЫМИ — ИНСТРУМЕНТ КОНКУРЕНТНОГО ПРЕИМУЩЕСТВА, ОСОБЕННО В ЦИФРОВОЙ ЭКОНОМИКЕ

Представьте мир автогонок. Все команды имеют доступ к мощным двигателям, аэродинамическим корпусам и высококачественным шинам. Но побеждает не та команда, у которой самый быстрый автомобиль, а та, которая лучше всего использует данные: с датчиков автомобиля в реальном времени, о поведении пилота, о погодных условиях и состоянии трассы, о стратегиях конкурентов. Они анализируют эту информацию, чтобы оптимизировать каждый поворот, каждый пит-стоп, каждое решение на трассе. Их стратегия данных позволяет им быть на шаг впереди.

В современной цифровой экономике данные играют ту же роль, что и передовые технологии и оптимизированные стратегии в гонках. Мир бизнеса становится все более конкурентным, и традиционные источники преимущества — такие как производственные мощности или доступ к сырью — уже не так важны, как раньше. Сегодня способность эффективно использовать информацию становится решающим фактором успеха, и именно здесь стратегия управления данными превращается в мощный инструмент конкурентного преимущества.

Почему данные — новое поле битвы за клиентов и рынки?

В цифровой экономике, где информация льется нескончаемым потоком, компании, которые умеют ею управлять, получают огромные преимущества.

• Персонализация и клиентский опыт. Сегодня клиенты ожидают индивидуального подхода. Они хотят, чтобы продукты и услуги были адаптированы под их нужды. Компании с сильной стратегией данных могут собирать, анализировать и использовать информацию о клиентах для создания глубоко персонализированных предложений, улучшения обслуживания и предсказания будущих потребностей. Это создает лояльность и выделяет вас среди конкурентов. Вспомните Amazon, Netflix или Spotify — их успех во многом основан на способности предсказывать ваши желания с помощью данных.

• Быстрое принятие решений. В динамичном мире, где тренды меняются за недели, а не месяцы, скорость принятия решений критически важна. Компании со зрелой стратегией данных имеют доступ к актуальной, качественной информации, что позволяет им быстрее реагировать на изменения рынка, выявлять новые возможности и оперативно корректировать свою деятельность. Это дает им гибкость, которой лишены их менее «продвинутые» конкуренты.

• Оптимизация и инновации. Данные позволяют увидеть то, что раньше было скрыто. Анализ больших объемов информации помогает выявлять неэффективные процессы, оптимизировать затраты, улучшать качество продуктов и даже разрабатывать совершенно новые бизнес-модели. Например, телекоммуникационные компании используют данные о трафике для оптимизации своих сетей, а логистические гиганты — для построения наиболее эффективных маршрутов.

• Управление рисками. В мире, где киберугрозы и регуляторные требования постоянно растут, эффективное управление данными помогает снизить риски. Компании с сильной стратегией данных лучше защищены от утечек информации, быстрее реагируют на инциденты безопасности и более уверенно соблюдают требования законодательства, что помогает им сохранять репутацию и избегать крупных штрафов.

Стратегия данных — ваш козырь

В отсутствие четкой стратегии данных компания, какой бы крупной она ни была, рискует остаться позади, находясь на высококонкурентном рынке. Она будет работать «вслепую», полагаясь на устаревшие методы, в то время как конкуренты используют данные как свой главный козырь.

Стратегия управления данными дает вам этот козырь. Она позволяет решить ряд задач:

• систематизировать сбор информации: вы не просто накапливаете данные, а целенаправленно собираете ту информацию, которая имеет наибольшую ценность для вашего бизнеса;

• превращать данные в инсайты: вы строите процессы и используете технологии, которые позволяют быстро преобразовывать сырые данные в полезные знания и практические выводы;

• использовать данные для стратегических решений: каждое ключевое решение — от разработки новых продуктов до выхода на новые рынки — подкрепляется глубоким анализом данных;

• создавать культуру, ориентированную на данные: каждый сотрудник понимает ценность информации и свою роль в ее использовании для достижения общей цели.

Таким образом, в цифровой экономике стратегия управления данными — не просто набор правил и процессов. Это критически важный элемент вашей общей бизнес-стратегии, который обеспечивает вам гибкость, дальновидность и способность принимать лучшие решения, превращая данные из хаотичного потока в мощный, управляемый актив, дающий вам неоспоримое конкурентное преимущество.

ЧТО ЕЩЕ ВАЖНО ЗНАТЬ О СТРАТЕГИИ УПРАВЛЕНИЯ ДАННЫМИ?

Выше мы достаточно подробно рассмотрели многие аспекты того, почему стратегия управления данных важна. В заключение обсудим еще несколько аргументов.

Стратегия данных как катализатор инноваций

Мы уже упоминали об инновациях, но стоит выделить их как отдельный, очень мощный аспект. Когда у компании есть четкая стратегия данных, она не только использует существующую информацию для оптимизации, но и активно ищет новые способы ее применения.

Представьте фармацевтическую компанию, которая десятилетиями копила данные о клинических испытаниях, побочных эффектах лекарств и взаимодействиях молекул. Без стратегии эти данные просто лежат в архивах. Но с продуманной стратегией, которая позволяет быстро и качественно извлекать, интегрировать и анализировать эти огромные массивы информации (возможно, с помощью ИИ), компания может:

• ускорить разработку новых лекарств: находить неочевидные связи и потенциальных кандидатов для исследований;

• перепрофилировать существующие препараты: обнаруживать новые области применения для уже одобренных лекарств, что значительно экономит время и ресурсы;

• предсказывать риски и побочные эффекты: создавать более безопасные и эффективные препараты.

В такой компании данные становятся не просто инструментом для принятия решений, а генератором новых идей и продуктов, что дает колоссальное конкурентное преимущество.

Снижение рисков и повышение устойчивости бизнеса

В современном мире бизнес сталкивается с беспрецедентным количеством рисков — от кибератак и утечек данных до экономических кризисов и изменения климата. Стратегия управления данными играет ключевую роль в повышении устойчивости компании к этим вызовам.

• Управление репутационными рисками. В эпоху социальных сетей любая утечка данных или нарушение конфиденциальности может мгновенно разрушить репутацию компании, строившуюся годами. Стратегия данных, уделяющая внимание безопасности, конфиденциальности и соответствию нормам, минимизирует эти риски.

• Быстрое восстановление после сбоев. Если компания четко знает, где хранятся критически важные данные, как они резервируются и как их восстановить, она сможет быстрее оправиться от технических сбоев или природных катастроф.

• Прогнозирование кризисов. Качественные и доступные данные позволяют компании лучше анализировать внешние факторы (рыночные тренды, геополитические события, изменения в поведении потребителей) и внутренние показатели (эффективность операций, финансовое состояние), что дает возможность предвидеть потенциальные кризисы и заранее разработать планы действий. Это позволяет не просто реагировать на проблемы, а активно ими управлять.

Этичность использования данных как часть стратегии

Все больше компаний осознают, что просто «иметь данные» и «уметь их использовать» недостаточно. Вопросы этики использования данных выходят на первый план. Как мы используем персональные данные клиентов? Не приводят ли наши алгоритмы к дискриминации? Насколько прозрачны наши модели искусственного интеллекта?

Хорошая стратегия управления данными должна включать этические принципы и подходы к ответственному использованию информации. Это вопрос не просто комплаенса, а доверия и репутации. Компании, которые демонстрируют ответственное и этичное отношение к данным, выстраивают более прочные отношения с клиентами, партнерами и сотрудниками. Это создает долгосрочную ценность и дифференцирует их на рынке.

Снижение зависимости от отдельных экспертов («звезд»)

Когда нет стратегии управления данными, часто возникает ситуация, при которой ключевые знания о данных — где они находятся, что означают, как их использовать — сосредоточены у нескольких «звездных» сотрудников. Это создает огромные риски для компании: если такой сотрудник увольняется, уходит на пенсию или заболевает, ценная информация теряется, а процессы парализуются.

Стратегия управления данными предлагает ряд решений этой проблемы.

• Документирование. Создание каталогов данных, глоссариев, словарей метаданных, которые делают знания о данных доступными для всех.

• Стандартизация процессов. Разработка четких процедур работы с данными, которые не зависят от конкретного человека.

• Распределение ответственности. Разделение ролей и обязанностей, чтобы знания и задачи не были сосредоточены в одних руках.

• Обучение и обмен знаниями. Создание среды, где знания о данных активно передаются и распространяются внутри организации.

Таким образом, стратегия превращает разрозненные знания в коллективный актив компании, делая ее менее уязвимой и более устойчивой к изменениям в персональном составе.

Типовая структура стратегии данных

В первых двух главах мы убедились: данные — ценный корпоративный актив, а чтобы эффективно его использовать, нужна четкая стратегия. Но любая стратегия, даже самая блестящая, останется лишь красивым документом, если нет того, кто будет ее реализовывать. И для начала разберемся, для чего необходима эта новая организационная роль.

Вспомним большой симфонический оркестр. В нем множество талантливых музыкантов: скрипачи, флейтисты, трубачи. Каждый исполняет свою партию. Но чтобы их разрозненная игра превратилась в гармоничную музыку, нужен дирижер. Он знает общую партитуру, координирует каждого музыканта, следит за ритмом и динамикой, чтобы все звучало слаженно. Ноты, ритмы, инструменты — как данные и методы работы с ними в вашей компании: разрозненные, потенциально прекрасные, но нуждающиеся в гармонии.

Представьте, что вы — руководитель в достаточно крупной компании. Возможно, даже ее CEO. Если у вас возникает вопрос, что и как происходит с финансами компании, то нет сомнений, что первым, к кому вы обратитесь, будет финансовый директор (CFO, Chief Finance Officer). Очень сложно представить коммерческую компанию без такой позиции. И это понятно, ведь деньги — куда более старый, традиционный и понятный вид активов. А вот какие данные имеются у вас, что и как происходит с ними, где они и как их превратить в актив — история куда более свежая и запутанная для многих руководителей. И если вы продолжаете читать эту книгу, значит, потребность в прозрачном понимании этого вопроса еще не закрыта.

Кто же тот человек, который возьмет на себя ответственность за трансформацию данных из хаоса в порядок, из пассива в стратегический актив? Кто способен собрать и вдохновить команду, выстроить процессы и наладить взаимодействие между всеми «музыкантами» — от ИТ-специалистов до топ-менеджеров?

Встречайте — Chief Data Officer, или CDO. По формальному определению его роли — это единое ответственное лицо в компании, проактивно организующее возможность удобного и качественного использования данных в качестве стратегического корпоративного актива.

Иными словами, основная цель CDO — построить системную работу с данными как со стратегическим активом. Звучит столь же красиво, сколь и загадочно. И действительно, роль CDO достаточно молода, но многие организации уже обзавелись такой должностью. Тем не менее до настоящего момента нет четкого и однозначного понимания, за что должен отвечать CDO, какими у него должны быть мандат, подчиненность, ключевые компетенции, организационная структура и показатели эффективности деятельности (KPI).

И все же мы уверены: CDO — главный дирижер «оркестра данных» в вашей компании. Он отвечает за разработку и реализацию общей стратегии управления данными, координируя усилия всех подразделений, которые так или иначе взаимодействуют с информацией. CDO формирует команду: это могут быть архитекторы данных, стюарды данных, специалисты по качеству данных и метаданным (о них мы уже упоминали, но подробно поговорим позже, в главе 4). CDO не владеет всеми данными в компании — они принадлежат бизнесу. Но он создает правила, по которым с ними обращаются, и устанавливает стандарты их качества. Роль CDO продолжает развиваться: сегодня это один из ключевых драйверов не только стратегии данных, но и всей цифровой, а также ИИ-трансформации. В некоторых компаниях CDO даже напрямую отвечает за цифровую трансформацию, поскольку данные — ее незыблемый фундамент.

В этой главе мы поговорим о том, что:

Представьте, что в вашей компании наконец-то появился CDO — тот самый дирижер «оркестра данных». Он с энтузиазмом берется за свою миссию и одной из первых задач видит поиск владельцев данных — ключевых фигур, которые должны превратить разрозненную информацию в ценный корпоративный актив. CDO инициирует разработку функционально-ролевой модели участников процессов управления данными, определение правил поиска владельцев данных, назначения ответственных за данные и распределение функций среди сотрудников компании, назначенных на эту роль.

В теории все звучит прекрасно: роли расписаны, функции определены, презентации пестрят красивыми схемами. Но почему же на практике так сложно определить владельцев данных и внедрить культуру владения данными? Ведь понятно: если в компании нет таких людей, ответственность за данные превращается в игру в испорченный телефон. Все знают, что данные важны, но никто не чувствует их «своими».

Но начнем с основ. Кто же этот загадочный владелец данных (Data Owner)? Если коротко — это сотрудник или подразделение, несущие полную ответственность за определенную область данных. Что же скрывается за этим сухим словом «ответственность»? Представьте, что вы — владелец недвижимости. Вы не просто формально числитесь в документах. Вы отвечаете за все: юридическую чистоту, корректность учета информации об объекте недвижимости в единой системе кадастрового учета и правильного отражения в сервисах «Госуслуг» и ФНС, уют и порядок внутри и хорошие отношения с соседями снаружи, своевременную оплату коммунальных услуг и, наконец, безопасность — чтобы дверь была надежно закрыта, а система сигнализации исправно работала. Это и есть настоящее, бережное владение, «бережное, заботливое отношение» владельца к «своему» дому.

Точно так же обстоит дело и с данными. Если компания на словах признает их «стратегическим активом», то и подходить к вопросу владения ими нужно с соответствующей серьезностью. Самый опасный путь — номинальное назначение «для галочки», когда сотрудника награждают громким титулом, но не дают ему ни реальных полномочий, ни ресурсов, ни поддержки. Увы, это самая распространенная ошибка, которая сводит на нет все благие начинания.

Так в чем же заключается настоящая, а не «бумажная» работа владельца данных? Его задачи обширны и требуют настоящей вовлеченности.

• Дать имена и правила: сформировать определения терминов данных, требования к составу, точности, полноте, своевременности, целостности, безопасности данных, находящихся во владении.

• Слышать своих «квартирантов»: активно собирать требования у всех, кто использует его данные в работе, понимая, какие «ремонт» и «улучшения» им нужны для эффективного использования данных в бизнес-процессах.

• Сформировать требования к качеству: разработать правила контроля качества данных, включая описание автоматизированных процедур проверок в каждой информационной системе жизненного цикла данных, регламент их проведения, критерии существенности влияния качества данных на процессы, и добиться выделения бюджета на поддержание порядка.

• Быть мотором улучшений: лично возглавить борьбу за качество данных — от автоматизации до организационных изменений. Он должен продвигать инициативы по внедрению автоматизированных проверок качества данных и организационные мероприятия по процедурам контроля качества данных, а также отслеживать актуальность таких проверок.

• Оценивать риски и предотвращать «пожары»: постоянно анализировать, к каким последствиям могут привести ошибки в данных, и действовать на опережение. Выявлять и оценивать риски влияния ошибок качества данных на бизнес-процессы организации, принимать меры, направленные на минимизацию риска данных.

• Оптимизировать и предотвращать хаос: искать примеры неэффективного использования данных, бороться с дублированием и следить, чтобы «чистые» данные текли из одного проверенного источника.

• Быть хранителем ключей: определять, кому и зачем можно доверить доступ к данным, обеспечивая баланс между удобством и безопасностью; согласовывать права доступа к данным, находящимся во владении, соразмерно целям использования их потребителем в бизнес-процессе.

• Следить за «законодательством»: отслеживать изменения в законах и нормативах, чтобы правила работы с данными всегда оставались актуальными.

Казалось бы, все прозрачно и логично. Функции расписаны, как по нотам. Почему же тогда для многих CDO поиск и назначение владельцев данных превращается в настоящие «круги ада», где красивые теории разбиваются о суровую реальность корпоративной жизни?

«Я — НЕ Я, И ЛОШАДЬ НЕ МОЯ!»: КАК ПРЕОДОЛЕТЬ СТРАХ ОТВЕТСТВЕННОСТИ

Панический страх перед новым и неизведанным «бременем ответственности» можно назвать синдромом чужой лошади. Представьте ситуацию: новоиспеченный CDO, полный энтузиазма, начинает обход потенциальных «владельцев» — руководителей ключевых подразделений. Его цель — закрепить за ними ответственность за данные. А в ответ он слышит вежливое, но твердое: «Это не моя зона ответственности!» Такой страх рождается не из-за слабости или недальновидности менеджеров. Его источник — абсолютная новизна самой парадигмы управления данными для большинства сотрудников. В их головах звучат закономерные вопросы: «Что мне будет, если я соглашусь?», «Почему именно я должен отвечать за эти данные, а не мой коллега?» Управление данными — молодая дисциплина для российского бизнеса, она еще не стала частью кровотока корпоративной культуры. А все новое и непонятное, особенно подкрепленное словом «ответственность», закономерно вызывает психологическое сопротивление.

Что же делать CDO, когда он сталкивается с этой стеной? Решение лежит на поверхности, но требует системной работы.

Во-первых, необходимо с самого верха, от топ-менеджмента, транслировать ценность владения данными. Это не может быть инициативой «снизу». Когда генеральный директор лично говорит о данных как о стратегическом активе, сопротивление тает, как снег под солнцем.

Во-вторых, нужно предложить ясный и понятный рецепт. Нельзя номинально назначать руководителя на роль и говорить: «Ты — владелец». Необходим четкий, прозрачный алгоритм, который объясняет, по каким правилам происходят категоризация данных и назначение владельцев с учетом уникальной специфики бизнеса и ИТ-ландшафта компании.

БАНК — НЕ АВИАКОМПАНИЯ! ПОЧЕМУ ОТРАСЛЕВОЙ ОПЫТ РЕШАЕТ ВСЕ

Один зарубежный банк искал кандидата на позицию CDO. Руководство ответственно подошло к требованиям и четко сформулировало основные цели и KPI: привести ландшафт бизнес-процессов и ИТ-систем в соответствии с требованиями BCBS 239[16] и GDPR в части управления данными, оптимизировать стоимость владения хранилищем данных и внедрить культуру управления данными.

Рынок кандидатов с релевантным опытом в стране присутствия банка был не так велик. Рассматривались специалисты как с техническим бэкграундом, так и из бизнес-направлений. HR вел поиск не только в банковской среде, но и в других отраслях, не отказываясь от претендентов, имеющих дата-специализацию, и используя для отбора такие модные слова, как Big Data / DWH / BI / Data Lake, а также оценивая опыт руководства людьми.

Выбор пал на управленца-технаря с 20-летним опытом работы в различных авиакомпаниях на позиции CIO. На собеседовании кандидат уверенно перечислил ключевые домены данных, апеллируя к международным стандартам референтной модели BIAN[17]: «Клиент», «Сделка», «Финансовый актив». Но на вопрос «А кто в банке должен владеть данными о клиенте?» последовал мгновенный ответ, основанный на авиационном опыте: «Конечно дирекция по продажам! У нас все просто: продажи отвечают за клиентов и билеты, а дирекция авиапарка — за самолеты и запчасти».

Следующие вопросы о различиях между розничным и корпоративным клиентом, о сложной архитектуре банковских продуктов поставили кандидата в тупик. Его опыт, идеально работавший в мире авиаперевозок, оказался беспомощным в мире банкинга. Даже имея огромный опыт и знания архитектуры данных авиакомпаний, используемых технологий по сбору, обработке и организации хранения данных, но при этом не обладая информацией о бизнес-архитектуре банка, найти и назначить ответственных владельцев данных в кредитной организации для этого кандидата было бы невыполнимой задачей.

Горький урок этого кейса таков: нельзя слепо копировать модели из других отраслей. Специфика бизнеса и организационная структура компании — главный компас при поиске тех, кто будет по-настоящему отвечать за данные.

КУРИЦА ИЛИ ЯЙЦО? ЧТО ПЕРВИЧНО: ДАННЫЕ, ПРОЦЕССЫ ИЛИ СИСТЕМЫ?

Разрабатывая принципы назначения владельцев, компания сталкивается с классической дилеммой: с чего начать? Ответ, как всегда, зависит от зрелости организации и устоявшихся практик корпоративного управления. Если в компании принят «процессный подход» к управлению: есть четкая иерархия процессов (от макроуровня до элементарной операции) и сквозная ответственность за бизнес-процесс, — то можно и нужно опереться на эту твердую почву при создании алгоритма категоризации данных и, например, использовать правило: «В каком бизнес-процессе элемент данных появился впервые, тот и владелец. Иначе говоря, владелец процесса, породившего элемент данных (сущность или атрибут), назначается владельцем этих данных».

Но что же делать, когда в компании не выстроено управление по канонам процессного подхода, а ИТ-ландшафт насчитывает сотни и даже тысячи информационных систем, интегрированных между собой десятками тысяч интеграций? В такой ситуации самым прозрачным и применимым становится принцип «от систем»: владельцем данных назначается то подразделение, которое ставит требование на развитие системы, автоматизирующей ту или иную бизнес-операцию. Области данных, сущности и атрибуты в сфере ответственности каждого подразделения-владельца при таком подходе обозначаются максимально атомарно; это позволяет хорошо и быстро ориентироваться в ландшафте крупных компаний. И здесь особое внимание уделяется вопросу «перворождения» и фиксации мастер-системы для каждого элемента данных: в какой информационной системе он впервые родился — та и становится мастер-системой для дальнейшей дистрибуции до систем-потребителей.

И в первом (владение данными от процессов), и во втором (владение данными от систем) подходах дополнительным подспорьем для поиска и назначения ответственных за данные становится внутренняя нормативная база, которая регламентирует цели, функции и задачи каждого подразделения организации. Если возникают спорные вопросы или недопонимание границ ответственности, она помогает расставить точки над i.

Однако стоит отметить, что в некоторых компаниях функции использования данных превалируют над принципом «перворождения», и, например, в телеком-операторах данные о трафике сигналов физически производит техническое подразделение, тогда как требования к этим данным — как хранить, в каких разрезах проводить аналитику, с какой глубиной хранения и актуальностью — выдает коммерческий департамент, и именно он будет владельцем этих данных.

Итак, владение данными (рис. 4.1) находится на пересечении определения границ элемента данных (сущности / атрибута), информационной мастер-системы, функций подразделения и процесса, обеспечивающего появление данных в организации.

^{Рис. 4.1. Принципы определения владельцев данных}

КТО ОН, ИДЕАЛЬНЫЙ ВЛАДЕЛЕЦ ДАННЫХ? МЕЧТА CDO И СУРОВАЯ РЕАЛЬНОСТЬ

В целевой картине мира любой CDO видит Data Driven компанию, в которой все сотрудники «грамотны» в части данных (есть такой модный термин — высокий уровень Data Literacy), пропитаны бережным и ответственным отношением к данным, с которыми оперируют ежедневно, стараясь не допускать снижения их качества, а в случае его обнаружения способны оценить, насколько материально влияние риска использования некорректных данных в процессе, способны предложить и оперативно реализовать исправление данных.

А как же владельцы данных? Это элита, авангард этой культуры. Они не просто исполняют обязанности — они горят своей миссией. Они самостоятельно, без принуждения и «многократных бесед вовлечения», рьяно вкладываются в реализацию портала офицеров данных и менеджеров качества данных для удобства унификации данных во владении и быстроты внесения изменений в «золотую запись» при необходимости обогащения данных. Владельцы данных, которые проактивно на постоянной основе собирают требования и пожелания от потребителей «своих» данных и оптимизируют процессы так, чтобы некачественные данные в соответствии с правилами контроля уже на входе, в интерфейсной форме ввода, отсеивались и не давали «каплю дегтя в бочке меда» всей информации Data Driven организации.

В этой парадигме топ-менеджмент не скупится на похвалу. Владельцы-чемпионы, чьи данные безупречны, а KPI «здоровья данных» бьют все рекорды, получают заслуженные бонусы. Управление данными становится не обузой, а привычной и поощряемой частью работы, вплетенной в систему мотивации.

Но чтобы сказка стала былью, одного желания CDO мало. Необходим фундамент — профильные компетенции. Ответственность без знаний — не ответственность, а лотерея с огромными рисками для бизнеса.

Сотруднику, ответственному за данные в определенной предметной области, помимо знаний непосредственно в этой сфере нужны знания архитектуры данных (чтобы корректно классифицировать домены данных, атрибуты, расчетные показатели, справочники, витрины), а также умение корректно и полно формулировать правила для контроля качества данных. Задача, которая дата-экспертам кажется простой и примитивной, — а именно формирование требований к качеству данных — вызывает сложности у тех, кто впервые знакомится с практиками управления данными.

Кроме того, владельцу данных для эффективного выполнения своих функций необходимы аналитические навыки, позволяющие выявлять связь данных с бизнес-процессами, оценивать критичность влияния данных на бизнес-сервисы и операционную деятельность компании.

И здесь задача CDO — не бросать людей в омут с головой, дать им удочку, а не рыбу. Ему нужно обеспечить сотрудников, которых назначили владельцами данных, профильными учебными материалами по направлению «Управление данными»; организовать обучение в формате, оптимальном для каждого из подразделений, используя прикладные примеры работы с данными и кейсы, в которых описаны последствия от использования некачественных данных.

Но даже самых блестящих технических навыков недостаточно. Критически важны личностные качества:

• коммуникабельность и доброжелательность, чтобы договариваться, а не диктовать;

• упорство в отстаивании качества;

• лидерские способности, чтобы вести за собой команду и быть агентом изменений в своем подразделении.

Именно здесь кроется главный ключ к успеху. Один CDO в поле не воин. В компании с тысячами сотрудников он физически не сможет достучаться до каждого. Его истинная цель — вырастить амбассадоров дата-культуры в лице владельцев данных в каждом уголке организации, найти отклик в сердцах и профессиональном сообществе лидеров и руководителей подразделений, назначенных на роли владельцев данных. Только заразив их парадигмой «порядок в данных — порядок в бизнесе», можно пройти путь цифровой трансформации максимально эффективно, распространив культуру управления данными на всех сотрудников организации, сделать управление данными не модным трендом, а подлинной ДНК компании.

ИСТОРИЯ О ЛОГИСТИЧЕСКОЙ КОМПАНИИ «ГАРАНТИРОВАННАЯ ДОСТАВКА» И ВЛАДЕЛЬЦЕ-ЧЕМПИОНЕ

Когда в логистической компании «Гарантированная доставка» новый CDO Николай на своей первой стратегической встрече заявил, что для успеха цифровизации компании и сокращения операционных расходов необходимо обозначить владельца клиентских данных и оптимизировать процессы сбора, обработки и хранения данных о клиентах, разрозненно ведущиеся в более чем двадцати информационных системах на разных территориях в различных часовых поясах, в зале повисло недоумение. Руководители подразделений, десятилетиями работавшие по старинке, встретили идею в штыки. Звучали привычные фразы: «В наших реалиях это невозможно!», «Слишком дорого и нецелесообразно!», «Мы всегда жили так, зачем нам меняться?»

Казалось, стена сопротивления непробиваема. Но нашелся один человек, который увидел в этом не угрозу, а возможность: директор по развитию продаж Сергей. Он не просто согласился, а сам вызвался стать тем самым владельцем, но поставил жесткие условия: полную команду, отдельный бюджет и карт-бланш на изменение любых бизнес-процессов.

Что же произошло дальше? За полтора года компания изменилась до неузнаваемости. Не просто была внедрена MDM-система[18], а созданы единый «золотой» профиль клиента и сервис по управлению номенклатурой товаров для перевозки с автоматизированной унификацией справочников поставщиков и заказчиков. Чистый экономический эффект составил 25% от годовой выручки. А Сергея, доказавшего свою ценность, повысили до партнера компании.

Конечно, этот путь не был усыпан розами. Проект, как рентген, выявил все «узкие места»: хаос на складах, ошибки в отчетности, саботаж отдельных подразделений. Ключом к успеху стало то, что руководство не просто назначило Сергея ответственным, а наделило его реальными полномочиями и ресурсами для принятия решений и разрешения конфликтов.

Успех Сергея стал заразительным. Увидев осязаемый результат, другие руководители по очереди стали изъявлять желание стать владельцами данных — по транспорту, складам, финансам. В компании запустился здоровый соревновательный азарт за звание лучшего владельца-чемпиона.

Безусловно, один в поле не воин. Успех Сергея был бы невозможен без его «команды мечты» — специалистов, чьи компетенции позволили воплотить технологические и процессные изменения в жизнь. Ключевая фигура в этой команде — Data Steward, или офицер данных.

ОФИЦЕРЫ ДАННЫХ: КТО ОНИ — СОЛДАТЫ НЕВИДИМОГО ФРОНТА?

Согласно DAMA DMBOK[19], Data Steward (в русском переводе издания — «распорядитель данных») — сотрудник организации, который отвечает за исполнение процессов управления данными на операционном уровне, по сути «руки» владельца данных при выполнении задач, направленных на повышение эффективности работы с данными. Однако глагол «распоряжаться» ассоциируется скорее с понятием «отдавать распоряжения, указания»; эдакий «приказчик» получается. Но на самом деле миссия и призвание Data Steward — «служить» данным. И действительно, если мы обратимся к «Рекомендациям участникам финансового рынка по построению эффективной системы управления данными», разработанным и опубликованным Банком России, то там предлагается использовать в качестве перевода Data Steward термин «офицер данных».

Будни офицера данных: от слов к делу

Кто же эти люди на передовой? Задачи офицера данных — не абстрактные понятия, а конкретные, изо дня в день повторяющиеся действия, которые и создают тот самый порядок. Представьте, что они — регулировщики на оживленном перекрестке корпоративной информации. Что они делают?

• Формируют наименования и описания каждого элемента данных во владении, включая алгоритм и методологию расчета показателей для последующего занесения в единую систему учета информации о данных (бизнес-глоссарий данных).

• Устанавливают требования к качеству данных (точности, полноте, актуальности и своевременности, безопасности и согласованности).

• Создают систему контроля. Они разрабатывают и автоматизируют проверки, которые, как сканеры на таможне, выявляют «контрабанду» в виде ошибок и несоответствий.

• Определяют «красные линии». Они задают четкие пороговые значения, чтобы все в компании понимали: это — «норма», а это — уже «тревога», сигнал, что стоит остановить процесс и не использовать «грязные» данные.

• Следят за «законодательством». Поддерживают описания данных в актуальном состоянии с учетом связи как с внутренними нормативными актами, так и с требованиями регуляторов.

• Слышат «голос клиента». Собирают и унифицируют требования потребителей к ассортименту и качеству данных, которые используются в бизнес-процессах.

• Ставят задачи ИТ. Детализируют требования для модификации информационных систем в части добавления / изменения данных.

• Тушат «пожары» данных. Участвуют в процессе анализа и решения проблем качества данных в части консультирования ИТ-специалистов по методологии содержания атрибутов и выработке предложений по исправлению неточностей.

• Следят за «пульсом». Проводят контроль и мониторинг динамики качества данных.

• Возглавляют преобразования. Руководят проектами по автоматизации проверок и изменению процессов, становятся мотором повышения качества.

ОДИН ЗА ВСЕХ ИЛИ ВСЕ ЗА ОДНОГО? КАК СОБРАТЬ КОМАНДУ

Владелец данных — капитан, а офицеры данных — его команда. Кого же он набирает? Количество и состав команды зависят от масштаба «владений».

Владелец данных выбирает и назначает офицера данных из числа сотрудников своего подразделения, учитывая компетенции и знания в предметной области и практиках управления данными. Необходимое число таких сотрудников зависит от категории данных, их объемов, частоты изменения и критичности использования в бизнес-процессах организации. И здесь нет универсального рецепта. «Один атрибут = один офицер данных» — нерабочая схема. Если у вас во владении, например, один справочник — классификатор стран мира, его описание и указание места размещения в ИТ-системах вашей организации — однократное действие, не требующее выделения ресурса с 100%-ной аллокацией рабочего времени на ежедневной основе. А если у вас во владении, например, данные потребителей, при этом клиентская база организации — более 10 миллионов физических лиц, группа офицеров данных для управления метаданными и обеспечения их качества на ежедневной основе может состоять из 10–15 человек.

Теперь вы видите полную картину. Вы знаете, кто такой владелец данных: настоящий лидер и хозяин своего цифрового актива. Вы понимаете, что его успех невозможен без команды преданных и высококвалифицированных офицеров данных. Готовы ли вы сделать следующий шаг и начать выстраивать эту систему в своей организации, превращая хаос в данных в надежный актив?

Можно ли управлять данными без владельца? Спросите у тех, кто пробовал так работать. Задайте своим коллегам прямой и неудобный вопрос.

А можно ли эффективно управлять данными, если за них никто по-настоящему не отвечает?

ВЛАДЕНИЕ — ЭТО ОТВЕТСТВЕННОСТЬ И НОЛЬ ПЛЮШЕК!

История фармакологической компании М&Co — настоящий учебник о том, как делать не надо. Руководители нанимали CDO, строили дорогие платформы, но результат был нулевым. Каждая проблема с данными вызывала лишь взаимные обвинения: бизнес винил ИТ, ИТ — бизнес. Они пробовали два подхода.

1. Авторитарный. Гендиректор приказывал: «Ты — владелец!» Сотрудник кивал, но не понимал, что делать.

2. Стихийный. «Кому нужны данные, тот пусть и отвечает». Это привело к подмене понятий: потребитель пытался выполнять роль хозяина.

Оба раза — провал.

И только третий подход сработал. Компания перестала «варить океан» и стала двигаться точечно, по шагам (case by case). Руководители начали расследовать каждый крупный инцидент, связанный с данными, и спрашивать: «Чье подразделение могло предотвратить эту ошибку?» Этому подразделению и вменялась ответственность за проблемные данные вместе с задачей навсегда устранить причину сбоя.

Результат оказался ошеломляющим. Уже через несколько месяцев в ключевом направлении появились первые настоящие владельцы. Через год вся компания знала свою «матрицу ответственности». Порядок в данных был наведен не сверху, а вырос естественно — из боли и желания избежать повторных потерь.

Удивительно, но до сих пор ведутся споры и дискуссии на тему «А можно ли обойтись без владельцев данных и вместе с тем эффективно управлять данными?». Этот вопрос порой возникает не из-за того, что люди сомневаются в важности ответственности за данные в организации, скорее, из-за сложности, конфликтности и длительности процессов поиска, назначения владельцев данных, а затем и вовлечения в процессы управления данными.

Вот что рассказывают о становлении института владения данными CDO различных организаций.

Изначально принятие концепции владения данными шло очень тяжело. Большинство бизнес-подразделений — номинантов на роль владельца данных отнекивалось фразой: «Лучше идите в ИТ. Раз данные “живут” в ИТ-системах, то и владеть ими должны представители ИТ… Ну или, например, вы — команда CDO». Чтобы преодолеть сопротивление решено было начать этот сложный путь с себя. Мы распределили ответственность за данные внутри платформы данных и на своем примере показали, что означает функционал владельца. Нам удалось показать системные эффекты от решения задач по контролю качества данных и описания контекста их применения. Личная вовлеченность назначенных владельцев данных позволила снизить операционные риски использования некорректных данных и одновременно повысить доступность качественных данных для аналитики. Так роль владельца данных из обременительной стала превращаться в востребованную и стала новым «катализатором» для роста цифровых направлений бизнеса. Постепенно бизнес-подразделения стали проявлять все больший интерес к развитию культуры работы с данными, разделять ценности управления данными и брать ответственность за свой участок дата-ландшафта. Сейчас в банке выделен 21 домен данных, в каждом из которых определены владельцы. Конечно, не во всех доменах изменения происходят с одинаковой скоростью: есть у нас как свои чемпионы, так и команды, требующие пока дополнительной поддержки. Но так или иначе культура владения данными уверенно прижилась в нашей корпоративной среде.

Андрей Елхов, CDO Альфа-банка

Специфика телеком-компании в том, что большинство первичных данных — по трафику с коммутаторов, сгенерированные системами, а не человеком, поэтому и парадигма владения у нас может быть применима только к области аналитических данных, там, где существуют методология расчета, формулы показателей управленческой и финансовой отчетности. И здесь алгоритм простой: кто заказывает отчет и задает требования к формулам расчета полей витрины или отчета, тот и владелец. Если владелец не нашелся (такая ситуация часто встречалась по историческому наследию BI-отчетности), то по умолчанию ответственность брал офис управления данными под руководством CDO, а затем планомерно описывал данные, регистрировал их в бизнес-глоссарии, анализировал запросы потребителей на данные. И со временем владельцы объявлялись — либо в процессе регистрации запроса на модификацию отчета, либо в ходе анализа и решения инцидентов качества данных, доказывая, как должен работать алгоритм сборки витрины или отчета и почему они считают, что теперь он функционирует неверно. Путь по определению и назначению ответственных за данные — не быстрый и не легкий, но абсолютно необходимый, когда в организации петабайты данных обрабатываются ежедневно.

Алевтина Тинас, CDO T2

Вы всё еще сомневаетесь, нужны ли вам владельцы данных? Спросите себя еще раз: готовы ли вы продолжать платить за хаос, или пришло время навести порядок в вашем самом ценном активе?

ОБРАТНАЯ СТОРОНА МЕДАЛИ: С КАКИМИ ВЫЗОВАМИ СТАЛКИВАЕТСЯ ВЛАДЕЛЕЦ ДАННЫХ?

Несмотря на всю отраслевую специфику, есть универсальная истина, с которой согласны все компании, достигшие зрелости в управлении данными: без культуры владения и четкой матрицы ответственности эффективно управлять данными в крупной организации невозможно.

1. «А ты кто такой?»: проблема легитимности новой роли.

Владелец данных — новая роль в организации. На старте внедрения процессов управления данными в компании требуются масштабная социализация и объяснение буквально всем сотрудникам не только целей, задач и эффектов от внедрения управления данными, но и периметра задач, области ответственности новых ролей. Поскольку невозможно одномоментно, особенно в крупной компании, погрузиться во все нюансы процессов, при назначении владельца данных в коммуникации с подразделениями иной раз отмечаются закрытость («Чего от этого владельца данных ожидать?») в общении и нежелание делиться информацией.

Что делать? Помочь адаптироваться к новой роли и очертить круг полномочий и ответственности должен CDO. Ему необходимо не только создать документ «Политика по управлению данными», но и организовывать встречи-знакомства владельца и потребителей данных, желательно для разбора конкретной проблематики конкретных данных, модерируя и фиксируя, какие именно требования должен предоставить потребитель, а чего ожидать от владельца при обеспечении качества данных. Благодаря этому у лидеров бизнес-подразделений будет одинаковое понимание правил и функций новой роли.

2. «Меня не учили этому в институте!»: проблема недостатка знаний.

Приступая к той или иной новой для себя области деятельности, ответственный человек всегда старается получше изучить предмет, процессы, технологии, узнать мнение людей с опытом в этой новой для него сфере. Так происходит процесс самообучения. Однако практика управления данными в российских компаниях еще слишком молода, чтобы найти человека с практическим опытом и спросить действенного совета. Что же делать? К сожалению, отдельный курс «Управление данными» есть не во всех российских вузах, чтобы учиться фокусно на специалиста в этой области, да и введен он был не так давно. Так что пока нельзя сказать, что уже выросло поколение лидеров по управлению данными.

Что делать? Необходимо инвестировать в обучение. Уже появляются специализированные программы повышения квалификации для руководителей, где управление данными преподается как отдельный модуль. Вступление в роль владельца — отличный повод для такого стратегического вложения в себя и в компанию.

3. «Твои данные — твои проблемы!»: проблема пассивности потребителей.

Став владельцем данных и приступая к первой практической задаче сбора требований к ассортименту и качеству данных, вверенных во владение, ответственные за данные сталкиваются с пассивной и порой даже отстраненной позицией потребителей, которые с удовольствием делятся описанием проблем, «вываливают» все наболевшее, связанное с данными, которые они используют в своих бизнес-процессах, но не горят желанием тратить время и ресурсы, чтобы предоставить BPMN[20] схем своего процесса или четкие формулировки того, что они считают качественными данными. Как и при защите бюджета проектов владельца данных, казалось бы направленных на повышение качества данных для потребителей, последние предпочитают оставаться в стороне в позиции: «Ты — владелец данных, вот и обеспечь нас качественными данными».

Что делать? Здесь не обойтись без арбитража. Такую проблему нужно выносить на коллегиальный орган по управлению данными, где под руководством CDO можно установить четкие правила игры: ответственность за качество — двусторонний процесс, требующий активного участия всех сторон.

«ОХ, И ТРУДНАЯ ЭТО РАБОТА…»: ПРОБЛЕМА РУТИНЫ И ОТЛОЖЕННОГО РЕЗУЛЬТАТА

Когда вы становитесь владельцем данных, находите ресурсы офицеров данных и начинаете наводить порядок в «своих» данных, то очень скоро осознаёте, что ваши практические задачи — на 80% рутинные, требующие аккуратности и скрупулезности, а остальные 20% — неприятный разбор проблем с качеством и урегулирование разрозненных требований потребителей. Но не стоит отчаиваться: эффект от наведения порядка в данных накопительный и часто ощущается комплексно. Ведь он оказывает качественное влияние на бизнес-показатели и оптимизацию процессов не за месяц и даже порой не за один год.

«Аппетит приходит во время еды». Существует также проблема бесконечности задач: пространство данных бесконечно и ему свойственно изменяться во времени. Поэтому иллюзия о том, что перечень задач по управлению данными конечен, очень быстро рассеивается. Даже если периметр данных во владении изначально очерчен очень четко и представляет собой конечный список сущностей и атрибутов, то в ходе их описания и исследования точек их использования и применения в бизнес-процессах организации всегда растет поток требований к усовершенствованию качества данных, добавлению новых, включению их в новые или изменяющиеся процессы организации, а также в различные виды отчетности. И это даже без учета процессов изменения ИТ-ландшафта и необходимости миграции данных.

«Наша служба и почетна, и трудна и на первый взгляд как будто не видна» — так можно смело сказать об ответственной работе владельцев данных. Их усилия по наведению порядка во вверенном им периметре данных, оптимизации процессов сбора, обработки, хранения, обеспечения качества и использования данных могут быть в моменте незаметны, особенно в масштабах крупной компании. Но благодаря их проактивной позиции снижаются операционные риски, обеспечивается эффективное соблюдение регуляторных требований, ускоряется принятие решений на основе выверенных данных, достигаются качественно новые бизнес-цели data-driven-компании.

Выводы

Владелец данных — не номинальная роль, а полноценная управленческая функция с реальной ответственностью и полномочиями.

Без реального владельца, наделенного полномочиями и бюджетом, данные остаются «ничьими», что ведет к хаосу, дублированию и ошибкам. Настоящий владелец данных (Data Owner) отвечает за полный жизненный цикл информации: от определения терминов и требований к качеству до управления доступом и рисками. Опыт компаний показывает: формальное назначение без ресурсов и поддержки топ-менеджмента («для галочки») проваливается, а успех приходит только с появлением «владельцев-чемпионов», способных возглавить изменения.

Ключевые проблемы внедрения практики владения данными — страх ответственности и низкий уровень data-культуры.

Главные барьеры на пути к внедрению владения данными — психологическое сопротивление сотрудников (синдром «чужой лошади»), низкая data-грамотность и размытые границы между подразделениями. Традиционные подходы — «авторитарный» (назначили, но не объяснили, что делать) и «стихийный» (пусть отвечает тот, кто пользуется данными) — не работают. Наиболее действенный метод — двигаться «от боли»: анализировать каждый реальный инцидент, связанный с данными, и закреплять ответственность за тем подразделением, которое могло предотвратить ошибку в самом зародыше бизнес-процесса появления данных. Только такой подход позволяет постепенно сформировать устойчивую культуру владения данными.

Успех невозможен без команды и системного обучения.

Владельцам данных необходима команда «офицеров данных» (Data Stewards), которые на операционном уровне занимаются повседневной рутиной: описанием данных, контролем качества, сбором требований от потребителей и координацией с ИТ-подразделениями. При этом критически важно инвестировать в обучение персонала, так как типовые вузовские программы пока не готовят полноценных специалистов по управлению данными в достаточном объеме. Только сочетание лидерской роли владельца, компетентной команды офицеров данных и последовательного развития культуры «порядок в данных — порядок в бизнесе» позволяет превратить управление данными из модного тренда в реальное конкурентное преимущество компании.

Представьте, что вы построили самый современный в мире автомобиль. Вложились в мощный двигатель, инновационную коробку передач, аэродинамичный кузов и шикарный салон. Вы садитесь за руль, поворачиваете ключ зажигания, мотор издает уверенный рев… и вы понимаете, что ехать невозможно. Перед вами — непролазная, заболоченная пустошь без единого намека на дорогу.

Примерно так же выглядит попытка внедрить управление данными в компании, где нет для этого культурной почвы. Все ваши технологии, стратегии и регламенты — тот самый мощный автомобиль. Но без прочного дорожного полотна культуры он безнадежно увязнет на первом же метре пути, став бесполезной и очень дорогой игрушкой.

В предыдущих главах мы много рассуждали о том, зачем необходимо управлять данными, почему нужна стратегия, кто должен этим заниматься. Мы проектировали наш «автомобиль». Но теперь настало время для самого главного и самого сложного вопроса: как и где он будет ехать?

Любая, даже самая совершенная система в итоге упирается в людей, в их привычки, страхи, убеждения и негласные правила поведения. Можно приказать сотруднику заполнять поле в системе, но нельзя приказать ему полюбить точность. Можно обязать менеджера смотреть на дашборды, но нельзя заставить их доверять цифрам больше, чем собственной интуиции.

Именно в этом пространстве — между приказом и убеждением, между формальным соблюдением и искренней вовлеченностью — и рождается та самая магия, которая превращает набор правил в живую, дышащую культуру.

В этой главе мы не будем рассматривать технологии. Мы порассуждаем о мышлении. Мы узнаем, чем управление данными как процесс отличается от управления на основе данных как философии. Мы разберемся, как превратить данные из скучной отчетности в общий язык, на котором говорит вся компания, и как заставить не бояться ошибок, а видеть в них возможности.

Это история о том, как превратить болото в скоростное шоссе, как сделать так, чтобы каждый сотрудник, от стажера до генерального директора, не просто «работал с данными», а мыслил ими. И это, пожалуй, самый важный поворот на нашем пути — от механического следования инструкциям к органическому, осознанному стремлению к лучшему.

В этой главе мы детально поговорим:

Мы уже обсудили много вопросов о том, насколько важным, мощным и преобразующим инструментом становится стратегия управления данными. Мы говорили, как она помогает строить доверие, избегать технологической гонки вооружений, становится конкурентным преимуществом и выступает катализатором инноваций. Звучит идеально, не так ли? Как будто достаточно разработать такую стратегию — и все проблемы решатся сами собой.

Но реальность, как часто бывает, гораздо сложнее. Между блестящей стратегией на бумаге и ее успешным внедрением в жизнь организации лежит глубокая пропасть, наполненная вызовами и препятствиями. Это не технические проблемы, решаемые кодом, и не финансовые, которые устраняются инвестициями. Это прежде всего человеческие и культурные барьеры, которые порой намного сильнее любых технологий и бюджетов.

Представьте, что вы вручили своей команде детальнейшую карту сокровищ. Все маршруты выверены, опасности отмечены. Команда в восторге. А через неделю вы обнаруживаете, что они всё еще кружат у берега на старой вёсельной лодке, потому что «так привычнее». Примерно так же часто выглядит попытка внедрить стратегию управления данными в организации.

В этой главе мы откровенно поговорим об этих трудностях восприятия дата-повестки. Мы взглянем на них не как на непреодолимые преграды, а как на закономерные этапы пути. Ведь первый шаг к решению любой проблемы — ее осознание и рефлексия. Мы рассмотрим каждую из этих трудностей, поймем, почему они возникают, а главное — наметим конкретные пути их преодоления. Осознание этих вызовов поможет не просто избежать их, но и превратить в точки роста для вашей организации. Помимо прочего, материалы этой главы могут быть использованы как элемент диагностической карты рисков при внедрении управления данными в организации.

Интересно то, что у разных на первый взгляд проблем могут быть очень похожие методы решения. Мы совершенно сознательно дублируем их описание при обсуждении конкретной трудности для формирования более полной картины.

Итак, детально в этой главе мы поговорим о вызовах и трудностях восприятия управления данными как для руководителей, так и для линейных сотрудников.

1. Вызовы на уровне культуры:

• почему возникает сопротивление изменениям, особенно если «и так все работает»;

• как данные «запирают» в изолированных подразделениях, и они не работают на благо всего бизнеса;

• как прошлый негативный опыт и выученная беспомощность атакуют самые прогрессивные инициативы;

• как страх прозрачности и последствий ошибок мешает внедрению инноваций.

Любая деятельность в организации направлена на достижение определенных целей, зафиксированных в стратегии развития компании. Но чтобы понимать, насколько успешно организация продвигается к установленному амбициозному видению «образа результата», важно иметь систему измерения — показатели эффективности.

В главе 2 мы подробно рассмотрели основные аспекты стратегии управления данными и ее сопряженность с общей стратегией организации. Так, цели и задачи функции управления данными должны быть сфокусированы на достижении бизнес-целей. И каждый сотрудник организации должен знать основные стратегические ориентиры, направления развития компании как с точки зрения бизнес-метрик, так и с точки зрения данных, работа с которыми — часть его повседневной работы независимо от ранга и подразделения.

В этой главе мы поговорим:

• о ключевых принципах системы KPI для разных направлений управления данными (DG);

• организации жизненного цикла установки KPI, контроля и мониторинга их исполнения;

• разнице между Change DG KPI и Run DG KPI (показатели эффективности задач развития направлений управления данными и задач текущей деятельности DG);

• участниках процессов управления данными, для которых DG KPI становятся частью целеполагания и мотивации;

• зависимости количества и сложности KPI от уровня зрелости организации в части управления данными.

Вижу цель — не вижу препятствий!

Основные принципы, которыми необходимо руководствоваться при разработке системы ключевых показателей эффективности для управления данными:

• целеполагание функции управления данными в соответствии со стратегическими метриками оценки эффективности по бизнес-направлениям (принцип наследования);

• формулирование целей и метрик оценки их достижения по SMART;

• структурированность системы KPI по направлениям DG;

• вплетение KPI в систему мотивации сотрудников — участников процессов управления данными;

• регулярность замера KPI и выработка корректирующих мероприятий.

Чтобы понять, как применяется принцип наследования бизнес-метрик, рассмотрим пример крупной логистической компании, которая поставила перед собой стратегические цели — за два года выйти в лидеры по перевозке крупногабаритных грузов по России и нарастить портфель корпоративных клиентов на 25%. Соответственно, в стратегии управления данными должны появиться зеркальные задачи, затрагивающие сегменты данных: данные корпоративных клиентов и данные цепочки обработки логистики крупногабаритных грузов.

Продолжим пример логистической компании. Используем пирамиду каскадирования стратегических целей до KPI участников процессов управления данными (рис. 7.1) и перейдем с первого уровня цели — наращивание портфеля корпоративных клиентов — к формированию конкретного кейса. В компании о проблеме было известно давно: разные списки клиентов велись в различных информационных системах по всей цепочке формирования заказа — сначала при подаче заявки через сайт самим потенциальным клиентом, затем при документарном оформлении счета-фактуры на доставку груза отделом продаж. В складской системе также осуществлялся ввод данных о клиенте и адресах маршрутных листов при отгрузке заказа. При финансовых расчетах в бухгалтерии информация о клиенте частично копировалась, но дополнительно обогащалась сведениями о счетах и суммах взаимозачетов. Наконец, при обработке жалоб и обращений данные фиксировались в CRM-системе.

^{Рис. 7.1. Каскадирование стратегических целей до KPI DG}

Ситуация усугублялась еще и тем, что информационные системы слабо интегрированы между собой, а данные между регионами и площадками передавались преимущественно по электронной почте между сотрудниками различных подразделений. Таким образом, выявлен объект: «Данные корпоративных клиентов». Локализованы процессы и информационные системы, в которых находятся эти сведения, а также ключевые участники / подразделения, которые осуществляют ввод и передачу данных от начального момента заявки на заказ до финальной точки обработки обратной связи от клиента.

Если пройти уровни 2, 3 и 4 пирамиды каскадирования целей, то решением вышеуказанной проблемы может стать внедрение системы класса MDM (Master Data Management, управление основными данными) для единообразного управления клиентскими данными, создания «золотой записи» по клиенту и выстраивания системы правил по дистрибуции этой информации и ее переиспользованию на всех участках цепочки создания ценности логистической компании.

И на пятом уровне вырисовывается вполне конкретная задача — «Создание золотой записи клиента». Ответственность за ее реализацию логично распределить на отдел продаж, который, согласно процессу, становится точкой входа и валидации сведений, поступивших от потенциального клиента через сайт или по телефону, и максимально заинтересован в росте продаж и увеличении клиентского портфеля.

Соответственно, на шестом уровне у отдела продаж и его руководителя появится задача и KPI по внедрению MDM-системы, созданию правил и процедур единообразного ведения и дистрибуции клиентской информации, а у сотрудников, работающих с этим классом данных, — KPI на процент качества клиентских данных. В итоге данный пример декомпозиции стратегической цели по увеличению портфеля корпоративных клиентов через призму работы с критичными для этого процесса данными позволит компании существенно улучшить клиентский опыт и достичь амбициозной планки, зафиксированной в стратегии.

ТОЧНОСТЬ — ВЕЖЛИВОСТЬ КОРОЛЕЙ

От того, насколько точно руководитель озвучивает цели и задачи, которые необходимо реализовать сотрудникам, насколько они понятны и однозначно сформулированы, зависит успех в реализации амбициозных планов. Этот принцип работает универсально не только для задач по управлению данными.

Вернемся к примеру логистической компании и рассмотрим через SMART-методику поставленную цель, добавим четкости и ясности в формулировки для руководителя отдела продаж, которому поручено ее выполнить. Конкретна ли цель в формулировке «Создать систему “золотой записи клиента” и внедрить ее использование во всех подразделениях компании»? Да, цель вполне конкретна и выполняет первое требование: S — Specific. А вот для измеримости (M — Measurable) не хватает метрик и цифр с формулами расчета, чтобы начальнику отдела продаж стало понятно, как будут измерять процент достижения этой цели. Здесь могут быть предложены следующие метрики.

1. MDM-система введена в промышленную эксплуатацию.

2. 100% клиентских анкет внесены в новую систему, по ним создана «золотая запись».

3. Реализованы интеграции с ключевыми информационными системами (сайтом компании, с системой складского учета, с системой бухгалтерского учета, CRM).

4. 100% сотрудников обучены правилам работы с «золотой записью по клиентским данным».

5. Уровень качества данных по корпоративным клиентам не менее 95%.

Далее, чтобы понять, достижима ли она (A — Achievable), необходимо оценить ресурсы на ее выполнение и их доступность, а именно необходимые сроки, бюджет и компетенции. И если все запрошенные ресурсы доступны и выделены ответственному за реализацию столь амбициозной цели, то есть все основания надеяться на успех. Поскольку задача по созданию «золотой записи» каскадирована через призму данных из стратегической цели, сомневаться в ее релевантности не приходится; таким образом, пункт о R — Relevance выполнен. И наконец, T — Time bound, ограниченность по времени. В вышеприведенном примере, к сожалению, этот вопрос пока не поднимался, поэтому необходимо установить четкие сроки выполнения задачи: например, за один год MDM-система должна быть реализована и введена в промышленную эксплуатацию, и так по всем пяти поставленным задачам данного направления для руководителя отдела продаж.

ЛУЧШАЯ КАРТА НЕ ПОКАЖЕТ ВАМ ВСЕХ ДОРОГ, НО ПОМОЖЕТ ВЫБРАТЬ СВОЮ

Существует несколько основных мировых методологий, которые дают структуру направлений DG. Это DAMA DMBoK, DCAM, DCMM, ISO/IEC 38505, BCBS239, Gartner и пр. В России можно ориентироваться на Политику по управлению данными, выпущенную Министерством цифрового развития, связи и массовых коммуникаций РФ (в форме Методических рекомендаций по организации системы управления данными государственных информационных систем, создаваемых, развиваемых и эксплуатируемых на единой цифровой платформе Российской Федерации «ГОСТЕХ»), а также ряд методических рекомендаций по эффективному управлению данными, разработанных Банком России для участников финансового рынка[27].

Список направлений DG, основанный на вышеуказанных документах и стандартах, приведен в табл. 7.1.

Таблица 7.1. Управление данными: направления

* — [28]

Теперь у вас есть карта направлений, по которым и будут проводиться назначение ответственных в вашей организации, установка целей и KPI. Безусловно, каждая компания сама для себя принимает решение, в какое из направлений DG сейчас важнее всего инвестировать внимание и ресурсы, поскольку его развитие максимально поспособствует достижению стратегических бизнес-целей, или в какой области сосредоточены основные риски и болевые точки, препятствующие динамичному развитию компании. Также важно понимать, что на разных этапах развития компании могут доминировать различные направления DG. А по мере «взросления» бизнес-процессов организации те или иные направления DG могут становиться ключевыми и реперными для дальнейшего роста на рынке в своей отрасли.

«Я — ЧЕЛОВЕК МАЛЕНЬКИЙ. ВЫ СКАЖИТЕ ПРОСТО, ПРИКЛЕИТЬ ИЛИ ПРИБИТЬ?»

Нередко руководители компании, имея в голове амбициозную идею, очень четко представляя «образ результата» и понимая, куда компания должна прийти через год-два, даже зафиксировав это в стратегии, не осознают или упускают из виду, что конкретный сотрудник, который на своем участке выполняет ежедневную работу, не всегда понимает «высшие цели».

ПАРАДОКС СТЕКЛЯННОГО БОЯ

На одном советском стекольном заводе руководство озаботилось борьбой с браком. Была поставлена амбициозная цель: снизить процент бракованной продукции до нуля. Звучит как стратегический ориентир.

Разработку KPI поручили бухгалтерии и отделу планирования. Те, руководствуясь логикой «чем меньше боя сдается на переплавку, тем меньше брака производится», выработали формулу: KPI = вес стеклянного боя (отходов), сданного в утиль, в тоннах в месяц. Целевое значение этого KPI должно было стремиться к 0.

Начальникам цехов спустили план: «Ежемесячно снижать количество тонн боя, сдаваемого в утиль».

Работники цехов быстро смекнули, как «выполнять и перевыполнять» план.

• Перестали сдавать мелкий бой и осколки — их начали тайком выносить и выбрасывать в ближайший овраг.

• Крупные, но бракованные изделия (например, кривые банки или бутылки с пузырями) стали прятать по углам цеха, чтобы не включать в отчет.

• Появилась негласная норма: «Если брак не попал в официальный бой — его как бы и нет».

В итоге через полгода «борьбы с браком» за счет постановки сотрудникам цехов стекольного завода такого KPI отчетность была прекрасна — бой уменьшился на 80%. Успех! Руководство было счастливо. Сотрудники тоже — за перевыполнение плана получили премию. Но при этом:

• реальное качество продукции на конвейере не улучшилось, а местами даже ухудшилось (скрытый брак не анализировали и не исправляли);

• экологическая катастрофа: овраг за заводом превратился в стеклянную свалку, начались проблемы с местными жителями и санэпидстанцией;

• финансовые потери возросли: сырье тратилось на брак, который не шел в переплавку, а просто выбрасывался.

И каково же было удивление руководства, когда в рамках ежегодной инвентаризации цехов обнаружилось, что в подсобках и на чердаках пылятся десятки тонн припрятанного бракованного стекла. Администрация завода получила строгий выговор, а показатель «тонны боя» срочно отменили.

Мораль этого кейса: от четкости формулировки KPI напрямую зависят получаемый результат и поведение конкретных сотрудников, для которых достижение установленных KPI напрямую влияет на их мотивацию. Необходимо всегда держать в фокусе правило «превалирования содержания над формой», а не наоборот, а также не допускать интерпретации формулировки KPI и искажения смысла при каскадировании формулы показателей эффективности до каждого конкретного сотрудника.

Так, если вернуться к примеру уже упомянутой в этой главе логистической компании, то понятная для руководителя отдела продаж формулировка KPI — «Уровень качества данных по корпоративным клиентам не менее 95%» — для обычного работника склада, занимающегося приемкой груза на хранение и отгрузками, звучит как что-то далекое и никак не связанное с его действиями. Поэтому важно при разработке систем KPI для каждого сотрудника или профиля позиции понимать, в каком бизнес-процессе он участвует, какую операцию с данными производит, чтобы установить персональный KPI на близком ему языке, не допустив «парадокса стеклянного боя». Соответственно, если этот работник склада ежедневно, например, сканирует счета-фактуры и вводит данные о клиенте в систему управления складом (WMS — Warehouse Management System), то логично для него установить KPI — 100% заполненных полей: «Наименование контрагента», «Адрес контрагента», «ИНН контрагента» — согласно инструкции. При этом для контроля исполнения данного KPI необходимо предусмотреть отчет о качестве данных в WMS-системе и регулярно информировать сотрудника (ежедневно или еженедельно в зависимости от графика) о проценте выполнения установленного KPI. Конечно, один из самых эффективных методов мотивации — прямое влияние факта исполнения установленного KPI на денежную составляющую вознаграждения в виде премии, например. Так, если сотрудник склада будет четко понимать, что за стопроцентно качественно заполненные поля в WMS-системе по контрагентам он получит дополнительный процент премии, то мотивация выполнить задачу качественно будет, безусловно, высокой.

Однако стоит помнить, что система KPI должна быть сбалансированной по всем направлениям работы сотрудника, чтобы избежать ситуации, когда сотрудники склада будут только тщательно заполнять карточки клиентов в ущерб скорости отгрузки со склада для транспортировки заказов — выполнению своей основной функции. Понятно, что вес исполнения KPI по DG должен быть более низким по сравнению с остальными KPI складского работника — количество отгруженных товаров в смену, процент отсутствия нарушения сроков отгрузки и пр. Суммарно вес KPI по основной деятельности работника должен составлять не менее 90%, остальные же 10% могут быть отнесены на задачи по повышению качества данных.

БОЛЬ ОТ ДИСЦИПЛИНЫ ВЕСИТ ГРАММЫ. БОЛЬ ОТ СОЖАЛЕНИЙ — ТОННЫ

Переходя к следующему принципу установки системы KPI, подумайте: что у вас ассоциируется с понятием «хорошо, слаженно работающей компании»? Это, например, «механизм, работающий как часы», «отлаженный роботизированный конвейер», «улей», «команда гребцов в академической гребле». Это всегда образы, где все участники с высокой квалификацией, отлично знающие свой участок работы в цепочке создания ценности, эффективно взаимодействуют как с технологиями, так и с другими сотрудниками смежных подразделений в едином ритме для создания общего продукта или услуги. Так вот, достижение такого высокотехнологичного слаженного механизма в своей компании возможно только благодаря постоянной тренировке и отладке процессов, технологий и людей в вашей организации.

НЕУДАЧНЫЕ KPI ДЛЯ КОМПАНИИ «УДАЧНЫЕ ПЕРЕВОЗКИ»

Компания «Удачные перевозки» внедрила управление данными. Теперь технологически она была, с точки зрения дорогих консультантов, полностью готова к цифровой трансформации всех логистических процессов через призму управления данными. Руководство потребовало «цифровизации и KPI для всего!». Стратегия содержала три основные цели.

Цель 1: сократить простои транспорта на 30% за год.

Цель 2: повысить удовлетворенность клиентов до 95%.

Цель 3: уменьшить расход топлива на 15%.

Для измерения достижения целей установили систему KPI.

KPI 1: среднее время простоя под погрузкой / разгрузкой (< 2 часов).

KPI 2: NPS (Net Promoter Score, индекс потребительской лояльности) клиентов.

KPI 3: средний расход топлива на 100 км (в литрах).

KPI 4: количество установленных датчиков мониторинга на фуры.

KPI замерялись, но «никто в них не смотрел».

Датчики установили на 100% фур (KPI 4 выполнен!), но данные с них никто не анализировал — они копились в озере данных, доступном только одному уволенному через месяц инженеру.

Отдел логистики отвечал за простои (KPI 1), но у них не было полномочий влиять на склады клиентов, где водителей заставляли ждать по 6 часов. В отчетах простои «оптимизировали» ручным вводом: «Простой 5 часов записываем как “техническое обслуживание”».

Система мотивации не сбалансирована.

Водителям платили за экономию топлива (KPI 3). Результат: они ехали со скоростью 40 км/ч по трассе, создавая пробки и срывая сроки, что приводило к недовольству клиентов и падению KPI 2 отдела продаж.

Клиентский NPS (KPI 2) измеряли формально. Опросы приходили на электронную почту, но клиенты не отвечали. Решение отдела продаж: «Если клиент не отвечает, значит, претензий нет — проставляем в системе 5 из 5».

В отчете для руководства: «NPS = +80 (превышаем цель!)». На деле — два крупных клиента ушли к конкурентам из-за постоянных опозданий.

На годовом собрании акционеров: все KPI выполнены — успех!

Что же было в реальности?

Финансовый директор в панике: прибыль упала на 25% (никто не сводил факт KPI с финансовыми метриками в течение года на ежемесячной основе и не отслеживал корреляцию между разными KPI).

Водители саботировали датчики — заклеивали их пластырем, чтобы «не следили».

Клиенты массово жаловались в соцсетях на срывы сроков поставок.

Стали разбираться — и вот что выяснилось:

• Дашборд с KPI показывал «зеленые» индикаторы, потому что данные были ручными, устаревшими или сфабрикованными.

• KPI замерялись однократно только два раза в год при подведении итогов за полугодие и суммарно за год.

• Никто не сверял KPI между собой (рост одного убивал другой).

• Совет по данным собирался раз в полгода и только утверждал презентации.

• Алгоритмы для расчета KPI не были зафиксированы, чистоту данных в системах — источниках информации для расчета этих показателей и возможность «ручной корректировки» никто не проверял.

Общий вывод: «KPI без мониторинга, ответственности и интеграции в бизнес-процессы — это не инструмент управления, а коллекция красивых цифр для самоуспокоения. Особенно в логистике, где все взаимосвязано: сэкономил на топливе — потерял клиента; оптимизировал пробег — разорился на ремонте».

Этот кейс стал в компании легендой. Теперь там перед внедрением любого KPI задают вопрос: «Кто будет смотреть на эту цифру каждый день и что станет делать, если она изменится?» А еще — объединили KPI в единый показатель «здоровья перевозок», где падение одного индикатора автоматически подсвечивает риски для других.

Эта печальная история иллюстрирует еще один аспект, о котором важно помнить при разработке системы KPI по направлениям DG, а именно регулярность замера динамики исполнения KPI ключевыми участниками бизнес-процессов, в идеале наличие автоматизированных дашбордов, доступных в режиме онлайн для оценки и мониторинга состояния дел по каждому из разрезов показателей как на агрегированном уровне (региона, подразделения), так и на индивидуальном (влияние на процент премии конкретного сотрудника). Нужно публично и регулярно анализировать статус исполнения KPI на общих коллегиальных органах, будь то собрание акционеров, комитет по управлению данными, статус-митинги производственных площадок или слет региональных директоров и пр. Сотрудники должны быть приучены к тому, что уровень достижения поставленных KPI необходимо постоянно оценивать, контролировать, а в случае их невыполнения неизбежны четко определенные последствия. Это как при подготовке спортсменов: если хочешь достичь чемпионского титула, то ежедневные изнурительные тренировки — must have, чтобы потом не сожалеть об упущенной возможности «добежать быстрее всех, прыгнуть выше всех, победить всех».

Итак, подводя итоги основных принципов, применяемых при разработке DG KPI, важно держать в фокусе следующие моменты:

• DG KPI не может и не должен жить отдельно от бизнес-задач. Если есть стратегическая цель, то наследованием должны быть сформулированы DG цели и задачи, сопряженные с бизнес-направлением развития компании;

• формулировки DG KPI должны быть понятны конкретному сотруднику, с которого спросят за его исполнение;

• выбор критичного Data Governance — направления для концентрации усилий — на усмотрение руководства компании, должен быть сопряжен с той областью данных, где скрыт больший бизнес-эффект или имеется «конкретная боль»;

• каждый сотрудник должен «знать в лицо» то, за что его спросят в части данных, с которыми он оперирует каждый рабочий день;

• дисциплина и прозрачность при оценке достижения DG KPI — «чем чаще замеряете пульс, тем аккуратнее относитесь к своему здоровью».

ЖИЗНЬ ТЕЧЕТ, ВСЕ МЕНЯЕТСЯ

KPI в управлении данными похожи на живые организмы: они рождаются из бизнес-потребностей, развиваются вместе с процессами, достигают зрелости, когда начинают реально влиять на решения, и иногда «умирают», уступая место новым метрикам. Игнорировать этот цикл — значит рисковать создать «зоопарк» показателей, которые не работают на бизнес-цели. Сейчас мы пройдем по всем этапам «жизни» KPI — от «зачатия» (определения целей) до «переосмысления» (ревизии и оптимизации), чтобы ваши метрики оставались живыми, актуальными и управляемыми.

Чтобы система KPI «зажила», необходимо в первую очередь синхронизировать ее жизненный цикл с процессом создания, утверждения и пересмотра стратегии организации. Нужно всегда поддерживать ее в актуальном состоянии, чтобы была возможность декомпозировать задачи DG с уровня стратегических целей через призму данных, как показано выше на рис. 7.1.

В общем случае жизненный цикл KPI состоит из этапов инициализации и планирования, разработки и утверждения, внедрения и мониторинга, контроля и анализа, выявления узких мест методики измерения и реализации корректирующих мероприятий при необходимости (рис. 7.2). Еще одна хорошая практика — совмещение цикла установки KPI с процедурой бюджетирования, поскольку большинство заявленных целей DG потребуют инвестиций, и если ресурсы на их исполнение не заложены в бюджет организации, рассчитывать на их достижение не приходится. Обычно если финансовый год компании совпадает с календарным, задумываться о целеполагании на следующий отчетный период имеет смысл начиная с августа-сентября текущего года, чтобы к декабрю матрица KPI по DG-инициативам была сопряжена со стратегическими бизнес-показателями и утверждена в качестве части системы мотивации персонала на предстоящий год.

^{Рис. 7.2. Жизненный цикл KPI по направлениям DG}

Приступим к рассмотрению этого увлекательного кругового аттракциона. На этапе инициализации и планирования производятся декомпозиция стратегических целей до уровня направлений развития через призму DG, оценка необходимых сроков, ресурсов и компетенций и даже потенциальных эффектов от реализации задуманных идей. Также прорабатывается набор метрик, которые помогут отследить динамику выполнения целей и качественный и количественный прогресс в их достижении. Определяются источники данных для расчета этих метрик, ответственные как за их исполнение, так и за контроль расчета KPI, и, безусловно, фиксируется целевое значение показателя эффективности.

Затем на фазе разработки и утверждения эта конструкция предлагаемых KPI с матрицей ответственности и целевыми значениями должна обрасти деталями по конкретным формулам расчета каждого KPI, регулярности замера, диапазонными значениями «норма» — «зона внимания» — «тревога», допустимыми параметрами отклонений (с нормой временных рамок на исправление ситуации), а также прототипом визуализации дашборда или отчета о статусе выполнения KPI для утверждения на коллегиальном органе, участниками которого обязательно должны быть руководители основных бизнес-линий организации.

На стадии внедрения и мониторинга ответственные за контроль KPI проводят автоматизированный сбор информации для расчета утвержденного списка KPI или организуют процесс ручного сбора данных для подведения итогов динамики исполнения показателей (что, естественно, хуже, поскольку дает «человеческую погрешность», однако часто встречается в компаниях, особенно находящихся на стадии «прощупывания» темы данных). Проводят информирование и даже обучение сотрудников, для которых утвержденные KPI по DG установлены в рамках целеполагания, чтобы с самого начала отчетного года все сотрудники единообразно понимали формулировки целей и методик расчета этих показателей, а также последствия от их невыполнения.

На следующем этапе контроля и анализа производится расчет значений показателей KPI, сравнения с плановыми значениями на заданный календарный период и целевой по году, формируются выводы о динамике продвижения к цели как в качественном измерении, так и в количественном. Замеры могут производиться как ежедневно (оперативный срез), так и ежемесячно или ежеквартально. Наряду с оценкой динамики показателей анализируются причины отклонений, неисполнения или низких темпов достижения плановых KPI по DG, а также корреляция с бизнес-метриками и сопряжение со стратегическими ориентирами, которые часто могут меняться, особенно в отраслях, сильнее подверженных внешним факторам.

На кольцевой фазе жизненного цикла KPI по DG — этапе корректирующих мероприятий — всегда появляется развилка: если корневая причина выявленных отклонений — в нехватке ресурсов, то следует их добавить, провести приоритизацию с другими задачами или перепланирование работ. Если же причина в недобросовестности исполнения задач, то корректирующие мероприятия необходимо принять в отношении сотрудников. Однако порой драйверы изменения KPI лежат в плоскости необходимости изменения бизнес-целей или переориентировании на другое направление деятельности. Тогда запускается полноценный цикл изменения матрицы KPI с пересмотром целеполагания и методик расчета новых метрик. Иногда возникает необходимость пересмотра утвержденных метрик в силу появления, например, новых технологий, новых регуляторных требований или трансформации процессов, которые требуют кардинального изменения и KPI DG. В качестве примера можно привести корректировки законодательства в области защиты персональных данных и включение требования по обеспечению физического удаления персональных данных клиента по его заявлению с предоставлением соответствующего акта. Для большинства компаний это повлекло пересмотр инициатив DG в части работы с клиентскими данными и повышение приоритета реализации автоматизированного сервиса для удовлетворения регуляторного требования по сравнению с уже утвержденным списком KPI.

Итак, жизненный цикл KPI завершается, если цель достигнута в данном календарном периоде и неактуальна или не сопряжена с бизнес-целями на следующий год — тогда цикл запуска KPI будет базироваться на новых бизнес-задачах. Если же цель не достигнута, либо сроки ее достижения более одного года, либо задача переходит в формат текущей деятельности, то KPI остается валидным и применяется в последующих отчетных периодах, а жизненный цикл KPI повторяется по шагам, показанным на рис. 7.2.

Еще один аспект для оценки эффективности деятельности по управлению данными — разделение KPI на Change и Run (показатели эффективности задач развития направлений управления данными и задач текущей деятельности DG). Change DG KPI — это всегда про инициативы, которые имеют формат проекта или программы проектов с конкретными сроками и очерченным периметром. Так, например, инициатива по направлению DG «Платформа данных, self-service-инструменты для работы с данными» из табл. 7.1, имеющая целью снижение TCO (Total Cost of Ownership, общей стоимости владения) хранилища данных на 25%, будет иметь KPI «Реализация проекта реинжиниринга хранилища данных за два года без превышения выделенного бюджета». Change DG KPI всегда оценивают прогресс в процессах внедрения, развития и трансформации управления данными в организации. Они, как правило, конечны, а сроки их исполнения синхронизированы с вехами по технологическим проектам.

Run DG KPI — часть оценки текущей деятельности компании, подразделений и/или сотрудников. Они измеряют эффективность и результативность действующих процессов DG в ежедневном режиме. Установленная норма уровня качества данных — постоянно замеряемый показатель, демонстрирующий эффективность работ по обеспечению «чистоты» данных в организации. Он устанавливается для владельцев данных, и из года в год по мере «взросления» компании пороговое значение нормы возрастает. В рассматриваемом нами выше примере логистической компании после внедрения MDM-системы на первый год ее эксплуатации владельцу данных — начальнику отдела продаж — был установлен Run DG KPI = «Уровень качества данных по корпоративным клиентам не менее 95%». В последующие годы этот целевой показатель будет повышаться, амбиции по качеству данных станут расти с шагом + 1–2%, пока не будет достигнуто значение 100% качественных записей по клиентам. Далее эта планка должна быть удержана.

В долгом путешествии по взращиванию культуры управления данными, на старте инициативы по внедрению, DG-компонент лучше всегда организовывать в форме проектов с установкой Change KPI. По мере их реализации и вплетения в жизнь часть метрик переходит в разряд Run KPI, а в зрелой компании более 80% метрик эффективности направлений DG становятся Run KPI — метриками оценки эффективности задач текущей деятельности.

Рассмотрим направление «Качество данных» из табл. 7.1. Компания сначала разрабатывает политику управления данными и внедряет технологический инструмент для автоматизации проверок качества данных (Data Quality, DQ) в формате проектной деятельности с Change DG KPI: 1) внедрение платформы качества данных; 2) разработка политики по управлению данными; 3) разработка не менее 50 автоматизированных проверок качества клиентских данных. После внедрения DQ-системы в эксплуатацию и перевода задач по реализации проверок качества данных в режим текущей деятельности, а также выстраивания процессов анализа и решения выявляемых инцидентов качества данных Change KPI закрываются, но количество и глубина проверяемых метрик по Run KPI растет. В первый год набор Run DG KPI может выглядеть так: 1) процент прироста количества автоматизированных проверок качества данных = 50%; 2) уровень качества клиентских данных не менее 95%; 3) процент инцидентов качества данных, выявляемых автоматизированными проверками на DQ-платформе, не менее 60% от общего объема. В последующие годы планка целевых значений этих метрик будет повышаться, а периметр данных, покрываемых проверками, — расширяться. Также по мере роста зрелости компании в области управления данными методики расчета KPI будут усложняться: аппетит всегда приходит во время еды, и неизбежно появится желание измерять общий индекс здоровья данных в разрезе разных категорий данных с учетом зависимостей данных и бизнес-процессов организации.

Выводы

Забудьте о сухих цифрах в таблицах. KPI для управления данными должны быть «живой кровью стратегии», а не ее бюрократическим слепком. Если вы хотите, чтобы управление данными работало на бизнес, а не на отчеты, следуйте перечисленным ниже принципам.

1. НАЧИНАЙТЕ С БИЗНЕСА, А НЕ С ДАННЫХ

Не изобретайте KPI в отрыве от стратегии. Найдите «боль» компании — рост клиентской базы, снижение логистических потерь, ускорение процессов — и переведите ее на язык данных. Как в примере с логистической компанией: цель «увеличить портфель корпоративных клиентов» превратилась в KPI по качеству клиентских данных. Данные — инструмент, а не самоцель.

2. ГОВОРИТЕ НА ЯЗЫКЕ ИСПОЛНИТЕЛЕЙ

Если KPI по «качеству данных» непонятен работнику склада, он станет «стеклянным боем»: будет имитировать выполнение, а проблемы — прятать. Сформулируйте KPI так, чтобы сотрудник видел прямую связь: заполнил все поля в системе — получил премию. Но не перегружайте — вес KPI по данным не должен превышать 10–15% от общего пакета мотивации.

3. ВЫБИРАЙТЕ НАПРАВЛЕНИЕ DG КАК ТОЧКУ ПРОРЫВА

Не пытайтесь охватить все двенадцать направлений сразу. Определите, где данные сегодня — главный тормоз или рычаг роста. Может, бардак в справочниках? Или аналитики месяцами ждут выгрузок? Сфокусируйтесь на одном-двух направлениях, добейтесь быстрых побед и масштабируйте успех.

4. РАЗДЕЛЯЙТЕ KPI НА «СТРОИТЕЛЬСТВО» И «ЭКСПЛУАТАЦИЮ»

Change KPI — для проектов: «внедрить MDM за год», «запустить 50 проверок качества данных».

Run KPI — для текучки: «качество данных не ниже 95%», «время обработки запроса на доступ — не более четырех часов».

По мере взросления DG 80% метрик должны стать «эксплуатационными». Если все KPI остаются «проектными» — вы не вышли на операционную эффективность.

5. СДЕЛАЙТЕ KPI ВИДИМЫМИ, КАК ПУЛЬС НА ДАШБОРДЕ

Если метрики обсуждаются раз в полгода на совете директоров, они уже мертвы. KPI должны быть на экранах у руководителей ежедневно, а отклонения — запускать действия. Автоматизируйте сбор, но не доверяйте данным слепо — проверяйте, не «заклеивают ли водители датчики пластырем», как в кейсе «Удачных перевозок».

6. БУДЬТЕ ГОТОВЫ ПЕРЕСМАТРИВАТЬ KPI КАК СТРАТЕГИЮ

Жизненный цикл KPI — не линейный план, а спираль. Законодательство изменилось? Появились новые технологии? Бизнес сменил фокус? KPI должны эволюционировать. Месяц на корректировку лучше, чем год на реализацию устаревшей цели.

7. СВЯЖИТЕ KPI С ДЕНЬГАМИ И КАРЬЕРОЙ

KPI без последствий — просто цифры. Премии, бонусы, публичное признание — или, наоборот, объяснения при провале. Но не создавайте конфликтующих KPI: когда экономия топлива убивает клиентский опыт (как в истории с водителями), вы проигрываете по всем фронтам.

KPI для управления данными — не отчет для галочки, а диалог бизнеса с реальностью через данные. Если метрики не вызывают дискуссий, не приводят к решениям и не меняют поведение людей, вы измеряете не то, не так или не тем.

Начните с ответа на простой вопрос: «Какой один показатель данных, если его улучшить на 10%, даст бизнесу больше всего денег или сэкономит больше всего нервов?» — и сделайте его KPI № 1. Остальное приложится.

Представьте, что вы архитектор, получивший задание спроектировать фундамент. Но для чего именно? Для небоскреба в сейсмоопасной зоне, где каждый сантиметр смещения грунта может привести к катастрофе? Или подземного бункера, который должен десятилетиями выдерживать экстремальное давление и полную изоляцию? Либо парусной яхты, чье основание должно быть одновременно прочным, легким и гибким, чтобы танцевать с волнами? Или, возможно, для плавучей нефтяной платформы, которой предстоит противостоять штормам, соляной коррозии и постоянным динамическим нагрузкам? Очевидно, что, несмотря на общее название «фундамент», подходы, материалы, приоритеты и даже сама философия строительства будут кардинально различаться. То, что станет сильной стороной в одном контексте, окажется фатальным недостатком в другом. Легкость и гибкость яхты погубят небоскреб, а монолитность бункера сделает невозможным плавание.

Точно так же построение системы управления данными путем копирования «лучших практик» из модных кейсов или применения абстрактных международных фреймворков как универсальной «таблетки», в отрыве от специфики «ландшафта» бизнеса, его геологии, климата, назначения и окружающих условий, обречены на дорогостоящий, а часто и катастрофический провал. И ключевая ошибка здесь — игнорирование отраслевой специфики, которая определяет саму сущность бизнеса: что для него представляет ценность, что риск, что актив, а что сырье.

В этой главе мы поговорим о том, как принципы управления данными преломляются через призму разных отраслей: финансового сектора, телекоммуникаций, здравоохранения, ретейла и добывающей промышленности. Затронем вопрос, почему в различных отраслях различаются:

Вернемся к нашей строительной компании из главы 5 и представим, что она завершила возведение идеального, технологичного квартала «Вершина». Дома построены, клиенты счастливы. Вы, как мудрый руководитель, решаете, что пришло время масштабировать успех. Вы отправляетесь покорять новые, неосвоенные территории — скажем, возводить такой же квартал в другой стране, с другим климатом, ландшафтом и, главное, с другими законами.

Вы приезжаете на место с безупречными чертежами, проверенными технологиями и лучшей командой. Однако, едва начав размечать участок, вы сталкиваетесь с местными властями. Они указывают на ваши планы и говорят: «Ваш фундамент неглубок. У нас другая глубина промерзания. Ваши коммуникации не проложены так, как требует наш градостроительный кодекс. А это стекло в панорамных окнах? Оно не соответствует нашим нормативам по энергоэффективности. Стройте по нашим правилам или не стройте вообще».

Первой реакцией становятся раздражение и шок. Эти правила могут показаться надуманными, нелепыми, тормозящими прогресс. Они рушат ваш идеальный, отработанный план. Это — угроза.

Но посмотрим глубже. Почему эти правила появились? Глубина промерзания — потому что здесь бывают суровые зимы, и десятки домов, построенных «как у себя дома», дали трещины. Нормы по коммуникациям — поскольку в этой местности сложные грунты и высокие водоносные слои. Энергоэффективность — потому что ресурсы дороги, а страна бережет природу.

Оказывается, эти «нелепые» правила — оплаченный чужими ошибками и написанный кровью опыт. Это сжатая до текста параграфов мудрость о том, как строить здесь, чтобы не рухнуло, не затопило и не разорило жильцов счетами за отопление. Если мы начнем изучать эти правила и видеть в них не препятствие, а бесценную карту местных опасностей и возможностей, мы совершим прорыв.

Вы построите дом, который не просто будет отвечать представлениям о прекрасном, а окажется идеально приспособленным к этой среде. Он будет безопаснее, долговечнее и в итоге — желаннее для местного покупателя. Это — скрытая возможность.

Именно так и обстоят дела с регулированием данных в мире бизнеса.

В предыдущей главе мы говорили об особенностях управления данными в разных индустриях. Очевидно, что отраслевая специфика сильно влияет на то, из каких подразделений должны быть назначены владельцы данных, какие данные критичны (и в связи с этим ими нужно управлять с особенно пристальным вниманием) в зависимости от рисков каждого вида бизнеса. Но в основе всегда лежит общее правило: владельцы нужны, метаданные должны работать на бизнес, а процессы — быть прозрачными.

Возникает вопрос: откуда тогда бизнесу знать, что именно в основе концепции управления данными строго обязательно, а от чего можно смело отказаться? Как не пропустить что-то критичное в погоне за эффективностью?

Ответ парадоксален: чтобы найти безусловно важное, часто нужно заглянуть туда, где свободы меньше всего: в мир строгого регулирования. Там, где за ошибки в данных грозят не просто убытки, а миллионные штрафы, отзыв лицензий и репутационный крах, где уже много лет живут и работают лучшие в мире «чертежи» системы управления данными. Эти чертежи прошли проверку самыми жесткими аудиторами — государственными регуляторами.

И здесь есть хорошая новость. Пока что эта «суровая школа» в полном объеме есть по крайней мере в одной отрасли — в банковском секторе. Он — как центр управления полетами, где десятилетиями на собственном опыте и с миллионов датчиков контроля качества данных наблюдали за тем, что происходит, когда данные теряются, искажаются или попадают не в те руки. Результаты этих исследований оформлены в виде нормативных актов в России[34], Китае[35], ЕС[36] и других странах.

Давайте ненадолго станем «промышленными шпионами» и подсмотрим у банков, какие элементы системы управления данными регуляторы во всем мире считают жизненно необходимыми. Часть из них мы уже обсудили в предыдущих главах — здравый смысл и лучшие практики указали на них. Но на некоторых мы остановимся подробнее, поскольку в регуляторном контексте они обретают новую жизнь.

А потом — самое интересное. Мы с вами, как те самые строители в новой стране, сделаем ключевой вывод. Если ваша отрасль с точки зрения управления данными не зарегулирована так же жестко, у вас есть уникальный шанс: не ждать, когда регулятор придет с проверкой и штрафами, а осознанно и выборочно взять из этого банковского «чемоданчика» лучшие инструменты. Не потому что «надо», а потому что это делает ваш бизнес прочнее, доверие клиентов — выше, а ваши данные — настоящим стратегическим активом, а не просто цифрами в отчете.

В этой главе мы поговорим о том:

Данные — это деньги. Но затраты или прибыль — решать вам.

Споры о возможности монетизации данных и получения их достоверной оценки в деньгах ведутся в каждом бизнесе, вставшем на путь дата-трансформации. Если бы все было очевидно, CDO по всему миру не поднимали бы буквально на каждой конференции по данным такие вопросы:

• Как доказать важность функции управления данными руководству?

• Как получить измеримую оценку от инициатив с данными в деньгах?

Во многом книга, которую вы держите в руках, была написана для ответа на них.

CDO при ответе на эти вопросы, как водится, делятся на три лагеря: оптимисты, пессимисты и реалисты.

Оптимисты говорят: «Все просто. И к тому же давно описано в учебниках по данным. Сначала находишь бизнес-кейс с заинтересованным стейкхолдером. Потом в коллаборации с департаментом финансов пишешь методику оценки для него. Защищаешь перед руководством, тебе выделяют бюджет на стратегическую программу управления данными, и ты получаешь эти эффекты ежегодно в отчете о прибылях и убытках, повышая стоимость бизнеса. Потом повторяешь для других доменов данных».

Пессимисты возражают: «Это практически невозможно. Управление данными лежит далеко за пределами сферы интересов руководства. Я пытался донести эту мысль долгие годы. Какие только бизнес-кейсы ни презентовал. Топ-менеджмент так и не осознал, в чем ценность данных, и не поверил в прогнозы».

Сегодня мы предлагаем вам встать на сторону дата-реалистов и хотим поделиться своей (не единственной) версией правды.

Итак, в этой главе мы обсудим:

• как связаны данные и деньги;

• от каких факторов зависят затраты и выручка от данных;

• что такое бизнес-кейс и как его обосновать;

• почему сложно убедить руководство в необходимости старта программы управления данными;

• как все-таки посчитать ROI от улучшения подходов к управлению данными.

Почему данные — это деньги: взгляд дата-реалистов

Бизнес сегодня подобен витязю на распутье — но ни коня, ни жизнь он терять не хочет. И концептуальных дорог перед ним всего две. Ведут они в будущее, которое для кого-то наступит через каких-нибудь пять — семь лет, а для кого-то уже завтра.

Первую дорогу выбирают data-driven-компании. Для них данные стали тем, что эксперты называют «энэйблером» — ключевым механизмом, включающим ценность для бизнеса. Они не просто «работают с данными». Такие компании выстроили вокруг них весь свой бизнес так, что без них продукт просто не существует или становится бесполезным, как машина без двигателя. Клиент платит именно за эту уникальную, точную, моментально доставляемую пользу, которую невозможно скопировать без аналогичной «нервной системы» из данных.

По второй дороге бредут те, кто пока не решился на эту перестройку. Они всё еще пытаются продавать «двигатель» отдельно, «колеса» отдельно, а «руль» — в виде необязательного аксессуара. Их продукты знакомы, но громоздки. Их решения работают, но с задержкой. Их клиенты терпеливы, но уже заглядываются на соседнюю, более быструю и удобную машину.

Возьмем, например, компанию, которая, хотя и продает колеса отдельно, но, выбирая путь data-driven, достигла невероятного успеха, что подтверждает ее популярность среди клиентов, выливающаюся в цифры продаж и бессменное лидерство в международных рейтингах[57].

ОПЫТ MICHELIN: КАК ОПЕРАТИВНЫЙ ДОСТУП К ДАННЫМ УЛУЧШАЕТ КАЧЕСТВО ПРОДУКТА И ПОВЫШАЕТ ЛОЯЛЬНОСТЬ КЛИЕНТОВ

Во всех крупных производственных компаниях есть одна и та же боль. На заводах скапливаются горы данных — от датчиков температуры, контроллеров пресс-форм, записей о качестве сырья. Инженеры и технологи чувствуют эти данные кожей: где-то здесь, в тысячах переменных, прячется ответ, почему на одной линии брак выскакивает чаще, чем на другой. Но чтобы до него добраться, нужно звать программиста, ждать выгрузки, неделями перебирать гипотезы. К моменту, когда причина найдена, брак уже успевает стать статистикой.

Во французском Michelin такая ситуация была нормой до недавнего времени. Шесть месяцев уходило у технологов на то, чтобы распутать клубок факторов, влияющих на качество шин. Интуитивно они понимали, что важны и температура в цехе, и возраст оснастки, и влажность. Но смоделировать, как именно эти факторы переплетаются друг с другом, не получалось. Данные молчали, потому что были заперты в руках узких специалистов.

В 2021 году Michelin начала разворачивать единую дата-платформу, доступную не только ИТ-специалистам и дата-сайентистам, а напрямую инженерам на заводах. К середине 2025 года платформой пользовались уже полторы тысячи сотрудников на пятидесяти с лишним заводах. Восемьдесят процентов из них — не программисты, а технологи, механики, специалисты по качеству. Теперь анализ, который раньше тянулся полгода, укладывается в час[58]. Инженер сам заходит в систему, выбирает нужные параметры, и платформа ранжирует сотни переменных — показывает, что на самом деле влияет на дефект, а что просто шум.

Результатом стала не просто экономия времени. Изменилась сама культура производства. Технолог перестал быть просителем данных у программистов. Он стал их прямым пользователем и интерпретатором. Он может не только найти причину сбоя, но и сразу проверить гипотезу: а что, если мы изменим давление в форме на три процента? Система за считанные минуты покажет, к чему это приведет.

Сейчас Michelin пошла дальше. На заводах тестируют голосовых агентов, с которыми инженер может говорить как с коллегой: «Посмотри временные ряды за прошлую неделю, найди аномалии, подготовь график». Данные окончательно перестали быть чьей-то монополией. Они стали просто рабочим инструментом — таким же, как гаечный ключ или измерительный прибор.

Эта работа, невидимая для клиента, как и в других успешных бизнесах, не только приносит Michelin рост финансовых показателей за счет сокращения брака на производстве и повышения лояльности клиентов в долгосрочной перспективе, но и становится основой будущей конкурентоспособности компании. Ведь для любого бизнеса важно понимать, на какой стадии жизненного цикла находятся его продукты, технологии, компетенции персонала: если финансовые показатели хороши, но производственные мощности истощены, технологии устарели, а компетентный персонал уходит из компании, причины для будущей конкурентоспособности исчерпаны. Как в анекдоте:

Квартира. Звонит телефон:

— Алло, а Петрович дома?

— Петрович еще дома, но венки уже вынесли.

Бизнес — это всегда про выбор и про ставки. Сегодня, прямо сейчас, каждый собственник или топ-менеджер своим действием или бездействием делает ставку на то, по какой дороге пойдет его компания. Ставка заключается в ответе на вопрос: станут ли данные важным дифференциатором, тем, что выделит вас на рынке и даст неоспоримое преимущество? И если да, как это отразится на ваших доходах?

Мы однозначно ставим на то, что станут. И вот почему.

СКОРОСТЬ КАК ГЛАВНОЕ СВИДЕТЕЛЬСТВО

Самый наглядный признак компании, которая сделала данные своим «энэйблером», — не красивые дашборды и не отдел Data Science. Это скорость, с которой бизнес может создавать новые продукты и принимать решения.

Давайте сравним два подхода.

Сценарий А: «Данные как проекты». В традиционной компании рождается идея нового продукта, например персональной рекомендации клиентам в мобильном приложении. Формируется проектная команда. Она тратит первые несколько недель только на то, чтобы выяснить, какие данные вообще есть в компании, где они хранятся, какого они качества и как получить к ним доступ. Потом начинается долгий процесс согласований, выгрузок, очистки. Создается отдельная, «точечная» витрина данных под конкретный проект. На все это уходит в среднем от трех до восьми месяцев. ИИ-модель для рекомендаций, если она нужна, часто создается «на коленке» аналитиком на этих же самых, с трудом добытых данных. Она может быть даже эффективной, но это черный ящик, живущий на локальном компьютере. Она хрупка. И когда этот аналитик, получив предложение о работе с зарплатой вдвое выше, увольняется из компании, вместе с ним уходит и вся «магия» его модели. Восстановить логику, провести аудит, доказать регулятору обоснованность решений становится поистине невыполнимой задачей. Эти полгода работы превращаются в цифровые руины, что мы не раз видели на практике.

Сценарий Б: «Данные как платформа». В компании, где данные — это «энэйблер», процесс выглядит иначе. Та же идея персональных рекомендаций возникает у продакт-менеджера. Он открывает внутренний каталог данных — что-то вроде «библиотеки» всех доступных активов. Он видит, какие данные есть, в каком они виде, кто за них отвечает. Через стандартизированные процедуры он запрашивает доступ к уже очищенным, готовым к анализу блокам информации. Инженеры не тратят 80% времени на добычу и очистку, а сразу начинают строить логику продукта. Новая витрина или сервис на основе данных собирается не за полгода, а за две-три недели, а иногда и за считанные часы. ИИ-модель обучается не на сырых и разрозненных данных, а на стабильных, управляемых потоках. Ее можно отследить, проверить, развернуть и обновить за дни, а не месяцы. И если кто-то из команды уходит, продукт не разваливается — он построен на общей, корпоративной платформе, а не на личных навыках и песочницах данных одного-двух крутых дата-сайентистов.

Так работают data-driven-компании, технологические гиганты, для которых данные — это кровь. Netflix, который тестирует тысячи вариантов интерфейса, чтобы вы не отключили сериал. «Яндекс», который в реальном времени перестраивает логистику десятков тысяч курьеров. Michelin, который не случайно десятилетиями сохраняет лидерство в отрасли. Они перешли от «проектов» к «платформе». И их скорость — не просто удобство и операционная эффективность. Это их главное оружие на рынке[59].

ПАРАДОКС ЦЕНЫ: ПОЧЕМУ УПРАВЛЯТЬ ДАННЫМИ ТАК ДОРОГО?

Здесь возникает закономерный вопрос: если все так очевидно и выгодно, почему не все выбирают дорогу «энэйблера»?

Ответ прост и сложен одновременно: потому что это требует огромных, непрерывных и на первый взгляд неочевидных инвестиций.

Одним из рабочих названий этой книги было: «Управлять данными дорого». Это не фигура речи. Годовые инвестиции компании из «Сценария Б» в свою платформу данных, команды дата-инженеров, инструменты описания и контроля, обучение сотрудников в разы превышают бюджет средней компании с традиционной бизнес-моделью на поддержку и развитие платформы данных.

Создание надежной, масштабируемой, безопасной и прозрачной среды для работы с данными сродни строительству современной скоростной магистрали вместо грунтовой дороги. Стоимость строительства вначале пугает. Но как только дорога построена, по ней с минимальными затратами начинают ездить тысячи машин — новых продуктов, сервисов, аналитических моделей. Скорость перемещения (внедрения) вырастает на порядок.

Метрики оценки экономической эффективности программы управления данными

Приступим к самой сложной части нашего путешествия, в которой позволим себе дать несколько метрик, формул и цифр.

Если говорить коротко, оценка экономической эффективности программы управления данными похожа на оценку пользы здорового образа жизни:

• регулярные усилия нужно прилагать сегодня и ежедневно, что требует дисциплины и ответственности;

• эффект начинает ощущаться лишь по прошествии времени;

• доказать позитивное влияние ЗОЖ в отрыве от других факторов, влияющих на хорошее самочувствие, довольно трудно или практически невозможно;

• при этом ЗОЖ критически влияет на продолжительность жизни[60] (или, говоря бизнес-языком, на то, что компания продолжит свою деятельность в обозримом будущем — принцип going concern).

Если вы готовы к более долгому и конкретному разговору про эффекты программы управления данными и хотите узнать, как связаны данные и деньги, предлагаем взглянуть на пять метрик[61] (табл. 10.1).

Таблица 10.1. Метрики управления данными

** — [62]

*** — [63]

Цифры из нижней части таблицы (метрики 3–5) характеризуют затратную сторону вопроса. Самая большая цифра в бюджете программы управления данными — годовые затраты на поддержание и развитие платформы (метрика 5). У data-driven-компаний эта цифра может в разы превышать затраты, а подчас и возможности традиционного бизнеса. Например, бюджет на импортозамещение платформы данных в крупной организации в 2026 году составляет несколько десятков миллиардов рублей.

Полнота описания данных (метрика 4) вкупе с правилами по цитируемости данных (метрика 3) также грозят вылиться в дополнительные постоянные затраты на увеличенное количество дата-инженеров (в 10 раз на уровне развития технологий, актуального в 2026 году)[64] и перестроение архитектуры потоков данных. А без описания данных и установления правил по цитируемости невозможно повысить скорость разработки новых дата-продуктов (ключевой метрики доходной части).

Это и есть та часть сметы, увидев которую, компания может остановиться на пути к прогрессу. Для сравнения, однако, стоит отметить, что эти затраты несоизмеримо меньше инвестиций, необходимых, например, для создания собственной LLM[65] — суммы, принципиально неподъемной практически для любой корпорации и страны мира с учетом текущего уровня развития технологий.

Теперь обратимся к доходной части. Эти цифры конвертируются в деньги не напрямую, а через скорость вывода дата-продуктов в промышленную эксплуатацию и через их содержание.

Повышение скорости вывода в промышленную эксплуатацию дата-продуктов более чем в 20 раз при переходе от традиционной к data-driven-модели ведения бизнеса существенно сокращает стоимость дата-продукта. Ведь эта стоимость напрямую зависит от количества часов работы дата-инженеров над каждой витриной, отчетом, моделью, включая модель ИИ. Например, банки, создавшие описание данных в дата-каталоге и внедрившие Data Lineage (метрика 4 в расходной части), на практике сокращают стоимость разработки дата-продуктов более чем на 70% за счет оптимизации метрик 1 и 2[66].

Еще важнее компонента содержания дата-продукта, которая приносит дополнительные доходы. Вокруг нее и строятся так называемые бизнес-кейсы — прогноз по прибыли от внедрения элементов системы управления данными.

ОЦЕНКА БИЗНЕС-КЕЙСА

Когда заходит речь об управлении данными, многие руководители слышат лишь общие фразы: «повысим качество», «обеспечим прозрачность», «станем data-driven». Это всё правильные слова, но они как воздух: вроде бы нужны, а за что платить — непонятно. Именно здесь появляется бизнес-кейс.

Бизнес-кейс — не документ, который пишут для галочки. Это прикладной инструмент, который переводит разговор о данных с языка абстракций на язык цифр и конкретных результатов.

Если совсем просто, бизнес-кейс в программе управления данными отвечает на четыре вопроса.

1. Какая у нас боль? Какую конкретную проблему бизнеса мы решаем с помощью данных? Не «улучшим качество данных в целом», а «перестанем терять 50 миллионов в год на отгрузках не тем клиентам из-за неверных адресов».

2. Сколько это стоит прямо сейчас? Во что обходится компании эта боль? Посчитанные в деньгах потери от неверных решений, упущенной выгоды, ручного труда сотрудников, которые вместо анализа перекладывают цифры из отчета в отчет.

3. Что предлагаем и сколько это будет стоить? Набор конкретных шагов, технологий, людей, которые нужны, чтобы с болью справиться. А еще — цена этих шагов.

4. Когда и как вернем инвестиции? Цифры, сроки и метрики, по которым мы поймем, что запланированный эффект достигнут.

Хороший бизнес-кейс похож на паспорт проекта перед большой стройкой. Вы же не начнете заливать фундамент, не прикинув бюджет, сроки и не поняв, как этот дом будет зарабатывать деньги? С данными то же самое.

Самое сложное в бизнес-кейсе для управления данными — посчитать «стоимость боли». Убытки от того, что скоринговая модель ошиблась, посчитать можно. Штрафы регулятора за утечку — легко. А вот упущенную выгоду оттого, что мы не узнали вовремя о потребностях клиента, — несоизмеримо сложнее. Но без этой цифры разговор с руководством всегда будет упираться в «нам кажется, что это важно».

Именно это отражается в бизнес-кейсах: какие дополнительные доходы мы могли бы получать уже сейчас? И сколько заработаем, если пересмотрим наш подход к управлению данными и принятию решений?

Хороший бизнес-кейс делает управление данными осязаемым. Он показывает не «мы хотим внедрить Data Governance», а «мы хотим перестать платить 10 миллионов в год за ручную сверку отчетности и высвободить трех аналитиков для разработки новых продуктов, нужных клиенту». Это язык, на котором говорят люди, принимающие решения о бюджетах.

Бизнес-кейсы специфичны для каждой отрасли и каждого домена данных внутри компании. Но можно привести типовые примеры.

1. Кейсы, связанные с основной деятельностью бизнеса

Знания о клиенте для сервисных компаний, например:

• внедрение профиля «Клиент-360»;

• внедрение новой MDM-системы или переключение ее из аналитического в онлайн-контур принятия решений для запуска триггерной аналитики;

• введение новых контролей ввода по клиентским атрибутам;

• улучшение алгоритмов нормализации и дедубликации клиентских данных и, как следствие, повышение показателей конверсии из лида в клиента;

• подключение внешних источников данных для улучшения базового профиля клиента (идентификационной информации) — например, портал госуслуг;

• подключение новых данных для улучшения расширенного профиля клиента с глубоким уровнем детализации — например, данные от компаний группы о покупке новых продуктов, о марке автомобиля, о работодателе и др.

Знания об актуальном состоянии оборудования или других технических объектов, например:

• анализ данных с датчиков на оборудовании для прогнозирования отказоустойчивости, снижения простоев и оптимизация графика ремонтов, которое приводит к снижению расходов и брака;

• сбор данных о вождении с датчиков, установленных на автомобилях клиентов страховых компаний, для предложения более гибких условий страхового договора в зависимости от стиля вождения и др.

Оптимизация логистической функции, например интеграция данных от поставщиков и логистических партнеров для создания цифрового двойника цепочки поставок для снижения логистических издержек и «быстрой реакции» на сбои и др.

2. Кейсы, связанные с оптимизацией функции финансов

• Рост качества данных и оперативности при подготовке управленческой и регуляторной отчетности.

• Внедрение инструментов онлайн-прогнозирования и стресс-тестирования финансового состояния и финансовых результатов для корректировки бюджетов и оптимального управления собственными средствами бизнеса.

• Повышение уровня автоматизации и качества данных в процессе ценообразования продуктов, например risk-based pricing в розничном банковском бизнесе и др.

3. Маркетинговые кейсы

• Рост эффективности коммуникаций с клиентами за счет сбора данных и построения моделей склонности к покупке выбранного типа продукта.

• Повышение качества персонализации предложений за счет данных базового и расширенного профилей клиента после внедрения MDM-системы и др.

4. Кейсы в области управления персоналом

• Разметка базы данных действующих и ушедших сотрудников для построения моделей прогнозирования успешности прохождения испытательного срока.

• Внедрение ранжирования сотрудников по степени вовлеченности для снижения ротации персонала в отделе продаж.

• Разметка данных входящих резюме для построения ИИ-агента по отбору резюме для передачи в отдел персонала и др.

5. Кейсы, связанные с взаимодействием с внешней средой

Дата-партнерства:

• создание дата-продуктов для продажи на рынок в части скор-баллов на основании кредитной истории;

• покупка скоринга телеком-операторов;

• подключение данных социальных сетей;

• продажа данных о поисковых запросах;

• обмен данными о транзакционной активности клиента внутри компаний группы и др.

Регулятор:

• создание единой платформы согласий на обработку персональных данных и рекламные рассылки с возможностью сохранения версии согласия, подписанного клиентом, оперативного отражения информации о его отзыве для снижения регуляторных штрафов и повышения лояльности клиентов и др.;

• повышение качества данных для актуализации размера регуляторных резервов и нормативов, рассчитанных по положениям Банка России, и др.

Оценка бизнес-кейса невозможна без проактивного участия бизнес-заказчика аналитики данных, а также его обещания получить заявленные эффекты. Этот пункт часто становится причиной неуспешности программы управления данными. К любому топ-менеджеру непросто найти подход, а к руководителю бизнес-подразделения (основного, кто зарабатывает деньги для компании) — особенно. Здесь CDO необходимо проявить лидерские качества, навыки ведения переговоров и управления ожиданиями, эмпатию, понимание основ финансового анализа и оценки и хотя бы поверхностное знание предметной области, в которой реализуется бизнес-кейс.

Оценка каждого бизнес-кейса — непростая и творческая задача. В любой оценке всегда существенную роль играет профессиональное суждение оценщика. Практически любую оценку можно оспорить[67], поэтому диапазоны прогноза по прибыли у разных профессионалов могут различаться в разы. Это еще одна значимая сложность при согласовании целесообразности запуска программы управления данными. Например, попробуйте доказать главе маркетингового отдела вашей компании, что после дедубликации клиентских данных конверсия маркетинговых предложений повысится в 3–5 раз. Какие бы аргументы вы ни приводили и на каких прогнозах и опросах ни основывали свое суждение, цифра 3–5 может легко снизиться.

Но на этом сложности не заканчиваются: при сопоставлении доходной и расходной частей программы управления данными также важен учет временной стоимости денег. Ведь инвестиции в модернизацию платформы данных, изменение ее архитектуры и создание описания данных требуются здесь и сейчас и в большом объеме. А рост доходной части происходит постепенно, часто после полноценного перехода на модернизированную платформу данных (в среднем не ранее чем через три года со старта проекта), и может продолжаться пять — семь лет при условии постоянной актуализации дата-продуктов с учетом требований рынка и клиентов. Об этом мы подробно говорили в главе 6: ожидание мгновенных результатов может загубить программу управления данными на корню, не дать древу дата-трансформации вырасти.

При этом снижение расходов на создание дата-продуктов (метрики 1 и 2) зависит от их планового количества: чем больше их будет, тем выше эффекты от программы управления данными. И здесь результат программы и успех CDO в реализации заявленных эффектов сильно зависит от планов бизнеса и отдела моделирования.

Это даже более актуально для дополнительных доходов от дата-продуктов. Убедиться в реалистичности прогноза по дополнительному доходу от функции управления данными можно лишь с момента внедрения инструментов DG (напомним, что существенные инвестиции от бизнеса нужны уже сейчас). А еще в момент оценки прибыли в прогнозе и по факту ее получения необходима поддержка бизнес-подразделений, которые могут посчитать, что дополнительная прибыль и продажи — результат работы исключительно бизнеса, и новые подходы к управлению данными здесь ни при чем.

Есть еще один дискуссионный аргумент, связанный со стратегическим риском. Существует риск, что компании, не внедрившие подходы по управлению данными, не выживут в мире будущего. Это еще одна ставка, которую нужно сделать бизнесу и в которой, как и во всех решениях в бизнесе, можно ошибиться.

На наш взгляд, учитывая тренды на ИИ-зацию экономики, интернет вещей, экосистемность бигтехов и других традиционных игроков, уход многих бизнесов в онлайн, переход к триггерной аналитике и предсказанию следующего наиболее вероятного действия клиента, так называемого next best action, лежащего в ядре продуктов будущего, ставка на работу с данными сыграет. Более того, она уже сыграла у бигтехов — Netflix, Google, «Яндекса» и др.

СЧИТАЕМ ROI

Теперь, наконец, мы готовы посчитать ROI программы управления данными:

• в числителе мысленно соберем метрики 1 и 2 и их производные, включая рассчитанные бизнес-кейсы, продисконтированные к сегодняшнему дню, и умножим на вероятность реализации стратегического риска;

• в знаменателе соберем затратные метрики 3–5, включая многомиллиардные затраты на модернизацию платформы данных, изменение ее архитектуры, ужесточение практик производственного процесса в ИТ.

Формула выше может дать лишь верхнеуровневое представление о том, как на практике считается технико-экономическое обоснование программы управления данными. При этом выкладки по бизнес-обоснованию могут занимать десятки, а иногда и сотни слайдов для руководства[68].

Это уравнение сравнивает два параметра: сколько мы потеряем, если ничего не делать (с поправкой на то, что беда может и не случиться), и сколько заплатим, чтобы беда не случилась никогда.

Числитель — цена нашего бездействия. Дисконтированные убытки от неверных решений, упущенные контракты, штрафы регуляторов, репутационные потери, умноженные на вероятность того, что все это действительно произойдет. В хорошие времена кажется, что вероятность мала. Но в плохие — когда рынки падают, регуляторы ужесточают контроль, а конкуренты уходят вперед — она ползет вверх.

Знаменатель — стоимость порядка. Деньги на новую платформу, перестройку архитектуры, людей, которые будут следить за качеством, обучение сотрудников. Это огромные цифры, от которых у финансового директора дергается глаз. Но у них есть важное свойство: они конечны и предсказуемы. Вы платите один раз (или равными долями) и знаете за что.

Окно внимания топ-менеджмента

Представьте, что вы заходите в лифт вместе с председателем совета директоров вашей компании. У вас есть время, пока лифт поднимается с первого до двадцатого этажа, — примерно минута, чтобы объяснить ему, почему компании нужно инвестировать несколько десятков миллионов долларов в непонятную для него «платформу данных» и роль CDO.

Вы начинаете: «Видите ли, речь о трансформации сырых данных в стратегический актив через внедрение скоординированных процессов, каталога данных и Lineage. Для этого требуются большие вложения в ближайшее время, но достоверно оценить позитивный эффект не представляется возможным. Однако у нас есть исследования, которые показывают, что…» Двадцатый этаж. Дверь открывается. Руководитель кивает: «Интересно. Обсудим как-нибудь подробнее» — и уходит, погруженный в мысли о квартальной отчетности и завтрашних переговорах с инвесторами. «Как-нибудь» никогда не наступает.

Это наша ежедневная реальность. Окно внимания человека, принимающего ключевые финансовые решения, в среднем не превышает минуты. За этот отрезок времени нужно успеть не просто бросить звучный термин, а донести суть: данные — не только расходы на ИТ, но и деньги. Более того, это будущая валюта, курс которой в вашей компании уже сейчас определяется подходами к ее управлению. Объяснить за минуту, почему это требует отдельной «монетарной политики» (стратегии), «казначейства» (команды) и «стандартов чеканки» (метаданных и качества), — задача почти невыполнимая. Нужны контекст, примеры, медленное разжевывание причинно-следственных связей.

Для этого и написана наша книга. Каждая предыдущая глава — попытка растянуть ту самую минуту в лифте до десяти спокойных часов чтения. Чтобы у вас, как у руководителя, сложилось целостное понимание, какую конкретную экономику скрывает в себе функция управления данными. Где именно находятся точки возврата инвестиций? Почему «управлять данными дорого», но не управлять ими — катастрофически дороже? В этой главе мы лишь попытались перевести техническую «матчасть» на язык бизнес-последствий: потеря клиентов, упущенная выручка, невозможность инноваций, репутационные риски. Сделать это на практике гораздо сложнее, и чуть ниже мы оценим готовность к этому путешествию.

О пользе ремней безопасности

В 1980-е Ли Якокка, культовая фигура мирового автопрома и человек, вытащивший Chrysler из финансовой пропасти, издал книгу-бестселлер о менеджменте[69]. Среди рассуждений о лидерстве, кризисном управлении и переговорах с профсоюзами он отвел отдельную главу абсолютной необходимости внедрения и использования ремней безопасности.

Странно, правда? Ведь сейчас кажется, что ремни безопасности в автомобилях появились вместе с первой машиной в начале прошлого века.

Но история говорит об обратном. Первой страной, сделавшей ремни безопасности обязательными для всех новых автомобилей, стала Австралия, причем лишь в 1970 году. В США, которые тогда задавали тон всей индустрии, первый заводской ремень появился в 1950-е на отдельных моделях. А первым штатом, обязавшим водителей и пассажиров пристегиваться, стал Нью-Йорк и только в 1984-м — в тот самый год, когда Якокка писал свою книгу.

Ему, практику и инсайдеру, приходилось доказывать коллегам-менеджерам и потребителям то, что для нас теперь аксиома: ремень безопасности — это не опция. Это вопрос жизни и смерти. На фоне этого прочие усовершенствования — будь то мощный двигатель или система кондиционирования — выглядят не такими уж важными.

Мы твердо верим, что наступит время — и, возможно, очень скоро, — когда нам больше не придется объяснять, зачем нужно управлять данными и почему данные — это деньги. Это станет такой же аксиомой делового мира, как ремни безопасности в автомобилестроении. Управление данными будет восприниматься не как «модная опция», а как обязательная «система жизнеобеспечения» любой компании, которая хочет двигаться вперед, не подвергая себя неоправданному риску. Данные станут не «новой нефтью», а просто валютой доверия — между вами и клиентом, регулятором, вашим акционером.

Проверьте себя

Прежде чем закрыть эту главу и задуматься о будущем, предлагаем сделать паузу и честно ответить себе на несколько практических вопросов. Они перекликаются со всеми предыдущими главами, связывая теорию с вашей личной реальностью.

1. CEO — инициатор программы управления данными в вашей компании? Если нет, насколько сейчас он осознаёт ценность функции или, даже если не осознаёт, готов ее поддерживать административно и финансово? (Глава 1.)

2. Стратегия и дорожная карта инициатив написана, утверждена и принята основными стейкхолдерами? В стратегии содержатся конкретные финансовые метрики и цели? (Глава 2.)

3. Владельцы данных назначены и поддерживают инициативу по данным в компании? (Глава 4.)

4. Бизнес-кейсы рассчитаны (глава 10), утверждены департаментом финансов и владельцами?

5. Владельцы данных включили в свои ежегодные цели обязательства по достижению подсчитанных эффектов? Эти цели включены в KPI (глава 7) и влияют на премию владельцев по итогам квартала и года?

6. В каком состоянии находится ИТ-инфраструктура[70]? Готова ли она к дата-трансформации или бюджет на ее модернизацию необходимо включить в программу управления данными?[71]

7. Учитывая все трудности, описанные выше, готовы ли вы подняться на борт нового круизного лайнера с табличкой «Программа управления данными» и пуститься в это увлекательное плавание?

Если на какой-то из этих вопросов вы мысленно или вслух ответили «нет» или «не знаю», приготовьтесь к тому, что путь предстоит небыстрый. Вам потребуются не столько бюджет и технологии, сколько три вещи: серьезные внутренние силы, стратегическая целеустремленность и изрядное терпение.

Ведь управление данными — культурная и властная трансформация. Это как пытаться построить современный, безопасный город с четкой планировкой на месте стихийно сложившегося поселения, где каждый квартал живет по своим законам. Вам будут сопротивляться не потому, что люди плохие, а потому, что вы меняете складывавшийся десятилетиями уклад.

И здесь нередко все упирается в одну точку — осознанное отношение к данным топ-менеджмента в компании. Без этого любая инициатива обречена на медленное угасание. Один из опытных CDO, чье интервью вошло в материалы для этой книги, сформулировал это так: «Если мне предложат роль CDO в другой компании и дадут пусть даже в десять раз больше моей нынешней зарплаты, но при этом я буду знать, что генеральный директор по-настоящему не верит в ценность данных и не готов быть главным спонсором перемен, я, скорее всего, откажусь».

Сентябрь 1830 года, окрестности Ливерпуля. Холмы, покрытые вереском, и сотни людей, выстроившихся вдоль насыпи. Они пришли посмотреть на чудовище.

Издалека донесся звук, какого они никогда не слышали: тяжелое, ритмичное дыхание гиганта, лязг металла и шипение пара. Из-за поворота показалось нечто — оно двигалось само, без лошадей, без парусов, плюясь в небо черным дымом и белыми клубами. Оно тащило за собой вереницу ящиков на колесах, в которых сидели люди.

Крестьянин с сеном на вилах выронил инструмент. Женщина прижала к себе ребенка и перекрестилась. Лорд в цилиндре достал часы и засек время, сверяясь с расписанием. Паровоз «Ракета»[72] пронесся мимо них со скоростью двадцать миль в час — быстрее, чем любой скакун, быстрее, чем ветер в шторм.

Через десять лет эти же люди будут грузить свои пожитки в вагоны, чтобы уехать в города, где дымят трубы фабрик. Их дети уже не поймут, почему бабушка крестилась при виде поезда. Их внуки будут считать, что мир всегда был таким: быстрым, шумным, соединенным рельсами.

Никто из стоявших тогда на том холме не мог осознать, что они присутствуют при смене эпох. Что паровой двигатель не просто заменит лошадей — он перекроит карты мира, создаст новые классы, уничтожит старые ремесла, породит профсоюзы, социал-демократию, мировые войны и туристические поездки на море. Что скорость, которую они увидели, станет проклятием и благословением их правнуков.

Они просто смотрели на чудо и не понимали, что это их последний день в старом мире.

На недавнем заседании Всемирного экономического форума искусственный интеллект назвали паровым двигателем четвертой промышленной революции[73]. И это не случайно. Лучшие умы человечества, независимо от уровня оптимистичности прогноза, ожидают от ИИ полной смены парадигмы ведения бизнеса, государственного управления и сильного изменения уклада жизни людей.

Поэтому в центре нашего разговора окажутся ключевые тенденции в области искусственного интеллекта. Именно через эту технологию мы и посмотрим на будущее данных.

В этой главе мы изучим те тренды, которые уже сегодня, прямо сейчас, пробиваются сквозь асфальт нашей привычной жизни, и попробуем понять, куда они нас приведут. Ведь будущее, как известно, наступает не вдруг. Оно не падает с неба в сиянии славы. Оно собирается по кусочкам, по кирпичикам из наших сегодняшних решений. Из того, кого мы назначаем ответственным за данные сегодня. Из того, закрываем ли мы глаза на «мелкие» ошибки в отчетах или разбираемся с ними. Из того, учим ли мы своих сотрудников работать с информацией или надеемся, что как-нибудь «само рассосется».

Итак, в этой главе мы поговорим о том:

Мы начали эту книгу с истории о зонде Mars Climate Orbiter, который сгорел в атмосфере чужой планеты из-за того, что две команды инженеров говорили на разных языках. Один код — фунт-секунды. Другой — ньютон-секунды. Девять месяцев полета, сотни миллионов долларов, тысячи человеко-часов гениальной работы — и все это обратилось в плазму из-за того, что в системе управления данными не нашлось места для простого вопроса: «А мы точно договорились, в чем измеряем тягу?»

Теперь, перевернув последнюю страницу, вы имеете полное право спросить: «Я прочитал книгу. Я понял, что данные — это стратегический актив. Я даже согласен, что без порядка в нем любой ИИ будет лишь дорогой игрушкой. Но что мне делать завтра утром, когда я приду в офис?»

Ответ на этот вопрос — единственное, что действительно имеет значение. И он, как ни странно, совсем не космический, а очень земной и человеческий.

Эта книга — результат слаженной работы сообщества директоров по данным в России, и мы благодарим за участие в интервью, обратную связь и плодотворные дискуссии наших коллег — Рината Абдурахманова, Александра Бояркина, Ростислава Данькова, Андрея Елхова, Алексея Наталенко, Алевтину Тинас, Ивана Черницына, Леонида Чёрного.

Ваш вклад помог нам представить более объемную и многогранную картину практик управления данными в целом с учетом опыта разных отраслей экономики.

Все книги по бизнесу и маркетингу: mif.to/business mif.to/marketing

Источники. Вступление. IBM Institute for Business Value. 5 Trends for 2024. Здесь и далее прим. авт., если не указано иное.

По данным отчета Народного банка Китая за второй квартал 2025 года по количеству транзакций.

Лотц А. Мы срываем трансляцию. Как телевизор накрылся кабелем, а медиа — интернетом. М.: Новое литературное обозрение, 2024.

По данным отчетности Netflix для инвесторов за 2013 и 2024 годы.

Глава 1. Wal-Mart’s Midlife Crisis. Bloomberg, 2007.

BI-системы — Business Intelligence, программные инструменты для бизнеса, помогающие собирать данные из разных источников, обрабатывать их и представлять в наглядном виде. Прим. ред.

Подробнее об этом читайте в главе 9.

CRM-система (Custom Relationship Management) — ПО для автоматизации бизнес-процессов, управления клиентской базой и контроля продаж. Прим. ред.

Enterprise Resource Planning — программная платформа для комплексного управления ресурсами компании. Прим. ред.

Комплаенс (compliance) — внутренняя система управления рисками в организации, обеспечивающая соответствие законодательству, стандартам отрасли и внутренним правилам. Прим. ред.

GDPR (General Data Protection Regulation) — регламент Евросоюза по защите персональных данных, вступивший в силу 25 мая 2018 года. CCPA (California Consumer Privacy Act) — закон штата Калифорния о защите конфиденциальности; действует с 1 января 2020 года. Прим. ред.

R&D (Research and Development) — исследования и разработки. Прим. ред.

Озеро данных (Data Lake) — централизированное хранилище для больших объемов структурированных, полуструктурированных и неструктурированных данных в «сыром» виде. Прим. ред.

«Думай масштабно — действуй локально».

API (Application Programming Interface) — набор правил и инструментов, обеспечивающий взаимодействие компьютерных программ. Прим. ред.

BCBS 239 — стандарт Базельского комитета по банковскому надзору, опубликованный в январе 2013 года и устанавливающий принципы эффективного агрегирования рисковых данных и отчетности по рискам. С 2016 года обязателен для глобальных системно значимых банков. Прим. ред.

Banking Industry Architecture Network — отраслевой стандарт для архитектуры банков.

MDM-система (Master Data Management) — решения, позволяющие создать единый, точный и стандартизированный источник основных данных о клиентах, продуктах и контрагентах компании. Прим. ред.

Русскоязычное издание: DAMA-DMBOK: Свод знаний по управлению данными. М.: Олимп-Бизнес, 2023.

BPMN (Business Process Model and Notation) — международный стандарт графического описания бизнес-процессов, использующий единую систему условных обозначений для визуализации. Прим. ред.

A/B-тест (сплит-тест) — метод сравнения двух вариантов продукта, позволяющий определить, какой из них обеспечивает лучшие ключевые показатели. Прим. ред.

API (Application Programming Interface) — программный интерфейс приложения. Прим. ред.

Подумайте, как два образа принятия решений из примера влияют на финансовое состояние бизнеса. Заработает ли более продвинутая версия Андрея Петровича в долгосрочной перспективе? Можно ли достоверно оценить это в деньгах? Подробнее это мы рассмотрим в главе 10.

ETL (Extract, Transform, Load — извлечение, преобразование, загрузка) — один из основных процессов в управлении хранилищами данных, включающий все перемещения данных из одного источника в другой. Прим. ред.

Data Mesh, или сетка данных, — децентрализованный гибкий подход к работе, распределяющий права владения и управления данными между создающими их командами. Прим. ред.

CI/CD (непрерывная интеграция и непрерывная доставка) для данных — набор практик и инструментов в разработке ПО, автоматизирующего и ускоряющего процессы работы с данными. Прим. ред.

URL: cbr.ru/develop/data_management_fm/.

Системы, позволяющие пользователям самим решать задачи, например анализа данных, техподдержки, настройки, без помощи ИТ-специалистов. Прим. ред.

KYC (Know Your Customer, «знайте своего клиента») и CIP (Customer Identification Program, программа идентификации клиента) — процессы проверки личности клиентов в финансовом секторе. CIP — обязательный сбор основных данных (имя, дата рождения и т. п.), KYC также включает оценку рисков и мониторинг деятельности. Прим. ред.

ERP (Enterprise Resource Planning, планирование ресурсов предприятия) — программное обеспечение для создания единой системы автоматизации и управления бизнес-процессами компании, а также производством, продажами, закупками, финансами и персоналом. Прим. ред.

FHIR (Fast Healthcare Interoperability Resources, ресурсы быстрого взаимодействия в здравоохранении) — международный стандарт обмена медицинской информацией. Использует веб-технологии для обеспечения безопасного и быстрого взаимодействия между больницами, лабораториями и приложениями. Прим. ред.

МСФО — Международные стандарты финансовой отчетности. Прим. ред.

RACI-матрицы (матрицы ответственности: R — Responsible, исполнитель; A — Accountable, ответственный; C–Consulted, консультант; I–Informed, информируемый) — инструмент управления, таблица распределения ролей для задач проекта. Прим. ред.

Положения Банка России от 08.04.2020 № 716-П. URL: cbr.ru/faq_ufr/dbrnfaq/doc/forPrint?id=2233 и № 845-П cbr.ru/explan/845-p/.

Data management capability maturity assessment mode GB/T 36073–2018. URL: chinesestandard.net/PDF.aspx/GBT36073–2018.

Basel Committee on Banking Supervision 239, Jan. 2013. URL: bis.org/publ/bcbs239.htm.

ECB Guide on effective risk data aggregation and risk reporting, 2024. URL: bankingsupervision.europa.eu/ecb/pub/pdf/ssm.supervisory_guides240503_riskreporting.en.pdf.

Data Lineage, или «родословная данных», — отслеживание и визуализация жизненного цикла данных, от источника через все этапы трансформации до конечного пользователя (человека или ПО). Прим. ред.

Final Report of the National Commission on the Causes of the Financial and Economic Crisis in the United States. URL: https://www.academia.edu/39213044/Final_Report_of_the_National_Commission_on_the_Causes_of_the_Financial_and_Economic_Crisis_in_the_United_States.

Basel Committee on Banking Supervision 239, Jan. 2013.

Financial Stability Board: List of Global Systemically Important Banks (G-SIBs), 2025. URL: bis.org/press/p251127.htm.

Источник: China Academy of Information and Communications Technology.

Дали С. Дневник одного гения. М.: Азбука-Аттикус, 2015.

Алан Гринспен о рынке производных финансовых инструментов, которые запустили мировой финансовый кризис 2008–2010 гг. // Taking Hard New Look at a Greenspan Legacy, CNBC 2008.

Greenspan — I was wrong about the economy. Sort of // The Guardian. 2008. URL: theguardian.com/business/2008/oct/24/economics-creditcrunch-federal-reserve-greenspan.

Право на забвение — право человека требовать удаления из поисковых систем и интернет-ресурсов информации о нем, не соответствующей действительности или устаревшей. Прецедентом в правовом поле стало дело «Костеха против Google» в 2010 году. В нем Европейский суд на основании Хартии ЕС по правам человека принял сторону испанца и обязал Google не выдавать устаревшие сведения о нем в поисковике.

Альянс в сфере искусственного интеллекта. URL: https://ethics.a-ai.ru/.

MDM-платформа (Master Data Management) — ИТ-система, необходимая для управления основными данными в компании. К разряду основных данных относят в том числе данные о клиентах. Внедрение MDM-платформы в онлайн-процессы бизнеса может стать важным преимуществом для высококонкурентных индустрий, поскольку помогает однозначно идентифицировать клиента в момент взаимодействия с ним и предлагать наиболее релевантные продукты в режиме реального времени.

Artificial Intelligence Act, OJ L, 2024/1689, 12.07.2024. URL: eur-lex.europa.eu/eli/reg/2024/1689/oj/eng.

IBM Institute for Business Value. 5 Trends for 2024: 61% of CEOs say worries about data lineage and provenance will be a barrier to adopting generative AI. URL: ibm.com/thought-leadership/institute-business-value/en-us/report/business-trends-2024.

The Apple Card algo issue: What you need to know about A.I. in everyday life // CNBC. 2019. URL: cnbc.com/2019/11/14/apple-card-algo-affair-and-the-future-of-ai-in-your-everyday-life.html.

$51.75M Settlement in Clearview AI Biometric Privacy Litigation Illustrates Creative Resolution for Startups Facing Parallel Litigation and Enforcement Action. Regulatory oversight, 2025.

Landmark ruling by Dutch court stops government attempts to spy on the poor — UN expert // United Nations, 2020. URL: ohchr.org/en/press-releases/2020/02/landmark-ruling-dutch-court-stops-government-attempts-spy-poor-un-expert.

Например, база данных инцидентов риска ИИ Массачусетского технологического института (The MIT AI Risk Repository) содержит уже более 2000 инцидентов.

Рекомендации участникам финансового рынка по концептуальному дизайну процесса «Руководство данными». М., 2024. URL: cbr.ru/content/document/file/170698/recommendations_27122024_4.pdf.

Например, в европейской и китайской.

ERJ Global Tire Report, 2025. URL: european-rubber-journal.com/files/assets/documents/2151842/GTR%202025.pdf.

Michelin: From Siloed Data to a Global AI Fabric With Dataiku. URL: dataiku.com/stories/detail/michelin/.

Стоит отметить, что разные отрасли имеют разный потенциал получения эффектов от технологического лидерства. Так, согласно исследованию McKinsey&Company от 2024 года Rewired and running ahead: Digital and AI leaders are leaving the rest behind, среднегодовые темпы роста возврата на акционерный капитал для компаний из сферы услуг (страхование) в 6 раз различаются между лидерами цифровой повестки и ИИ и аутсайдерами, тогда как разрыв в сфере энергетики — всего в два раза. Это означает, что в ряде индустрий, например бигтехов, работа с данными и ИИ приносит гораздо больше финансовых эффектов. Именно поэтому на их подходы стоит равняться как на лучшую практику. При этом ожидания по эффектам должны быть скорректированы в зависимости от отраслевой принадлежности компании.

Обратимся к одному из наиболее авторитетных медицинских объединений — Американской кардиологической ассоциации (American Heart Association, AHA). Согласно их исследованию, проведенному для 120 тысяч человек за более чем 30 лет наблюдения, продолжительность жизни более чем на 12 лет дольше у некурящих людей с нормальным индексом массы тела, получающих более 30 минут физических нагрузок в день, умеренно потребляющих алкоголь и придерживающихся высокого качества диеты по сравнению с людьми, не придерживающимися ни одной из этих привычек. См., например: Li Y., Pan A., Wang D. D. et al. Impact of Healthy Lifestyle Factors on Life Expectancies in the US Population, 2018. Осталось лишь осознать, чего стоят двенадцать дополнительных лет жизни, чтобы замотивировать себя на ежедневную утреннюю зарядку.

Метрики выбраны авторами на основании рыночной практики и материалов на базе публичных источников, например: Data-Driven Transformation: Accelerate at Scale Now, BCG. Data management and Governance, PwC и др.

Под моделью продвинутой аналитики может пониматься как классическая статистическая или машинная модель (например, логистическая регрессия или градиентный бустинг), так и специализированное решение, построенное на базе большой языковой модели (LLM), например ChatGPT или Gigachat.

Годовые затраты на платформу данных для упрощения включают в себя затраты на внедрение, доработку и поддержку платформы в годовом выражении, а также затраты на реализацию модели доступов к данным, правил производства ИТ-продуктов и затраты на инфраструктуру, необходимую для функционирования платформы.

По данным из практического опыта авторов.

LLM (Large Language Models) — большие языковые модели. Прим. ред.

Данные на основании практического опыта авторов. Метрика 70% релевантна для крупных организаций с большим количеством ИТ-систем (более 1500) и штатом ИТ-департамента от 3000 человек.

В частности, в аудиторской деятельности проверка профессионального суждения компании — область повышенного риска и значимое ограничение аудита, что зафиксировано в российских и международных стандартах аудита. Мнению (профессиональному суждению) компании можно противопоставить только мнение (профессиональное суждение) аудитора, и определить, чье же суждение более «профессионально», невозможно, согласно стандартам международных регуляторов.

Чтобы понять масштаб и уровень детализации расчета эффектов от работы с данными, можно обратиться к методике оценки эффектов от внедрения ИИ, разработанной Альянсом в сфере искусственного интеллекта («Методология оценки финансовой эффективности от ИИ / ГенИИ»). Также нужно понимать, что не все эффекты от программы управления данными могут быть оценены количественно, некоторые будут качественными. Это норма для любой стратегической программы, в том числе программы по данным.

Якокка Л. Карьера менеджера. Минск: Попурри, 2022.

Вопросы ИТ-инфраструктуры, продвинутости хранилища (DWH) или платформы данных, а также статуса программы импортозамещения, актуальные для российского бизнеса начиная с 2022 года, остаются за рамками этой книги, хотя их понимание важно для извлечения ценности из данных. Для погружения в эту тему рекомендуем почитать, например: Майхжак Я., Балноян С., Сивяк М. «Data mesh в действии» или Горелик А. «Корпоративное озеро больших данных. Новый подход к использованию Big Data и Data Science в бизнесе».

На практике включать бюджет на трансформацию платформы данных в программу управления данными требуется не всегда, например, когда для модернизации или импортозамещения платформы данных уже выделены ресурсы в рамках отдельной стратегической программы в компании. Это бывает, когда развитие и/или поддержка платформы данных не входят в сферу ответственности CDO.

«Ракета» (Rocket) — один из первых в мире паровозов, построенный Р. и Дж. Стефенсонами в 1829 году.

Generative AI: Steam Engine of the Fourth Industrial Revolution? // Davos, 2024. World Economic Forum. URL: weforum.org/meetings/world-economic-forum-annual-meeting-2024/sessions/industry-applications-of-generative-ai/.

Исигуро К. Клара и Солнце. М.: Эксмо, 2021.

Пелевин В. Transhumanism Inc. М.: Эксмо, 2021.

Трудная проблема сознания была сформулирована Д. Чалмерсом в 1995 году в статье Facing Up to the Problem of Consciousness и не решена до сих пор.

Бостром Н. Искусственный интеллект. Этапы. Угрозы. Стратегии. М.: Манн, Иванов и Фербер, 2016.

Кай Фу Ли в рамках панельной дискуссии Digital Brige 2025, Астана, Казахстан: «Стратегии цифровизации: как правительства и бизнес формируют будущее с помощью ИИ».

Beyond AGI: Ray Kurzweil’s Vision of Human-AI Merger and Technological Transcendence. URL: twit.tv/posts/tech/beyond-agi-ray-kurzweils-vision-human-ai-merger-and-technological-transcendence.

Национальная стратегия развития искусственного интеллекта на период до 2030 года. URL: consultant.ru/document/cons_doc_LAW_335184/1f32224a00901db9cf44793e9a5e35567a4212c7/.

В первую очередь речь, конечно, о Калифорнии, штаб-квартире большинства технологических гигантов.

FLOPS — FLoating-point OPerations per Second — метрика для измерения производительности суперкомпьютеров. На настоящий момент самый производительный компьютер имеет производительность более 1 эксафлопса, то есть способен проводить более 1018 операций в секунду.

World Data More Than Doubling Every Two Years. Dell Technologies, 2011.

Will we run out of data? Limits of LLM scaling based on human-generated data // Epoch AI. 2024. URL: epoch.ai/blog/will-we-run-out-of-data-limits-of-llm-scaling-based-on-human-generated-data.

Gerstgrasser M., Schaeffer R., Dey A., Rafailov R., Pai D. Is Model Collapse Inevitable? Breaking the Curse of Recursion by Accumulating Real and Synthetic Data, 2024.

Национальная стратегия развития искусственного интеллекта на период до 2030 года. URL: a-ai.ru/wp-content/uploads/2024/03/Национальная_стратегия_развития_ИИ_2024.pdf.

Советуем изучить результаты форсайт-сессий, проведенных Альянсом в сфере искусственного интеллекта: «Горизонты Искусственного интеллекта. Какими будут технологии ИИ через 10 лет» (a-ai.ru/wp-content/themes/Alliance/static/files/horizont.pdf).

OpenAI Must Disclose Attorney Messages in Copyright Lawsuit (2) // Bloomberg Law. 2025. URL: news.bloomberglaw.com/ip-law/openai-ordered-to-disclose-attorney-messages-in-copyright-case.

A request regarding the operation of «Sora 2» was submitted to OpenAI // CODA. 2025.

В России планируется создать государственную фабрику больших данных. Министр цифрового развития Максут Шадаев подчеркнул, что в настоящее время главный фокус государства заключается в переходе от стратегии к практическому внедрению и акценте на данных (ТАСС, 2024).

Мишустин анонсировал законопроект о критериях ИИ для госсистем // РБК. 2026. URL: rbc.ru/rbcfreenews/699ee1b59a79476722371f37.

European Health Data Space Regulation (EHDS), 2025. URL: health.ec.europa.eu/ehealth-digital-health-and-care/european-health-data-space-regulation-ehds_en.

A European strategy for data, European Commission 2020. URL: digital-strategy.ec.europa.eu/en/policies/strategy-data.

EU Data Spaces on the rise: What companies need to know now from a legal perspective // HEUKING. 2026. URL: heuking.de/en/news-events/newsletter-articles/detail/eu-digital-law-2026-an-overview-of-the-most-important-changes.html.

Tech lobbyists are running the table on state privacy laws // Politico. 2023. URL: politico.com/news/2023/08/16/tech-lobbyists-state-privacy-laws-00111363.

По заявлению Лю Лихуна, главы Национального бюро данных Китая в SCIO briefing on promoting high-quality development: National Data Administration, 2024.

A Preliminary Discussion on International Rules for Data Trade // Kings & Woods Millesons. 2025. URL: kingandwood.com/global/en/insights/latest-thinking/international-rules-on-data-trading.html.

Data Marketplace Regulation in China. URL: https://cbltranslations.com/en-us/china-law/privacy/data-marketplaces-explained/#_Toc200627870.

Бизнес просит власти узаконить оборот баз данных, нужных для развития ИИ // CNews. 2026. URL: cnews.ru/news/top/2026–01–22_biznes_predlagaet_uzakonit.

НРД запустил Центр корпоративной информации // MOEX. 2026. URL: moex.com/n98164.

ВТБ предлагает создать в России биржу данных по примеру Китая // Kazan Digital Week. 2025. URL: kp.ru/online/news/6576222/.

Arrieta Ibarra I., Goff L., Jiménez Hernández D. et al. Should We Treat Data as Labor? Moving Beyond «Free». URL: pinguet.free.fr/dataaslab.pdf.

Data Ownership: Who Owns «My Data» // International Journal of Management & Information Technology. 2012. November. Vol. 2. No. 1. P. 1–8.

The GDPR: Halfway between consumer protection and data ownership rights // Journal of Digital Banking. 2018. August. Vol. 3. No. 1.

Гражданский кодекс Российской Федерации, ст. 1260, п. 2. URL: consultant.ru/document/cons_doc_LAW_64629/26eaf5de7ca59025f4388fe2980d3dd03dd5e775/.

Sweeney L. Simple Demographics Often Identify People Uniquely. Carnegie Mellon University. 2000. URL: dataprivacylab.org/projects/identifiability/paper1.pdf.

Rocher L., Hendrickx J.M., de Montjoye Y.-A. Estimating the success of re-identifications in incomplete datasets using generative models // Nature communications. 2019. URL: nature.com/articles/s41467–019–10933–3.

См., например: Sharing Trustworthy AI Models with Privacy-Enhancing Technologies // OECD Artificial Intelligence Papers. 2025. June. No. 38. URL: oecd.org/en/publications/sharing-trustworthy-ai-models-with-privacy-enhancing-technologies_a266160b-en.html.

Андрей Белевцев: «Перестать развивать ИИ — значит выпасть из гонки навсегда» // Российская газета. 2026. URL: rg.ru/2026/03/03/andrej-belevcev-perestat-razvivat-ii-znachit-vypast-iz-gonki-navsegda.html.

Это может показаться смешным или невероятным, но до сих пор даже в самых технологичных российских компаниях мы получаем доступы к данным на протяжении как минимум нескольких недель, а чаще — месяца с момента трудоустройства.

CI/CD — это методология разработки программного обеспечения, представляющая собой комбинацию непрерывной интеграции (continuous integration) и непрерывного развертывания (continuous delivery, или continuous deployment).

В ряде крупных организаций за обучение навыкам и знаниям в области ИИ отвечает отдельный руководитель направления ИИ (или даже ГенИИ).

RAG (Retrieval Augment Generation) — это способ генерации ответа большой языковой моделью, когда данные, на которых модель обучалась, дополняются данными из заранее выбранных источников (сети интернет или, к примеру, внутренних корпоративных порталов вашего бизнеса).

Адизес И. К. Управление жизненным циклом корпораций. М.: Манн, Иванов и Фербер, 2014.

Метанавыки — навыки более высокого порядка, которые позволяют их обладателю применять стандартные soft- и hard-skills. Подробнее см.: Навыки лидера будущего. Исследование Академии «Технологии Доверия», 2025. URL: training.tedo.ru/upload/docs/Исследование_Навыки_лидера_будущего_2025.pdf.

Евангелие от Матфея, глава 13, стих 12 (Синодальный перевод).

Стив Джобс, создавая дизайн будущего iPhone, вдохновлялся черным монолитом Стэнли Кубрика — артефактом, который инопланетные цивилизации, по сценарию фильма «2001 год: Космическая одиссея», оставили на Луне без объяснения причин и его назначения.