Единственная в России конференция по всем аспектам обеспечения качества данных
Москва
Стратегии, инструменты, отраслевой опыт
Доклады, мастер-классы, нетворкинг
До 31 декабря специальные условия по участию
ДОСТОВЕРНЫЕ ДАННЫЕ – НАДЕЖНАЯ ПЛАТФОРМА ЦИФРОВОЙ ЭКОНОМИКИ
14 февраля
Конференция «Качество данных 2024»
Единственная в России конференция, посвященная решениям обеспечения гарантированного качества данных в условиях динамичных изменений и экономической неопределенности.
ДМИТРИЙ ВОЛКОВ
программный директор серии практических конференций издательства
«Открытые системы»
«Открытые системы»
«В условиях динамичных изменений в экономике и коррекции политической повестки недостаточно лишь оптимально хранить и вовремя доставлять потребителям массивы нулей и единиц — для экономики данных буквально жизненно необходимо уметь в разных контекстах повторно использовать все доступные сведения, обогащать их, обеспечивая качество и связанность, преобразуя сырые данные в знания. Поэтому неудивительно, что растет актуальность вопросов обеспечения качества данных и, как следствие, крепнет интерес к нашей конференции, посвященной обсуждению стратегий, методов и опыта построения, а также эксплуатации надежной цепочки контроля качества данных.»
Темы:
› Как построить стратегию устойчивого управления качеством данных?
› Опыт развертывания и эксплуатации систем управления качеством данных: от корпораций до SMB
› Как защитить компании от ввода заведомо некорректных данных?
› Очистка данных: устранение дублирования
и неопределенностей, контроль происхождения
и зависимостей
› Опыт развертывания и эксплуатации систем управления качеством данных: от корпораций до SMB
› Как защитить компании от ввода заведомо некорректных данных?
› Очистка данных: устранение дублирования
и неопределенностей, контроль происхождения
и зависимостей
› Управление метаданными и затратами на обеспечение качества данных
› Как обеспечить доверие к данным?
› Опыт миграции систем управления качеством данных: новые задачи, сохранение качества данных при переносе, обеспечение надежности
› Выбор инструментов управления качеством данных
› Системы самообслуживания управления качеством данных
› Как обеспечить доверие к данным?
› Опыт миграции систем управления качеством данных: новые задачи, сохранение качества данных при переносе, обеспечение надежности
› Выбор инструментов управления качеством данных
› Системы самообслуживания управления качеством данных
В программе:
Стратегии
• влияние качества данных на бизнес-результаты: метрики, аудит, мониторинг,
управление затратами
• архитектура данных: потоки и модели, анализ происхождения и зависимости
консолидация данных: очистка, обогащение, устранение дублирования, управление изменениями
• качество реестровой и справочной информации, устранение неопределенностей
• Data Governance: стратегия, стандарты, политики, процедуры, процессы,
владельцы и кураторы данных
• конвейер обеспечения качества данных: методология и подходы с учетом особенностей конкретной организации
• безопасная работа с персональными данными
управление затратами
• архитектура данных: потоки и модели, анализ происхождения и зависимости
консолидация данных: очистка, обогащение, устранение дублирования, управление изменениями
• качество реестровой и справочной информации, устранение неопределенностей
• Data Governance: стратегия, стандарты, политики, процедуры, процессы,
владельцы и кураторы данных
• конвейер обеспечения качества данных: методология и подходы с учетом особенностей конкретной организации
• безопасная работа с персональными данными
Платформы
• критерии выбора
• универсальные отечественные платформы управления качеством данных
• средства подготовка данных для бизнес-аналитики и ИИ.
• управление мастер-данными
• интеграция данных
• универсальные отечественные платформы управления качеством данных
• средства подготовка данных для бизнес-аналитики и ИИ.
• управление мастер-данными
• интеграция данных
Практика
• формирование культуры работы с данными
• консолидация данных, сертификация и нормативное регулирование
• выстраивание цепочки контроля качества данных
• опыт миграции на отечественные системы управления качеством данных
• профилирование, контроль и измерение, мониторинг и управление инцидентами
• обеспечение безопасного переноса данных при миграции
• «умное» управление качеством в реальном времени
• отраслевой опыт: промышленность, финансы, ретейл, ТЭК, транспорт, телеком, государственное управление, страхование…
• консолидация данных, сертификация и нормативное регулирование
• выстраивание цепочки контроля качества данных
• опыт миграции на отечественные системы управления качеством данных
• профилирование, контроль и измерение, мониторинг и управление инцидентами
• обеспечение безопасного переноса данных при миграции
• «умное» управление качеством в реальном времени
• отраслевой опыт: промышленность, финансы, ретейл, ТЭК, транспорт, телеком, государственное управление, страхование…
Целевая аудитория:
› топ-менеджмент российских и международных компаний
› руководители функциональных подразделений и направлений, ведущие специалисты
› директора по развитию бизнеса и цифровой трансформации
› бизнес-руководители, руководители проектов и продуктов
› аналитики, консультанты, специалисты по данным и эксперты по качеству данных
› представители органов власти и управления, профильных ассоциаций и союзов
› руководители функциональных подразделений и направлений, ведущие специалисты
› директора по развитию бизнеса и цифровой трансформации
› бизнес-руководители, руководители проектов и продуктов
› аналитики, консультанты, специалисты по данным и эксперты по качеству данных
› представители органов власти и управления, профильных ассоциаций и союзов
Спикеры:
«Норникель»
«Газпром нефть»
Контроль клиентских данных: сложности первых шагов внедрения
Евгений Быков
ПСБ
ПСБ
«Газпромбанк»
ВТБ
«М.Видео-Эльдорадо»
«ВсеИнструменты.ру»
«ВкусВилл»
Модераторы секций
Виталий Когтев,
«Газпром нефть»
«Газпром нефть»
Владимир Анисимов,
«Сибинтек-Софт»
«Сибинтек-Софт»
Виталий Когтев, модератор, «Газпром нефть»
Окончил Сибирскую Аэрокосмическую Академию по специальности «системный анализ» и Санкт-Петербургский Международный Институт Менеджмента (ИМИСП). Более 20 лет опыта работы в ИТ-индустрии: управление проектами, системный и бизнес-анализ; внедрение процессов и инструментов Data Governance. Участвовал в проектировании и развертывании новой организационной модели «Управление данными» в «Газпром нефть», выполнял постановку и контроль «образа результата» инструментов управления данными: бизнес-глоссарий, каталог данных, качество данных. Имеет сертификат CDMP (Certified Data Management Professional). Сейчас — руководитель направления методологии управления данными, Управления по организации работы с данными, Дирекции экономики и корпоративного планирования ПАО «Газпром нефть».
Вернуться
к докладчикам
к докладчикам
Владимир Анисимов, «Сибинтек-Софт»
Окончил Московский Индустриальный университет по специальностям Физика и Экономика и Управление на предприятиях машиностроения. Почти 20 лет опыта работы в энергетике: АО «Мосэнергосбыт» – CDTO; «Интер РАО» – внедрение систем бизнес-аналитики в контуре группы, системы автоматизированного сбора задолженности с использованием машинного обучения, применение RPA-технологий в бизнес-процессах юридического блока, внедрение механизмов нормализации данных. Сейчас – директор направления инновационных продуктов «Сибинтек-Софт».
Вернуться
к докладчикам
к докладчикам
Эффективность любой корпоративной информационной системы определяется качеством и достоверностью содержащихся в ней данных – именно вера пользователя в истинность сведений делает систему пригодной для использования. Но на практике возможно появление в системе ложных данных.
На базе стека Open Source в «Газпромбанке» развернута система, позволившая решить ключевые задачи управления качеством данных.
Данные для любого предприятия цифровой экономики — это ценный актив, но как его измерить, а специалистам по управлению данными обосновать перед руководством экономический эффект от проектов, направленных на повышение качества данных?
В рамках конференции «Качество данных — 2023» выступающие использовали такие метафоры, как «путь самурая» и «покорение космоса». Все больше компаний ассоциируют управление качеством данных с бесконечным процессом, но при этом признают его растущую важность.
Конференция «Качество данных — 2021» высветила проблемы человеческого фактора
в управлении данными.
в управлении данными.
В Сбере создали «Рабочее место D-people» — удобный сервис для исследователей данных, который позволил сократить время разработки и вывода модели в производство с более чем трех месяцев до одного дня. CDO Сбербанка Борис Рабинович рассказывает о фабрике, лаборатории и супермаркете данных, а также о новом клиентском опыте дата-специалистов.
Данные стали сегодня ценным активом для компаний, однако важную роль в его монетизации играет успешная реализация инициатив по повышению компетенций в области аналитики и доступности данных.
Вероника Панайотова, «Сибур Диджитал»
Окончила Российский государственный торгово-экономический Университет (РГТЭУ) и Сахалинский государственный университет. Более 20 лет опыта работы в области управления информацией для федеральных нефтегазовых и нефтехимических/газохимических проектов: «Сахалинская энергия», «Ямал СПГ», Petroleum Development Oman – организация с нуля и построение процессов управления данными, обеспечение технической документацией и 3D-моделями для проектов в России, Азиатско-Тихоокеанском регионе и на Ближнем Востоке. Сейчас – руководитель группы по управлению инженерными данными ООО «Сибур Диджитал».
Управление качеством инженерных данных
Деятельность любой вертикально-интегрированной компании по добыче углеводородов невозможна без интегрированной системы, объединяющей месторождения, средства добычи, газо- и нефтепроводы, перерабатывающие мощности, а иногда и сеть реализации нефтепродуктов. Основа такой системы – инженерные данные, возникающие на каждом этапе жизненного цикла переработки сырья, начиная от разведки месторождений, добычи, переработки углеводородного сырья и кончая реализацией потребителям готовых продуктов. От качества инженерных данных непосредственно зависит успех бизнеса компании и реализации ее проектов. Доклад посвящен обсуждению особенностей использования стандартов и библиотек справочных данных, организации бизнес-процессов обеспечения качества инженерных данных, обеспечивающих их консолидацию, исключение дублирования и неопределенностей.
Деятельность любой вертикально-интегрированной компании по добыче углеводородов невозможна без интегрированной системы, объединяющей месторождения, средства добычи, газо- и нефтепроводы, перерабатывающие мощности, а иногда и сеть реализации нефтепродуктов. Основа такой системы – инженерные данные, возникающие на каждом этапе жизненного цикла переработки сырья, начиная от разведки месторождений, добычи, переработки углеводородного сырья и кончая реализацией потребителям готовых продуктов. От качества инженерных данных непосредственно зависит успех бизнеса компании и реализации ее проектов. Доклад посвящен обсуждению особенностей использования стандартов и библиотек справочных данных, организации бизнес-процессов обеспечения качества инженерных данных, обеспечивающих их консолидацию, исключение дублирования и неопределенностей.
Вернуться
к докладчикам
к докладчикам
Екатерина Моисеева, Tele2
Более 20 лет опыта работы в телекоммуникационной индустрии, из которых более половины в сфере обработки данных: «Вымпелком»; «Газпром телеком»; «Сбербанк»; «Салым Петролеум Девелопмент Н.В.», дочернее предприятие «Шелл Салым Девелопмент Б.В.» – технический аналитик по качеству корпоративных данных, кураторство деятельности по обеспечению качества данных; «Газпром нефть» – ответственная за формирование культуры работы с данными и популяризацию технологий и методов повышения их качества. Сейчас -- руководитель направления качества данных в компании Tele2.
Автоматизация процессов контроля качества данных
Данные – это, в конечном счете, информация. А кто владеет миром? Тот у кого эта информация корректна и актуальна. Успех любой современной компании определяется ее умением обеспечивать качество данных – нельзя доверять сведениям, приблизительно, с ошибками или задним числом отражающим реальное состояние бизнес-процессов. Однако, разнообразие, изобилие источников и объем данных, которая компания вынуждена сегодня обрабатывать в динамике усложняют задачу обеспечения качества данных – без средств автоматизации и инструментов самообслуживания качественных данных получить невозможно. Доклад посвящен обсуждению особенностей расстановки приоритетов при решении задачи управления качеством данных, выбору соответствующих инструментов автоматизации, а также секретам интеграции с уже существующими корпоративными информационными системами. Особое внимание уделено анализу опыта и результатов внедрения автоматизированной системы управления качеством данных, используемой сегодня в режиме промышленной эксплуатации.
Данные – это, в конечном счете, информация. А кто владеет миром? Тот у кого эта информация корректна и актуальна. Успех любой современной компании определяется ее умением обеспечивать качество данных – нельзя доверять сведениям, приблизительно, с ошибками или задним числом отражающим реальное состояние бизнес-процессов. Однако, разнообразие, изобилие источников и объем данных, которая компания вынуждена сегодня обрабатывать в динамике усложняют задачу обеспечения качества данных – без средств автоматизации и инструментов самообслуживания качественных данных получить невозможно. Доклад посвящен обсуждению особенностей расстановки приоритетов при решении задачи управления качеством данных, выбору соответствующих инструментов автоматизации, а также секретам интеграции с уже существующими корпоративными информационными системами. Особое внимание уделено анализу опыта и результатов внедрения автоматизированной системы управления качеством данных, используемой сегодня в режиме промышленной эксплуатации.
Вернуться
к докладчикам
к докладчикам
Сергей Гарбук, ТК164
Окончил Военный инженерный институт им. А.Ф. Можайского и Российскую академию государственной службы при Президенте Российской Федерации, к.т.н. Сейчас – председатель технического комитета 164 «Искусственный интеллект» Федерального агентства по техническому регулированию и метрологии (Росстандарт); Директор по научным проектам, НИУ ВШЭ.
Функциональность и безопасность систем искусственного интеллекта: качество данных
Возможности систем искусственного интеллекта во многом определяются качеством обучающих, тестовых наборов данных, а также данных, используемых на стадии эксплуатации для дообучения. В докладе представлена модель жизненного цикла системы ИИ и проанализированы возможные причины снижения качества используемых наборов данных. Показывается, как нарушение целостности и конфиденциальности наборов приводит к ухудшению функциональных характеристик системы искусственного интеллекта и компрометации данных как о самой системе, так и о третьих лицах, принимавших участие в ее создании и эксплуатации. Предлагается подход к анализу качества используемых данных, проиллюстрированный, в том числе, на примере обезличивания персональных данных. Кроме того, на конкретных отраслевых примерах в докладе рассмотрены три группы рисков, обусловленных нарушением функциональности систем и приводящих к реализации угроз физической, ментальной и экономической безопасности в отношении как пользователей систем ИИ, так и третьих лиц.
Возможности систем искусственного интеллекта во многом определяются качеством обучающих, тестовых наборов данных, а также данных, используемых на стадии эксплуатации для дообучения. В докладе представлена модель жизненного цикла системы ИИ и проанализированы возможные причины снижения качества используемых наборов данных. Показывается, как нарушение целостности и конфиденциальности наборов приводит к ухудшению функциональных характеристик системы искусственного интеллекта и компрометации данных как о самой системе, так и о третьих лицах, принимавших участие в ее создании и эксплуатации. Предлагается подход к анализу качества используемых данных, проиллюстрированный, в том числе, на примере обезличивания персональных данных. Кроме того, на конкретных отраслевых примерах в докладе рассмотрены три группы рисков, обусловленных нарушением функциональности систем и приводящих к реализации угроз физической, ментальной и экономической безопасности в отношении как пользователей систем ИИ, так и третьих лиц.
Вернуться
к докладчикам
к докладчикам
Борис Вольфсон, СберМаркет
Сейчас – вице-президент по продукту и данным в компании СберМаркет.
Как сделать большую компанию data-driven
Сегодня все компании заявляют о своем намерении стать «data-driven», чтобы на основе данных принимать управленческие решения, надеясь более качественно реализовывать бизнес-инициативы, что в определенный момент может стать конкурентным преимуществом, которое другим игрокам рынка будет крайне сложно повторить, потому что основу решений составляет сочетание конкретных инструментов, процессов и корпоративной культуры. Однако на этом пути возникает множество вопросов, от ответов на которые и будет зависеть успех движения компании по пути к data-driven.Как измерить в компании степень ее управляемости на основе данных? Какие надо использовать инструменты и методы анализа данных и машинного обучения? Какую роль играет качество данных и как обеспечить управление им? Ответам на эти и другие вопросы посвящен доклад, построенный на анализе опыта движения компании СберМаркет к управляемой данными, путем, в частности, развертывания у себя аналитических решений и систем машинного обучения. Кроме этого в докладе обсуждаются особенности построения и применения дерева метрик, дальнейшие пути развития в компании культуры работы с данными, а также инструменты коммуникаций, помогающие на пути к data-driven.
Сегодня все компании заявляют о своем намерении стать «data-driven», чтобы на основе данных принимать управленческие решения, надеясь более качественно реализовывать бизнес-инициативы, что в определенный момент может стать конкурентным преимуществом, которое другим игрокам рынка будет крайне сложно повторить, потому что основу решений составляет сочетание конкретных инструментов, процессов и корпоративной культуры. Однако на этом пути возникает множество вопросов, от ответов на которые и будет зависеть успех движения компании по пути к data-driven.Как измерить в компании степень ее управляемости на основе данных? Какие надо использовать инструменты и методы анализа данных и машинного обучения? Какую роль играет качество данных и как обеспечить управление им? Ответам на эти и другие вопросы посвящен доклад, построенный на анализе опыта движения компании СберМаркет к управляемой данными, путем, в частности, развертывания у себя аналитических решений и систем машинного обучения. Кроме этого в докладе обсуждаются особенности построения и применения дерева метрик, дальнейшие пути развития в компании культуры работы с данными, а также инструменты коммуникаций, помогающие на пути к data-driven.
Вернуться
к докладчикам
к докладчикам
Олег Молчанов, «Магнит»
Окончил Кубанский государственный университет по направлению Управление качеством в социально-экономической сфере. Более 10 лет опыта работы в ретейле, из которых пять лет, специализируется на управлении данными. Сейчас – руководитель направления по метаданным и качеству данных, Департамента по работе с данными компании «Магнит», отвечая за обеспечение доверия сотрудников к данным и развитие культуры data-driven.
Как привлечь бизнес к управлению качеством данных?
Розничный бизнес в масштабах компании «Магнита» означает наличие огромного объема данных, поступающих из сотен систем, с которыми регулярно взаимодействует более 10 тыс. сотрудников, работающих с отчетами и результатами аналитики ad-hoc. Эффективно управлять процессами в этих условиях можно только при использовании качественных данных и однозначного понимания пользователями их смысла. Всего этого невозможно добиться без вовлечения в процесс всех субъектов жизненного цикла данных – от поставщиков сырых сведений до конечных потребителей информации с четким разделением ответственности, назначением ролей и правил. Доклад посвящен обсуждению опыта внедрения операционной модели управления качеством данных. Особое внимание уделено инструменту – движущей силе внедрения политики качества данных, а также разбору опыта проведения мероприятий по вовлечению бизнеса в процесс управления качеством данных.
Розничный бизнес в масштабах компании «Магнита» означает наличие огромного объема данных, поступающих из сотен систем, с которыми регулярно взаимодействует более 10 тыс. сотрудников, работающих с отчетами и результатами аналитики ad-hoc. Эффективно управлять процессами в этих условиях можно только при использовании качественных данных и однозначного понимания пользователями их смысла. Всего этого невозможно добиться без вовлечения в процесс всех субъектов жизненного цикла данных – от поставщиков сырых сведений до конечных потребителей информации с четким разделением ответственности, назначением ролей и правил. Доклад посвящен обсуждению опыта внедрения операционной модели управления качеством данных. Особое внимание уделено инструменту – движущей силе внедрения политики качества данных, а также разбору опыта проведения мероприятий по вовлечению бизнеса в процесс управления качеством данных.
Вернуться
к докладчикам
к докладчикам
Михаил Кадер, независимый эксперт по информационной безопасности
Окончил РГУ нефти и газа по специальности «Автоматизированные системы управления». Почти 40 лет опыта работы в ИТ-индустрии: Министерство нефти и газа (сегодня ПАО «Газпром») – автоматизация финансовой деятельности; «Юнитек» – специалист службы технической поддержки и проектирования сетей; «СтинсКоман» – руководитель отдела системной интеграции; Cisco – системный инженер, консультант, заслуженный инженер по информационной безопасности: участвовал в обучении партнеров, продвижении решений по информационной безопасности, сертификации продукции компании во ФСТЭК, запуске локального производства на территории России. Стал первым сотрудником компании в России и Восточной Европе, получившем звание заслуженного системного инженера Cisco. Автор более 30 статей по информационной безопасности. Лауреат премии им. Г. Г. Стародубцевой, учрежденной общественно-государственным объединением «Ассоциация документальной электросвязи» за участие в международном проекте «Базовый уровень информационной безопасности операторов связи» и в разработке документов межоператорской группы анализа инцидентов.
Обеспечение качества данных: информационная безопасность
Изначальное предназначение любых проектов по информационной безопасности – решение задачи обеспечения целостности, доступности и конфиденциальности данных. И, конечно, качество данных, среди прочих факторов (дублирование, неактуальность, несогласованность, фрагментарность и пр.) зависит именно от того, насколько успешно решаются подобные задачи. Не были ли данные изменены злоумышленником? Имеют ли легитимные пользователи доступ к данным? В последнем случае качество последних вообще значения уже не имеет. Доклад посвящен «возврату к основам» решений по информационной безопасности, изначально предназначенных для предоставления легитимным пользователям своевременного доступа к данным с предоставлением гарантий исключения их искажения/недоступности либо с оперативным уведомлением о произошедшем инциденте и действиях по реагированию на него. Особое внимание уделено обсуждению конкретных примеров злонамеренного искажения данных.
Изначальное предназначение любых проектов по информационной безопасности – решение задачи обеспечения целостности, доступности и конфиденциальности данных. И, конечно, качество данных, среди прочих факторов (дублирование, неактуальность, несогласованность, фрагментарность и пр.) зависит именно от того, насколько успешно решаются подобные задачи. Не были ли данные изменены злоумышленником? Имеют ли легитимные пользователи доступ к данным? В последнем случае качество последних вообще значения уже не имеет. Доклад посвящен «возврату к основам» решений по информационной безопасности, изначально предназначенных для предоставления легитимным пользователям своевременного доступа к данным с предоставлением гарантий исключения их искажения/недоступности либо с оперативным уведомлением о произошедшем инциденте и действиях по реагированию на него. Особое внимание уделено обсуждению конкретных примеров злонамеренного искажения данных.
Вернуться
к докладчикам
к докладчикам
Сергей Муханов, Райффайзен Банк
Окончил Механико-математический факультет МГУ им. М.В.Ломоносова. Почти десять лет опыта работы в сфере аналитики и создания платформ данных: Тинькофф Банк, Тинькофф Мобайл, Vivid Money – аналитик данных, инженер данных, архитектор данных и руководитель продукта. Отвечал за проекты по внедрению отчетности, инструментов анализа и визуализации данных, хранилищ данных, политик и инструментов управления данными. Сейчас – Начальник отдела управления данными, Директор, Райффайзен Банк.
Пилотируем Data Mesh: от нуля к единице
Меняются технологии, тенденции сменяют одна другую, но всегда актуальна потребность в доступных и качественных данных для аналитики. Парадигма Data Mesh, бурно обсуждаемая в мировом профессиональном сообществе в последние годы, предлагает удовлетворить эту потребность, но не дает готовых рекомендаций и руководств. Доклад посвящен обсуждению подхода к пилотированию и внедрению Data Mesh в корпорации, анализу различных аспектов децентрализованного управления аналитическими данными: ответственность за данные, понимание данных и их качество. Особое внимание уделено разбору минимально достаточного для Data Mesh инструментария.
Меняются технологии, тенденции сменяют одна другую, но всегда актуальна потребность в доступных и качественных данных для аналитики. Парадигма Data Mesh, бурно обсуждаемая в мировом профессиональном сообществе в последние годы, предлагает удовлетворить эту потребность, но не дает готовых рекомендаций и руководств. Доклад посвящен обсуждению подхода к пилотированию и внедрению Data Mesh в корпорации, анализу различных аспектов децентрализованного управления аналитическими данными: ответственность за данные, понимание данных и их качество. Особое внимание уделено разбору минимально достаточного для Data Mesh инструментария.
Вернуться
к докладчикам
к докладчикам
Сергей Эндерс, «ВымпелКом»
Окончил Новосибирский Государственный Технический Университет (НГТУ), факультет «Радиоэлетроники и Физики». Почти 20 лет опыта работы в ИТ-индустрии: управление фродом, системы гарантирования доходов, управление данными, системы хранения и обработки данных. Сейчас – руководитель разработки решений по управлению фродом и гарантированию доходов, «ВымпелКом».
Качество данных и системы гарантирования доходов
Цель любого бизнеса – получение дохода, минимизируя потери и неконтролируемые издержки. Система гарантирования доходов призвана обнаруживать несоответствия или расхождения данных и вовремя оповещать об этом персонал. Подобные системы могут встать в ряду основных систем-индикаторов для всей компании, позволяя четко и быстро выявлять проблемы с качеством данных, помогая предотвращать и оценивать потери для бизнеса. Как обеспечить качество данных? Как повышать доверие к данным? Сколько стоит проверка качества данных? Доклад посвящен ответам на эти и другие вопросы, а также обсуждению опыта формирования доменных подходов к данным и влияния системы гарантирования доходов на качество данных не только в пределах собственного домена, но и всех смежных доменов компании. Особое внимание уделено разбору процесса поиска проблем, связанных с качеством данных, а также анализу примеров расчета стоимости проверки качества.
Цель любого бизнеса – получение дохода, минимизируя потери и неконтролируемые издержки. Система гарантирования доходов призвана обнаруживать несоответствия или расхождения данных и вовремя оповещать об этом персонал. Подобные системы могут встать в ряду основных систем-индикаторов для всей компании, позволяя четко и быстро выявлять проблемы с качеством данных, помогая предотвращать и оценивать потери для бизнеса. Как обеспечить качество данных? Как повышать доверие к данным? Сколько стоит проверка качества данных? Доклад посвящен ответам на эти и другие вопросы, а также обсуждению опыта формирования доменных подходов к данным и влияния системы гарантирования доходов на качество данных не только в пределах собственного домена, но и всех смежных доменов компании. Особое внимание уделено разбору процесса поиска проблем, связанных с качеством данных, а также анализу примеров расчета стоимости проверки качества.
Вернуться
к докладчикам
к докладчикам
Алексей Точилов, «М.Видео-Эльдорадо»
Окончил ВМК МГУ им. М.В.Ломоносова. Более 15 лет опыта работы в ИТ-индустрии, начиная от веб-разработчика, до технического директора дата-офиса, например в «Утконос» выстраивал работу хранилища данных и обеспечивающих систем, отладивал технические аспекты интеграции с корпоративной отчетностью, системами-источниками и с отделом продвинутой аналитики. Сейчас – руководитель продукта Data Governance в М.Видео-Эльдорадо, отвечая за адаптацию и внедрение практик Data Governance в процессы компании, а также разработку и внедрение системы каталогизации данных.
Качество и каталог данных – двусторонняя связь
В большой компании несколько информационных хранилищ часто построены на разных технологиях – у каждого имеется своя система проверки качества данных; своя команда поддержки, хорошо понимающая специфику конкретного инструмента; свои данные. Как выбрать из нескольких систем одну и надо ли это? Возможно, стоит оставить видовое разнообразие систем или все-таки определить доминантный вид? Доклад посвящен обсуждению архитектурного решения, принятого в «М.Видео-Эльдорадо», предусматривающего глубокую связку систем проверки качества данных и каталога данных.
В большой компании несколько информационных хранилищ часто построены на разных технологиях – у каждого имеется своя система проверки качества данных; своя команда поддержки, хорошо понимающая специфику конкретного инструмента; свои данные. Как выбрать из нескольких систем одну и надо ли это? Возможно, стоит оставить видовое разнообразие систем или все-таки определить доминантный вид? Доклад посвящен обсуждению архитектурного решения, принятого в «М.Видео-Эльдорадо», предусматривающего глубокую связку систем проверки качества данных и каталога данных.
Вернуться
к докладчикам
к докладчикам
Алевтина Тинас, Tele2
Окончила Липецкий государственный технический университет. Более 20 лет опыта работы в ИТ-индустрии, из них 15 лет в области управления данными: создание корпоративной аналитической системы в компании «Фольксваген Банк РУС»; развитие системы управления корпоративными данными в компании «СИБУР». Сейчас – руководитель департамента по управлению данными в компании Tele2, где отвечает за реализацию стратегии развития платформы данных, а также инструменты и процессы управления данными.
Елена Рябкова, Tele2
Почти 20 лет опыта работы в сфере телекоммуникаций – биллинговые системы. С 2020 года работает в компании Tele2 менеджером по качеству данных. Помимо операционной деятельности, направленной на улучшение качества данных, разработки проверок и витрин данных, занимается популяризацией знаний о процессах и инструментах управления качеством данных в компании. Участвовала в проекте внедрения промышленного решения Ataccama.
Елена Рябкова, Tele2
Почти 20 лет опыта работы в сфере телекоммуникаций – биллинговые системы. С 2020 года работает в компании Tele2 менеджером по качеству данных. Помимо операционной деятельности, направленной на улучшение качества данных, разработки проверок и витрин данных, занимается популяризацией знаний о процессах и инструментах управления качеством данных в компании. Участвовала в проекте внедрения промышленного решения Ataccama.
От автоматического выявления ошибок в данных к автоматическому исправлению
Данных идеального качества не бывает и все, что можно сделать, в связи с этим – признать неизбежным возникновение проблем при управлении качеством данных. Лучшее решение – сосредоточиться на том, как максимально быстро и эффективно выявлять, регистрировать и исправлять возникшие ошибки. Именно поэтому работу по налаживанию системы управления качеством данных целесообразно начинать с автоматизации процесса выявления ошибок. Как только ошибки сразу после их выявления будут автоматически регистрироваться в системе инцидент-менеджмента, можно приступать к автоматизации процесса их исправления. Доклад посвящен обсуждению опыта построения единого процесса автоматического «превращения» данных из некачественных в качественные с минимальными затратами ресурсов.
Данных идеального качества не бывает и все, что можно сделать, в связи с этим – признать неизбежным возникновение проблем при управлении качеством данных. Лучшее решение – сосредоточиться на том, как максимально быстро и эффективно выявлять, регистрировать и исправлять возникшие ошибки. Именно поэтому работу по налаживанию системы управления качеством данных целесообразно начинать с автоматизации процесса выявления ошибок. Как только ошибки сразу после их выявления будут автоматически регистрироваться в системе инцидент-менеджмента, можно приступать к автоматизации процесса их исправления. Доклад посвящен обсуждению опыта построения единого процесса автоматического «превращения» данных из некачественных в качественные с минимальными затратами ресурсов.
Вернуться
к докладчикам
к докладчикам
Борис Рожков, МТС
Окончил Московский Государственный Институт Электронной Техники (Технический Университет) (МИЭТ). Почти 20 лет опыта работы в сфере финансовой аналитики и управления качеством данных: HeadHunter Group; X5 Retail Group; Rosbank; «Промсвязьбанк»; Home Credit Bank. Сейчас – эксперт по качеству данных Центра практик администрирования данных в ПАО «МТС», отвечая за внедрение практик качества данных в продуктах экосистемы компании.
Изменение роли качества данных при переходе на модель Data Mesh
Современное развитие экосистем и их продуктовая трансформация, привели к тому, что централизованные модели управления данными, стали тормозить рост как самой системы в целом, так и каждого продукта в отдельности. В связи с этим, на смену централизованным моделям управления данными приходят федеративные. Самая известная и зарекомендовавшая себя – это модель Data Mesh, предложенная Жамак Дегани. Изменение общей парадигмы управления данными, неизбежно привело и к необходимости пересмотра конкретных практик Data Governance, и в частности Data Quality. Доклад посвящен обсуждению трансформации практик качества данных на примере развития децентрализованной модели управления данными в продуктовой экосистеме МТС.
Современное развитие экосистем и их продуктовая трансформация, привели к тому, что централизованные модели управления данными, стали тормозить рост как самой системы в целом, так и каждого продукта в отдельности. В связи с этим, на смену централизованным моделям управления данными приходят федеративные. Самая известная и зарекомендовавшая себя – это модель Data Mesh, предложенная Жамак Дегани. Изменение общей парадигмы управления данными, неизбежно привело и к необходимости пересмотра конкретных практик Data Governance, и в частности Data Quality. Доклад посвящен обсуждению трансформации практик качества данных на примере развития децентрализованной модели управления данными в продуктовой экосистеме МТС.
Вернуться
к докладчикам
к докладчикам
Сергей Федоров, Сбер
Окончил Финансовую Академию при Правительстве РФ. Более 30 лет опыта работы в финансовой сфере: Росбанк, банк «Возрождение». Руководил крупными проектами по повышению эффективности работы с данными: запуск централизованной системы управления качеством данных, внедрение ключевых процессов работы с данными, вывод в промышленную эксплуатацию автоматизированной системы управления справочной информацией, внедрение процесса согласования доступа к данным с высоким уровнем кибербезопасности. Сейчас – управляющий директор, Департамент управления данными (SberData), где координирует ключевые направления по работе с данными: Data Governance, качество данных, нормативно-справочная информация, доступ к данным, культура работы с данными.
Алексей Калинов, Сбер
Окончил Волжскую государственную академию водного транспорта. Почти десять лет опыта работы в сфере управления качеством данных в Сбере, пройдя путь от специалиста до руководителя команды, создав команду разработки проверок качества данных и внедрив ряд инструментов контроля качества данных. Сейчас – исполнительный директор, владелец продукта «Инструменты контроля качества данных» в ПАО «Сбербанк».
Алексей Калинов, Сбер
Окончил Волжскую государственную академию водного транспорта. Почти десять лет опыта работы в сфере управления качеством данных в Сбере, пройдя путь от специалиста до руководителя команды, создав команду разработки проверок качества данных и внедрив ряд инструментов контроля качества данных. Сейчас – исполнительный директор, владелец продукта «Инструменты контроля качества данных» в ПАО «Сбербанк».
Искусственный интеллект на службе качества данных
Как превентивно увидеть ошибки в данных, когда еще даже не сформулированы требования к качеству данных? Что делать, если на работу с качеством данных как всегда не хватает ресурсов владельцев данных? Искусственный интеллект поможет найти ответы на эти другие вопросы, опираясь на соответствующие модели процессов управления качеством данных. Доклад посвящен обсуждению опыта развертывания и эксплуатации решения ИИ-мониторинга качества данных, работающего сегодня в Сбербанке.
Как превентивно увидеть ошибки в данных, когда еще даже не сформулированы требования к качеству данных? Что делать, если на работу с качеством данных как всегда не хватает ресурсов владельцев данных? Искусственный интеллект поможет найти ответы на эти другие вопросы, опираясь на соответствующие модели процессов управления качеством данных. Доклад посвящен обсуждению опыта развертывания и эксплуатации решения ИИ-мониторинга качества данных, работающего сегодня в Сбербанке.
Вернуться
к докладчикам
к докладчикам
Антон Гельмут, «Сапиенс солюшнс»
Окончил НИЯУ МИФИ,специальный факультет физики. Почти 20 лет опыта внедрения и сопровождения аналитических хранилищ данных в ретейле и банках с использованием продуктов SAP, Arenadata, а также технологий c открытым кодом. Соучредитель компании «Сапиенс солюшнс». Сейчас – директор проектов и архитектор аналитических решений в компании «Сапиенс солюшнс».
Подход к реализации системы управления качеством данных по стандартам ISO 8000-6x
Рост количества разнообразных источников данных сильно усложняет ETL-процессы и процессы сопровождения хранилищ данных и подготовки аналитической отчетности. Автоматизированные системы управления качеством данных позволяют снизить трудозатраты на сопровождение, минимизировать риски связанные с человечески фактором, а также вовлечь ключевых пользователей в процессы управления качеством данных. В докладе рассматриваются вопросы построения системы контроля качества данных, поддерживающие продуктовый подход к данным, в соответствии со стандартами ISO 8000-6x. Особое внимание уделено обсуждению секретов привлечения ключевых бизнес-пользователей к решению задач контроля за применимостью конкретных данных для использования в различных формах аналитической отчетности.
Рост количества разнообразных источников данных сильно усложняет ETL-процессы и процессы сопровождения хранилищ данных и подготовки аналитической отчетности. Автоматизированные системы управления качеством данных позволяют снизить трудозатраты на сопровождение, минимизировать риски связанные с человечески фактором, а также вовлечь ключевых пользователей в процессы управления качеством данных. В докладе рассматриваются вопросы построения системы контроля качества данных, поддерживающие продуктовый подход к данным, в соответствии со стандартами ISO 8000-6x. Особое внимание уделено обсуждению секретов привлечения ключевых бизнес-пользователей к решению задач контроля за применимостью конкретных данных для использования в различных формах аналитической отчетности.
Вернуться
к докладчикам
к докладчикам
Мария Аверина, Navicon
Более 15-лет опыта работы с корпоративными хранилищами данных, системами планирования (CPM) и платформами бизнес-аналитики от ведущих зарубежных (Microsoft, Tableau, Qlik) и российских вендоров. Преподаватель НИУ ВШЭ – бизнес-аналитика образовательной программы «Бизнес-информатика». Сейчас – партнер по управлению департаментом бизнес-аналитики компании Navicon, отвечает за разработку и вывод на рынок решения для комплексной аналитики каналов дистрибуции (Trade Data Consolidation), управления отношениями с дистрибьюторами, управления мастер-данными (MDM), а также аналитической платформы Дельта BI.
Зачем бизнесу системы Master Data Management
Компании внедряют у себя все больше информационных систем: управление финансами, бухгалтерский учет, управление персоналом, управление складом и пр., причем все они развиваются независимо друг от друга до того момента, пока компании не потребуется взглянуть на свои данные в комплексе – с помощью систем аналитики, прогнозирования и пр. И вот тут выясняется, что вручную просто невозможно сопоставить и сравнить данные – слишком велик объем. Решения, основанные на противоречивых и не выверенных данных, ведут к управленческим ошибкам, а дубли и неактуальные данные – к неверным бизнес-решениям. Именно здесь на выручку приходят системы класса MDM (Master Data Management). Какие бизнес-задачи решают системы такого класса? При каких условиях компаниям стоит рассмотреть вопрос внедрения системы для управления НСИ, а когда это не требуется? Доклад посвящен ответам на эти вопросы и анализу потребности бизнеса в системах класса MDM в целом на примере разных ИТ-экосистем и целей бизнеса, а также взяв за основу не технологии, а конкретные применения. Особое внимание уделено анализу конкретных примеров использования системы «Гармония MDM» в различных отраслях – от ретейла до управления финансами.
Компании внедряют у себя все больше информационных систем: управление финансами, бухгалтерский учет, управление персоналом, управление складом и пр., причем все они развиваются независимо друг от друга до того момента, пока компании не потребуется взглянуть на свои данные в комплексе – с помощью систем аналитики, прогнозирования и пр. И вот тут выясняется, что вручную просто невозможно сопоставить и сравнить данные – слишком велик объем. Решения, основанные на противоречивых и не выверенных данных, ведут к управленческим ошибкам, а дубли и неактуальные данные – к неверным бизнес-решениям. Именно здесь на выручку приходят системы класса MDM (Master Data Management). Какие бизнес-задачи решают системы такого класса? При каких условиях компаниям стоит рассмотреть вопрос внедрения системы для управления НСИ, а когда это не требуется? Доклад посвящен ответам на эти вопросы и анализу потребности бизнеса в системах класса MDM в целом на примере разных ИТ-экосистем и целей бизнеса, а также взяв за основу не технологии, а конкретные применения. Особое внимание уделено анализу конкретных примеров использования системы «Гармония MDM» в различных отраслях – от ретейла до управления финансами.
Вернуться
к докладчикам
к докладчикам
Олег Гиацинтов, DIS Group
Окончил МГТУ им. Н.Э.Баумана. Более четверти века опыта работы в ИТ-индустрии, из которых 20 лет – руководство ИТ-проектами: «Ланит», «Автомир», Xerox. Эксперт в области стратегического управления и интеграции данных, обеспечения качества и управления нормативно-справочной информацией (мастер-данными), управления знаниями, а также построения дата-центрических бизнес-процессов. Сейчас – технический директор компании DIS Group, где отвечает за консалтинг, обучение партнеров и клиентов, а также руководит техническими специалистами и собственными разработками компании.
Качественно новая линейка решений по работе с данными
Технологический суверенитет, поддержка российских пользователей на фоне исхода западных вендоров с российского рынка, новые задачи бизнеса в условиях текущих реалий – все это черты современного отечественного ИТ-ландшафта, а значит, – новые требования к стеку продуктов управления данными. Доклад посвящен обсуждению задач, состава продуктов и возможностей комплексной российской линейки решений для управления качественными данными. Особое внимание уделено анализу возможностей инструментов управления качеством данных: Юниверс DG и Плюс7 Формит DQ.
Технологический суверенитет, поддержка российских пользователей на фоне исхода западных вендоров с российского рынка, новые задачи бизнеса в условиях текущих реалий – все это черты современного отечественного ИТ-ландшафта, а значит, – новые требования к стеку продуктов управления данными. Доклад посвящен обсуждению задач, состава продуктов и возможностей комплексной российской линейки решений для управления качественными данными. Особое внимание уделено анализу возможностей инструментов управления качеством данных: Юниверс DG и Плюс7 Формит DQ.
Вернуться
к докладчикам
к докладчикам
Владислав Каменский, «Юниверс дата»
Окончил СпбГПУ и Max Plank Institute fur Informatik. Более 20 лет опыта работы в ИТ-индустрии: алгоритмизация сжатия изображений; разработка ПО: Enkata – аналитическая обработка больших данных; Siperian – визуализация работы с мастер-данными; «Юнидата» – генеральный директор. Эксперт в сфере MDM, DQ и IIOT. Сейчас – генеральный директор «Юниверс дата».
Вселенная качественных данных
Качество данных – один из краеугольных камней индустрии управления данными, в отечественном сегменте которой сегодня совсем немного вендоров. «Юниверс Дата» – новое имя на этом рынке? Нет. Компания давно известна рынку как «Юнидата». В чем причина ребрендинга? Какую роль компания играет сегодня в сфере решений управления качеством данных? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено обзору проектов, выполненных компанией в области управления данными.
Качество данных – один из краеугольных камней индустрии управления данными, в отечественном сегменте которой сегодня совсем немного вендоров. «Юниверс Дата» – новое имя на этом рынке? Нет. Компания давно известна рынку как «Юнидата». В чем причина ребрендинга? Какую роль компания играет сегодня в сфере решений управления качеством данных? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено обзору проектов, выполненных компанией в области управления данными.
Вернуться
к докладчикам
к докладчикам
Александр Хальмеев, «ИНФИНИТУМ»
Окончил военно-космическую академию им. А.Ф.Можайского. Почти 15 лет работы в ИТ-индустрии – инфраструктура и инструменты по работе с данными. Сейчас – директор по информационным технологиям и цифровой трансформации в АО "Специализированный депозитарий "ИНФИНИТУМ".
Роль MDM при увеличении клиентской базы
Эффективность бизнеса в значительной степени часто зависит от качества мастер-данных, а что делать если их объем растет в геометрической прогрессии? Какие сложности для инфраструктуры компании создает мощный приток клиентов – как избежать сопутствующих рисков? Доклад посвящен обсуждению проекта специализированного депозитария ИНФИНИТУМ по превентивной защите и обеспечению поддержки бизнеса с помощью MDM-системы, гарантирующей высокое качество данных и развитие бизнеса на любом этапе его развития. Особое внимание уделено анализу опыта эксплуатации отечественной системы «Гармония» управления нормативно-справочной информацией.
Эффективность бизнеса в значительной степени часто зависит от качества мастер-данных, а что делать если их объем растет в геометрической прогрессии? Какие сложности для инфраструктуры компании создает мощный приток клиентов – как избежать сопутствующих рисков? Доклад посвящен обсуждению проекта специализированного депозитария ИНФИНИТУМ по превентивной защите и обеспечению поддержки бизнеса с помощью MDM-системы, гарантирующей высокое качество данных и развитие бизнеса на любом этапе его развития. Особое внимание уделено анализу опыта эксплуатации отечественной системы «Гармония» управления нормативно-справочной информацией.
Вернуться
к докладчикам
к докладчикам
Леонид Шумский, «Дататех»
Более десяти лет опыта работы в ИТ-индустрии: интеграция приложений и информационных систем, хранение данных и их консолидированное использование внутри организации. Кандидат технических наук. В интересах предприятий финансовой, нефтегазовой и транспортной отраслей принимал участие в качестве архитектора данных, архитектора по интеграции и лидера разработки в крупных проектах внедрения систем передачи, управления и хранения данных, включая хранилища, озера данных и интеграционные хабы. Сейчас – начальник управления Департамента перспективных проектов, «Дататех».
Слагаемые качества данных корпоративного хранилища
Согласно рекомендациям DAMA и лучшим практикам управления данными, анализ загружаемых в хранилище их источников и особенностей форматов необходимо выполнять как можно раньше. Использование соответствующих автоматизированных инструментов позволяет системным аналитикам снизить сложность, сократить сроки внедрения и повысить качество корпоративной информации. Что выбрать: продукт вендора или систему с открытым кодом? Использование AD/Catalog позволит не только вести техническое описание источников, но и базу проектной документации и спецификаций на разработку, автоматизировать процесс их согласования с ответственными специалистами. Доклад посвящен обсуждению методологии и инструментов управления данными и их качеством. Основное внимание уделено анализу особенностей применения инструмента Arenadata Catalog для управления данными при развертывании корпоративного хранилища.
Согласно рекомендациям DAMA и лучшим практикам управления данными, анализ загружаемых в хранилище их источников и особенностей форматов необходимо выполнять как можно раньше. Использование соответствующих автоматизированных инструментов позволяет системным аналитикам снизить сложность, сократить сроки внедрения и повысить качество корпоративной информации. Что выбрать: продукт вендора или систему с открытым кодом? Использование AD/Catalog позволит не только вести техническое описание источников, но и базу проектной документации и спецификаций на разработку, автоматизировать процесс их согласования с ответственными специалистами. Доклад посвящен обсуждению методологии и инструментов управления данными и их качеством. Основное внимание уделено анализу особенностей применения инструмента Arenadata Catalog для управления данными при развертывании корпоративного хранилища.
Вернуться
к докладчикам
к докладчикам
Федор Медведев, Naumen
Более 20 лет опыта работы в ИТ-индустрии: управление разработкой ПО в роли руководителя продуктов и руководителя проектов; лидер отраслевой проектной практики; бизнес-руководитель. Сейчас – директор департамента цифровых сервисов и решений в образовании, компания Naumen, отвечая за создание и развитие цифровых сервисов и информационных систем управления на основе данных в интересах таких заказчиков, как: ФАУ "Главгосэкспертиза России", ПАО "Газпромнефть", АО "Мосэнергосбыт", Минобрнаука России, Банк России.
Как упростить работу со сложными данными?
Корпоративные данные — ценный ресурс, способный при правильном использовании значительно улучшить качество и скорость бизнес-процессов, однако большинство компаний сегодня не может или не умеет извлекать из них максимальную пользу. На это есть разные причины — от нехватки инструментов и знаний, до неспособности преодолеть технические проблемы обработки неструктурированных данных. Практически каждая российская компания теряет время и деньги из-за недостатков работы с внутренней информацией – 95% организаций тратят часы на поиски нужных данных в корпоративных системах, а 65% так и не находят искомое. Доклад посвящен обсуждению подходов и инструментов повышения качества корпоративных данных и облегчению работы с ними. Особое внимание уделено анализу конкретных примеров.
Корпоративные данные — ценный ресурс, способный при правильном использовании значительно улучшить качество и скорость бизнес-процессов, однако большинство компаний сегодня не может или не умеет извлекать из них максимальную пользу. На это есть разные причины — от нехватки инструментов и знаний, до неспособности преодолеть технические проблемы обработки неструктурированных данных. Практически каждая российская компания теряет время и деньги из-за недостатков работы с внутренней информацией – 95% организаций тратят часы на поиски нужных данных в корпоративных системах, а 65% так и не находят искомое. Доклад посвящен обсуждению подходов и инструментов повышения качества корпоративных данных и облегчению работы с ними. Особое внимание уделено анализу конкретных примеров.
Вернуться
к докладчикам
к докладчикам
Алексей Арустамов, Loginom Company
Окончил Самаркандский государственный университет им. А.Навои. Почти 30 лет опыта работы в ИТ-индустрии. Принимал участие в проектах для таких компаний, как: Росбанк, МигКредит, Philip Morris, Инвитро, ERG, Интер РАО, МТС, РЖД, Шоколадница и др. Сооснователь компании Loginom Company, специализирующейся на разработке и внедрении систем продвинутой аналитики: кредитный конвейер, кредитный скоринг, прогнозирование спроса, оптимизация бизнес-процессов и пр. Сейчас – CEO Loginom Company.
Машинное обучение в задачах нормализации НСИ
Без качественных стандартизированных описаний нормативно-справочной информации практически невозможно решать такие важные для бизнес задачи, как управление товарными запасами, закупками и пр. Категорий товаров очень много, они описываются совершенно по-разному, а номенклатура непрерывно меняется, что усложняет проблему. Доклад посвящен обсуждению возможностей применения решений на базе машинного обучения для автоматизации процессов выделения атрибутов из массивов неструктурированных или разноформатных описаний товарных позиций, используемых для формирования единого каталога НСИ.
Без качественных стандартизированных описаний нормативно-справочной информации практически невозможно решать такие важные для бизнес задачи, как управление товарными запасами, закупками и пр. Категорий товаров очень много, они описываются совершенно по-разному, а номенклатура непрерывно меняется, что усложняет проблему. Доклад посвящен обсуждению возможностей применения решений на базе машинного обучения для автоматизации процессов выделения атрибутов из массивов неструктурированных или разноформатных описаний товарных позиций, используемых для формирования единого каталога НСИ.
Вернуться
к докладчикам
к докладчикам
Виктор Мастеров, B2B-Center
Окончил МИЭМ и Финансовый университет при Правительстве РФ. Почти 20 лет опыта работы в ИТ-индустрии – корпоративные решения на базе SAP и Oracle E-Business Suite. Сейчас – руководитель бизнес-линии НСИ в компании B2B-Center, отвечая за программную разработку, комплексное развитие и вывод на рынок линейки продуктов по данному направлению. Выполнил для внешних заказчиков около 40 проектов, связанных с интеграцией, разработкой ПО, консалтингом, нормализацией данных и построением комплексной операционной функции управления НСИ.
Построение эффективной системы управления данными
Любая информационная система не может пребывать в неизменном состоянии в условиях взаимодействия с окружающим ее миром – она либо развивается, либо останавливается и со временем перестает полноценно выполнять свои задачи, это касается как функциональности, так и состава/качества данных, которыми оперирует система. Поэтому для построения современной корпоративной системы управления данными недостаточно лишь внедрить инструменты, выстроить процессы, разработать классификаторы и нормализовать справочники – необходимо трансформировать культуру и подходы к управлению составом и качеством данных; создать сбалансированную систему сдерживания и стимулирования с учетом специфики предприятия. Может ли информация быть лишней? Дает ли она понимание, чем на самом деле управляют пользователи? Как построить эффективную систему НСИ на предприятии? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено анализу опыта оказания аутсорсинга услуг по управлению нормативно-справочной информацией.
Любая информационная система не может пребывать в неизменном состоянии в условиях взаимодействия с окружающим ее миром – она либо развивается, либо останавливается и со временем перестает полноценно выполнять свои задачи, это касается как функциональности, так и состава/качества данных, которыми оперирует система. Поэтому для построения современной корпоративной системы управления данными недостаточно лишь внедрить инструменты, выстроить процессы, разработать классификаторы и нормализовать справочники – необходимо трансформировать культуру и подходы к управлению составом и качеством данных; создать сбалансированную систему сдерживания и стимулирования с учетом специфики предприятия. Может ли информация быть лишней? Дает ли она понимание, чем на самом деле управляют пользователи? Как построить эффективную систему НСИ на предприятии? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено анализу опыта оказания аутсорсинга услуг по управлению нормативно-справочной информацией.
Вернуться
к докладчикам
к докладчикам
Виталий Петросян, «Ростелеком-Солар»
Окончил Московский Университет МВД РФ. Работал следователем по борьбе с экономическими преступлениям, специализируясь на борьбе с мошенничеством и рейдерством. По окончании службы продолжил юридическую практику на государственной гражданской службе в структурах Правительства РФ – разработка узкоспециализированных программ проверки контрагентов и выявления аффилиаций; «Мосинжпроект» – служба экономической безопасности. Сейчас – ведущий аналитик Центра продуктов Dozor, компания «Ростелеком-Солар».
Защита [качества] данных: модели угроз и методы противодействия
Любая компания может подвергаться атакам как извне, со стороны внешних злоумышленников, так и изнутри – собственными сотрудниками, которые ведут охоту за ценными данными. При отсутствии возможности вывода данных за корпоративный периметр, в них могут сознательно вносится искажения. Доклад посвящен обсуждению проблем умышленного ввода в корпоративный оборот некачественной информации, а также последствий неосторожного обращения c конфиденциальными данными, приводящих к утечкам. Особое внимание в докладе уделено разбору практических примеров из различных отраслей экономики, иллюстрациям принципиальных схем работы систем предотвращения утечек данных (DLP-систем), а также анализу приемов выявления утечек защищаемой, конфиденциальной и инсайдерской информации.
Любая компания может подвергаться атакам как извне, со стороны внешних злоумышленников, так и изнутри – собственными сотрудниками, которые ведут охоту за ценными данными. При отсутствии возможности вывода данных за корпоративный периметр, в них могут сознательно вносится искажения. Доклад посвящен обсуждению проблем умышленного ввода в корпоративный оборот некачественной информации, а также последствий неосторожного обращения c конфиденциальными данными, приводящих к утечкам. Особое внимание в докладе уделено разбору практических примеров из различных отраслей экономики, иллюстрациям принципиальных схем работы систем предотвращения утечек данных (DLP-систем), а также анализу приемов выявления утечек защищаемой, конфиденциальной и инсайдерской информации.
Вернуться
к докладчикам
к докладчикам
Станислава Пиголкин, DATAREON
Более 25 лет опыта работы в ИТ-индустрии: участие в разработке продуктов компании DATAREON и 1С в роли руководителя и архитектора; техническая экспертиза в проектах интеграции, складской логистики, ERP-систем, а также в проектах автоматизации деятельности предприятий с использованием различных информационных платформ в интересах таких компаний, как: «Росатом», «Сибур», «Мосводоканал», «Полюс Золото», «Уралхим» и др. Сейчас – технический директор компании DATAREON.
Применение модуля онтологии для первичной обработки данных
Только комплексный подход к управлению корпоративными данными и интеграционными потоками позволяет обеспечить эффективное функционирования всех компонентов информационной инфраструктуры современных компаний. Однако некачественные данные способны свести на «нет» преимущества от централизации данных и их централизованного управления – чем раньше к источникам будут выполнены процедуры повышения качества данных, тем больше доверия к решениям, принимаемым на их основе. Применение онтологий при нормализации номенклатуры позволяет значительно упростить процесс обработки данных благодаря автоматическому разбору и структурированию первичных данных в соответствии с созданными правилами. Доклад посвящен обсуждению опыта применения самообучающегося интеллектуального модуля онтологий для управления мастер-данными предприятия. Особое внимание уделено анализу различных вариантов применения модуля для повышения эффективности выполнения процедур материально-технического обеспечения за счет, в частности, предоставления возможности автоматизированного определения аналогичных и технически избыточных позиций справочников и классификаторов в различных документах.
Только комплексный подход к управлению корпоративными данными и интеграционными потоками позволяет обеспечить эффективное функционирования всех компонентов информационной инфраструктуры современных компаний. Однако некачественные данные способны свести на «нет» преимущества от централизации данных и их централизованного управления – чем раньше к источникам будут выполнены процедуры повышения качества данных, тем больше доверия к решениям, принимаемым на их основе. Применение онтологий при нормализации номенклатуры позволяет значительно упростить процесс обработки данных благодаря автоматическому разбору и структурированию первичных данных в соответствии с созданными правилами. Доклад посвящен обсуждению опыта применения самообучающегося интеллектуального модуля онтологий для управления мастер-данными предприятия. Особое внимание уделено анализу различных вариантов применения модуля для повышения эффективности выполнения процедур материально-технического обеспечения за счет, в частности, предоставления возможности автоматизированного определения аналогичных и технически избыточных позиций справочников и классификаторов в различных документах.
Вернуться
к докладчикам
к докладчикам
Евгений Виноградов, YooMoney
Окончил СПбГУ, к.физ.-мат.н. Более 25 опыта работы в ИТ-индустрии. Сейчас – директор Департамента аналитических решений, компания YooMoney, отвечая за продукты создания и поддержки классических хранилищ и озер данных, антифрод-решения, а также развитие MLOps и проекты в области машинного обучения.
SLA как инструмент управления качеством данных
Любой аналитический инструмент требует интегрированных данных, проблемы с качеством которых на любом из шагов обработки могут привести к нарушению соглашения об уровне обслуживания (SLA) для инструментов, используемых в работе бизнес-аналитика. Доклад посвящен анализу опыта выстраивания процесса контроля качества, гарантирующего соблюдение SLA: доступность, время готовности данных, точность и полнота записей, и т.д. Особое внимание уделено обсуждению особенностей технической реализации системы контроля качества на всех этапах обработки данных, начиная от сбора данных и до формирования витрин.
Любой аналитический инструмент требует интегрированных данных, проблемы с качеством которых на любом из шагов обработки могут привести к нарушению соглашения об уровне обслуживания (SLA) для инструментов, используемых в работе бизнес-аналитика. Доклад посвящен анализу опыта выстраивания процесса контроля качества, гарантирующего соблюдение SLA: доступность, время готовности данных, точность и полнота записей, и т.д. Особое внимание уделено обсуждению особенностей технической реализации системы контроля качества на всех этапах обработки данных, начиная от сбора данных и до формирования витрин.
Вернуться
к докладчикам
к докладчикам
Федор Макаров, iDATAMETRIC
Окончил Национальный исследовательский Томский политехнический университет, доктор технических наук. Более десяти лет опыт работы в сфере энергетики, материаловедения, мониторинга и оценки качества технических данных. Сейчас – генеральный директор компании iDATAMETRIC, специализирующейся на мониторинге, оценке и управлении качеством технических данных, а также создании систем аналитической отчетности о состоянии качества данных в компаниях и внедрении культуры Data Quality Management.
Умное управление качеством данных
Успешные бизнес-инициативы в любой современной компании начинаются с надежных качественных данных, поэтому важно сделать правильный выбор соответствующей системы управления и сформировать культуру поддержки качества данных в масштабах всего предприятия. Доклад посвящен обсуждению опыта внедрения и эксплуатации в российской нефтегазовой компании системы Data information Quality System (входит в единый реестр отечественного ПО) мониторинга и анализа баз данных. Анализируется ИТ-инфраструктура и роль системы DiQS для решения задач управления качеством данных. Особое внимание уделено разбору этапов обеспечения качества данных, начиная от мониторинга по заданным бизнес-правилам, формирования отчетности и кончая оценкой качества и обеспечения безопасности.
Успешные бизнес-инициативы в любой современной компании начинаются с надежных качественных данных, поэтому важно сделать правильный выбор соответствующей системы управления и сформировать культуру поддержки качества данных в масштабах всего предприятия. Доклад посвящен обсуждению опыта внедрения и эксплуатации в российской нефтегазовой компании системы Data information Quality System (входит в единый реестр отечественного ПО) мониторинга и анализа баз данных. Анализируется ИТ-инфраструктура и роль системы DiQS для решения задач управления качеством данных. Особое внимание уделено разбору этапов обеспечения качества данных, начиная от мониторинга по заданным бизнес-правилам, формирования отчетности и кончая оценкой качества и обеспечения безопасности.
Вернуться
к докладчикам
к докладчикам
Илья Залозных, «ЕВРОЦЕМЕНТ груп»
Окончил Московский авиационный институт. Почти 20 лет опыта работы в ИТ-индустрии – от программиста до начальника отдела разработки и ведения НСИ. Эксперт по автоматизации общесистемных бизнес-процессов компании и управлению мастер-данными. Имеет богатый опыт успешного внедрения зарубежных и отечественных систем MDM и ERP. Сейчас – начальник отдела Нормативно-справочной информации Департамента информационно-цифровых технологий и архитектуры АО «ЕВРОЦЕМЕНТ груп».
Елена Подгайная, SOFROS
Окончила Елабужский Государственный Педагогический Институт, физико-математический факультет. Почти 20 опыта работы в ИТ-индустрии, начав карьеру с выполнения проектов по внедрению систем дистанционного обучения, а затем проектов по внедрению инструментов работы с данными и управлению НСИ. Сейчас – руководитель проектов в компании SOFROS, отвечая за практику внедрения инструментов работы с данными и управления НСИ на платформах 1С:MDM и Datareon ESB.
Елена Подгайная, SOFROS
Окончила Елабужский Государственный Педагогический Институт, физико-математический факультет. Почти 20 опыта работы в ИТ-индустрии, начав карьеру с выполнения проектов по внедрению систем дистанционного обучения, а затем проектов по внедрению инструментов работы с данными и управлению НСИ. Сейчас – руководитель проектов в компании SOFROS, отвечая за практику внедрения инструментов работы с данными и управления НСИ на платформах 1С:MDM и Datareon ESB.
Система управления мастер-данными: от проектирования до ввода в эксплуатацию
При проектировании и внедрении MDM-системы компаниям требуется учитывать множество факторов: сложившиеся бизнес-процессы, особенности накопленных нормативно-справочных данных, а также существующий корпоративный ИТ-ландшафт. Доклад посвящен обсуждению опыта развертывания системы управления мастер-данными: состав проекта внедрения; важные аспекты проектирования и секреты встраивания системы в уже существующий ИТ-ландшафт. Особое внимание уделено обсуждению опыта выполнения проекта построения MDM-системы в компании «Евроцемент груп»: особенности развертывания, преимущества эксплуатации и перспективы развития для холдинговой структуры.
При проектировании и внедрении MDM-системы компаниям требуется учитывать множество факторов: сложившиеся бизнес-процессы, особенности накопленных нормативно-справочных данных, а также существующий корпоративный ИТ-ландшафт. Доклад посвящен обсуждению опыта развертывания системы управления мастер-данными: состав проекта внедрения; важные аспекты проектирования и секреты встраивания системы в уже существующий ИТ-ландшафт. Особое внимание уделено обсуждению опыта выполнения проекта построения MDM-системы в компании «Евроцемент груп»: особенности развертывания, преимущества эксплуатации и перспективы развития для холдинговой структуры.
Вернуться
к докладчикам
к докладчикам
Светлана Бова, ВТБ
Почти 25 лет опыта работы в финансовой индустрии – управление данными и аналитика: «Газпромбанк» – управление сопровождением операций юридических лиц, финансовый анализ; «Неофлекс Консалтинг» — заместитель директора департамента аналитики по направлению «Хранилища данных и аналитические приложения»; «Р-Стайл Софтлаб» – заместитель директора департамента аналитических систем; «Росбанк» – руководитель департамента аналитических систем. Сейчас — Chief Data Officer, Управляющий директор – вице-президент, Департамент ИТ-архитектуры, «Банк ВТБ».
Ростислав Даньков, ВТБ
Окончил Московский физико-технический институт. Более 10 лет опыта работы в области управления качеством данных: «Салым Петролеум» – аналитик качества данных, ПАО «Сбербанк» – руководитель направления офиса CDO блока «Риски». Сейчас – директор по управлению проектами в области управления качеством данных, Департамент ИТ-архитектуры, «Банк ВТБ» (ПАО).
Ростислав Даньков, ВТБ
Окончил Московский физико-технический институт. Более 10 лет опыта работы в области управления качеством данных: «Салым Петролеум» – аналитик качества данных, ПАО «Сбербанк» – руководитель направления офиса CDO блока «Риски». Сейчас – директор по управлению проектами в области управления качеством данных, Департамент ИТ-архитектуры, «Банк ВТБ» (ПАО).
Как измерить эффективность системы обеспечения качества данных
Большинство компаний и организаций уже осознало, что обеспечение качества данных – это непрерывный процесс балансирования между постоянно меняющимися требованиями бизнеса или регулятора и затратами на организацию мониторинга и повышения качества данных. При внедрении системы обеспечения качества данных возникают справедливые вопросы: на каком этапе можно подтвердить, что выстроена система обеспечения качества? Как понять, что уже достаточно разработанных проверок? Какие сигналы помогут выявить, что объем требований возрос и система обеспечения качества данных за ними не успевает? Доклад посвящен ответам на эти и другие непростые вопросы.
Большинство компаний и организаций уже осознало, что обеспечение качества данных – это непрерывный процесс балансирования между постоянно меняющимися требованиями бизнеса или регулятора и затратами на организацию мониторинга и повышения качества данных. При внедрении системы обеспечения качества данных возникают справедливые вопросы: на каком этапе можно подтвердить, что выстроена система обеспечения качества? Как понять, что уже достаточно разработанных проверок? Какие сигналы помогут выявить, что объем требований возрос и система обеспечения качества данных за ними не успевает? Доклад посвящен ответам на эти и другие непростые вопросы.
Вернуться
к докладчикам
к докладчикам
Баир Данилов, IBS
Руководитель направления НСИ в компании IBS.
Управление качеством данных в системах MDM
Один из самых важных и основополагающих компонентов процесса управления данными – это работа с мастер-данными (MDM), от качества которых часто непосредственно зависит эффективность бизнеса. Доклад посвящен проблематике и особенностям управления и обеспечения контроля качества данных в системах MDM, а также разбору типичных сложностей управления нормативно-справочной информацией. Особое внимание уделено методам повышения качества мастер-данных, а также подходам к выполнению проверок качества, реализованным в решении «Планета.НСИ».
Один из самых важных и основополагающих компонентов процесса управления данными – это работа с мастер-данными (MDM), от качества которых часто непосредственно зависит эффективность бизнеса. Доклад посвящен проблематике и особенностям управления и обеспечения контроля качества данных в системах MDM, а также разбору типичных сложностей управления нормативно-справочной информацией. Особое внимание уделено методам повышения качества мастер-данных, а также подходам к выполнению проверок качества, реализованным в решении «Планета.НСИ».
Вернуться
к докладчикам
к докладчикам
Ника Суслова, HFLabs
Окончила Санкт-Петербургский инженерно-экономический университет. Около 15 лет работает в сфере исследования данных: Северо-Западный банк Сбербанка – руководитель направления отчетности; банк «Открытие» – Data Quality-инженер; «Ростелеком» – внедрение и развитие системы ИТ-отчетности. Сейчас – директор направления банковской практики и консалтинга в компании HFLabs, курирует проекты внедрения и развития системы управления данными о клиентах CDI (Customer Data Integration) «Единый клиент», а также отвечает за направление аудита бизнес-процессов, помогая заказчикам оптимизировать работу с клиентскими данными.
Иван Зипухо, Банк «Открытие»
Окончил Московский физико-технический институт. Почти 15 лет опыта построения хранилищ данных и систем управления мастер-данными, в том числе в ТрансКредитБанке и ВТБ24. Сейчас – начальник Управления технологий сбора и хранения данных в Банк «Открытие».
Мария Филюшкина, Банк «Открытие»
Окончила Московский инженерно-физический институт. Почти 15 лет опыта работы в банковском секторе: «МДМ-банк», «Бинбанк» – проекты дистанционного банковского обслуживания. Сейчас – начальник отдела аналитики Digital в Банк «Открытие».
Иван Зипухо, Банк «Открытие»
Окончил Московский физико-технический институт. Почти 15 лет опыта построения хранилищ данных и систем управления мастер-данными, в том числе в ТрансКредитБанке и ВТБ24. Сейчас – начальник Управления технологий сбора и хранения данных в Банк «Открытие».
Мария Филюшкина, Банк «Открытие»
Окончила Московский инженерно-физический институт. Почти 15 лет опыта работы в банковском секторе: «МДМ-банк», «Бинбанк» – проекты дистанционного банковского обслуживания. Сейчас – начальник отдела аналитики Digital в Банк «Открытие».
От «Единого клиента» к единому фронту
Обострение конкуренции на рынке финансовых услуг и повышение требований со стороны клиентов побуждает финансовые организации постоянно работать над улучшением пользовательского опыта. Эти задачи решаются сегодня в том числе с помощью Единого фронтального решения (ЕФР), позволяющего автоматизировать процессы взаимодействия с клиентами по всем точкам и каналам продаж. В банке «Открытие» система ЕФР была внедрена в связке с системой управления данными о клиентах (Customer Data Integration). Доклад посвящен обсуждению опыта и результатов такой интеграции, среди которых увеличение скорости обслуживания клиентов и сокращение времени обучения сотрудников. Особое внимание уделено анализу проблем, с которыми пришлось столкнуться при обеспечении качества данных для ЕФР.
Обострение конкуренции на рынке финансовых услуг и повышение требований со стороны клиентов побуждает финансовые организации постоянно работать над улучшением пользовательского опыта. Эти задачи решаются сегодня в том числе с помощью Единого фронтального решения (ЕФР), позволяющего автоматизировать процессы взаимодействия с клиентами по всем точкам и каналам продаж. В банке «Открытие» система ЕФР была внедрена в связке с системой управления данными о клиентах (Customer Data Integration). Доклад посвящен обсуждению опыта и результатов такой интеграции, среди которых увеличение скорости обслуживания клиентов и сокращение времени обучения сотрудников. Особое внимание уделено анализу проблем, с которыми пришлось столкнуться при обеспечении качества данных для ЕФР.
Вернуться
к докладчикам
к докладчикам
Александр Погосьян, «Сбер»
Окончил Военно-воздушную инженерную академию им. Н.Е.Жуковского. Более 20 лет опыта работы в ИТ-индустрии: начальник отдела аналитики в Департаменте собственных продуктов компании «Астерос»; менеджер проектов в компании Deloitte; операционный директор в нишевой консалтинговой компании. За время работы прошел путь от разработчика автоматизированных систем до руководителя, создав несколько подразделений «с нуля» и обеспечив их становление, а также выполнив множество проектов, в частности: внедрение MDM, создание объединенных центров обслуживания, внедрение ERP-систем в различных индустриях. Сейчас – исполнительный директор по направлению «Качество данных» в ПАО «Сбербанк».
Алексей Калинов, «Сбер»
Окончил Волжскую государственную академию водного транспорта. Почти десять лет опыта работы в сфере управления качеством данных, пройдя путь от специалиста до руководителя команды, создав команду разработки проверок качества данных и внедрив ряд инструментов контроля качества данных. Сейчас – руководитель направления, владелец продукта «Инструменты контроля качества данных» в ПАО «Сбербанк».
Алексей Калинов, «Сбер»
Окончил Волжскую государственную академию водного транспорта. Почти десять лет опыта работы в сфере управления качеством данных, пройдя путь от специалиста до руководителя команды, создав команду разработки проверок качества данных и внедрив ряд инструментов контроля качества данных. Сейчас – руководитель направления, владелец продукта «Инструменты контроля качества данных» в ПАО «Сбербанк».
Управление качеством данных на практике
В любой современной организации данные играют существенную роль – их качество непосредственным образом влияет на результаты бизнес-процессов и на затраты организации, работающей в цифровом мире. При создании и внедрении процессов управления качеством данных организация сталкивается с рядом вопросов: с чего начать, какие требуются нормативные документы, какие роли и какие их функции, какие ИТ-системы нужны и пр. Доступные теоретические материалы, как правило, не содержат ответов на эти вопросы. Доклад посвящен обсуждению возможных ответов на подобные вопросы, опираясь на конкретный практический опыт.
В любой современной организации данные играют существенную роль – их качество непосредственным образом влияет на результаты бизнес-процессов и на затраты организации, работающей в цифровом мире. При создании и внедрении процессов управления качеством данных организация сталкивается с рядом вопросов: с чего начать, какие требуются нормативные документы, какие роли и какие их функции, какие ИТ-системы нужны и пр. Доступные теоретические материалы, как правило, не содержат ответов на эти вопросы. Доклад посвящен обсуждению возможных ответов на подобные вопросы, опираясь на конкретный практический опыт.
Вернуться
к докладчикам
к докладчикам
Вера Адаева, Агентство стратегических инициатив
Окончила Юридический факультет Ульяновского государственного университета, к.ю.н. С 2011 года работает в Агентстве стратегических инициатив (АСИ): курировала внедрение Стандарта деятельности органов исполнительной власти субъекта РФ по обеспечению благоприятного инвестиционного климата в регионе; вела проект «Национальный рейтинг состояния инвестиционного климата в субъектах Российской Федерации»; возглавляла Центр цифрового развития АСИ, который специализировался на управлении на основе данных, внедрении цифровых решений в регионах и цифровых технологий в деятельности Агентства. Сейчас – директор Центра развития партнерства и сети АСИ, отвечая за налаживание и поддержку взаимодействия с общественными представителями АСИ и экспертами во всех регионах РФ, партнерами и вузами.
Андрей Петров, Агентство стратегических инициатив
Окончил Новосибирский государственный университет. Более 20 лет опыта в сфере системной интеграции, разработки и внедрения информационных систем делового назначения на промышленных предприятиях, в авиакомпаниях, снабжающих организациях и в сфере медицины: холдинг "Росэлектроника" – руководство разработкой программного обеспечения в Новосибирском институте программных систем; компания Deep Semantic Technologies – ведение ИТ-проектов управления бизнесом, разработки и внедрения методов машинного обучения для анализа неструктурированных данных. Системный архитектор, эксперт в области разработки и внедрения информационных систем, аналитики данных и машинном обучении. Сейчас – директор проектов Центра развития партнерства и сети Агентства стратегических инициатив.
Андрей Петров, Агентство стратегических инициатив
Окончил Новосибирский государственный университет. Более 20 лет опыта в сфере системной интеграции, разработки и внедрения информационных систем делового назначения на промышленных предприятиях, в авиакомпаниях, снабжающих организациях и в сфере медицины: холдинг "Росэлектроника" – руководство разработкой программного обеспечения в Новосибирском институте программных систем; компания Deep Semantic Technologies – ведение ИТ-проектов управления бизнесом, разработки и внедрения методов машинного обучения для анализа неструктурированных данных. Системный архитектор, эксперт в области разработки и внедрения информационных систем, аналитики данных и машинном обучении. Сейчас – директор проектов Центра развития партнерства и сети Агентства стратегических инициатив.
Как обеспечить качество данных в некоммерческой организации?
Сегодня существует множество инструментов управления качеством данных для коммерческих компаний, применяемых, в том числе, для решения задач маркетинга. Многие такие инструменты ориентированы на метрики, связанные с прибылью и привлечением клиентов. Однако для некоммерческих организаций подобных инструментов почти нет. Разрабатываемый АСИ сервис ориентирован на социальную сферу и предлагает метрики измерения активности и влиятельности участников сети. Потенциально он может использоваться любыми некоммерческими организациями с разветвленной сетью участников. Доклад посвящен обсуждению опыта решения проблемы качества данных при работе сервиса для управления региональной сетью.
Сегодня существует множество инструментов управления качеством данных для коммерческих компаний, применяемых, в том числе, для решения задач маркетинга. Многие такие инструменты ориентированы на метрики, связанные с прибылью и привлечением клиентов. Однако для некоммерческих организаций подобных инструментов почти нет. Разрабатываемый АСИ сервис ориентирован на социальную сферу и предлагает метрики измерения активности и влиятельности участников сети. Потенциально он может использоваться любыми некоммерческими организациями с разветвленной сетью участников. Доклад посвящен обсуждению опыта решения проблемы качества данных при работе сервиса для управления региональной сетью.
Вернуться
к докладчикам
к докладчикам
Михаил Петров, Счетная палата РФ
Более 20 лет в ИТ-индустрии: компания «Финансовые и бухгалтерские консультанты» (ФБК/PKF), PricewaterhouseCoopers, i2, Оргкомитет «Сочи 2014», где прошел путь от руководителя Управления ERP до директора Технологического Операционного Центра, отвечая за поддержку всех технологических сервисов для десятков тысяч пользователей на всех объектах Игр. В Минкомсвязи РФ руководил программой подготовки к Чемпионату Мира по футболу 2018 года. Принимал участие в создании Проектного офиса Национальной Технологической Инициативы (НТИ). На позиции директора по управлению проектами цифровой трансформации ВТБ работал над организацией корпоративного акселератора и организацией инвестиций в финтех-проекты. Сейчас в Счетной палате Российской Федерации организует аналитическую работу с данными в области государственного аудита и контроля.
Валерий Сохоров, Счетная палата РФ
Окончил Таганрогский государственный радиотехнический университет. В разное время в федеральных и региональных органах исполнительной власти руководил подразделениями, отвечающими за цифровую трансформацию. Сейчас – начальник отдела управления данными департамента цифровой трансформации аппарата Счетной палаты Российской Федерации.
Валерий Сохоров, Счетная палата РФ
Окончил Таганрогский государственный радиотехнический университет. В разное время в федеральных и региональных органах исполнительной власти руководил подразделениями, отвечающими за цифровую трансформацию. Сейчас – начальник отдела управления данными департамента цифровой трансформации аппарата Счетной палаты Российской Федерации.
Управление данными в Счетной палате
Быстрый рост объемов данных в государственном секторе открывает новые возможности для деятельности Счетной палаты РФ, открывая новые задачи в области обработки данных. Доклад посвящен обсуждению особенностей организации процессов управления данными и обучения сотрудников Счетной палаты. Особое внимание уделено изложению возможностей функционала системы управления данными, а также анализу применяемых подходов к улучшению качества данных.
Быстрый рост объемов данных в государственном секторе открывает новые возможности для деятельности Счетной палаты РФ, открывая новые задачи в области обработки данных. Доклад посвящен обсуждению особенностей организации процессов управления данными и обучения сотрудников Счетной палаты. Особое внимание уделено изложению возможностей функционала системы управления данными, а также анализу применяемых подходов к улучшению качества данных.
Вернуться
к докладчикам
к докладчикам
Информационные партнеры
Стоимость участия
в рублях
10900
При оплате до 14.01.2024
13900
При оплате с 14.01.2024
15900
При оплате с 14.02.2024
9900
При оплате до 14.01.2024
по коллективным заявкам
(от 2 человек)
по коллективным заявкам
(от 2 человек)
12000
При оплате с 14.01.2024
по коллективным заявкам
(от 2 человек)
по коллективным заявкам
(от 2 человек)
13900
При оплате с 14.02.2024
по коллективным заявкам
(от 2 человек)
по коллективным заявкам
(от 2 человек)
Стоимость участия для ИТ-компаний
в рублях
15900
При оплате до 14.01.2024
21900
При оплате с 14.01.2024
25000
При оплате с 14.02.2024
онлайн формат
Стоимость участия в рублях
*при оплате до 14.01.2024
*при оплате до 14.01.2024
6900*/7900
Хотите получить доступ к материалам конференции «Качество данных 2023»?
заполните анкету:
Мы ждем Вас!
Место проведения:
Holiday Inn Moscow Sokolniki,
Москва, Русаковская ул, 24
Holiday Inn Moscow Sokolniki,
Москва, Русаковская ул, 24
.
© 1992 – 2023
Издательство «Открытые системы»
Издательство «Открытые системы»
ИНТЕРНЕТ - ИЗДАНИЯ