Окончил Тульский Государственный Университет. Более 20 лет опыта работы в ИТ-индустрии: 15 лет в различных подразделениях ИТ-блока Банка России (создание платежных и информационных систем, руководство направлением ИТ-архитектуры и стратегии, руководство Центром финансовых технологий Департамента финансовых технологий, проектов и организации процессов); со-руководитель компании IT Expert, в учебном центре которой прошли обучение ITIL/ITSM более 30 тыс. Человек; Управляющий партнер компании Gartner. Председатель Наблюдательного Совета российского отделения itSMF, декан факультета Цифровой трансформации Московской школы продвинутых коммуникаций (Moscow Advanced Communication School, MACS). Сейчас – генеральный директор Ассоциации ФинТех.
Закат BigData: от больших данных к «маленьким» и «широким»
В современном мире глобальная турбулентность может внезапно повлиять на потребность предприятий любой отрасли в новой информации, критически важной становится оперативность и гибкость управления данными. Как при помощи данных обеспечить гибкости предприятия за счет способности организации и сотрудников быстро адаптироваться к изменениям, сохраняя при этом стабильность работы? Как расширить возможности сотрудников и ускорить принятие решений при помощи данных? Как обеспечить доверие к данным, которое является сегодня один из ключевых столпов культуры работы с информацией? Доклад посвящен ответам на эти и другие вопросы, связанные с эффективной организацией работы со всем пулом имеющихся у компании данных, независимо от их объемов, разнообразия и интенсивности поступления.
Вернуться к докладчикам
Владимир Анисимов, «Интер РАО - Онлайн»
Окончил Московский Индустриальный университет по специальностям Физика и Экономика и Управление на предприятиях машиностроения. Почти 15 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, внедрение RPA-технологий в бизнес процессы юридического блока, внедрение механизмов нормализации данных. Сейчас – директор по данным ООО «Интер РАО - Онлайн».
Инструменты работы с большими данными в электроэнергетике
В энергосбытовой компании собираются, обрабатываются и хранятся большие объемы: ресурсное потребление, транзакционное поведение клиента, сведения по клиентам и пр. На протяжении многих лет единственным лицом клиента для компании был лишь счетчик, а сейчас применяя современные подходы поставщик электроэнергии может лучше узнать своего клиента, чтобы предоставить ему максимально удобный персонализированный пакет сервисов. Доклад посвящен обсуждению опыта внедрения современных подходов по работе с данными в энергосбытовой деятельности. Особое внимание уделено анализу реальных примеров реализации подходов работы с данными.
Вернуться к докладчикам
Иван Вахмянин, Visiology
Окончил МИФИ по специальности «Информационное обеспечение экономических процессов», аспирантуру Российской академии государственной службы при президенте РФ по специальности «Информационные технологии в управлении» и Московскую школу управления «Сколково». Более 20 лет в опыта работы ИТ-индустрии – эксперт в сфере разработки ПО для анализа и визуализации данных. Сейчас – генеральный директор компании Visiology, где руководит созданием и развитием аналитической платформы бизнес-аналитики.
Современная бизнес-аналитика: рост объемов и разнообразия данных
В сфере бизнес-аналитики работа с большими данными – это прежде всего необходимость решения постоянно возникающих новых задач: непрерывное расширение спектра источников данных; обеспечение производительности при обработке большого количества записей; масштабирование решений; выявление значимых деталей и очистка массивов сырых данных. Работа с большими данными требует специальных, зрелых решений, однако современная экономика турбулентности и сопутствующий ей исход западных игроков с российского рынка оказали существенное влияние на BI-экосистему и усложнили внедрение бизнес-аналитики для заказчиков из самых разных отраслей. Тем не менее специалисты предлагают варианты реализации комплексных проектов на базе наиболее продвинутых локальных решений, создавая гибкие платформы бизнес-аналитики за счет новых альянсов отечественных вендоров. Все это в корне меняет ландшафт российского рынка бизнес-аналитики. Доклад посвящен возможностям отечественных систем BI и отвечает на вопрос: «Как компании могут справиться с растущим объемом данных и разнообразием их источников?». Особое внимание уделено обсуждению новых решений в системе Visiology 3.0: новое хранилище данных на базе СУБД ClickHouse; модернизированный движок; Self-Service и поддержка языка запросов DAX (Data Analysis Expressions).
Вернуться к докладчикам
Дмитрий Гераськин, ЕВРАЗ
Окончил Московский Государственный Технический Университет им. Н.Э. Баумана (МГТУ) и Российскую Академию Государственной Службы при Президенте Российской Федерации. Почти 20 лет опыта работы в ИТ-индустрии – выполнение проектов внедрения систем бизнес-аналитики и корпоративных хранилищ данных для крупных корпораций, холдингов и организаций (ТЭК, финансы, ретейл, региональные и федеральные органы власти). Сейчас – ИТ-бизнес партнер, руководитель проектов, ЕВРАЗ.
Подходы Agile в разработке концепции и стратегии управления данными
Кому нужно Data Governance? В чем проблема вовлечения бизнеса в Data Governance? Как разрабатывать стратегию управления данными в условиях быстро меняющейся внешней среды? Доклад посвящен обсуждению проблем и подходов к разработке стратегии управления данными в крупном металлургическом холдинге. Особое внимание уделено взаимодействию с акционерами и стейкхолдерами, позиционированию Data Governance как «must have» для перехода к управлению «data driven».
Вернуться к докладчикам
Максим Шляпнев, Navicon
Окончил Брянский государственный технический университет и НИУ ВШЭ. Более 20 лет опыта работы в ИТ-индустрии: ИТ-менеджмент, консалтинг в сфере построения решений бизнес-аналитики, а также формирования корпоративной культуры данных и их монетизации. Преподает в ВШЭ: "Современный менеджмент данных (DMBOK)", "Визуализация данных". Ведет и курирует проекты внедрения и развития корпоративных платформ управления данными для крупных компаний из отраслей FMCG, Fashion, Retail, а также для производственных и логистических холдингов. Сейчас – директор по развитию BI-направления, компания Navicon.
MDM. Ключевой элемент актуальной платформы данных
Российский бизнес уже полгода погружен в вопросы обеспечения технологической независимости платформ управления данными – сложился пул адекватных задачам решений, обладающих, однако, рядом особенностей. Вопрос выбора программных решений легче не стал. Как строить платформу данных в новых условиях? Какие программные архитектуры показали себя наиболее эффективно? С чего начать строить (или перестраивать) корпоративную платформу данных и почему это НСИ и MDM? Доклад посвящен ответам на эти и другие вопросы, связанные с построением платформ данных, развертыванием и эксплуатацией MDM-систем. Особое внимание уделено анализу конкретного опыта применения платформы Navicon.MDM, как для работы с НСИ, так и для построения корпоративной системы управления данными.
Вернуться к докладчикам
Наталья Носенко, Сбер
Окончила МГУ им. М.В.Ломоносова. Более 10 лет опыта работы в ИТ-индустрии: от классического ИТ-аутсорсинга до построения образовательных платформ. Сейчас – руководитель направления, Департамент управления данными (SberData), Сбер где отвечает за развитие образовательных инициатив Сообщества DWH/BigData.
Построение корпоративного сообщества специалистов по большим данным
Корпоративные сообщества стали сегодня насущной необходимостью для глобальных компаний. Доклад посвящен обсуждению опыта формирования и работы сообщества Big data & DWH в Сбере, а также его развитию для обеспечения эффективной взаимосвязи между разработчиками платформ, инженерами по данным, CDO, заказчиками и потребителями данных. Особое внимание уделено урокам, которые корпорация извлекла из опыта функционирования сообщества и разбору реальных рабочих примеров.
Вернуться к докладчикам
Светлана Бова, ВТБ
Окончила Московский государственный педагогический университет им. В. И. Ленина. Более 20 лет опыта работы в финансовой индустрии, в сфере управления данными и аналитики: НПФ «Промрегионсвязь» – менеджер по продажам; «Газпромбанк» – сотрудник управления сопровождения операций юридических лиц, финансовый аналитик инвестиционного блока; ЗАО «Неофлекс Консалтинг» — заместитель директора департамента аналитики по направлению «Хранилища данных и аналитические приложения»; «Р-Стайл Софтлаб» – заместитель директора департамента аналитических систем; ПАО «Росбанк» – руководитель департамента аналитических систем. Сейчас — Chief Data Officer, Управляющий директор – вице-президент, Департамент ИТ-архитектуры, «Банк ВТБ» (ПАО).
Data Governance – ожидания и реальность
Актуальность темы управления данными (Data Governance) растет с каждым годом – необходимость организации процессов, направленных на повышение эффективности сбора, обработки, хранения и использования данных как ценного актива, уже очевидна практически всем. Много сказано о том, какие преимущества приносят компании правильно выстроенные процессы управления данными, а многие организации уже начали внедрение соответствующих инициатив. При этом у каждой организации на старте есть определенные ожидания от Data Governance, которые зачастую «разбиваются» о реалии жизни, трудности практического внедрения культуры управления данными, принося вместо желаемого результата разочарование вплоть до полного отказа от идеи управления данными. Как правильно выстроить ожидания от внедрения Data Governance? Как избежать ошибок, которые негативно влияют на темпы внедрения и эффективность создаваемых процессов управления данными? Доклад посвящен ответам на эти и другие вопросы.
Вернуться к докладчикам
Данила Наумов, «М.Видео-Эльдорадо»
Окончил ВМК МГУ им. М.В.Ломоносова. Более 10 лет опыта работы в ИТ-индустрии: SAS Russia – применение математических методов для решения бизнес-задач в интересах таких компаний, как «Пятерочка», «36.6», МТС Ритейл, Сбербанк, РЖД, Enel, КазАтомПром, НацБанк Казахстана и Банк России; «Утконос» – отвечал за внедрение продвинутой аналитики в бизнес-процессы, создание и эксплуатацию аналитического хранилища данных и систему подготовки аналитической отчетности. Сейчас – CDO в компании «М.Видео-Эльдорадо», отвечая за разработку и внедрение стратегии данных.
Уроки 22 года: структура и операционная модель офиса данных
Новая реальность, которую принес 2022 год, поставила компанию перед необходимостью полного пересмотра бизнес-модели и изменения оргструктуры, отвечающей потребностям рынка, в том числе в сфере управлении данными. Была создана доменная структура, построены и развернуты четыре конвейера поставки данных, внедрен каталог данных и собственный инструмент управления качеством данных. Более того, было организовано управление критическими элементами данных и построены процессы передачи сервисов на вторую и третью линии поддержки офиса данных. Доклад посвящен анализу опыта перестройки инфраструктуры управления данными, ставшей сейчас одним из драйверов компании, работающей в условиях турбулентности. Особое внимание уделено урокам, полученным при модернизации структуры и операционной модели офиса данных.
Вернуться к докладчикам
Александр Гусев, «К-Скай»
Окончил Петрозаводский государственный университет, кандидат технических наук. Более 25 лет опыта работы в сфере медицинской информатики, цифровой медицины и технологий искусственного интеллекта для здравоохранения. Сооснователь и член наблюдательного совета ассоциации разработчиков и пользователей искусственного интеллекта для медицины «Национальная база медицинских знаний» (НБМЗ). Член Экспертного совета Министерства здравоохранения РФ по вопросам использования информационно-коммуникационных технологий в системе здравоохранения. Эксперт по искусственному интеллекту "Центрального научно-исследовательского института организации и информатизации здравоохранения" Минздрава России. Старший научный сотрудник «Научно-практического клинического центра диагностики и телемедицинских технологий Департамента здравоохранения города Москвы». Член подкомитета «Искусственный интеллект в здравоохранении» (ПК 01) технического комитета 164. Ответственный редактор журнала «Врач и информационные технологии». Сооснователь компании «К-МИС», разработчика медицинского ПО в России и компании «К-Скай», разработчика платформы прогнозной аналитики «Webiomed».
Анализ данных электронных медицинских карт
На сегодняшний день более 90% государственных медицинских организаций внедрили у себя различные медицинские информационные системы (МИС) – очень хороший показателей по общемировым оценкам. Повсеместно идет переход на ведение электронных медицинских карт (ЭМК), представляющих собой ценный источник первичных медицинских данных, которые можно использовать для создания различных аналитических систем, машинного обучения, а также в качестве основы рутинной клинической практики (RWD) для целей принятия регуляторных решений в здравоохранении. Однако использование ЭМК как источника данных для анализа сопряжено рядом объективных сложностей, главными из которых являются отсутствие единых форматов хранения записей, использование неструктурированных текстовых записей и т.д. В докладе представлен опыт работы с ЭМК по извлечению данных и обеспечения их качества.
Вернуться к докладчикам
Маргарита Волкова,Tele2
Окончила НИУ ВШЭ, магистр экономики. Около 10 опыта работы в международной консалтинговой компании в области трансформации финансовой функции, где участвовала в различных проектах по внедрению ИТ-систем и кросс-функциональных процессов. Сейчас – старший менеджер по процессам и инструментам управления данными в компании Tele2, где отвечает за развитие Data Governance и Data Driven подходов.
Александр Снытко,Tele2
Окончил Брянский государственный университет им. И.Г. Петровского. Более 10 лет опыта работы в телекоме. Сейчас – руководитель службы поддержки и развития инструментов бизнес-аналитики, а также развитием корпоративной отчетности в компании Tele2.
Self Service новой реальности
Уход ряда западных компаний из России и прекращение поддержки внедренных инструментов поставил перед отечественными компаниями новые задачи. Как обеспечить пользователям привычную функциональность? Как в короткие сроки выбрать новый инструмент бизнес-аналитики? Как обеспечить работоспособность уже выстроенных бизнес-процессов? Доклад посвящен анализу опыта Data Office Tele2 по выбору оптимального инструмента бизнес-аналитики для самостоятельного применения сотрудниками компании и удовлетворяющего всем текущим ограничениям новой реальности. Особое внимание уделено обсуждению решения проблем, возникающих при встраивании инструментария в уже существующие корпоративные операционные процессы.
Любовь Кайдалова, «Газпром нефть»
Окончила Тюменский государственный нефтегазовый университет. Более 20 лет опыта работы в нефтегазовой индустрии: «Разведка и добыча в ТНК-ВР» – руководство направления планирования потребности в группе внедрения шаблона «Программы реинжиниринга процессов финансов и логистики» для бизнес-направления; «Газпром нефть» – руководитель группы проекта по унификации учета и калькуляции себестоимости всех дочерних добывающих обществ, отвечая за повышение качества управленческой отчетности, сформированной различными автоматизированными системами. Сейчас руководит направлением по качеству данных в Блоке разведки и добычи ПАО «Газпром нефть».
Александр Егоров,«Газпромнефть-Заполярье»
Окончил Тюменский государственный нефтегазовый университет, курс повышения квалификации в АНО ВО "Университет Иннополис" по направлению: CDO - управление, основное на данных. Почти 20 лет опыта работы с ИТ-индустрии: ГКУ ТО "Центр информационных технологий Тюменской Области" – начальник отдела, управления и заместитель директора сопровождения и развития системы межведомственного взаимодействия (полный перевод в электронный вид государственных и муниципальных услуг, успешное завершение проекта по запуску в эксплуатацию межведомственного взаимодействия, успешное завершение проекта кобрендинга регионального портала услуг/ Сейчас – руководитель программ по управлению данным (CDO) «Газпромнефть-Заполярье», отвечая за развитие управления данным на уроне общества, а также направления BI & AI в блоке разведки и добычи ПАО «Газпром-нефть».
Работа с данными в дочерних обществах крупной компании
Динамичность и информационная насыщенность современной цифровой бизнес-среды требуют от предприятий постоянного поиска новых технологий и инструментов работы с данными. Однако, по мере продвижения больших данных в бизнес, компании приходят к печальному выводу – они ничего не достигнут, работая с беспорядочными данными низкого качества. Как выстроить работу с данными в дочерних обществах крупных компании? Как в дочерних обществах выполняются задачи работы с данными и как организовать их исполнение? Особое внимание уделено Self-service – одному из главных драйверов формирования организации, управляемой данными и развития продвинутой аналитики на основе технологий искусственного интеллекта.
Дмитрий Шведов,«УралХим»
Окончил Вятский государственный университет, более 20 леи опыта работы в ИТ-индустрии. Прошел путь от системного администратора в администрации города Кирово-Чепецка до главного корпоративного архитектора группы компаний «УралХим». Сейчас — заместитель руководителя департамента цифровизации в «ОХК «УралХим» отвечает за развитие информационных сервисов аналитических показателей и прогнозов.
Платформа экосистемы работы с данными
В любой производственной структуре имеются специалисты, непрерывно анализирующие информацию, ежедневно предоставляющие актуальные сведения по продукции, маржинальности и расходам, а также готовящие финансовые сводки по проектам и ключевым финансовым показателям. Рано или поздно, особенно если бизнес активно развивается, да еще в условиях динамичного рынка экономики турбулентности, может резко увеличиться число запросов на аналитические сервисы, необходимые для оперативного принятия управленческих решений. Для минимизации участия человека в процессе обработки данных, сокращения времени на коммуникации, требуемого для процесса «вопрос — обработка — ответ» и своевременного предоставления по запросу необходимой информации необходима платформа данных и глубокой аналитики. Доклад посвящен обсуждению опыта применения платформы данных УралХим, предоставляющей сотрудникам компании данные из корпоративного хранилища. Особое внимание уделено особенностям создания новых цифровых сервисов: моделей, наборов данных для прогнозной аналитики, а также цифровых двойников оборудования.
Вернуться к докладчикам
Варвара Макарьина,«Балтика»
Окончила РГУ нефти и газа (НИУ) им. И.М. Губкина. Десять лет опыта в сфере бизнес-аналитики и отчетности, из них три года в сфере управления данными. Работала в ЦОД Linxdatacenter, затем в пивоваренной компании «Балтика». Сейчас – руководитель направления стандартизации данных и управления знаниями, отвечающий за реализацию стратегии Data Governance в Integrated Supply Chain, «Балтика».
Использовать нельзя забыть – как поддерживать актуальность данных
Источники данных создаются и изменяются непрерывно, причем самое подробное и актуальное описание может быстро устареть если не выстроен процесс отслеживания изменений. Доклад посвящен обсуждению практики работы с каталогом данных, отражающим все релевантные сведения, возникающие в ходе контроля данных и управления их жизненным циклом.
Вернуться 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.
Low-code – инструмент повышения культуры управления данными
Повальное увлечение цифровизацией привело к тому, что работа с данными стала функцией далеких от ИТ сотрудников, для большинства которых весьма сложны инструменты, ориентированные на написание кода. В результате возникает феномен «теневого ИТ», когда сотрудники используют подручные, понятные им продукты для решения производственных задач работы с данными. Все это приводит к хаосу. Подход low-code позволяет демократизировать работу с данными при сохранении их управляемости и обеспечения высокого качества. Доклад посвящен обсуждению примеров вовлечения в корпоративную работу с данными сотен сотрудников, ранее работавших лишь с Excel.
Вернуться к докладчикам
Сергей Золотарев,Arenadata
Окончил МГТУ им. Н.Э. Баумана и Open University of London (MBA). Около 30 лет опыта работы в ИТ-индустрии: EMC, Jet, Avaya, Microsoft и Compaq. Возглавлял представительство компании Pivotal в России, СНГ и Восточной Европе, где руководил проектами в области управления большими данными – инициировал проект разработки универсальной открытой платформы данных, результатом которого стал, в частности, продукт Arenadata Hadoop, сертифицированный Linux Foundation. Основатель компании Arenadata, специализирующейся на разработке открытой платформы сбора и хранения данных. Сейчас – генеральный директор и управляющий партнер компании "Аренадата Софтвер".
Основные «рецепты» по работе с Open Source
Текущая экономическая турбулентность привела, в частности, к всплеску интереса к ПО с открытым кодом в корпоративном сегменте. На Open Source обратило внимание и государство, увидевшее в нем альтернативу зарубежному проприетарному ПО. Вместе с тем, чем шире в платежеспособных корпорациях применяется открытое ПО, тем больше развиваются и сами свободные продукты, развитие которых приобрело сегодня взрывной характер. Однако любой взрывообразный процесс либо что-то разрушает, либо критически сам меняется, например, разработчики Open Source — это уже не талантливые одиночки, а сотрудники специализированных компаний и подразделений крупных корпораций, подверженных влиянию государств дислокации их штаб-квартир. Сами проекты с открытым кодом существенно усложнились и могут насчитывать миллионы строк кода – в таких огромных проектах сложно, практически невозможно разобраться даже при наличии исходников. Кроме этого открытость хороша в дружественном мире, но не в эпоху конфронтации. Доклад посвящен обсуждению преимуществ и недостатков работы с Open Source в корпоративном сегменте. Особое внимание уделено особенностям применения открытого ПО как альтернативы проприетарному западному ПО и про вклад компании Arenadata в разработку соответствующих решений.
Вернуться к докладчикам
Дмитрий Пичугин,«Тинькофф»
Около десяти лет опыта работы в сфере технологий хранилищ данных. Руководил командой разработчиков BI-отчетности в «Альфа-Банке». В «Тинькофф» создал продукт Data Detective, с нуля построил систему Data Governance и вырастил команду управления данными. Сейчас – руководитель группы управления данными «Тинькофф».
Секреты создания каталога данных
Данные сегодня стали ценным активом и накапливаются компаниями в гигантских объемах. Как не запутаться в масштабных объемах сохраненной и доступной для анализа информации? Как найти именно тот кусок сведений, нужных для ответа на текущий вопрос? Доклад посвящен обсуждению опыту поиска ответов на эти и другие вопросы. Особое внимание уделено анализу масштаба проблемы поиска данных, разбору способов ее решения и возможных ошибках на этом пути.
Вернуться к докладчикам
Ирина Голощапова,«Лента»
Окончила МГУ им. М.В. Ломоносова, к.э.н. Более 10 лет опыта работы в сфере анализа данных и продвинутой аналитики в различных прикладных областях: X5 Retail Group – развитие продвинутой аналитики в финансовой функции компании; Manchester University – data science в социально-значимых проектах; Big Data Indicators, Центр макроэкономического анализа и краткосрочного прогнозирования – продвинутая аналитика в экономике. Консультант Skolkovo MMA, приглашенный лектор в Образовательном центре Сириуса. Сейчас – руководитель Data Science в компании «Лента».
Как повысить эффективность команд работы с данными
Сегодня уже ни для кого не секрет, что чрезвычайно важно и нужно понимать логику работы моделей машинного обучения – в противном случае можно «насобирать» множество проблем из-за того, что модель не будет принята конечным пользователем и непонятна бизнесу. Тема интерпретируемости моделей машинного обучения является частью концепции Reliable ML – что делать, чтобы результат работы команд data science/big data был применим в бизнес-процессах компании и приносил ей пользу. Reliable ML охватывает как технические особенности машинного обучения, так и построение процессов работы Big Data и взаимодействия с бизнесом для достижения максимального финансового эффекта. Доклад посвящен обсуждению концепции Reliable ML. Особое внимание уделено принципам выбора проектов для их реализации подразделениями продвинутой аналитики, а также эффективному проектированию систем машинного обучения.
Вернуться к докладчикам
Вадим Уланов,«ВсеИнструменты.ру»
Окончил МГУ им. М.В.Ломоносова. Почти 15 лет опыта работы в ИТ-индустрии: Государственный научный центр РФ «Исследовательский центр им. М.В.Келдыша» – математик отдела нанотехнологий; «СКАНЭКС» – разработчик; «АльфаСтрахование» – специалист актуарного отдела; ГУП "Московский метрополитен" – ведущий специалист; ОАО «Ферреро Руссия» – разработчик, архитектор аналитической отчетности, менеджер системы автоматизации продаж, руководитель направления данных. Обладает опытом реализации аналитических проектов автоматизации подготовки данных для расчета страховых резервов, проектирования и реализации проектов цифровой трансформации, миграции хранилища из облака на мощности On-Premise, создания процесса планирования качественных показателей работы команды продаж, формирования Data office для предприятий FMCG. Сейчас – директор по данным в компании «ВсеИнструменты.ру», отвечая за цифровую трансформацию бизнеса – переход к модели Data Driven.
Направление данных как драйвер трансформации компании
.
Вернуться к докладчикам
Виталий Когтев,«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 по качеству данных, Управления по организации работы с данными Дирекции экономики и корпоративного планирования ПАО «Газпром нефть».
Анализ качества данных – путешествие за пользовательским опытом
В Группе «Газпром нефть» выделено более полусотни предметных областей данных («Доменов данных»): «Бурение», «Производственная безопасность» и пр., для каждого из которых выполняется внедрение процессов управления данными. Однако, при выстраивании таких процессов одного объективного замера качества данных недостаточно – это лишь отправная точка на пути приведения данных к требуемому качеству. Доклад посвящен анализу опыта эволюции требований к инструментам анализа качества данных, необходимых для поиска источников возможных проблем с данными.
Вернуться к докладчикам
Станислав Фесенко,Crosstech Solutions Group
Окончил НИЯУ МИФИ. Более десяти лет опыта работы в сфере информационной безопасности: создание и продвижение средств обеспечения ИБ для автоматизированных систем управления технологическими процессами и контроля доступа; развитие решений классов NTA, EDR, XDR, Sandbox, Anti-APT, Threat Intelligence; безопасность структурированных и неструктурированных данных. Сейчас – руководитель центра компетенций и отдела предварительной продажи в компании Crosstech Solutions Group.
Практика управления защитой данных
Доклад посвящен разбору сценариев, иллюстрирующих недостатки традиционного подхода эшелонированной защиты информационных систем по периметру, не способного обеспечить требуемый уровень безопасности конфиденциальных данных. Особое внимание уделено анализу практических путей решения задачи управления защитой данных.
Вернуться к докладчикам
Василий Костин,«Федорово минералз»
Окончил Московский институт электронной техники, более 10 лет опыта в ИТ-индустрии: ПАО «Коммерческий центр», Росатом – ведущий эксперт НСИ; Urban Group – руководитель группы НСИ, начальник отдела НСИ; ООО «Инлайн технолоджис» – аналитик; ПАО АК «АЛРОСА» – эксперт НСИ; АО «Национальная нерудная компания» – руководитель проекта НСИ. Сейчас – руководитель направления НСИ в компании «Федорово минералз», отвечая за методологию управления данными.
Общероссийский справочник продукции
Требования к НСИ у всех организаций разные, что вызывает путаницу и дублирование. Однако проблемы в каждой организации похожие – в каждой делают Единый справочник закупаемой продукции. Почему бы не вести справочник продукции централизовано на уровне страны? Для этого требуется создание общероссийского справочника, из которого пользователи смогут брать номенклатурные позиции с уникальным кодом и наименованием для использования в своей системе. Важно, чтобы компания выбрала для себя группу с тем набором атрибутов, которые точно покрывают ее потребности. Наличие такого справочника означает снижение затрат на НСИ, более эффективное продвижение продукции, возможность отслеживания экономических зависимостей и оперативного регулирования, экономическую безопасность, и т. д. Уже реализованы более простые подобные проекты: ЕГРЮЛ, ФИАС. Доклад посвящен обсуждению комплексного решения задачи ведения справочников закупаемой продукции во всех организациях. Основное внимание уделено экономическому эффекту и методологии, а также презентации идеи общероссийского мегапроекта.
Вернуться 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.
Рывок в будущее с российской линейкой решений
Сегодня много говориться о цифровой трансформации, но мало про ее практические эффекты для бизнеса: «внутренняя монетизация» – за счет улучшения процессов в компании (ускорение принятие решений, сокращение числа ошибок, снижение затрат, построение прогнозных моделей для стратегических бизнес-инициатив и т. д.), что составляет свыше 60% прибыли от цифровой трансформации; «внешняя монетизация» – создание data-продукта и построение экосистемы вокруг него; «B2G-монетизация» – выстраивание эффективной комплаенс-стратегии на основе анализа данных компании. Кроме этого, иногда забывают, что цифровая трансформация включает в себя не только работу с данными, но также и автоматизацию бизнес-процессов, управление знаниями и компетенциями, выстраивание эффективных коммуникаций на основе цифровых технологий. Доклад посвящен обсуждению возможностей Plus7 – первой российской end-to-end линейки решений поддержки процесса комплексной цифровой трансформации. Особое внимание уделено ключевым продуктам этой линейки и их возможностям.
Вернуться к докладчикам
Иван Новоселов,DataCatalog
Почти 20 лет опыта работы в ИТ-индустрии: внедрение аналитических систем, разработка облачных продуктов и развитие бизнеса в таких компания, как SAS, IBM, «Интерфакс». Сейчас – генеральный директор совместного предприятия Arenadata и ГК Luxms, разрабатывающего продукт Arenadata Catalog.
Опыт внедрения каталогов данных
Одним из основных условий успешного внедрения каталогов данных является удобство использования продукта различными группами пользователей – бизнесу и аналитикам важен фокус на бизнес-терминах и отчетах, а инженерам и разработчикам важны технические метаданные. Основные задачи, решаемые продуктами класса каталог данных: повышение прозрачности и надежности данных в организации; обеспечение аналитиков, пользователей и инженеров данных удобным инструментом поиска данных с учетом их качества, требований ответственных лиц и источников; обеспечение взаимодействия различных пользователей внутри организации при работе с данными; учет политик и правил управления данными, а также обеспечение SLA на витрины данных. В продукте Arenadata Catalog был учтен богатый опыт внедрения каталогов данных и актуальные требования российских заказчиков. Доклад посвящен обсуждению возможностей продукта, обеспечивающего описание предметных областей данных и ведение бизнес-глоссария; сбор и интеграцию метаданных (БД, витрины данных, очереди, ETL/ELT, SQL-запросы); поиск и работу с объектами данных; автоматический сбор метаданных из различных источников; связь бизнес-глоссария с корпоративными данными и аналитическими системами.
Вернуться к докладчикам
Банк России
Камни преткновения управления данными
Проблемы, связанные с управлением данными можно объединить в три основные группы:
принятие решений на основе интуиции, а не данных. Какими бы высококачественными не были данные, какими бы изощренными не были способы их анализа, если лица, принимающие решения не используют факты и результаты их анализа для управления бизнесом и для его совершенствования, то все усилия по управлению данными будут напрасными. Наличие развитого механизма управления данными является необходимым, но не достаточным условием для принятия эффективных управленческих решений и для развития бизнеса;
акцент при анализе данных на продвинутую аналитику. Сегодня наблюдается явный перекос в сторону продвинутой аналитики с выделением роли data scientist, причем в ущерб иным аналитическим возможностям для бизнес-пользователя (OLAP, dashboard, data discovery, data mining, guided analytics), которые перестали развиваться. Однако, при выборе алгоритмов моделирования, фиксации признаков, разметке данных для обучения, интерпретации результатов не исключен субъективизм, что вызывает недоверие к аналитике. Кроме этого, для использования продвинутой аналитики нужно осваивать программирование в отличии от инструментов no-code/low-code бизнес-аналитики;
недооценка качества данных в широком смысле. Качество данных, существенно влияющее на качество результатов анализа, рассматривается лишь с точки зрения достоверности данных, однако необходимо также обеспечивать доступность, релевантность и актуальность данных.
Доклад посвящен анализу проблем каждой группы и обсуждению конкретных путей их преодоления.
Вернуться к докладчикам
Роман Гоц,Atos
Более 20 лет опыта работы в ИТ-индустрии: занимался развитием бизнеса в крупных технологических компаниях, управлял федеральными и макрорегиональными проектами, возглавлял управление федеральной розницей и расширением региональной партнерской сети. Сейчас – директор по развитию бизнеса компании Atos в России, где руководит департаментом больших данных и безопасности, предлагающим инфраструктурные решения предприятиям различных отраслей экономики.
Жизненный цикл данных – от периферии до озера
Данные сегодня приобрели критически важное значение, позволяя компаниям создавать инновационные решения, получать конкурентные преимущества и принимать взвешенные решения. Однако, управление данными создает для компаний большие трудности – цифровая трансформация невозможна без надежной архитектуры работы с данными и соответствующих аппаратно-программных решений:
Как эффективно управлять жизненным циклом данных?
Как оптимизировать данные?
Что из себя представляют периферийные вычисления?
Как реализовать DataLake не обладая специальными навыками?
Как гарантировать высокую рентабельность инвестиций?
Доклад посвящен комплексным решениям Atos, специально предназначенным для работы с большими данными и средствами видеоаналитики.