ОСНОВЫ ЦИФРОВОЙ ЭКОНОМИКИ
УПРАВЛЕНИЕ ДАННЫМИ 2026
ФОРУМ
XI Форум для обмена опытом между руководителями в области управления данными, ИИ и цифровой трансформации бизнеса.
Главная площадка для обсуждения стратегий работы с данными,
импортозамещения и внедрения ИИ в различных отраслях
Главная площадка для обсуждения стратегий работы с данными,
импортозамещения и внедрения ИИ в различных отраслях
Программный комитет:
Ольга Романова
Промышленность
руководитель департамента анализа данных и контента
«Газпромнефть – ЦР»
«Газпромнефть – ЦР»
Окончила МЭИ, магистр радиотехники. Почти 20 лет опыта работы в ИТ-индустрии – аналитические системы, управление данными, разработка корпоративных цифровых продуктов. В «Газпромнефть – ЦР» руководит развитием продуктов управления данными и интеллектуальных сервисов для корпоративных функций. Среди ключевых проектов — создание единой системы корпоративного поиска, объединившей почти 90 информационных систем, развитие семантических технологий, импортозамещение инструментов управления данными, внедрение больших языковых моделей в защищенном корпоративном контуре и разработка ИИ-ассистентов для решения бизнес-задач. Участник профессиональных конференций по управлению данными и искусственному интеллекту, модератор экспертных дискуссий и отраслевых секций, посвященных цифровой трансформации, данным и ИИ в промышленности. Эксперт в области управления данными, внедрении корпоративных цифровых платформ и применении искусственного интеллекта в крупных промышленных компаниях.
Бизнес ищет сегодня в ИИ ответы на свои злободневные вопросы, однако на практике оказывается, что ИИ не исправляет плохие процессы и не устраняет организационные проблемы, а лишь делает их более заметными. Реальная трансформация любого бизнеса, независимо от модных технологий, начинается не с выбора модели или платформы, а с понимания того, как данные действительно помогают создавать новую ценность. Задача секции – обсуждение путей трансформации, которые сейчас проходят российские компании: от построения систем управления данными и развертывания современных архитектур до внедрения ИИ в условиях закрытых контуров, строгих требований информационной безопасности и высоких рисков. В центре внимания: реальные кейсы, практические результаты и конкретный опыт.
Олег Молчанов
Ретейл.Телеком
руководитель направления по метаданным и качеству данных
«Магнит»
«Магнит»
Окончил Кубанский государственный университет по направлению «Управление качеством в социально-экономической сфере». Почти 20 лет опыта работы в ретейле – специализируется на управлении данными и обеспечении их качества. Сейчас – руководитель направления по метаданным и качеству данных, Департамента по работе с данными российской розничной сети «Магнит». Отвечает за обеспечение доверия сотрудников к данным и развитие культуры data-driven.
Данные в ретейле — это не просто показатели в отчетах, а пульс бизнеса: от наличия товара на полке до персонализированных предложений конкретному покупателю. Однако сами по себе данные активом компании на становятся – важны и культура работы с данными, и «зашитые» в нее процессы управления. Но в ретейле зачастую управление данными «по книжке» не работает и с подачи «сверху» не стартует – при запуске таких инициатив важно фокусироваться на ценности и показателях бизнеса. Секция объединяет ведущих практиков ретейла и телекома, которые делятся своими реальными кейсами и опытом построения эффективных систем управления данными. Акцент выступлений на бизнес-эффектах от решений управления данными в эпоху обеспечения технологической независимости, а также от применения ИИ-инструментов для оптимизации затрат и ускорения производительности.
Наталья Стрекаль
Финансовый сектор
директор, руководитель практики управления данными
«Технологии Доверия»
«Технологии Доверия»
Более 10 лет опыта работы на консультационных проектах в интересах крупнейших финансовых институтов России: Сбер, ВТБ, Альфа-Банк, Т-Банк, Райффайзенбанк, Банк России, Национальный Клиринговый Центр. Сейчас – директор, руководитель практики управления данными и ИИ для банков и финансовых компаний, «Технологии доверия» (ТеДо).
Данные в финансовом секторе играют особую роль – на протяжении десятилетий на их основе формируются продуктовые линейки, разрабатываются продвинутые модели, используемые и в ценообразовании, и в управлении клиентской стоимостью, и в регуляторике. С приходом искусственного интеллекта финансовый сектор оказался в авангарде – финансовые организации, которые годами создавали систему управления данными, уже сейчас начинают получать преимущества от ИИ-трансформации. Секция посвящена обсуждению с ведущими участниками банковской и страховой индустрии, вызовы времени, решаемые с помощью данных: импортозамещение основных учетных систем, интеллектуализция ключевых процессов, создание дата-партнерств и клиентоцентричная модель ведения бизнеса.
Дмитрий Волков
программный директор
«Открытые Системы»
«Открытые Системы»
Как свидетельствует многолетний опыт проведения мероприятий издательства, данные – основа цифровой экономики и источник жизненной силы ее предприятий. Однако, для информационного общества критичны любые ошибки в данных, поэтому сейчас так востребованы соответствующие актуальные методики и инструменты. Форум – уникальная площадка для обмена идеями и опытом реализации стратегий руководства и управления данными. Наиболее актуальные темы и лучшие спикеры – совершенно все на нашем Форуме.
Окончил НИЯУ «МИФИ». Более 40 лет опыта работы в ИТ-индустрии: ИПМ им.М.В.Келдыша РАН – интегрированная разработка больших инженерных систем в интересах предприятий, организаций и исследовательских институтов «Росатом»; Венский университет экономики и бизнеса – интеграция приложений, информационных систем и пакетов прикладных программ работы с искусственными нейронными сетями, хранение и консолидация данных для геосервисов. В рамках проектов для предприятий атомной отрасли принимал участие в качестве архитектора данных, архитектора по интеграции и лидера разработки систем хранения, передачи и управления результатов физических экспериментов и данных эксплуатации промышленных энергетических установок. Главный редактор журнала «Открытые системы.СУБД». Программный директор конференций и форумов издательства «Открытые системы»: «Управление данными»; «BItech.Технологии бизнес-аналитики»; «Качество данных»; «Роботизация бизнес-процессов»; «Технологии искусственного интеллекта»; «Технологии блокчейна»; «Технологии баз данных» и др. Cтарший научный сотрудник ИПМ РАН.
В программе:
- ИИ-агенты в управлении данными: мифы и реальность
- Архитектура единой адаптируемой платформы данных
- Эффективность компании: культура работы с данными
- Российский рынок систем руководства и управления данными
- Как решить проблему хаоса в данных?
- Оценка эффективности проектов управления и руководства данными
- Демократизация и защита данных – ключевого актива цифрового предприятия
Экстренная миграция 2022–2025 годов уступает сегодня место стратегическому развитию – ИТ-индустрия движется от хаотичного поиска «заменителей» западного ПО и затыкания дыр с помощью Open Source к построению долгосрочной архитектуры на базе зрелых отечественных экосистем.
Участники: Сбер, ВТБ, НСПК, X5, Hoff, Магнит, АвтоВАЗ, СИБУР...
- Импортозамещение 2.0 – от формального соответствия реестру к реальной бизнес-эффективности: проблемы и перспективы
- От разрозненных продуктов к платформам и зрелой инфраструктуре: мечты и действительность
- Low- и no-code – стратегический инструмент, ИИ – ядро корпоративных систем, а кибербезопасность как обязательный слой?
- Стандартизация и консолидация рынка – необходимость или рекомендация?
- Выстроена ли в стране собственная устойчивая экосистема и возможно ли возвращение к западным продуктам?
- Реален ли полный суверенитет в сфере ПО?
Участники: Сбер, ВТБ, НСПК, X5, Hoff, Магнит, АвтоВАЗ, СИБУР...
- От сырых сведений в хранилищах к дата-продуктам
- Self-service. Работа с данными без посредников
- Платформа бизнес-аналитики – основа бизнеса
- Эффективное разрешение инцидентов работы с данными
- Мониторинг, аудит, контроль, проверка и доверенный обмен данными
- Построение процессов создания и эксплуатации сервисов работы с данными
- Управление и руководство данными как способ оптимизации бизнес-процессов
- Катастрофоустойчивые независимые платформы управления и руководства данными
- Конвейер от Data Warehouse, Data Lakehouse до Data Governance
- Инструменты мониторинга качества данных: обнаружение аномалий, прозрачность, родословная
- Средства сбора и интеграции разнородных данных из альтернативных источников
- Инструменты создания и поддержки Каталога данных как основы бюджетирования, консолидации и адаптивной отчетности
- Инструменты гармонизации мастер-данных
- Технологии обеспечения безопасности данных
- от каталога к корпоративному смыслу: бизнес-глоссарий, семантический слой
- интеллектуальное управление данными («data intelligence»): мифы и реальность
- Роль CDO в управлении цифровыми активами
- ...
Архитектуры и отраслевые практики
- «АЛРОСА»
- «АстраЗенека»
- «Балтика»
- «Газпром нефть»
- «Мангазея Майнинг»
- «Норильский никель»
- НЛМК
- «СИБУР»
- «Северсталь»
- «Светогорский ЦБК»
- «Уралхим»
- Билайн
- «Лемана Тех»
- «Лента»
- «Магнит»
- «М.Видео-Эльдорадо»
- МТС
- «Ростелеком»
- t2
- «Абсолют Страхование»
- «Альфа банк»
- «АльфаСтрахование
- ВТБ
- МКБ
- «ОТП-Банк»
- ПСБ
- РСХБ
- «Группа Ренессанс Страхование»
- Сбер
- «Точка-банк»
«Эпоха GenAI: управление данными в промышленности»
- Как GenAI принципиально изменил требования к управлению данными?
- Если бы вы сегодня заново выстраивали систему управления данными в компании, что сделали бы иначе с учетом развития GenAI?
- Достаточно ли классического Data Governance для эпохи GenAI?
- Какие требования к данным оказались критичными при внедрении GenAI-решений?
- Через пять лет управление данными станет проще благодаря ИИ или нет?
«Как ИИ меняет культуру управления данными?»
- Применение ИИ для сокращения T2M хранилища и отчетности,
- Оптимизации затрат на DG & DQ
- Новые критические для Data-менеджеров навыки в эпоху ИИ
- Как преодолевать сопротивление внедрению ИИ?
- Оценка эффективности Data-команды в эпохуИИ
- Как привести функцию управлению данными к уровню зрелости "AI-Augmented"?
«Перезагрузка дата-стратегии финансового сектора в эпоху интеллектуальных агентов»
- Готовы ли данные российских банков и страховых компаний к массовому внедрению генеративного ИИ и ИИ-агентов?
- Главные ограничители развития ИИ: качество и доступность данных, устаревшая архитектура, требования безопасности или дефицит компетенций?
- Управление данными как самостоятельное конкурентное преимущество финансовых организаций?
Спикеры:
«Объединенное Кредитное Бюро»
«Точка банк»
DIS Group
«ТриниДата»
«Инфосистемы Джет»
«АстраЗенека»
«Россельхозбанк»
«Национальная Система Платежных Карт» (НСПК)
«Инфосистемы Джет»
«Абсолют Страхование»
Data Sapience
«Arenadata Harmony MDM»
«Arenadata Harmony MDM»
Александр Константинов
Как переосмыслить MDM в эпоху ИИ
директор по развитию
«Arenadata Harmony MDM»
«Arenadata Harmony MDM»
Окончил факультет международных отношений Санкт-Петербургского государственного университета (СПбГУ) по специальности мировая политика. Более 20 лет опыта работы в ИТ-индустрии и в области медиатехнологий: руководство студии по производству видеоконтента Voda; автор ряда передач для каналов ТНТ и MTV, а также сценариев для программ на федеральных телеканалах НТВ и РТР; «Московский комсомолец» – главный редактор отдела; руководил продвижением на рынок российско-немецкого концерна A+S и транспортной компании «Газелькин»; владел собственной студией по производству сериалов и рекламы. «Юниверс Дата» – коммерческий директор. Сейчас – директор по развитию «Arenadata Harmony MDM».
Качество исходных данных – определяющий фактор эффективной работы ИИ-решений. Без надежной основы даже самые продвинутые модели опираются на неточные сведения. Доклад посвящен обсуждению использования MDM в качестве фундамента для ИИ-трансформации – от построения единого источника достоверных данных до запуска эффективных ИИ-проектов. Особое внимание уделено обзору решений ИИ, предлагаемых Arenadata Harmony MDM, позволяющих ускорить работу с нормативно-справочной информацией и снизить нагрузку на команды.
Евгений Обелов
Как переосмыслить MDM в эпоху ИИ
технический директор
«Arenadata Harmony MDM»
«Arenadata Harmony MDM»
Окончил магистратуру РГУ нефти и газа (НИУ) им. И.М.Губкина по специальности «Автоматика и вычислительная техника». Более 20 лет опыта работы в ИТ-индустрии, начав карьеру с автоматизации центрального производственно-диспетчерского управления «Газпром». Реализовал проекты управления мастер-данными в таких компаниях, как: «Газэнергосеть», СКБ Контур, Food Union, «Транзас», «Инфинитум», СТТ, «Сибур», Мостра-Групп, «Данон», НЛМК и ТМК. Сейчас – технический директор, «Arenadata Harmony MDM».
Качество исходных данных – определяющий фактор эффективной работы ИИ-решений. Без надежной основы даже самые продвинутые модели опираются на неточные сведения. Доклад посвящен обсуждению использования MDM в качестве фундамента для ИИ-трансформации – от построения единого источника достоверных данных до запуска эффективных ИИ-проектов. Особое внимание уделено обзору решений ИИ, предлагаемых Arenadata Harmony MDM, позволяющих ускорить работу с нормативно-справочной информацией и снизить нагрузку на команды.
Кирилл Евдокимов
Каталог данных AI-Ready
директор практики Data Governance
Data Sapience
Data Sapience
Окончил ВМК МГУ им. М.В.Ломоносова. Более 25 лет опыта работы в сфере управления данными и аналитики – в интересах консалтинговых компаний и крупных российских банков, страховых и розничных компаний занимался созданием хранилищ данных, развертыванием MDM- и аналитических решений (BI, Campaign Management, AML, OpRisk). Работал в финансовом секторе: Райффайзен банк – руководитель отдела управления данными, отвечал за стратегию развития Data Governance, выстраивание и сопровождение процессов управления метаданными, качеством данных, НСИ, а также развитие КХД, инструментария self-service BI и проверку гипотез. Сейчас – директор практики Data Governance в ГК «ГлоуБайт», отвечает за развитие линейки продуктов Data Ocean Governance компании Data Sapience, решения по управлению метаданными и качеством данных DOG EMM и DOG DQ; руководит проектной практикой в области управления данными для заказчиков из различных отраслей: разработка стратегии управления данными и создание продуктов для автоматизации процессов и решения прикладных задач в области управления качеством данных, метаданными и НСИ.
Автоматизации бизнес-процессов с использованием ИИ-агентов – это тенденция современного рынка и фокус работы для большинства компаний. Что должна «уметь» современная платформа управления данными для поддержки ИИ-агентов? Как меняется взгляд на управление данными по мере масштабирования ИИ? Какие возникают новые вызовы в части техники и методологии? Чем «семантический слой» отличается от классического бизнес-глоссария? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено обсуждению требований к современной платформе управления данными и ее взаимодействию с ИИ-агентами (как в части доступности данных, так и в части автоматизации работы стюардов данных). Кроме этого анализируются перспективы развития решений по управлению метаданными.
Римма Лупол
Аналитика без хранилища: опыт «умной» миграции на суверенную платформу
ведущий специалист по кадровой аналитике
«ЭкоНива»
«ЭкоНива»
Окончила Воронежский государственный архитектурно-строительный университет. Более 15 лет опыта работы в банковском секторе, HR-аналитика C&B (функция, отвечающая за систему вознаграждения, мотивации, компенсаций и льгот для сотрудников ): «Сбербанк Онлайн» – клиентский сервис; «Офисмаг» – автоматизация расчетов мотивации. Сейчас – ведущий специалист по кадровой аналитике, ООО «ЭкоНива-АПК Холдинг».
Команда HR-аналитики агрохолдинга «ЭкоНива» мигрировала с зарубежной системы Power BI на российскую платформу Visiology. Доклад посвящен анализу опыта перехода на суверенное решение: выстраивание модели и витрин данных собственными силами без привлечения интеграторов; настройка ежедневного автоматического обновления дашбордов при отсутствии хранилища данных. Особое внимание уделено обсуждению проблем выполнения проекта миграции и особенностей их преодоления в условиях фрагментированного ИТ-ландшафта и разнородности источников данных: многочисленные базы «1С», «ручные» excel-файлы, Яндекс.Документы, опросники на Яндекс.Формах и пр. Кроме этого раскрываются секреты выстраивания процессов очистки, валидации и обогащения данных и обнародуются перспективы дальнейшего развития проекта, включая мониторинг зарплат по регионам с помощью решений ИИ, используемых для сбора данных.
Кристина Проскурина
Как не мешать бизнесу работать с данными
управляющий директор управления бизнес-анализа
«Россельхозбанк»
«Россельхозбанк»
Окончила НовГУ им. Ярослава Мудрого. Почти 10 лет опыта работы в сфере финансов и консалтинга, более 15 лет опыта в сфере бизнес-аналитики и больших данных: эксперт, консультант, руководитель бизнес анализа данных и разработки. Сейчас — управляющий директор управления бизнес-анализа, РСХБ.Цифра.
Современному бизнесу нужны мгновенные ответы на свои запросы – ожидать аналитических отчетов от ИТ-подразделения сегодня нельзя. Как это добиться: централизованная разработка или self-service? Каким вообще должен быть минимальный и роскошный максимальный инструментарий для анализа данных, причем не забывая, что инструменты – это еще не гарант успеха? Как внедрять решения self service в процессы пользователей? Есть ли сегодня шансы у распечатанного отчета против ИИ? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено анализу опыта применения платформы исследования данных и инструментов ИИ. Кроме этого обсуждается рецепт от «выгорания» при внедрении аналитики в большом банке.
Оксана Николаева
Качество без права на исправление
директор по управлению данными
«Объединенное Кредитное Бюро»
«Объединенное Кредитное Бюро»
Окончила Белгородский государственный университет по специальности Финансы и кредит. Почти 20 лет опыт работы в финансовой индустрии – кредитование физических и юридических лиц: «Банк ВТБ» – главный специалист по автокредитованию; КБ «ЛOKO-Банк» – руководитель направления сопровождения и контроля за операциями кредитования физических лиц. Семь лет опыта работы с данными, входящими в состав кредитной истории: КБ «Ренессанс Кредит» – руководитель управления данными передаваемыми в БКИ. Сейчас – директор по управлению данными Объединенного Кредитного Бюро (АО «ОКБ»).
Бюро кредитных историй (БКИ) получает, аккумулирует и хранит информацию, входящую в состав кредитных историй физических и юридических лиц: кредитные договора и линии, договора лизинга и прочих сделках, которые заключают Источники формирования кредитных историй (Источники). Этот свод кредитной информации БКИ представляет Пользователям кредитных историй в кредитных отчетах, главная задача которых – оценка кредитных рисков. База данных БКИ – это более 1 тыс баз из разных Источников: банки, микрофинансовые организации, кредитные потребительские кооперативы, лизинговые компании, операторы рассрочки и др. Согласно 218-ФЗ «О кредитных историях», БКИ не вправе «прикасаться» к данным – их можно только хранить и, при наличии законного согласия субъекта, отдавать пользователям в виде кредитных отчетов, что создает фундаментальный парадокс. Как, не имея доступа к оригинальным данным Источников, проверить данные на качество? Как повысить качество данных без права на их исправление? Доклад посвящен ответам на эти и другие вопросы.
Ринат Абдурахманов
Почему Data Quality застрял в DWH?
лидер направления Качества данных
«Точка банк»
«Точка банк»
Окончил РГУ Нефти и Газа им. И.М. Губкина, факультет «Автоматика и вычислительная техника». Более пятнадцати лет опыта работы в ИТ-индустрии – процессы управления данными, создание систем хранения и обработки данных: Accenture – консультант по хранилищам данных на проектах для «Росбанка» и «Альфа-банка»; «СИБУР» – старший эксперт по управлению данными; «ВымпелКом» – СDO, вице-президент по работе с данными; «Московский кредитный банк» – директор департамента управления данными. Сейчас – лидер направления Качества данных, «Точка банк».
Практически все специалисты по управлению данными сходятся во мнении – качеством данных нужно управлять максимально близко к месту их возникновения. Однако на практике большинство проверок по-прежнему сосредоточено в корпоративном хранилище и аналитическом контуре. Почему? По какой причине, даже понимая правильную архитектуру, компании продолжают строить Data Quality вокруг хранилища? Доклад посвящен ответу на эти вопросы, а также обсуждению того, как изменить не место исполнения проверок, а саму модель управления качеством данных, перейдя от контроля хранилища к контролю бизнес-процессов, одновременно вовлекая владельцев данных в обеспечение качества и расставляя приоритеты, исходя из стоимости ошибок для бизнеса. Кроме этого разбирается, как перейти от контроля хранилища к контролю бизнес-процессов, вовлечь владельцев данных в обеспечение качества и расставить приоритеты, исходя из стоимости ошибок для бизнеса. Особое внимание посвящено ответу на вопрос: почему первые проверки появились именно в процессе Системы Быстрых Платежей и какие для этого потребовались организационные изменения?
Олег Гиацинтов
Data Governance – носитель смыслов для ИИ
руководитель направления цифровизации технологических и бизнес-процессов
DIS Group
DIS Group
Окончил МГТУ им. Н.Э.Баумана. Более 30 лет 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; управления знаниями, а также построения дата-центрических бизнес-процессов. Сейчас – технический директор, компания DIS Group.
Data Governance – это основной инструмент для описания семантического слоя, критически необходимый для ИИ, как при запросах RAG (Retrieval-Augmented Generation – генерация с дополненной выборкой, при которой, прежде чем ответить, языковая модель ищет нужные факты во внешних базах данных), так и для описания отраслевых терминов. Запросы с учетом семантического слоя для ИИ реализуется в Data Lakehouse, что позволяет преодолеть проблему «шторма запросов» и обеспечить необходимую скорость возврата запросов. В таком окружении ИИ помогает выстроить и формализовать бизнес-глоссарий, обеспечив связь с дата-каталогом, причем как со стороны отраслевых стандартов и отраслевых традиций, так и от структур данных существующих информационных систем и источников данных. Доклад посвящен обсуждению особенностей построения инфраструктуры, позволяющей с помощью Data Governance обеспечить максимально осознанную работу решений ИИ.
Максим Буянов
«Оживляем» данные и повышаем качество аналитики
директор по управлению данными
«Светогорский ЦБК»
«Светогорский ЦБК»
Окончил Московскую медицинскую академию им. И.М.Сеченова. Почти 20 лет опыта работы в сфере маркетинга, управления проектами и аналитики: 3М, Nestle и пр. Сейчас – руководитель департамента цифровизации производственных и непроизводственных процессов, НПАО «Светогорский ЦБК», отвечает за улучшение финансовых показателей компании за счет внедрения качественной аналитики и эффективной обработки данных (BI, CPM), автоматизации рутинных процессов (RPA, оптимизация процессов), улучшения производительности и снижения себестоимости производственных процессов (AI, ML, машинное зрение и др.).
Традиционный взгляд на использование BI – это стандартное сравнение факта к плану. А что если поставить цель – получить удобный инструмент быстрого прогнозирования, создания сценариев для согласования, причем так, чтобы система бизнес-аналитики мгновенно отображала все изменения? Самое главное – никаких «ручных» таблиц, все только онлайн. Плюс к этому, все справочники должны вестись безопасно и контролируемо в той же системе. Возможно ли это? Доклад посвящен ответу на этот вопрос.
Михаил Александров
Тема доклада: ...
технический руководитель Центра развития аналитических продуктов
Axenix
Axenix
Четверть века опыта работы в ИТ-индустрии: Tops Business Integrator, BearingPoint, Teradata, SAS, «Полиматика» – руководство разработкой продукта Polymatica ML. Специализируется на создании и внедрении систем управления эффективностью, продвинутой аналитики, анализа и отчетности, а также инструментов интеграции, управления качеством данных и НСИ в интересах производственных и финансовых корпораций. Сейчас – технический руководитель Центра развития аналитических продуктов, компания Axenix.
...
Алина Романовская
Как контролировать ИИ-агента?
руководитель продуктового направления
Т-Банк
Т-Банк
Окончила МГУ им. М.В. Ломоносова, факультет ВМК, «Прикладная математика» и магистратуру НИУ ВШЭ (ФКН, Data Science) совместно со Школой анализа данных Яндекса. Более 10 лет опыта работы в ИТ-индустрии, управление продуктами на стыке B2B и машинного обучения: «Яндекс.Такси» — менеджер продукта; «СберДевайсы» — старший менеджер продукта, запуск голосового ассистента в первых десяти гостиничных сетях; «Яндекс.Маркет» — руководитель продуктового направления, запуск ИИ-ассистента для более чем 100 тыс. продавцов, перезапуск раздела аналитики и главной страницы продавца. Организатор и преподаватель курса «Практический ML в продуктах» Школа анализа данных Яндекса. Сейчас — руководитель продуктового направления, Т-Банк, отвечает за автоматизацию клиентской поддержки на базе ИИ-агентов.
Компании часто внедряют ИИ-агентов ради повышения производительности: агент отвечает за секунды и в масштабе, недостижимом для оператора. Но вместе со скоростью приходит и самонадеянность. Агент читает контент буквально и, столкнувшись с неполными, противоречивыми или устаревшими данными, не сомневается — сразу клиенту уверенно выдает неверный ответ. Что именно ломается в агенте, когда контент не готов? Как понять, готовы ли ваши данные к работе с ИИ-агентом? Как выстроить контроль качества ответов? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено анализу опыта внедрения ИИ-агентов, разбору ошибок и обсуждению чек-листа оценки готовности агента к работу.
Анастасия Грибанова
Метаслой данных: как ИИ-инструменты меняют Data Governance
директор департамента разработки продуктов
Cloud.ru
Cloud.ru
Окончила Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В. И. Ульянова и Московский Открытый Институт. Более 10 лет опыта работы в области больших данных и внедрения специализированных решений Cisco Systems и Microsoft, а также более пяти лет руководства разработки продуктов для работы с большими данными в облачных провайдерах. Сейчас — директор департамента разработки продуктов для работы с данными на платформе Evolution, компания Cloud.ru.
Метаслой данных перестает быть лишь «техническим каталогом» и становится фундаментом для работы ИИ-инструментов – именно метаданные определяют, что модель увидит, поймет и как будет использовать. Как внедрение ИИ меняет требования к Data Governance — от автоматической каталогизации и контроля качества данных до управления? Доклад посвящен ответу на этот вопрос.
Екатерина Яковлева
Как с помощью ИИ снизить порог входа в DQ
руководитель Центра управления данными
МТС
МТС
Окончила Челябинский Государственный Университет. Почти 20 лет опыта работы в области управления данными – внедрение лучших практик в таких компаниях, как «Ростелеком», «Райффайзенбанк», МТС. Сейчас – руководитель Центра управления данными, работающего в интересах группы компаний МТС (Телеком, Финтех, Медиа, Реклама), а также решает задачи стратегического консалтинга компаний группы АФК «Система» в части Data Governance, фокусируясь на внедрении ИИ в дата-процессы компании.
В эпоху искусственного интеллекта качество данных перестает быть лишь желательным элементом работы дата-команды, а становится неотъемлемой составляющей успеха любых ИИ-инициатив. Однако, для ускорения внедрения решений управления качеством данных требуется для любого сотрудника снизить порог входа, обеспечив быстрый старт в освоении DQ-практик и повысив доступность соответствующего инструментария. Кроме этого важно минимизировать участие человека в рутинных операциях и встроить DQ в операционные процессы дата-команд. Во всех этих сценариях могут помочь ИИ-агенты. Доклад посвящен обсуждению основных принципов создания ИИ-агентов для управления качеством данных. Основное внимание уделено разбору практических примеров реализации ИИ-агентов для DQ и способов фиксации ошибок в ходе их разработки.
Алексей Шокуров
ИИ как драйвер ускорения процессов DG&DQ
руководитель направлений Data governance и Data quality
«СИБУР»
«СИБУР»
Более 20 лет опыта работы в ИТ-индустрии: разработка приложений для автоматизации бизнес-процессов компаний. Прошел путь от разработчика до руководителя проектов. Сейчас – руководитель направлений Data governance и Data quality, «СИБУР».
Сегодня в сфере управления данными происходят изменения, позволяющие оперативно решать вопросы, на которые ранее у компаний не хватало ни времени, ни ресурсов. Искусственный интеллект ускоряет процессы и DG, и DQ, но не заменяет экспертизу. Доклад посвящен обсуждению реальных примеров использования инструментов ИИ, которые уже были интегрированы в корпоративный контур и приносят реальный эффект: описание данных, формирование логической модели данных и глоссария. Особое внимание уделено анализу результатов экспериментов – проблемы встраивания ИИ в жизненный цикл разработки ПО; точки расширения сфер применения ИИ-инструментов в ближайшем будущем в рамках большой производственной компании, с учетом закрытого контура.
Олег Баженов
Изменение роли аналитика в принятии решений на основе данных в эпоху ИИ
директор по данным и ИИ (CDO Data&AI)
«Дикси»
«Дикси»
Окончил Краснодарский Институт Экономики, Права и Естественных Специальностей. Почти 10 лет опыта работы в области разработки решений для управления данными, Data Governance и развития бизнес-аналитики: Сбер – исполнительный директор по аналитике и ИИ; X5 – директор департамента по работе с данными, CTO; «Магнит» – руководитель проекта. Сейчас – директор по данным и ИИ (CDO Data&AI), АО «Дикси Групп».
Еще совсем недавно аналитика сводилась к констатации свершившегося факта – отчеты готовились постфактум, а действия сводились к реактивной реакции на произошедшее воздействие. Сегодня аналитика предоставляет варианты развития событий и предоставляет бизнесу возможность предиктивного управления. Как будет выглядеть аналитика будущего? Как трансформируется роль аналитика, работающего вместе с ИИ-агентом? Можно ли предоставить бизнесу собственного ИИ-аналитика «в кармане»? Доклад посвящен ответам на эти и другие вопросы. Основное внимание уделено обсуждению опыта выполнения пилотного проекта по развертыванию и эксплуатации ИИ-ассистента, понимающего «внутренний язык» бизнеса розничной компании.
Иван Черницын
Тема доклада: ...
руководитель Центра аналитических решений
«Газпром нефть»
«Газпром нефть»
Закончил Уральский государственный университет по специальностям: «Математика, прикладная математика» и «Финансовый менеджмент»; магистратуру со специализацией «Математическая экономика»; MBA Академии народного хозяйства при Правительстве РФ. Прошел обучение по долгосрочной программе «Проектная Академия «Газпром нефти» в Школе управления «Сколково». Международный мастер спорта по шахматам. Более 20 лет занимается организационно-информационными проектами и разработкой аналитических приложений. Принимал активное участие в проектах комплексной автоматизации предприятий сбытового блока в ПАО «Газпром нефть»; проектах построения систем бизнес-аналитики, хранилищ данных и управления нормативно-справочной информацией; проектах создания системы управления данными и озера данных. Руководил практиками data science и развития аналитических компетенций. Сейчас – руководитель Центра аналитических решений Дирекции региональных продаж ПАО «Газпром нефть».
...
Дмитрий Красников
GenBI – генеративный BI
руководитель направления Big Data & BI
K2Tex
K2Tex
Окончил Московский государственный индустриальный университет (МГИУ). Почти 20 лет опыта работы с решениями для работы с данными. Реализовал более сотни проектов в области больших данных, аналитики и бизнес-интеллекта. Сейчас – руководитель направления Big Data & BI, компания K2Tex. Отвечает за развитие бизнеса в области решений бизнес-аналитики, корпоративных хранилищ и управления качеством данных.
...
Вероника Панайотова
Опыт импортозамещения системы управления инженерными данными
руководитель практики по управлению инженерными данными
«Сибур Диджитал»
«Сибур Диджитал»
Окончила Российский государственный торгово-экономический Университет (РГТЭУ) и Сахалинский государственный университет. Четверть века 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 практики по управлению инженерными данными ООО «Сибур Диджитал».
После ухода из России западных поставщиков инженерных решений, под угрозой оказалось управление инженерными данными на российских мегастройках. Требовалось создать отечественное решение полного цикла — примерный, но более быстрый и удобнее аналог зарубежных систем: единый веб-интерфейс, легкий доступ к 3D-моделям, техническая документация и проверка данных в одном решении. Такое решение было создано и тиражируется сегодня на крупнейшие инвестиционные проекты страны, экономя более 40% времени инженеров, исключая ошибки на этапе закупок и строительства, собирая данные для ввода в эксплуатацию и обслуживания. Доклад посвящен обсуждению процесса превращения инженерного хаоса в управляемый актив.
Алексей Масич
Опыт импортозамещения системы управления инженерными данными
директор ООО «ТриниДата»
«ТриниДата»
«ТриниДата»
Окончил Пермский государственный технический университет. Более 30 лет опыта работы в ИТ-индустрии: цифровая трансформация, управление инженерными и мастер-данными, семантическое моделирование, интеграция данных и построение датацентричных архитектур. Имеет опыт реализации крупных проектов для промышленности и государственного сектора, автор более 40 публикаций и патента. Сейчас – директор ООО «ТриниДата», разработчика онтологической платформы интеграции и управления данными «АрхиГраф».
После ухода из России западных поставщиков инженерных решений, под угрозой оказалось управление инженерными данными на российских мегастройках. Требовалось создать отечественное решение полного цикла — примерный, но более быстрый и удобнее аналог зарубежных систем: единый веб-интерфейс, легкий доступ к 3D-моделям, техническая документация и проверка данных в одном решении. Такое решение было создано и тиражируется сегодня на крупнейшие инвестиционные проекты страны, экономя более 40% времени инженеров, исключая ошибки на этапе закупок и строительства, собирая данные для ввода в эксплуатацию и обслуживания. Доклад посвящен обсуждению процесса превращения инженерного хаоса в управляемый актив.
Дмитрий Коровин
Как навести порядок в данных при миграции на новое хранилище
директор по управлению данными
Hoff
Hoff
Окончил Российский технологический университет (РТУ МИРЭА). Почти 10 лет опыта работы в области управления данными: разработка аналитической отчетности, процессы управления данными, миграции корпоративных хранилищ данных, внедрение решений бизнес-аналитики, построении систем Data Governance и управление качеством данных. Сейчас — директор по управлению данными, Hoff Tech.
Внедрение системы руководство данными (Data Governance) часто воспринимается как подготовительный этап перед любыми серьезными изменениями в архитектуре корпоративных данных. Но что делать, если времени на подготовку нет и нельзя останавливать миграцию хранилища? Пройдя путь одновременного запуска Data Governance и миграции КХД — мы столкнулись с двойным вызовом: правила игры пишутся в тот момент, когда данные уже движутся, а офис данных на ходу пересобирает свои процессы. Доклад посвящен обсуждению опыта параллельного выполнения проектов: как выстраивали приоритеты, чем пожертвовали на старте, что делали в первую очередь, а что отложили, и как в итоге миграция не сломала внедрение Data Governance, а, наоборот, — стала его драйвером.
Сергей Маслов
Роль онтологии при декомпозиции монолита
начальник управления корпоративных данных
«Ингосстрах»
«Ингосстрах»
Окончил СПбГМТУ – моделирование сложных технических систем. Свыше 25 лет опыта работы с ИТ-индустрии: разработчик, техлид, архитектор. Сейчас – начальник управления корпоративных данных, СПАО «Ингосстрах», участник рабочей группы Банка России по вопросам развития систем управления данными участников финансового рынка.
Монолитная архитектура данных обеспечивает единство не только технологически, но и семантически – общая база данных, единая объектная модель и централизованная логика неявно задают общий язык системы. Однако при разделении монолита это единство исчезает вместе с общей схемой данных – у каждого домена должна быть своя модель, но не собственное значение общих понятий. Автономность доменов предполагает разные представления сущностей предметной области, таких как клиент, договор или убыток. Но без согласованной онтологии одинаковые слова начинают обозначать разные вещи, а разные слова — одно и то же. Общая онтология нужна не для создания новой корпоративной мегамодели, а для определения ключевых понятий, их смысла, идентичности, отношений и правил сопряжения доменных моделей. Такая онтология становится семантическим контрактом между системами, а не общей физической схемой хранения. Вместе с тем онтология работает только вместе с семантическим управлением – необходимы владельцы понятий, прозрачный процесс изменения определений, версионирование и связь онтологии с API, событиями и моделями данных. Доклад посвящен обсуждению опыта создания собственной онтологии для страховой области и ее использованию как основы для согласования моделей данных и для организации процессов управления данными. Особое внимание уделено проблемам реализации этого подхода на практике и подходам к их решению.
Участник: Круглого стола
Дмитрий Кулагин
Семантическая инженерия: управление данными от глоссария до SDD-контрактов
директор Центра управления данными
«Инфосистемы Джет»
«Инфосистемы Джет»
Окончил МАДИ (ГТУ) – магистр техники и технологий, направление «Базы и банки знаний». Почти четверть века опыта работы в ИТ-индустрии: построение корпоративных информационных систем и платформ данных; создание архитектур интеграционных процессов. Руководил проектами в интересах крупнейших российских компаний финансового, промышленного и розничного секторов: построение Data Lake и корпоративных хранилищ; Data Governance; бизнес-аналитика; корпоративные бизнес-системы – CRM, MES, ITAM, EPM и ECM; консалтинг по миграции с западных систем на отечественные решения; управление проектами и командами. Сейчас – директор Центра корпоративных решений, «Инфосистемы Джет».
В большинстве компаний бизнес-глоссарий, слой трансформаций и контракты на данные развиваются независимо – термины описаны в каталоге, расчетная логика живет в dbt-проекте, а договоренности команд остаются в переписке. Традиционные подходы закрывают задачу лишь частично – каталог без контрактов быстро теряет актуальность, контракты без глоссария защищают структуру, но не смысл показателя, а ручное описание семантики не масштабируется. В итоге львиная часть времени инженера по данным уходит на выяснение семантики поля и возможности его изменения. Доклад посвящен обсуждению построения сквозного жизненного цикла семантики, где бизнес-термин, семантическая модель, SDD-контракт и реализация в dbt связаны в одну версионируемую цепочку. Особое внимание уделено роли ИИ на переходах между слоями: восстановление бизнес-логики из унаследованного SQL, сопоставление терминов с физической моделью, генерация контрактов и кода из спецификации, семантическая проверка изменений при непрерывной интеграции (CI) и оценка их влияния на потребителей. Кроме этого рассматривается эволюция роли инженера по данным.
Александр Перкин
От ручного сбора данных к единому дашборду
директор по бизнес-аналитике
«АстраЗенека»
«АстраЗенека»
Окончил Магнитогорский Государственный Технический Университет (МГТУ) им. Г.И. Носова. Более 10 лет опыта работы в ИТ-индустрии (аналитика и управление данными): автохолдинг «Максимум» – ИТ-директор; «Яндекс», «МегаФон», Билайн (VEON), Ростелеком-Солар – руководитель команд бизнес-аналитики. Сейчас — директор по бизнес-аналитике, AstraZeneca Russia & Eurasia.
Перед каждой регулярной проверкой регуляторами и аудиторами сотрудники компании обычно вручную собирают показатели из разных отчетов с разными срезами и детализацией, что далеко не всегда совпадает с логикой расчета одних и тех же метрик. Как среди этого многообразия найти действительно важные для руководства компании показатели и свести их воедино в одной точке? Как унифицировать справочники и расчеты между доменами без прерывания текущей отчетности? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено обсуждению практического опыта построения единого дашборда ключевых метрик, заменяющего ручной сбор данных перед каждым комитетом.
Марк Дубинский
Как с помощью ИИ переизобрести управление качеством данных
исполнительный директор Департамента интегрированного риск-менеджмента
Сбер
Сбер
Окончил Уфимский Государственный Авиационный Университет. Почти 20 лет опыта работы в сфере управления рисками и данными в крупных российский банках: Уралсиб, УБРиР и Сбер. Сейчас – исполнительный директор Департамента интегрированного риск-менеджмента, Chief Data Quality Officer и владелец продуктов Качество данных и Data Lineage Блока Риски, Сбер.
По мере роста масштаба использования данных, в том числе в решениях с ИИ, повышаются требования к их качеству. При этом с увеличнием объемов данных снижается эффективность традиционных подходов к их контролю и обеспечению качества – проверенные методы точечного контроля ключевых атрибутов данных оказываются недостаточно гибкими и оперативными, а стоимость контроля «улетает в космос». Доклад посвящен обсуждению нового подхода к обеспечению качества 100% данных на протяжении всего их жизненного цикла с использованием ИИ-агентов.
ПЛЕНАРНАЯ ДИСКУССИЯ
Экстренная миграция 2022–2025 годов уступает сегодня место стратегическому развитию – ИТ-индустрия движется от хаотичного поиска «заменителей» западного ПО и затыкания дыр с помощью Open Source к построению долгосрочной архитектуры на базе зрелых отечественных экосистем.
Миграция и импортозамещение – что дальше?
Борис Рабинович
- Импортозамещение 2.0 – от формального соответствия реестру к реальной бизнес-эффективности: проблемы и перспективы
- От разрозненных продуктов к платформам и зрелой инфраструктуре: мечты и действительность
- Low- и no-code – стратегический инструмент, ИИ – ядро корпоративных систем, а кибербезопасность как обязательный слой?
- Стандартизация и консолидация рынка – необходимость или рекомендация?
- Выстроена ли в стране собственная устойчивая экосистема и возможно ли возвращение к западным продуктам?
- Реален ли полный суверенитет в сфере ПО?
зам. директора, Центр компетенций BI развития технологий в Сбере.
ПАО «Сбербанк»
ПАО «Сбербанк»
Модератор
Участники: топ-руководители и CDO ведущих российских компаний
Борис Рабинович
зам. директора, Центр компетенций BI развития технологий в Сбере.
ПАО «Сбербанк»
ПАО «Сбербанк»
Окончил МГТУ им. Н.Э. Баумана. Специалист по цифровой трансформации, управлению данными и созданию платформ по работе с данными: Deloitte & Touche, Сбер – руководитель Департамента управления данными. Член Правления Ассоциации больших данных. Организовал бесперебойную работу Фабрики данных (объем хранилища более 160 Пбайт), руководил проектом импортозамещения технологического стека на базе разработки SberData Platform, а также организовал централизованную работу с данными в банке и его экосистеме. Сейчас – зам. директора Центра компетенции BI развития технологий, Сбер.
Андрей Кузнецов
директор департамента больших данных
«Национальная Система Платежных Карт» (НСПК)
«Национальная Система Платежных Карт» (НСПК)
Окончил МГУ им. М.В.Ломоносова, механико-математический факультет, «Прикладная математика». Более 20 опыта работы в ИТ-индустрии: автоматизация процессов, управление данными и аналитика. Более 10 лет опыта работы на руководящих позициях в сфере управления данными в компаниях финансового сектора: Банк «Открытие» – руководство командой системного и бизнес анализа; «Московский кредитный банк» – лидер команды разработки хранилища данных; «Абсолют Банк» – Chief Data Officer. Сейчас – директор департамента больших данных, АО «Национальная Система Платежных Карт», отвечает за развитие функции управления данными: методология, хранение, обработка, визуализация и продуктивизация.
Участник: Пленарная дискуссия
Наталья Гремитских
директор по цифровым проектам маркетинга
«АВТОВАЗ»
«АВТОВАЗ»
Окончила МГУ им. М.В. Ломоносова. Более 20 лет опыта в сфере разработки и внедрения стратегий для крупных национальных брендов в категориях товаров повседневного спроса (FMCG), автомобилестроения и бытовой техники. Более пяти лет опыта руководства построением цифровой экосистемы Lada от разработки продуктов до e-com и развертывания программы лояльности. Спикер на площадках НРФ, Adindex, InterForum. Член жюри премий «Проксима» и «Серебряный Меркурий». Участник конференций ПМЭФ и ЦИПР. Сейчас – директор по цифровым проектам маркетинга LADA, АО «АВТОВАЗ».
Участник: Пленарная дискуссия
АРХИТЕКТУРНЫЙ БАТТЛ
По итогам баттла все участники получат чек-лист для выбора оптимального архитектурного подхода с учетом бизнес-сегмента и задач компании, оргструктуры и уровня зрелости управления данными.
Как выбрать оптимальную для ИИ архитектуру управления данными?
- Какой подход лучше подходит крупным компаниям?
- Где необходима централизация, а где надо передавать ответственность доменам?
- Какие элементы каждого подхода необходимы для внедрения корпоративного ИИ?
- Как сочетать требования ИБ, качества данных, скорости развития продуктов и автономности команд?
- Как сочетать требования ИБ, качества данных, скорости развития продуктов и автономности команд?
- Типичные ошибки при выборе архитектуры управления данными?
- Как найти реалистичный компромисс в архитектуре управления данными для крупной компании?
- Организационный подход. Единый центр компетенций отвечает за платформу, данные, качество, BI, ML и GenAI. Бизнес выступает заказчиком и потребителем решений.
- Технологический подход. Единое DWH, Data Lake или Lakehouse, централизованные интеграции, каталог, семантический слой, BI-, ML- и GenAI-сервисы.
- Организационный подход. Ответственность за данные, качество и дата-продукты передается бизнес-доменам. Центральная функция задает общие правила и предоставляет платформенные сервисы.
- Технологический подход. Доменные дата-продукты, автономные рабочие пространства, платформа self-service, федеративный каталог, распределенные BI-, ML- и AI-решения.
- Организационный подход. Управление строится вокруг единой корпоративной семантики: сущностей, показателей, правил, владельцев и связей между данными. Архитекторы и владельцы данных отвечают не только за физические модели и витрины, но и за актуальность графа знаний как общей машиночитаемой модели компании.
- Технологический подход. Данные могут оставаться в распределенных источниках, DWH, Lakehouse и документных системах. Граф знаний хранит описание моделей, бизнес-семантику, lineage, правила доступа, показатели, связи и способы получения данных. LLM, GraphRAG, NL2SQL и AI-агенты используют этот слой для поиска, интерпретации и динамического объединения данных.
Александр Моисеев
главный архитектор платформы
DIS Group
DIS Group
Сейчас – главный архитектор платформы, компания DIS Group.
Участник: Архитектурный баттл
Антон Сичинский
руководитель центра разработки дата-продуктов
«Газпромнефть – ЦР»
«Газпромнефть – ЦР»
Более 10 лет опыта работы в сфере управления данными и аналитики в интересах компаний отрасли FMCG, сектора розничной торговли Fashion Retail и индустрии ИТ. Сейчас – руководитель центра разработки дата-продуктов «Газпромнефть – Цифровые решения»: участвует в развитии аналитики, управления данными и трансформации подходов в работе с ними. Принимал участие во внедрении суверенных решений бизнес-аналитики, хранилищ данных, корпоративных каталогов и систем управления качеством данных. Внедряет инструменты бизнес-пользователей и аналитиков для самостоятельной работы с данными в рамках управляемой архитектуры корпоративных хранилищ.
Павел Егоров
руководитель центра разработки дата-продуктов
«Инфосистемы Джет»
«Инфосистемы Джет»
Окончил Институт информационных технологий и компьютерных наук НИТУ «МИСиС». Более 10 лет опыта работы в сфере управления данными – руководил проектами по построению озер данных и аналитических платформ в компаниях промышленного сектора России и СНГ: «Норникель», «УралХим» и др. Сейчас —руководитель направления BigData, компания «Инфосистемы Джет».
Участник: Архитектурный баттл
КРУГЛЫЙ СТОЛ
Как правильно расставить приоритеты в условиях ограниченных бюджетов, дефицита квалифицированных специалистов и десятков параллельно реализуемых ИТ-проектов?
Какие системы действительно требуют первоочередной замены, а где потребуется глубокая модернизация всей технологической платформы?
Какие системы действительно требуют первоочередной замены, а где потребуется глубокая модернизация всей технологической платформы?
Импортозамещение в страховом секторе:
от регуляторной «повинности» к бизнес-ценности
и ИИ-трансформации
от регуляторной «повинности» к бизнес-ценности
и ИИ-трансформации
Владислав Набоков
- Что сегодня важнее при выборе отечественных решений: надежность и технологическая зрелость или скорость внедрения и удобство для пользователей?
- Может ли импортозамещение стать катализатором обновления ИТ-архитектуры и повышения устойчивости бизнеса, а не просто выполнением регуляторных требований?
- Готовы ли страховые компании пересматривать свои бизнес-процессы, трансформировать модели данных и внедрять ИИ для получения реального бизнес-эффекта от масштабной замены информационных систем?
- Какие подходы позволяют уложиться в сроки, установленные регулятором, без ущерба для качества и непрерывности бизнеса?
- Какие практические выводы уже сделали лидеры рынка и какие ошибки надо избежать другим участникам отрасли?
Владислав Набоков
независимый эксперт
«Сбербанк страхование жизни»
«Сбербанк страхование жизни»
Окончил Физико-технический факультет Санкт-Петербургского политехнического университета по специальности Техническая физика/Физика и техника полупроводников. Более 20 лет опыта работы в ИТ-индустрии – руководитель ИТ-блоков в страховых компаниях «Русский мир»; «Росгосстрах»; «ВТБ Страхование жизни»; «Сбербанк страхование жизни» – управляющий директор, CIO. Сейчас – независимый эксперт, сооснователь компании «Авинфорс».
Валентин Соболев
директор по ИТ
«Абсолют Страхование»
«Абсолют Страхование»
Окончил Государственный университет управления и Executive MBA РАНХиГС. Более 20 лет опыта работы в ИТ-индустрии: «Ингосстрах», «Страховой Брокер Сбербанка», «НПФ Сбербанка». Сейчас – директор по ИТ, «Абсолют Страхование».
Участник: Круглый стол
Виктор Посысаев
руководитель центра разработки дата-продуктов
«Диасофт»
«Диасофт»
Сейчас – руководитель продукта «Страховые решения», зам. директора департамента Страхование, «Диасофт».
Участник: Круглый стол
Сергей Маслов, «Ингосстрах»
Окончил СПбГМТУ – моделирование сложных технических систем. Свыше 25 лет опыта работы с ИТ-индустрии: разработчик, техлид, архитектор. Сейчас – начальник управления корпоративных данных, СПАО «Ингосстрах», участник рабочей группы Банка России по вопросам развития систем управления данными участников финансового рынка.
Денис Васильев, IBS
Сейчас – директор отделения собственных платформ, компания IBS.
Системы MDM: от базовых принципов к интеллектуальной автоматизации
Что для компаний означает платформный подход к решению задач управления нормативно-справочной информацией? В чем основные диллемы нормализации? Как генеративный ИИ может улучшить работу с системами MDM? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено разбору реальных примеров использования ИИ в работе с НСИ.
Что для компаний означает платформный подход к решению задач управления нормативно-справочной информацией? В чем основные диллемы нормализации? Как генеративный ИИ может улучшить работу с системами MDM? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено разбору реальных примеров использования ИИ в работе с НСИ.
Евгений Аверьянов, ГК «Юзтех»
Окончил СПБГПУ Петра Великого. Более 15 лет опыта работы в ИТ-индустрии – цифровизация бизнеса в интернет-ретейле, агропромышленности, логистике, уберизации: «Яндекс» – проектный менеджер; Brief Agemcy – директор по продукту; 7tech – директор направлении развития корпоративных продуктов. Активно занимается разработкой продуктов для интеграции данных и интеграционными проектами для крупных и средних компаний. Сейчас – директор продукта USEBUS, ГК «Юзтех».
Единая платформа против хаоса в данных
Наличие у предприятий развитой ИТ-инфраструктуры и огромных объемов данных открывает перед ними новые возможности для создания инновационных сервисов: решения искусственного интеллекта, Интернет вещей и пр. Рынок движется от отдельных, слабо связанных приложений к интегрированным экосистемам, что создает предпосылки для создания интеграционных платформ, однако отсутствие централизованного управления данными часто тормозит проекты цифровой трансформации, требуя выработки единого подхода к работе с данными. Мало того, на практике избыточное количество инструментов для интеграции, изолированность данных и проблемы с обеспечением их качества замедляют внедрение новых решений, мешая оптимизации корпоративных бизнес-процессов. Доклад посвящен анализу реальных кейсов применения интеграционной платформы для устранения хаоса в корпоративных данных. Особое внимание уделено обсуждению вопросов интеграции решений ETL, ESB, DQM, Data Lineage и ИИ в рамках единой платформы, позволяющей компаниям избавиться от хаоса в данных, превратив их в управляемый актив, способствующий повышению эффективности бизнеса.
Наличие у предприятий развитой ИТ-инфраструктуры и огромных объемов данных открывает перед ними новые возможности для создания инновационных сервисов: решения искусственного интеллекта, Интернет вещей и пр. Рынок движется от отдельных, слабо связанных приложений к интегрированным экосистемам, что создает предпосылки для создания интеграционных платформ, однако отсутствие централизованного управления данными часто тормозит проекты цифровой трансформации, требуя выработки единого подхода к работе с данными. Мало того, на практике избыточное количество инструментов для интеграции, изолированность данных и проблемы с обеспечением их качества замедляют внедрение новых решений, мешая оптимизации корпоративных бизнес-процессов. Доклад посвящен анализу реальных кейсов применения интеграционной платформы для устранения хаоса в корпоративных данных. Особое внимание уделено обсуждению вопросов интеграции решений ETL, ESB, DQM, Data Lineage и ИИ в рамках единой платформы, позволяющей компаниям избавиться от хаоса в данных, превратив их в управляемый актив, способствующий повышению эффективности бизнеса.
Алексей Белозерский, VK Tech
Окончил Московский государственный университет им. М.В. Ломоносова. Почти 10 лет опыта работы в сфере управления продуктами и проектами: QSOFT – ведущий менеджер проектов, курирование команды разработки для корпоративных клиентов; AI TODAY – руководитель направления (запуск платформы для AI-стартапов, организация отраслевых мероприятий); Deworkacy — менеджер проектов, организация технологических хакатонов для крупных банков и корпораций. Сейчас – руководитель команды Big Data Services VK Cloud. ПАО «ВК Технологии».
Почему CDO выбирают Lakehouse
.
.
Вернуться
к докладчикам
к докладчикам
Денис Смирнов, «Денвик Аналитика»
Окончил Сыктывкарский государственный университет, прошел «Президентскую программу подготовки управленческих кадров». Более 20 лет опыта работы в ИТ-индустрии: розничные сети «АСОРТИ» (Республика Коми), «Компьютерный салон Эльф» – ИТ-директор. Генеральный директор «Денвик-Cистем» (ИТ-интегратор в сфере автоматизации складов, «1С», ретейла и общепита). Генеральный директор «Денвик Аналитика» (резидент «Сколково»).
Аналитика за пределами стандартных отчетов «1С»
Аналитика стала сегодня ключевым инструментом деятельности любой организации, однако при работе, например, в закрытой экосистеме «1С» имеется ряд ограничений – пользователь вводит данные в этой системе, обрабатывает их и получает результаты также в рамках этой экосистемы. Однако реальный информационный ландшафт бизнеса гораздо сложнее — в нем работают и другие системы, например бизнес-аналитики, собирающие данные из различных источников в едином корпоративном хранилище. Доклад посвящен обсуждению опыта построения и настройки комплексной системы аналитики, позволяющей интегрировать данные из различных источников: «1С», сайты, Битрикс24 и пр.
Аналитика стала сегодня ключевым инструментом деятельности любой организации, однако при работе, например, в закрытой экосистеме «1С» имеется ряд ограничений – пользователь вводит данные в этой системе, обрабатывает их и получает результаты также в рамках этой экосистемы. Однако реальный информационный ландшафт бизнеса гораздо сложнее — в нем работают и другие системы, например бизнес-аналитики, собирающие данные из различных источников в едином корпоративном хранилище. Доклад посвящен обсуждению опыта построения и настройки комплексной системы аналитики, позволяющей интегрировать данные из различных источников: «1С», сайты, Битрикс24 и пр.
Александр Котиков, ГНИВЦ
Окончил ЯрГУ им П.Г. Демидова по специальности «Прикладная математика и информатика», прошел переподготовку по программам «ИТ-менеджер» в Академии народного хозяйства при Правительстве РФ и «Операционная эффективность и совершенствование процессов» в ВШБИ ВШЭ. Более 20 лет опыт работы в ИТ-индустрии: Toyota Motor – «кайдзен», процессное управление; «Логика BPM» – руководитель направления по экспертизе ARIS. Сейчас – начальник отдела процессной аналитики в АО «ГНИВЦ» на проектах ФНС России.
Цифровые следы – ключ к совершенствованию процессов ФНС России
Проект ОП КСТП (обеспечивающая подсистема консолидации сведений об этапах жизненного цикла исполнения технологических процессов ФНС России) направлен на обеспечение возможности сбора из разных источников разрозненных сведений и предоставление достоверной (полной, актуальной), связанной, нормализованной, верифицированной, дополненной (обогащенной, расширенной) контекстом, семантически определенной информации о фактическом ходе выполнения технологических процессов ведомства для решения задач анализа, совершенствования и мониторинга технологических процессов. Результаты функционирования ОП КСТП применяются для проведения анализа процессов с использованием технологии процесс- и Task Mining (восстановления реальных процессов/операций на основе цифровых следов); отслеживания соблюдения регламентных процедур налогового администрирования, качества и сроков их реализации; также совершенствования технологических процессов путем их постоянного мониторинга. Как данные стали цифровыми следами технологических процессов? Как BI преобразовался в Process Intelligence? Как владельцу процесса обеспечить принятие решений о совершенствовании своих процессов на основе достоверной информации? Доклад посвящен ответам на эти и другие вопросы.
Проект ОП КСТП (обеспечивающая подсистема консолидации сведений об этапах жизненного цикла исполнения технологических процессов ФНС России) направлен на обеспечение возможности сбора из разных источников разрозненных сведений и предоставление достоверной (полной, актуальной), связанной, нормализованной, верифицированной, дополненной (обогащенной, расширенной) контекстом, семантически определенной информации о фактическом ходе выполнения технологических процессов ведомства для решения задач анализа, совершенствования и мониторинга технологических процессов. Результаты функционирования ОП КСТП применяются для проведения анализа процессов с использованием технологии процесс- и Task Mining (восстановления реальных процессов/операций на основе цифровых следов); отслеживания соблюдения регламентных процедур налогового администрирования, качества и сроков их реализации; также совершенствования технологических процессов путем их постоянного мониторинга. Как данные стали цифровыми следами технологических процессов? Как BI преобразовался в Process Intelligence? Как владельцу процесса обеспечить принятие решений о совершенствовании своих процессов на основе достоверной информации? Доклад посвящен ответам на эти и другие вопросы.
Александр Мамонтов, «АстраЗенека»
Окончил мехмат МГУ им. М.В.Ломоносова. Почти 20 лет опыта работы в области аналитики, автоматизации и организационной эффективности на предприятиях FMCG (товары повседневного спроса) и фармацевтической промышленности: руководил проектами по внедрению системы автоматизации продаж и работы полевого персонала (импортозамещение и оптимизация затрат на 75% с одновременным расширением функционала); внедрение системы компьютерного зрения (распознавание товаров на полках – увеличение объема собираемых данных на порядок при улучшении их качества до 96% и оптимизации операционного бюджета на торговый персонал на 10%); ведение проектов трансформации ландшафта бизнес-аналитики (миграция пользовательской отчетности на новую платформу, внедрение Data Governance, развитие аналитики self-service). Сейчас – Chief Data & BI Lead (руководитель дата офиса), ООО «АстраЗенека Фармасьютикалз».
Внешние данные для организации: управление и безопасность
Часто практики управления данными сосредоточены на данных, генерируемых во внутреннем контуре компании или уже имеющихся в нем, а работа с внешними источниками данных остается несистемной. Вместе с тем, жесткие ограничения на использование внешних данных лишают бизнес важных возможностей, а их неконтролируемое применение создает серьезные риски для безопасности, корпоративным политикам и нормам. Как превратить внешние данные в стратегический актив, а не в угрозу? Как уже на этапе входа данных в организацию определить можно ли их использовать? Где, как и для чего лучше применять внешние данные? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено обсуждению подходов, реализуемых в фармацевтической компании, где качество и безопасность возведены в абсолют.
Часто практики управления данными сосредоточены на данных, генерируемых во внутреннем контуре компании или уже имеющихся в нем, а работа с внешними источниками данных остается несистемной. Вместе с тем, жесткие ограничения на использование внешних данных лишают бизнес важных возможностей, а их неконтролируемое применение создает серьезные риски для безопасности, корпоративным политикам и нормам. Как превратить внешние данные в стратегический актив, а не в угрозу? Как уже на этапе входа данных в организацию определить можно ли их использовать? Где, как и для чего лучше применять внешние данные? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено обсуждению подходов, реализуемых в фармацевтической компании, где качество и безопасность возведены в абсолют.
Ярослав Игнатьев, Data Sapience
Окончил Кемеровский Государственный Университет (КемГУ) по специальности «Физика» («Микроэлектроника»). Более 20 лет опыта работы в сфере анализа данных телекоммуникационного, финансового и страхового секторов, а также ретейла. Более 10 лет опыта работы в области управления мастер-данными. Сейчас – архитектор решения Ingresso One линейки Data Ocean Governance компании Data Sapience.
Построение системы управления пользовательскими данными в реальном бизнесе
На этапе экспериментов бизнесу важна скорость загрузки данных, проверки гипотезы и демонстрации результата, а контроль процессов, управление доступами, аудит изменений — все это кажется лишним. Однако когда эксперимент признан успешным и становится продуктом, возникает новая реальность: данные должны быть качественными, процессы прозрачными, а справочники и пользовательские параметры — управляемыми. Как происходит этот переход? Что ломается при масштабировании «коленочных» решений? Почему управление справочными и внешними данными становится критичным для успеха дата-продукта и какие архитектурные, процессные и продуктовые решения помогают выстроить устойчивую систему управления справочниками, поддерживающую рост бизнеса? Доклад посвящен ответам на эти и другие вопросы.
На этапе экспериментов бизнесу важна скорость загрузки данных, проверки гипотезы и демонстрации результата, а контроль процессов, управление доступами, аудит изменений — все это кажется лишним. Однако когда эксперимент признан успешным и становится продуктом, возникает новая реальность: данные должны быть качественными, процессы прозрачными, а справочники и пользовательские параметры — управляемыми. Как происходит этот переход? Что ломается при масштабировании «коленочных» решений? Почему управление справочными и внешними данными становится критичным для успеха дата-продукта и какие архитектурные, процессные и продуктовые решения помогают выстроить устойчивую систему управления справочниками, поддерживающую рост бизнеса? Доклад посвящен ответам на эти и другие вопросы.
Владимир Анисимов,
Окончил Московский Индустриальный университет две специализации по специализациям «Физическая химия» и «Экономика и управление на предприятиях машиностроения». Имеет диплом MBA по стратегическому управлению и управлению персоналом. Более 20 лет опыта работы в энергетике и ИТ-индустрии:
- ПАО «Интер РАО» – руководитель направления долгосрочного развития и сопровождения стандартов качества обслуживания потребителей: внедрение MDM и мета-модели на базе OpenMetaData для управления качеством данных; разработка аналитических систем для таргетинга коммерческих предложений; автоматизация отчетности (интеграция API, Excel, RPA Robin); настройка окружений DEV/PROD, GitHub, JupyterHub, процессы DataOps;
- АО «Мосэнергосбыт» – начальник центра цифровой трансформации: внедрение BPMS, RPA и решений предиктивной аналитики на Python с интеграцией в SAP и «1С»; реализация проектов MDM, CRM, BI и мобильных приложений; развитие методологии управления дебиторской задолженностью;
- ООО «Интер РАО»– Онлайн – директор по данным: построение системы управления данными и аналитики для сбытовых компаний; внедрение инфраструктуры DataOps; развертывание инструментов предиктивной аналитики и комплексов RPA для повышения качества данных и эффективности коммерческих процессов.
Сейчас – директор направления инновационных продуктов «Сибинтек-СОФТ» (НК «Роснефть»): развитие витрин данных как корпоративного сервиса самообслуживания; разработка концепции распределенных витрин данных на Kubernetes (Alauda, Deckhouse); организация бизнес-процессов и управление командой из более сотни участников; разработка и внедрение систем визуальной и процессной аналитики (BI, TaskMining); создание и поддержка лаборатории ИИ и каталог данных на базе OpenMetadata.
- ПАО «Интер РАО» – руководитель направления долгосрочного развития и сопровождения стандартов качества обслуживания потребителей: внедрение MDM и мета-модели на базе OpenMetaData для управления качеством данных; разработка аналитических систем для таргетинга коммерческих предложений; автоматизация отчетности (интеграция API, Excel, RPA Robin); настройка окружений DEV/PROD, GitHub, JupyterHub, процессы DataOps;
- АО «Мосэнергосбыт» – начальник центра цифровой трансформации: внедрение BPMS, RPA и решений предиктивной аналитики на Python с интеграцией в SAP и «1С»; реализация проектов MDM, CRM, BI и мобильных приложений; развитие методологии управления дебиторской задолженностью;
- ООО «Интер РАО»– Онлайн – директор по данным: построение системы управления данными и аналитики для сбытовых компаний; внедрение инфраструктуры DataOps; развертывание инструментов предиктивной аналитики и комплексов RPA для повышения качества данных и эффективности коммерческих процессов.
Сейчас – директор направления инновационных продуктов «Сибинтек-СОФТ» (НК «Роснефть»): развитие витрин данных как корпоративного сервиса самообслуживания; разработка концепции распределенных витрин данных на Kubernetes (Alauda, Deckhouse); организация бизнес-процессов и управление командой из более сотни участников; разработка и внедрение систем визуальной и процессной аналитики (BI, TaskMining); создание и поддержка лаборатории ИИ и каталог данных на базе OpenMetadata.
Вернуться
к докладчикам
к докладчикам
Виктор Фадеев, Jmix
Окончил Самарский Аэрокосмический Университет, MBA университета OU LINK. Почти 30 лет опыта работы в ИТ-индустрии: инженер-программист «1С»; руководитель проектов внедрения CRM- и BPM-систем (Terrasoft, ELMA); директор по продажам в компании KROHNE – международном производителе измерительного оборудования. Профессиональный разработчик бизнес-приложений и ИТ-предприниматель. Развивает инструменты и технологии Open Source для повышения продуктивности команд разработки. Сейчас – директор по продукту: платформы Jmix быстрой разработки бизнес-приложений.
Вернуться
к докладчикам
к докладчикам
Яна Яремчук, «АЛРОСА»
Окончила Российский государственный социальный университет и НИУ ВШЭ, степень МВА, международная квалификация по управленческому учету и управлению эффективностью бизнеса CIMA (модули P1 и P2), диплом по Международной финансовой отчетности (DipIFR). Более двадцати лет опыта работы в сфере реструктуризации бизнес-процессов, разработки методик, внедрения ИТ-систем и автоматизации деятельности предприятий. В компании HOGART – крупном дистрибуторе на рынке инженерных систем – прошла путь от разработчика до CIO. В компаниях «Айсберри», «Абрау Дюрсо», «ПТК», «Эко-Нива», «КСЕП» и др. реализовала проекты по логистике склада, транспорта, производства. В ГК «Мангазея» (Золотодобыча, Девелопмент, Агро, ИТ) руководила департаментом управления проектами. Сейчас – руководитель департамента управления проектами, АК «АЛРОСА» (ПАО).
Вернуться
к докладчикам
к докладчикам
Полина Колесникова, «Магнит»
Окончила Кубанский государственный университет. Почти 20 лет опыта работы в сфере управления нормативно-справочной информацией. Сейчас – руководитель управления по сопровождению НСИ, компания «Магнит», отвечает за создание и эксплуатацию централизованной системы управления НСИ, внедрение системы MDM, описание более сотни сервисов и процессов, а также автоматизацию множество процессов. В зоне ответственности — более 100 справочников, распределенных по нескольким системам.
Владислав Буслов, «Магнит»
Окончил Краснодарскую Академию маркетинга и социально-информационных технологий (ИМСИТ) по специальности программное обеспечение вычислительной техники и автоматизированных систем. Боле 15 лет опыта работы в ИТ-индустрии. Сейчас – руководитель направления по роботизации процессов в компании «Магнит».
Владислав Буслов, «Магнит»
Окончил Краснодарскую Академию маркетинга и социально-информационных технологий (ИМСИТ) по специальности программное обеспечение вычислительной техники и автоматизированных систем. Боле 15 лет опыта работы в ИТ-индустрии. Сейчас – руководитель направления по роботизации процессов в компании «Магнит».
Автоматизация процессов кодировки НСИ
Что делать, если количество заявок на кодировку физлиц резко начинает расти, причем каждая из них напрямую влияет на своевременность выплаты зарплаты? Речь идет о сотрудниках, получающих зарплату на карты сторонних банков — вне рамок централизованных зарплатных проектов. Такие сотрудники по процессу компании кодируются в справочнике «Контрагенты». Обработка подобных заявок вручную приводила к нарушению SLA, росту нагрузки на сотрудников и, самое критичное — к риску задержек выплат и штрафных санкций. Как автоматизировать кодировку зарплатных контрагентов и торговых точек? Какие процессы в НСИ действительно можно доверить роботам? Доклад посвящен ответам на эти вопросы на опыте практического кейса автоматизации в блоке нормативно-справочной информации (НСИ) – с помощью внутреннего RPA-решения был внедрен робот, самостоятельно обрабатывающий заявки, валидирующий шаблон, сверяющий данные в «1С» и автоматически кодирующий контрагента. Особое внимание в докладе уделено анализу результатов проекта: автоматизация 85% потока заявок, снижение времени обработки с восьми до одной минуты и стабильное выполнение SLA. Также в докладе обсуждается опыт автоматизации кодировки торговых точек.
Что делать, если количество заявок на кодировку физлиц резко начинает расти, причем каждая из них напрямую влияет на своевременность выплаты зарплаты? Речь идет о сотрудниках, получающих зарплату на карты сторонних банков — вне рамок централизованных зарплатных проектов. Такие сотрудники по процессу компании кодируются в справочнике «Контрагенты». Обработка подобных заявок вручную приводила к нарушению SLA, росту нагрузки на сотрудников и, самое критичное — к риску задержек выплат и штрафных санкций. Как автоматизировать кодировку зарплатных контрагентов и торговых точек? Какие процессы в НСИ действительно можно доверить роботам? Доклад посвящен ответам на эти вопросы на опыте практического кейса автоматизации в блоке нормативно-справочной информации (НСИ) – с помощью внутреннего RPA-решения был внедрен робот, самостоятельно обрабатывающий заявки, валидирующий шаблон, сверяющий данные в «1С» и автоматически кодирующий контрагента. Особое внимание в докладе уделено анализу результатов проекта: автоматизация 85% потока заявок, снижение времени обработки с восьми до одной минуты и стабильное выполнение SLA. Также в докладе обсуждается опыт автоматизации кодировки торговых точек.
Руслан Ахметзянов, «Лемана Тех»
Окончил ВМиК МГУ им.М.В.Ломоносова. Более 20 лет опыта работы в ИТ-индустрии, из них более 15 лет в сфере обработки данных: инженерия и архитектура данных, BI-разработка, создание корпоративных хранилищ и единых корпоративных моделей данных, разработка методологий Data Governance: Альфа-Банк, S7, «Московская Биржа», «СИБУР», компания-интегратор «Аналитикс Хаб» – архитектор решений, вел проекты развертывания каталога данных в интересах организаций из финансовой индустрии, телекоммуникационной и транспортной отраслей. Сейчас – лидер направления Data Governance в «Лемана Тех».
Иван Бунин, «Лемана Тех»
Окончил Сибирский государственный университет телекоммуникаций и информатики. Почти 20 опыта работы в ретейле – бизнес-анализ, реализация проектов по оптимизации бизнес-процессов, организации описания карты бизнес-функций и процессов компании. Сейчас – архитектор данных, лидер процесса по ведению корпоративной модели данных, департамент Управления данными, компания «Лемана Тех».
Иван Бунин, «Лемана Тех»
Окончил Сибирский государственный университет телекоммуникаций и информатики. Почти 20 опыта работы в ретейле – бизнес-анализ, реализация проектов по оптимизации бизнес-процессов, организации описания карты бизнес-функций и процессов компании. Сейчас – архитектор данных, лидер процесса по ведению корпоративной модели данных, департамент Управления данными, компания «Лемана Тех».
Рецепт «живой» корпоративной модели данных
Ключевым фактором успеха любой компании, пытающейся снизить общие издержки является единый семантический слой, призванный соединить бизнес и данные. Он же является ключевой разметкой для ИИ-агентов. Однако на практике внедрение такого слоя вызывает ряд проблем, связанных прежде всего с рассинхронизацией разработки модели, как вотчины офиса по управлению данными и бизнесом. Также при разработке модели данных часто наблюдается единоличность ведения модели, как следствие, смена сотрудника ведет к тому, что новый архитектор создает модель с нуля, а цикл перерождения негативно сказывается на отношениях бизнеса с офисом данных. Кроме того, модель часто понятна лишь некоторым дата-специалистам, что означает ограниченные возможности ее визуализации для различных категорий стейкхолдеров. Доклад посвящен обсуждению технических, методологических и организационных аспектов внедрения корпоративной модели данных – центрального элемента глоссария компании Лемана ПРО. Особое внимание уделено ответам на следующие вопросы: Какая культура способствует поддержке внедрения корпоративной модели? Как построить интерфейс модели для различных стейкхолдеров? Как организовать хранение данных и обеспечить эволюцию их модели – самоподдерживающегося механизма «живой» модели данных?
Ключевым фактором успеха любой компании, пытающейся снизить общие издержки является единый семантический слой, призванный соединить бизнес и данные. Он же является ключевой разметкой для ИИ-агентов. Однако на практике внедрение такого слоя вызывает ряд проблем, связанных прежде всего с рассинхронизацией разработки модели, как вотчины офиса по управлению данными и бизнесом. Также при разработке модели данных часто наблюдается единоличность ведения модели, как следствие, смена сотрудника ведет к тому, что новый архитектор создает модель с нуля, а цикл перерождения негативно сказывается на отношениях бизнеса с офисом данных. Кроме того, модель часто понятна лишь некоторым дата-специалистам, что означает ограниченные возможности ее визуализации для различных категорий стейкхолдеров. Доклад посвящен обсуждению технических, методологических и организационных аспектов внедрения корпоративной модели данных – центрального элемента глоссария компании Лемана ПРО. Особое внимание уделено ответам на следующие вопросы: Какая культура способствует поддержке внедрения корпоративной модели? Как построить интерфейс модели для различных стейкхолдеров? Как организовать хранение данных и обеспечить эволюцию их модели – самоподдерживающегося механизма «живой» модели данных?
Дмитрий Никонов, «Россельхозбанк»
Окончил РГУ им. А.Н. Косыгина. Более 10 лет занимается задачами управления клиентскими данными и внедрением систем MDM. Сейчас – владелец платформы управления клиентскими данными, РСХБ.
Владимир Зубков, «Россельхозбанк»
Окончил МИРЭА по программе «Управление и информатика в технических системах». Более 30 лет опыта работы в ИТ-индустрии, из них 17 лет – проектирование архитектуры, разработка решений ETL и корпоративных хранилищ. Сейчас –архитектор Департамента больших данных, РСХБ.
Владимир Зубков, «Россельхозбанк»
Окончил МИРЭА по программе «Управление и информатика в технических системах». Более 30 лет опыта работы в ИТ-индустрии, из них 17 лет – проектирование архитектуры, разработка решений ETL и корпоративных хранилищ. Сейчас –архитектор Департамента больших данных, РСХБ.
Импортозамещение на службе клиентских данных
Платформа по управлению клиентскими данными – неотъемлемая часть процессов по наполнению аналитического контура банка, требования к которому, в части актуальности и своевременности получения данных в режиме онлайн возрастают с каждым днем. Заменить зрелое и хорошо зарекомендовавшее себя но импортное решение по управлению клиентскими данными на новое, отечественное – задача не из простых. Для обеспечения бесперебойности работы бизнес-процессов необходимо обеспечить бесшовное переключение на российскую платформу интеграционных потоков операционного и аналитического контуров ИТ-систем банка. При этом необходимо гарантировать работоспособность такой платформы, построенной на разрешенном регулятором стеке технологий. Какие инструменты Change Data Capture имеются на отечественном рынке? В чем их различие? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено разбору особенностей выбранного решении, позволившего обеспечить актуальность данных аналитического контура банка, улучшить управление клиентскими данными и выстроить конвейер передачи данных платформы в аналитический контур.
Платформа по управлению клиентскими данными – неотъемлемая часть процессов по наполнению аналитического контура банка, требования к которому, в части актуальности и своевременности получения данных в режиме онлайн возрастают с каждым днем. Заменить зрелое и хорошо зарекомендовавшее себя но импортное решение по управлению клиентскими данными на новое, отечественное – задача не из простых. Для обеспечения бесперебойности работы бизнес-процессов необходимо обеспечить бесшовное переключение на российскую платформу интеграционных потоков операционного и аналитического контуров ИТ-систем банка. При этом необходимо гарантировать работоспособность такой платформы, построенной на разрешенном регулятором стеке технологий. Какие инструменты Change Data Capture имеются на отечественном рынке? В чем их различие? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено разбору особенностей выбранного решении, позволившего обеспечить актуальность данных аналитического контура банка, улучшить управление клиентскими данными и выстроить конвейер передачи данных платформы в аналитический контур.
Евгений Быков, ПСБ
Окончил МГПУ и МЭГУ по специализациям банковское дело и лингвистика. Более 25 лет опыта работы в ИТ-индустрии: развитие банковских технологий, проектная и процессная деятельность, разработка автоматизированных банковских систем и систем хранения данных в российских и зарубежных банках, НКО и платежных системах. Сейчас – директор по организации работы с данными, Департамент управления данными ПАО «Промсвязьбанк».
Евгения Клепова, ПСБ
Окончила МАИ по специальности «Автоматизированные системы обработки информации и управления». Более 20 лет опыта работы в банках, международном банковском консалтинге и в компаниях-поставщиках комплексных ИТ-решений: управление проектами ИТ, а том числе в части реализации хранилищ данных в финансовом секторе. Сейчас – директор проектов, Департамент управления данными ПАО «Промсвязьбанк».
Евгения Клепова, ПСБ
Окончила МАИ по специальности «Автоматизированные системы обработки информации и управления». Более 20 лет опыта работы в банках, международном банковском консалтинге и в компаниях-поставщиках комплексных ИТ-решений: управление проектами ИТ, а том числе в части реализации хранилищ данных в финансовом секторе. Сейчас – директор проектов, Департамент управления данными ПАО «Промсвязьбанк».
Проектная деятельность в управлении данными: от идеи до реализации
«Один из самых обычных и ведущих к самым большим бедствиям соблазнов есть соблазн словами: «Все так делают» » – Л.Н.Толстой. Соблазн подражания, следования «как все» особенно деструктивен при создании перспективных систем в эпоху технологической турбулентности и замещения инструментальной базы. Проектная деятельность в управлении данными – это осознанный путь от анализа специфических потребностей компании и формулирования индивидуального решения («идеи») до его тщательной проработки и внедрения («реализации»). Доклад посвящен специфике и практике формирования и реализации программы управления данными в банковской сфере. Особое внимание уделено ответу на вопрос: как избежать ловушки «так делают все» и построить эффективный проект.
«Один из самых обычных и ведущих к самым большим бедствиям соблазнов есть соблазн словами: «Все так делают» » – Л.Н.Толстой. Соблазн подражания, следования «как все» особенно деструктивен при создании перспективных систем в эпоху технологической турбулентности и замещения инструментальной базы. Проектная деятельность в управлении данными – это осознанный путь от анализа специфических потребностей компании и формулирования индивидуального решения («идеи») до его тщательной проработки и внедрения («реализации»). Доклад посвящен специфике и практике формирования и реализации программы управления данными в банковской сфере. Особое внимание уделено ответу на вопрос: как избежать ловушки «так делают все» и построить эффективный проект.
Илья Шуйков, «Диасофт»
Окончил ЛГПУ по специальности прикладная математика. Более 20 лет опыта работы в ИТ-индустрии: разработка и внедрение автоматизированных банковских систем и хранилищ данных в российских и зарубежных банках. Сейчас – заместитель директора департамента по производству, компания «Диасофт», отвечает за развития Lakehouse-платформы Digital Q.DataFactory.
Игорь Шабанин, «Диасофт»
Окончил МГАПИ по специальности прикладная математика. Более 20 лет опыта в разработке систем аналитической обработки данных. Участвовал более чем в 15 проектах внедрения хранилищ данных и аналитических систем. Сейчас - заместитель директора департамента по развитию прикладных решений, компания «Диасофт», отвечает за развитие решения обработки данных Digital Q.DataFlows.
Игорь Шабанин, «Диасофт»
Окончил МГАПИ по специальности прикладная математика. Более 20 лет опыта в разработке систем аналитической обработки данных. Участвовал более чем в 15 проектах внедрения хранилищ данных и аналитических систем. Сейчас - заместитель директора департамента по развитию прикладных решений, компания «Диасофт», отвечает за развитие решения обработки данных Digital Q.DataFlows.
Фабрика данных: от хранилища до ИИ-прогнозов
Крупные компании все чаще сталкиваются с необходимостью использования моделей машинного обучения для прогнозирования различных показателей своей деятельности. Однако эффективность таких моделей зависит от объема качественных данных и наличия быстродействующего хранилища для сокращения времени на обучение модели. Для решения этих задач применяется парадигма Data Lakehouse, объединяющая преимущества хранилищ и озер данных, обеспечивая гибкость и масштабируемость. Доклад посвящен обсуждению технических аспектов внедрения платформы вычисления и хранения данных, построенной согласно этой парадигме. На основе примеров из нефтегазовой отрасли анализируются способы обеспечения качества данных в хранилище и их использование для обучения прогнозных ML-моделей.
Крупные компании все чаще сталкиваются с необходимостью использования моделей машинного обучения для прогнозирования различных показателей своей деятельности. Однако эффективность таких моделей зависит от объема качественных данных и наличия быстродействующего хранилища для сокращения времени на обучение модели. Для решения этих задач применяется парадигма Data Lakehouse, объединяющая преимущества хранилищ и озер данных, обеспечивая гибкость и масштабируемость. Доклад посвящен обсуждению технических аспектов внедрения платформы вычисления и хранения данных, построенной согласно этой парадигме. На основе примеров из нефтегазовой отрасли анализируются способы обеспечения качества данных в хранилище и их использование для обучения прогнозных ML-моделей.
Алексей Шокуров, «СИБУР»
Более 20 лет опыта работы в ИТ-индустрии: разработка приложений для автоматизации бизнес-процессов компаний. Прошел путь от разработчика до руководителя проектов. Сейчас – руководитель направлениями Data governance и Data quality в компании «СИБУР».
Контрольная среда в производственной компании
Как построить контрольную среду по данным в направлении «Управление цепочкой поставок» при условии, что делать это нужно не в хозяйстве Дата-офиса, а в десятках систем, из которых лишь одна – Платформа данных? Доклад посвящен обсуждению опыта внедрения практик Дата-офиса в ИТ-процессы компании: новые роли, процессы и системы. Особое внимание уделено ответу на вопросы: Как донести информацию до бизнеса? Как пройти путь от глоссария до инцидент-менеджмента и архитектурного дата надзора?
Как построить контрольную среду по данным в направлении «Управление цепочкой поставок» при условии, что делать это нужно не в хозяйстве Дата-офиса, а в десятках систем, из которых лишь одна – Платформа данных? Доклад посвящен обсуждению опыта внедрения практик Дата-офиса в ИТ-процессы компании: новые роли, процессы и системы. Особое внимание уделено ответу на вопросы: Как донести информацию до бизнеса? Как пройти путь от глоссария до инцидент-менеджмента и архитектурного дата надзора?
Светлана Бова, ВТБ
Окончила Московский государственный педагогический университет им. В.И.Ленина. Более 25 лет опыта работы в финансовой индустрии, в сфере управления данными и аналитики: ПАО «Газпромбанк» – 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).
Управление данными – 10 лет спустя?
Data Governance за десять лет прошло внушительный путь развития от «галочки для регуляторов» до «стержня для цифровых ассистентов». Как меняется функция управления данными при внедрении микросервисной архитектуры и каким образом импортозамещение отразилось на технологиях управления данными для российских компаний? Что из мирового опыта внедрения систем управления данными прижилось в отечественных реалиях, а в чем страна оказалась впереди «планеты всей»? Как бум использования искусственного интеллекта влияет на роли CDO, Владельцев данных и Офицеров данных (Data Stewards)? Доклад посвящен ответам на эти и другие вопросы, связанные с развитием Управления данными и прогнозами его дальнейшей эволюции.
Data Governance за десять лет прошло внушительный путь развития от «галочки для регуляторов» до «стержня для цифровых ассистентов». Как меняется функция управления данными при внедрении микросервисной архитектуры и каким образом импортозамещение отразилось на технологиях управления данными для российских компаний? Что из мирового опыта внедрения систем управления данными прижилось в отечественных реалиях, а в чем страна оказалась впереди «планеты всей»? Как бум использования искусственного интеллекта влияет на роли CDO, Владельцев данных и Офицеров данных (Data Stewards)? Доклад посвящен ответам на эти и другие вопросы, связанные с развитием Управления данными и прогнозами его дальнейшей эволюции.
Татьяна Трофименко, «Уралэнерготел»
Окончила Уральский Государственный Технический Университет – УПИ (Уральский Федеральный Университет) по специальности Менеджмент организации – Управление сервисом. Сейчас – руководитель отдела технической поддержки и корпоративных информационных систем, компания «Уралэнерготел».
Бесшовная интеграция ИИ в корпоративные бизнес-процессы
По мере роста и развития компании наступает момент, когда многие операции и процессы уже не могут происходить как раньше – огромное количество неавтоматизированных рутинных операций приводит к удорожанию стоимости услуг компании, что оказывает влияние на конкурентоспособности и прибыльности компании. Автоматизация и цифровизация бизнес-процессов – важный элемент управления стоимостью конечного продукта. В любой современной компании сегодня используется множество информационных систем: ведение регламентированного учета; поддержка внутрикорпоративных коммуникаций; CRM; управление персоналом; КЭДО; BPMS и пр., используемых не только в рамках штатного функционала, но и в режиме кастомизации. Как правило, все эти системы интегрированы между собой, обмениваются данными во всех направлениях и имеют интерфейсы с внешними системами: HH.ru, система ЭДО (Тензор/СБИС), Контур.Закупки, сервис проверки кассовых чеков ИНФС, электронная почта, языковая модель от Яндекс и др. Это позволяет работать в режиме «одного окна», не тратя время на дублирование операций и внесение данных в разные системы. Однако на фоне активного внедрения элементов ИИ компании сталкиваются с сопротивлением персонала, в частности, из-за страха за свое рабочее место. Требуется бесшовная встройка ИИ в корпоративные бизнес-процессы. Доклад посвящен обсуждению опыта интеграции ИИ в автоматизированные бизнес-процессы компании. Особое внимание уделено разбору вариантов применения ИИ в текущих бизнес-процессах: поиск новых сотрудников; подготовка договоров с контрагентами; проверка корректности исходящих писем и пр.
По мере роста и развития компании наступает момент, когда многие операции и процессы уже не могут происходить как раньше – огромное количество неавтоматизированных рутинных операций приводит к удорожанию стоимости услуг компании, что оказывает влияние на конкурентоспособности и прибыльности компании. Автоматизация и цифровизация бизнес-процессов – важный элемент управления стоимостью конечного продукта. В любой современной компании сегодня используется множество информационных систем: ведение регламентированного учета; поддержка внутрикорпоративных коммуникаций; CRM; управление персоналом; КЭДО; BPMS и пр., используемых не только в рамках штатного функционала, но и в режиме кастомизации. Как правило, все эти системы интегрированы между собой, обмениваются данными во всех направлениях и имеют интерфейсы с внешними системами: HH.ru, система ЭДО (Тензор/СБИС), Контур.Закупки, сервис проверки кассовых чеков ИНФС, электронная почта, языковая модель от Яндекс и др. Это позволяет работать в режиме «одного окна», не тратя время на дублирование операций и внесение данных в разные системы. Однако на фоне активного внедрения элементов ИИ компании сталкиваются с сопротивлением персонала, в частности, из-за страха за свое рабочее место. Требуется бесшовная встройка ИИ в корпоративные бизнес-процессы. Доклад посвящен обсуждению опыта интеграции ИИ в автоматизированные бизнес-процессы компании. Особое внимание уделено разбору вариантов применения ИИ в текущих бизнес-процессах: поиск новых сотрудников; подготовка договоров с контрагентами; проверка корректности исходящих писем и пр.
Сергей Иванов, «Группа Ренессанс Страхование»
Окончил Финансовую Академию при правительстве РФ и Московский Государственный Открытый Университет. Более 30 лет опыта работы в ИТ-индустрии – управление корпоративной архитектурой и данными. Прошел путь от разработчика до управляющего директора ИТ: «Сбербанк» – программа создания платформы продуктовых фабрик; «Росевробанк», «Абсолют-банк», «Газпром нефть» – дирекция по цифровой трансформации; «ОХК «УралХим» – директор по цифровой трансформации, управляющий директор по ИТ-архитектуре и управлению данными; НИИ «Восход». Сейчас — управляющий директор по корпоративной архитектуре и управлению данными ПАО «Группа Ренессанс Страхование», отвечает за внедрение ИИ в процессы компании, управление программой проектов по ИИ-трансформации продуктов и процессов.
ИИ в индустрии страхования
Страховой бизнес достаточно низкомаржинальный, причем работает в условиях сильной конкуренции и высоких ожиданий клиентов к уровню сервиса. Как следствие, страховые компании вынуждены постоянно улучать продажи и свои продукты, повышать уровень обслуживания клиентов, снижая себестоимость внутренних процессов. Доклад посвящен обсуждению кейсов оптимизации себестоимости внутренних процессов за счет решений ИИ. Особое внимание уделено разбору «подводных камней», возникающих на пути внедрения ИИ в процессы компании.
Страховой бизнес достаточно низкомаржинальный, причем работает в условиях сильной конкуренции и высоких ожиданий клиентов к уровню сервиса. Как следствие, страховые компании вынуждены постоянно улучать продажи и свои продукты, повышать уровень обслуживания клиентов, снижая себестоимость внутренних процессов. Доклад посвящен обсуждению кейсов оптимизации себестоимости внутренних процессов за счет решений ИИ. Особое внимание уделено разбору «подводных камней», возникающих на пути внедрения ИИ в процессы компании.
Татьяна Логинова, «Мангазея Майнинг»
Окончила Санкт-Петербургский горный университет и аспирантуру РГУ нефти газа (НИУ) им. И.М. Губкина. Более 15 лет опыта работы в нефтегазовой отрасли: химик-технолог; инженер буровых растворов; специалист контрольно-аналитического отдела; зам. начальника отдела метрологии, стандартизации и технического регулирования; начальник отдела поставок химии и технического оборудования; начальник МТО. Сейчас – начальник отдела автоматизации, планирования и управления запасами, «Мангазея Майнинг».
Качество данных на вес золота
Производственные процессы в горнодобывающей отрасли оперируют не только тоннами руды и унциями золота, но и данными: каждый болт, метр кабеля, банка смазки и пр. — не просто товар, а часть производственного процесса и ошибка в их характеристиках неизбежно приводит к убыткам. Масштаб негативных последствий для компании напрямую зависит от качества данных, поэтому работа с нормативно-справочной информацией стала сегодня критически важным элементом всей корпоративной операционной модели, выйдя далеко за функции ИТ-подразделения. Как навести порядок в сложной структуре справочников с тысячами товарных позиций, множеством производственных площадок и устоявшихся практик в НСИ, причем без внедрения «тяжелых» ИТ-систем, развертывания дополнительных цифровых платформ или привлечения дорогостоящих внешних консультантов? Как сделать работу с НСИ сквозным корпоративным бизнес-процессом, к которому подключаются все ключевые подразделения: от эксплуатации до финансов? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено обсуждению рекомендаций по наведению порядка в НСИ и формированию новой культуры работы с данными.
Производственные процессы в горнодобывающей отрасли оперируют не только тоннами руды и унциями золота, но и данными: каждый болт, метр кабеля, банка смазки и пр. — не просто товар, а часть производственного процесса и ошибка в их характеристиках неизбежно приводит к убыткам. Масштаб негативных последствий для компании напрямую зависит от качества данных, поэтому работа с нормативно-справочной информацией стала сегодня критически важным элементом всей корпоративной операционной модели, выйдя далеко за функции ИТ-подразделения. Как навести порядок в сложной структуре справочников с тысячами товарных позиций, множеством производственных площадок и устоявшихся практик в НСИ, причем без внедрения «тяжелых» ИТ-систем, развертывания дополнительных цифровых платформ или привлечения дорогостоящих внешних консультантов? Как сделать работу с НСИ сквозным корпоративным бизнес-процессом, к которому подключаются все ключевые подразделения: от эксплуатации до финансов? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено обсуждению рекомендаций по наведению порядка в НСИ и формированию новой культуры работы с данными.
Алексей Никитин, Visiology
Окончил НИЯУ МИФИ по специальности «Прикладная математика». Четверть века опыта работы в ИТ-индустрии – эксперт в сфере разработки ПО анализа и визуализации данных. Сейчас – генеральный директор компании Visiology, руководит разработкой и развитием аналитической платформы бизнес-аналитики.
Новые горизонты аналитики Self-service
Платформы бизнес-аналитики перестали быть инструментом лишь узкого круга специалистов — к работе с аналитикой подключается все больше бизнес-пользователей. Но как масштабировать аналитику без потери контроля и качества? Как создать условия, при которых не только аналитики и BI-разработчики, но и линейные сотрудники могут эффективно работать с данными? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено обсуждению особенностей выстраивания действительно работающего подхода self-service. Разбираются инструменты, предлагаемые сегодня компанией Visiology — от Excel Addon и коннектора для «1С» до ИИ-решений, а также демонстрируется как они помогают строить гибкую, безопасную и по-настоящему масштабируемую аналитику.
Платформы бизнес-аналитики перестали быть инструментом лишь узкого круга специалистов — к работе с аналитикой подключается все больше бизнес-пользователей. Но как масштабировать аналитику без потери контроля и качества? Как создать условия, при которых не только аналитики и BI-разработчики, но и линейные сотрудники могут эффективно работать с данными? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено обсуждению особенностей выстраивания действительно работающего подхода self-service. Разбираются инструменты, предлагаемые сегодня компанией Visiology — от Excel Addon и коннектора для «1С» до ИИ-решений, а также демонстрируется как они помогают строить гибкую, безопасную и по-настоящему масштабируемую аналитику.
Владимир Озеров, CedrusData
Окончил Санкт-Петербургский политехнический университет. Более 10 лет опыта работы в ИТ-индустрии – разработка распределенных систем: компании GridGain, Hazelcast. Участник управляющих комитетов Apache Calcite и Apache Ignite. Сейчас – генеральный директор компании «Кверифай Лабс», специализирующейся на решениях для анализа больших данных, консалтинге в области разработки СУБД и платформ управления данными.
Безопасность платформ lakehouse
Архитектура lakehouse предоставляет важные преимущества – масштабируемость и высокая скорость при реализации нового функционала. Однако архитектура безопасности в озерах данных исторически построена на базе устаревших технологий, таких как Apache Rnager. Доклад посвящен обсуждению новых подходов и технологий обеспечения безопасности в современных платформах данных.
Архитектура lakehouse предоставляет важные преимущества – масштабируемость и высокая скорость при реализации нового функционала. Однако архитектура безопасности в озерах данных исторически построена на базе устаревших технологий, таких как Apache Rnager. Доклад посвящен обсуждению новых подходов и технологий обеспечения безопасности в современных платформах данных.
Наджим Мохаммад, Arenadata
Сейчас — директор по дата-стратегии, Группа Arenadata.
Дата-стратегия как драйвер бизнеса
Большинство отечественных предприятий сегодня уверены, что им непременно надо быть дата-центричными, а некоторые уже стали таковыми, получив возможность руководить и управлять данными, для выявления в них скрытых закономерностей и монетизации данных, накопленных в оперативных и ретроспективных хранилищах. Однако скорость принятия решений (предпринимательский интеллект) зависит от актуальности и достоверности данных, в противном случае окажется, что «данные есть, а денег – нет». Преобразование данных из ценного актива в источник жизненной силы процветающих предприятий невозможно без дата-стратегии. Как такая стратегия помогает решениям управления данными из «принеси-подай» превратиться в драйверов бизнеса? Как построить соответствующую операционную модель? Как развернуть адаптивный комплекс Data Management, помогающий найти новые точки роста бизнеса? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено обсуждению вопросов построения и эксплуатации единой системы каталогизации на основе платформы Zero Copy.
Большинство отечественных предприятий сегодня уверены, что им непременно надо быть дата-центричными, а некоторые уже стали таковыми, получив возможность руководить и управлять данными, для выявления в них скрытых закономерностей и монетизации данных, накопленных в оперативных и ретроспективных хранилищах. Однако скорость принятия решений (предпринимательский интеллект) зависит от актуальности и достоверности данных, в противном случае окажется, что «данные есть, а денег – нет». Преобразование данных из ценного актива в источник жизненной силы процветающих предприятий невозможно без дата-стратегии. Как такая стратегия помогает решениям управления данными из «принеси-подай» превратиться в драйверов бизнеса? Как построить соответствующую операционную модель? Как развернуть адаптивный комплекс Data Management, помогающий найти новые точки роста бизнеса? Доклад посвящен ответам на эти и другие вопросы. Особое внимание уделено обсуждению вопросов построения и эксплуатации единой системы каталогизации на основе платформы Zero Copy.
Дмитрий Фомин, «Югория»
Окончил НИЯУ МИФИ, Экономико-аналитический институт и Школу Управления «СКОЛКОВО», Цифровая трансформация и развитие экосистемного подхода. Более 10 лет опыта работы в сфере финансов и страхования: экономические модели и страховые резервы; финансовое хранилище данных; автоматизированный сбор журналов отчетности и регуляторных форм; управленческая отчетность в страховании (руководитель Центра развития аналитических систем, Product Manager (PM) и Chief Technical Officer (CTO) Платформы данных, Страховое акционерное общество «ВСК»). Почти 10 лет опыта работы в ИТ-индустрии: технологии в страховании; проектирование и разработка Платформы данных (классическое хранилище, дедубликатор контрагентов, система справочников, система контроля качества данных, система бизнес-аналитики, аналитическая песочница данных); регуляторные проекты; управленческая отчетность для топ-менеджмента. Сейчас – Директор департамента контроля финансовой отчетности, страховая компания «Югория».
Данные для решений: эффективное управление в страховании
Сегодня данные стали ключевым стратегическим активом страховой компании, однако подавляющее большинство организаций сталкиваются с проблемой – собирая огромные объемы сведений, они не могут эффективно преобразовать их в управленческие решения. Почему? Разные уровни управления компании требуют принципиально разных подходов к работе с данными. Как трансформировать «сырые» данные в конкретные бизнес-решения? Какие технологии действительно работают на каждом уровне управления? Как избежать типичных ошибок при внедрении решений работы с данными? Какие кейсы из практики стоит учитывать? Доклад посвящен ответам на эти и другие вопросы.
Сегодня данные стали ключевым стратегическим активом страховой компании, однако подавляющее большинство организаций сталкиваются с проблемой – собирая огромные объемы сведений, они не могут эффективно преобразовать их в управленческие решения. Почему? Разные уровни управления компании требуют принципиально разных подходов к работе с данными. Как трансформировать «сырые» данные в конкретные бизнес-решения? Какие технологии действительно работают на каждом уровне управления? Как избежать типичных ошибок при внедрении решений работы с данными? Какие кейсы из практики стоит учитывать? Доклад посвящен ответам на эти и другие вопросы.
Григорий Бокштейн, TData
Окончил Национальный Исследовательский Ядерный Университет «МИФИ». Почти 15 лет опыта управления международными проектами по оптимизации работы сетей сотовой связи (GSM, UMTS, LTE, 5G) в интересах ведущих телекоммуникационных операторов, курировал внедрение систем сбора данных с базовых станций для последующего моделирования и анализа. Занимался развитием продуктов по управлению данными. Сейчас – ведущий эксперт по управлению данными, отвечает за продвижение и развитие платформы управления данными TData.
Волшебная кнопка для Data Governance
В современном, управляемом данными мире, рост объемов сведений и ужесточение нормативных требований делает именно управление данными стратегическим приоритетом. Одновременно набирает обороты использование искусственного интеллекта для решения задач работы с данными. Доклад посвящен обсуждению особенностей эффективного применения ИИ в Data Governance. Особое внимание уделено ответу на вопрос: как с помощью продукта RT.DataGovernance сделать из ИИ волшебную кнопку для управления и руководства данными?
В современном, управляемом данными мире, рост объемов сведений и ужесточение нормативных требований делает именно управление данными стратегическим приоритетом. Одновременно набирает обороты использование искусственного интеллекта для решения задач работы с данными. Доклад посвящен обсуждению особенностей эффективного применения ИИ в Data Governance. Особое внимание уделено ответу на вопрос: как с помощью продукта RT.DataGovernance сделать из ИИ волшебную кнопку для управления и руководства данными?
Александр Безуглый, «М.Видео-Эльдорадо»
Окончил Московский Государственный Институт Электронной Техники (Технический Университет) (МИЭТ). Более 20 лет опыта работы в сфере управления данными, внедрения и развития проприетарных (SAP BW, SAP BusinessObjects, Tableau, Oracle) и решений Open Source (GreenPlum, Apache SuperSet): Сбербанк, «Альфа-банк», «Эльдорадо». Сейчас – и.о. директора по данным «М.Видео-Эльдорадо».
Мониторинг качества данных – все загрузки в одном окне
В компании имеется Apache Airflow – платформа с открытым исходным кодом для программирования, планирования и мониторинга рабочих процессов, наверняка есть также фоновые процессы в системах и ETL, причем всего этого очень много. Как обеспечить, чтобы эти процессы и системы согласованно работали? Более того, имеется еще множество соответствующих средств мониторинга. Как понять, что важно, а что нет? Что надо при сбоях восстанавливать в первую очередь, а что «поднимается» само? Доклад посвящен ответам на эти вопросы, позволяющим навести порядок с помощью портала единого мониторинга процессов обработки данных DQ.MON.
В компании имеется Apache Airflow – платформа с открытым исходным кодом для программирования, планирования и мониторинга рабочих процессов, наверняка есть также фоновые процессы в системах и ETL, причем всего этого очень много. Как обеспечить, чтобы эти процессы и системы согласованно работали? Более того, имеется еще множество соответствующих средств мониторинга. Как понять, что важно, а что нет? Что надо при сбоях восстанавливать в первую очередь, а что «поднимается» само? Доклад посвящен ответам на эти вопросы, позволяющим навести порядок с помощью портала единого мониторинга процессов обработки данных DQ.MON.
Дарья Капланская, «B2B-Center»
Окончила Московский государственный университет им. М.В. Ломоносова. Почти 10 лет опыта работы в сфере управления продуктами и проектами: QSOFT – ведущий менеджер проектов, курирование команды разработки для корпоративных клиентов; AI TODAY – руководитель направления (запуск платформу для AI-стартапов, организация отраслевых мероприятий); Deworkacy — менеджер проектов, организация технологических хакатонов для крупных банков и корпораций. Сейчас – руководитель Центра компетенции НСИ в компании «B2B-Center» (входит в ИТ-платформы B2B-РТС), отвечает за стратегию развития и вывод на рынок новых решений.
Системная работа с НСИ: как за 14 дней получить измеримые результаты
Как оперативно превратить работу с качеством НСИ в управляемый процесс с измеримыми результатами? Доклад посвящен ответу на этот вопрос, исходя из опыта конкретных проектов. Особое внимание уделено инструментам для быстрой оценки качества данных и обсуждению готового перечня шагов, позволяющего уже через две недели систематизировать работу с НСИ и получить первые улучшения.
Как оперативно превратить работу с качеством НСИ в управляемый процесс с измеримыми результатами? Доклад посвящен ответу на этот вопрос, исходя из опыта конкретных проектов. Особое внимание уделено инструментам для быстрой оценки качества данных и обсуждению готового перечня шагов, позволяющего уже через две недели систематизировать работу с НСИ и получить первые улучшения.
Стоимость участия
для всех категорий
Онлайн участие
для всех категорий
Премиум-партнеры
Генеральные партнеры
Партнеры
Информационные партнеры
FAQ:
- Мероприятие состоится 24 сентября в отеле Radisson Blu Leninsky Prospect Hotel в Москве.
- Форум посвящен вопросам руководства и управления данными в эпоху цифровой экономики, включая темы импортозамещения, архитектуры данных и внедрения ИИ.
- Импортозамещение в сфере управления данными
- Архитектура данных для ИИ
- Отраслевые практики в промышленности, ретейле, финансах
- Качество данных и Data Governance
- Руководителей в сфере управления данными
- ИТ-директоров
- Специалистов по работе с данными
- Руководителей цифровых трансформаций
- Офлайн-участие в мероприятии
- Доступ к материалам форума
- Участие в дискуссиях
- Организатор — издательство «Открытые системы», имеющее многолетний опыт проведения профильных мероприятий в сфере управления данными.
- В программе выступления представителей ведущих компаний: «Газпром нефть», «АЛРОСА», «АВТОВАЗ», Сбер, Альфа-банк, Магнит и других. Среди спикеров — эксперты из «Объединенного Кредитного Бюро», «Точки банк», DIS Group.
- Стратегические сессии
- Дискуссии и круглые столы
- Демонстрация решений
- Выставка продуктов
- Кейсы от практиков
- Необходимо заполнить форму регистрации на официальном сайте форума, согласившись с обработкой персональных данных.
- Знакомство с актуальными решениями по импортозамещению
- Изучение лучших практик управления данными
- Нетворкинг с лидерами отрасли
- Получение информации о новых технологиях и продуктах
- Возможность задать вопросы экспертам отрасли
СТАТЬ ПАРТНЕРОМ
Заполните заявку и мы отправим варианты возможного партнерства
ВИДЕОРЕПОРТАЖ 2025 ГОДА
Получить подробную информацию о форуме
«Управление данными 2026»
«Управление данными 2026»
Мы ждем Вас!
24 сентября 2026
24 сентября 2026
Место проведения:
Москва, Radisson Blu Leninsky Prospect Hotel
(Москва, Ленинский проспект 90/3)
Москва, Radisson Blu Leninsky Prospect Hotel
(Москва, Ленинский проспект 90/3)
Архив
2026
«BItech 2026»
«Качество данных 2026»
2025
«Управление данными 2025»
«Качество данных 2025»
2024
«Качество данных 2024»
«Управление данными 2024»
2023
«Качество данных 2023»
«Управление данными 2023»
2022
«Качество данных 2022»
«Управление данными 2022»
2021
«Качество данных 2021»
«Управление данными 2021»
2020
«Качество данных 2020»
«Управление данными 2020»
***
«BItech 2026»
«Качество данных 2026»
2025
«Управление данными 2025»
«Качество данных 2025»
2024
«Качество данных 2024»
«Управление данными 2024»
2023
«Качество данных 2023»
«Управление данными 2023»
2022
«Качество данных 2022»
«Управление данными 2022»
2021
«Качество данных 2021»
«Управление данными 2021»
2020
«Качество данных 2020»
«Управление данными 2020»
***
.
© 1992 – 2026
Издательство «Открытые системы»
Издательство «Открытые системы»
ИНТЕРНЕТ - ИЗДАНИЯ
