Все о культуре работы с данными

Среди вопросов, обсуждавшихся на форуме «Управление данными 2025», особо выделялась тема культуры работы с данными, в конечном счете определяющая успех любых инициатив, связанных с организацией и обеспечением работы с данными. Участники форума обсудили, с чего начинается культура работы с данными; каким должно быть распределение ролей; в чем заключаются основные проблемы и какие существуют барьеры на пути формирования культуры работы с данными; как оценить зрелость культуры работы с данными в организации.

Культура работы с данными: старт

В первую очередь эксперты предлагают определиться с понятием культуры работы с данными.

Евгений Аверьянов: «Надо разделять два понятия — культура данных и культура работы с данными»

Евгений Аверьянов предлагает различать понятия культуры данных и культуры работы с данными: «Осознание культуры данных начинается с задач, которые бизнес ставит перед собой. Три “кита”, на которых строится управление данными, — это доставка, обеспечение качества и грамотная автоматизация процессов. Некорректная доставка данных влечет за собой их нехватку, дублирование — некорректные выводы, недостаточная автоматизация процессов — ошибки, связанные с человеческим фактором. Ошибки и неточности влияют на скорость и эффективность принятия решений. Культура данных начинается с решения подобных проблем и распределения зон ответственности. Культура именно работы с данными — это формирование особой корпоративной среды, пронизывающей всю деятельность компании. Один из ее ключевых моментов — осознание каждым сотрудником важности данных и понимание того, как их эффективно применять в работе».

Александр Тарасов: «Культура работы с данными является следствием целей и задач компании в цифровом мире»

Александр Тарасов полагает, что вести речь о культуре работы с данными необходимо в тесной связке с понятием культуры производства и с корпоративной культурой: «Применительно к управлению данными культура — это в первую очередь возможность выполнять свои функции, наличие инструментария для работы с данными, выстроенных бизнес-процессов, прозрачное процессно-ориентированное управление и организованное взаимодействие сотрудников в рамках выполняемых задач, включая использование необходимых коммуникативных инструментов. Важно отметить, что корпоративная культура — это традиции и правила взаимодействия людей в организации, сформированные в процессе ее адаптации к внешней среде».

Культура начинается с осознания и понимания

Многие эксперты отмечают важность осознания ценности данных и понимания связанных с ними ключевых аспектов.

По мнению Алексея Никитина, культура работы с данными начинается с осознания ценности данных как стратегического актива компании: «Чтобы этого добиться, организации необходимо определить бизнес-цели, которые опираются на аналитику и измеримы через данные, затем установить единые правила и стандарты работы с данными — от сбора и хранения до анализа и использования, после этого назначить ответственных и распределить роли среди сотрудников (чтобы данные перестали быть «ничьими»), продемонстрировать примеры того, как высшее руководство принимает решения на основе данных. Тогда, например, интерактивные дашборды будут использоваться не только на совещаниях топ-менеджеров, но и во всей компании».

Игорь Моисеев также считает, что культура работы с данными в компании начинается с осознания данных как стратегического актива, которому необходимо обеспечить управляемость: «Но это невозможно до тех пор, пока один и тот же показатель в разных департаментах трактуется по-разному».

Владимир Андреев предлагает отсчитывать рождение культуры работы с данными с момента осознания того, что данные имеют самостоятельную ценность, что их оптимальная структуризация, организация хранения и представления могут принести компании значительные выгоды и преимущества или, по крайней мере, минимизировать потери и риски: «Это становится особенно актуальным в связи с развитием ИИ и ростом важности качественного “цифрового следа»” для задач машинного обучения. Эти задачи требуют отдельных усилий по организации и хранению данных, выделению необходимых организационных и финансовых ресурсов, планированию и контролю качества исполнения работ с данными».

С точки зрения Станислава Лазукова, культура работы с данными начинается с людей: «Как только топ-менеджмент осознает ценность данных, как только на всех уровнях управления сотрудники воспринимают качественные данные как основу для принятия как тактических, так и стратегических решений — тогда и можно говорить о переходе к формированию культуры работы с данными, а она, в свою очередь, включает построение стандартов и процессов работы с ними, внедрение инструментов управления данными, их описания, каталогизации, контроля качества и пр.».

Александр Учаев: «Ключевым шагом становится формирование централизованного реестра справочников и определение четких правил их актуализации»

Александр Учаев соглашается с коллегами: «Формирование культуры работы с данными начинается, во -первых, с осознания высшим руководством значимости данных как стратегического ресурса организации и, во-вторых, с утверждения стратегии управления данными и внедрения единых стандартов, включая процессы нормализации и контроля качества данных. Ключевым шагом становятся формирование централизованного реестра справочников и определение четких правил их актуализации, что закладывает основу для доверия к данным — без этого невозможно достичь согласованности данных между подразделениями и системами».

Михаил Маслов также придерживается мнения о том, что культура работы с данными начинается с осознания данных как ценного ресурса, к которому надо относиться ответственно: «Нужно инвентаризировать, учитывать данные, назначать ответственных, налаживать производство и хранение данных, обеспечивать контроль их качества».

Кирилл Евдокимов: «Культура работы с данными начинается с осознания того, что данные — это такой же результат бизнес-процессов компании, как и продукты для клиентов»

Кирилл Евдокимов в качестве точки появления культуры работы с данными рассматривает момент осознания и принятия того, что данные — это результат бизнес-процессов компании: «Искусственный интеллект и сложные модели опираются на данные не в меньшей степени, чем регулярные отчеты, и это один из ключевых «мостов» между понятиями, которые необходимо сформировать в сознании сотрудников всех уровней. Если качественных и доступных данных недостаточно, то и модели оценки клиентского опыта, и цифровой маркетинг, и ИИ-агенты, и иные продукты, активно внедряемые в современных компаниях, не принесут ожидаемых результатов».

Николай Скворцов придает особое внимание пониманию сотрудниками основ датацентричного мышления: «Организация, управляемая на основе данных (Data-Driven), не обязательно является датацентричной (Data-Centric). Наиболее распространена практика, когда приложения, применяемые для анализа в ходе принятия решений, размещают обрабатываемые данные в отдельных изолированных хранилищах (Silo), при этом другие приложения их использовать не могут. Даже если процессы принятия решений в такой организации и будут обеспечивать управление на основе данных, она не будет датацентричной. Чтобы стать датацентричной, организации необходимо разработать единую корпоративную модель данных, а затем привести данные в соответствие с ней. Приложения, которые их обрабатывают, могут меняться, но данные остаются постоянным организационным активом».

От управления — к культуре

Дарья Капланская связывает появление культуры работы с данными с осознанием руководством значимости управления данными: «Чтобы эффективно управлять компанией, нужно принимать решения, опираясь на метрики и параметры — то есть на данные, при этом их качество становится показателем эффективности бизнеса. Данные в компании должны быть едиными — полными, качественными и одинаковыми для всех дочерних организаций. Всем должно быть понятно, где данные находятся, как собираются и как используются. Важно, чтобы данные описывались однозначно. Нужно, чтобы все участники понимали новые правила и цели — управлять бизнесом по-другому, качественнее. Когда все процессы работы с данными выстроены, появляется доверие к ним: компания знает, какими данными располагает, и может точно оценить поставленные перед собой цели в сроках, деньгах, объемах. И самое главное — она может этим управлять. Только после этого можно внедрять новации и ИИ. Что касается культуры данных, то она начинается со стратегического решения о том, что компании важно принимать решения на основе полной и качественной информации от всех подразделений».

Анастасия Никитина считает выстраивание управления данными как процесса, обеспечивающего доверие к ним, ключевым моментом формирования культуры данных: «Среди основных элементов процесса — создание каталога моделей предметных областей и бизнес-глоссария, отслеживание происхождения данных (data lineage) и контроль качества данных. Эти элементы создают основу для реализации подхода Data-Driven. Для его внедрения важно осознать ценность данных, выделить новые роли, обучить сотрудников и вовлекать бизнес-пользователей в работу с интерактивными дашбордами BI-систем и рассылаемыми отчетами для принятия управленческих решений на основе аналитики».

В свою очередь Андрей Андриченко предлагает начинать формирование культуры работы с данными с оценки текущего состояния в области управления данными организации и назначения ответственных — прежде всего тех, кто должен заниматься созданием единых стандартов в части терминологии, форматов представления и обмена данными: «С технической точки зрения, необходимо обеспечить инфраструктуру — систему управления мастер-данными (MDM), позволяющую эффективно управлять централизованными и синхронизированными данными».

Андрей Евтихов: «Необходимо выстроить регулярные рабочие процессы использования данных для принятия бизнес-решений»

Андрей Евтихов в качестве первых шагов по формированию культуры данных предлагает создать и внедрить управление данными о ключевых бизнес-процессах организации и ее клиентах, а также инструменты аналитики, в том числе визуализации данных, средства разработки и внедрения моделей машинного обучения в рабочие процессы и др. Необходимо выстроить регулярные рабочие процессы использования данных для принятия бизнес-решений: план-факторный анализ, выявление корреляций и зависимостей между показателями бизнеса, прогнозирование на основе текущих показателей и др.

Итак: формирование культуры работы с данными — это долгосрочный проект, нацеленный на создание благоприятных условий для эффективного использования данных. Не стоит ожидать быстрой окупаемости проекта, разумнее рассматривать соответствующие инициативы как инвестиции в цифровое будущее.

Ключевые роли и их распределение

Какие роли следует выделить при работе с данными в организации, стремящейся сформировать культуру работы с данными? Как оптимально распределить эти роли между сотрудниками?

Роли и функции:

• директор по данным (Chief Data Officer, CDO) — выработка стратегии и общее руководство работой с данными в организации (Data Governance, DG). Как правило, именно он формирует и возглавляет команду DG;
• владелец данных (Data Owner) — реализация политик, определяемых командой DG, в том числе обеспечение соответствия данных своей предметной области и предъявляемым к ним требованиям;
• куратор (распорядитель) данных (Data Steward) — управление качеством данных;
• архитектор данных (Data Architect) — определение оптимальной структуры данных, разработка стандартов и обеспечение совместимости данных;
• инженер по данным (Data Engineer) — формирование инфраструктуры для подготовки данных к использованию, включая их сбор, хранение и интеграцию;
• аналитик данных (Data Analyst) — сбор данных из различных источников, очистка, получение пригодных к использованию данных, собственно анализ, визуализация и подготовка отчетов и выводов;
• бизнес-пользователь данных (Data Business User) — изучение данных в рамках должностных обязанностей и полномочий, опираясь на средства самостоятельной (Self-Service) работы с аналитическими системами.

Наибольшее разнообразие ролей наблюдается, как правило, в крупных организациях с большими объемами различных данных и множеством функциональных направлений и подразделений, формирующих свои домены данных.

Уровень зрелости имеет значение

Помимо масштабов бизнеса, большое влияние на состав ролей и их распределение между сотрудниками имеет уровень зрелости организации в области работы с данными.

Анастасия Никитина: «Культура работы с данными начинается с управления данными — процесса, обеспечивающего доверие к ним»

Согласно опыту Никитиной, оптимальное распределение ролей зависит не только от размера организации, но и от зрелости ее процессов работы с данными: «На раннем этапе роли часто совмещаются. По мере масштабирования процессов работы с данными выделяются специализированные роли и появляется единая команда — дата-офис или центр компетенций. Инженеры и архитекторы данных концентрируются в ИТ-службе, владельцы данных — в бизнес-подразделениях, где активно осваиваются средства для самостоятельной работы с данными. Для зрелой модели (Data Mesh и Data-Driven Enterprise) характерно разделение ответственности: каждое бизнес-подразделение отвечает за свой домен данных, при этом владельцы данных и аналитики имеются внутри каждой бизнес-команды. Централизованный дата-офис на этом этапе устанавливает стандарты, ведет мониторинг качества и управляет развитием BI-платформы».

Владимир Андреев: «Культура работы с данными начинается с осознания того, что данные являются самостоятельной ценностью»

По наблюдениям Андреева, крупные российские компании уже осознали важность управления данными: «В штатных расписаниях появилась должность CDO, управляющего всей “кухней” организации и хранения данных, а также должность Data Protection Officer (DPO), отвечающего за их безопасность. Помимо этих ключевых сотрудников, важную роль играют бизнес-аналитики, планирующие развитие информационных систем, и дата-аналитики, которые готовят данные для дальнейшего использования в машинном обучении. Забота о соблюдении требований регуляторов в отношении хранения данных и документов — это задача предметных специалистов в конкретных областях. Важно, чтобы все эти специалисты работали совместно».

По мнению Скворцова, во многих организациях уже есть формальные или неформальные оргструктуры, занимающиеся работой с данными и их управлением, при этом решения в отношении данных часто принимаются на локальном уровне и носят несистемный характер. «Чтобы выстроить эффективную систему управления данными, нужно прежде всего создать команду DG, отвечающую за внедрение и поддержку корпоративной практики руководства данными. Цель DG — определить желаемое поведение сотрудников в отношении данных и обеспечить надзор за его соблюдением», — добавляет Скворцов. Что касается распределения ролей, то, по его словам, этот вопрос непрост в силу сложного соотношения понятий «распоряжение данными» (Data Stewardship) и «руководство данными» (Data Governance) — сейчас нет однозначного понимания сути практик распоряжения и руководства данными в различных организациях.

Минимальные наборы ролей

Ряд экспертов рекомендуют не концентрироваться на скрупулезном разделении ролей на множество позиций. Так, Евтихов выделяет две категории ролей: ответственные за разработку и внедрение отдельных инструментов управления данными на уровне организации и ответственные за работу с данными на уровне отдельных структурных подразделений. «Первые целесообразно сгруппировать на верхнем уровне организации с непосредственным подчинением ответственному за управление данными в целом, — рекомендует Евтихов. — Ответственные за работу с данными отдельных подразделений должны подчиняться руководителям этих подразделений».

Игорь Моисеев: «В организации должна быть одна “точка правды”, единый словарь терминов и четко определенные источники данных»

Моисеев предлагает минимальный набор ролей: владелец данных, куратор и потребитель данных. «Эти роли не могут быть символическими, они должны быть встроены в процессы. Без такого разделения на роли данные не находят применения, не эволюционируют и не влияют на бизнес, — поясняет Моисеев. — Роль владельца должна закрепляться за бизнесом. Кураторы назначаются чаще всего из ИТ-службы, офиса CDO или центра компетенций. Технический контроль второстепенен. Приоритетная роль должна отдаваться бизнес-пользователям — у них есть мотивация, ответственность и понимание последствий ошибок в данных. Если эта логика нарушается, появляются дублирование, искажения, а иногда и прямая манипуляция данными для “подгонки” под желаемый результат».

Андриченко считает необходимыми роли владельца данных, бизнес-аналитика, архитектора данных, а также онтолога — специалиста по разработке моделей данных, включающих описание классов, их атрибутивную структуру, иерархические связи и отношения между элементами классификаций. «Что касается распределения ролей между сотрудниками в процессах управления данными, то оно динамично: некоторые роли могут объединяться или, наоборот, дробиться на более специализированные позиции, — продолжает Андриченко. — Необходимо периодически пересматривать распределение обязанностей в зависимости от бизнес-целей организации, профессиональных навыков сотрудников, внедрения новых технологий и изменения масштабов бизнеса».

С кого начать?

Алиса Школьникова: «Многие компании ставят цель повысить культуру работы с данными, до конца не понимая, что именно они хотят повысить»

Весьма разные рекомендации дали эксперты в отношении ролей, которые следует выделить в первую очередь.

«В части ролевой модели самое главное — найти лидера, который поведет за собой изначальную команду, а затем и всю компанию, вовлекая всех в процессы работы с данными и принятие решений на основе данных, — считает Школьникова. — В эту команду должны входить представители бизнеса, ИТ и дата-офис. Только совместная работа приведет к успеху в части управления данными, позволит анализировать процессы, потоки данных и реализовать систему управления, как методологическую, так и техническую, что, в свою очередь, приведет к повышению культуры работы с данными». Список рекомендуемых ею ролей следующий: CDO, дата-стюард (дата-партнер), владелец данных, инженер по качеству данных, архитектор данных, системные и бизнес-аналитики, разработчики.

Капланская предлагает в первую очередь назначить владельцев данных: «Это внутренние методологи: они знают, какие данные нужны бизнесу, отвечают за их качество и актуальность. Еще одна важная роль — кураторы данных, они стоят на страже качества, следят за тем, чтобы справочник не засорялся лишними и некачественными данными, и только они могут вносить какие-либо правки в данные. Следующий уровень, не обязательный, но полезный, — аналитики, BI-разработчики и дата-инженеры. На практике структура получается простая: владелец, кураторы и пользователи — потребители конечных данных. Все остальное — организационная надстройка, зависящая от задач и зрелости компании».

Дарья Капланская: «Культура работы с данными формируется через определение ИТ-контура и потребностей конечных бизнес-пользователей»

Что касается модели распределения ролей, то она, как отмечает Капланская, зависит от структуры компании: «Есть три подхода. Первый — централизованная модель: имеется единый контур и общий справочник НСИ, управляемый одной командой. Все решения принимаются в центре и распространяются на дочерние организации. Эта схема работает, если процессы схожи и компании холдинга готовы жить по единым правилам. Во второй, децентрализованной модели каждая компания холдинга управляет своим справочником и данными. Ключ к эффективности — в коммуникации между владельцами данных разных подразделений: они должны понимать, на какие метрики и цели общего бизнеса влияют. Третья модель — аутсорсинговая, она снимает нагрузку с внутренних сотрудников и позволяет сконцентрироваться на результатах, а не на процессе. Подобный подход наиболее характерен для компаний из ресурсных отраслей и крупных промышленных холдингов: они формулируют требования и измеряют результат, не вникая в операционную “кухню”».

Другое

По наблюдениям Лазукова, распределение ролей зависит от размера и структуры организации: «В небольших компаниях роли могут совмещаться, но в крупных они распределяются между ИТ, бизнесом и офисом CDO. Крупные экосистемы выстраивают контур для обмена данными. Важно при этом обеспечивать прозрачный механизм для описания, согласования и информационного обмена данными между разными подразделениями».

«Данные — ценный ресурс компании, к которому надо относиться очень бережно, — подчеркивает Аверьянов. — В компании должен быть четко регламентирован доступ к данным. Даже на простое чтение необходимо разрешение. Важно разграничить роли потребителей данных; специалистов, настраивающих MDM и DQM для получения качественных данных; дата-инженеров, отвечающих за интеграционные цепочки между ИТ-системами; а также бизнес-архитекторов, аналитиков и т. д. Кроме того, важно, чтобы в компании нашелся сотрудник, способный взять на себя роль директора по цифровизации или архитектора бизнес-процессов, такой кросс-функциональный управляющий будет объединять людей из разных подразделений для решения конкретных задач и выстраивания культуры работы с данными».

Таким образом, видно, что состав и распределение ролей при работе с данными зависят от ряда факторов и определяющим будет то, как сама организация оценивает ценность, место и роль данных в своей деятельности и какое будущее готовит своим информационным активам.

Проблемы и барьеры на пути формирования культуры работы с данными

Что мешает формированию культуры работы с данными в организациях и какие меры помогут добиться успеха на пути перехода к управлению, основанному на данных?

Организационные проблемы

По мнению многих экспертов, корень причин возникновения проблем следует искать в неправильной организации работы с данными.

Николай Скворцов: «Может возникнуть ситуация, когда с возрастанием степени управляемости на основе данных степень датацентричности будет снижаться»

«Один из первых вопросов, который обычно пытаются решить в рамках программы руководства данными, — это вопрос владения данными: команды DG пытаются выявить и назначить владельцев данных, — делится своими наблюдениями Скворцов. — Но назначенные владельцы часто не знают, что делать, поскольку никто не определил, что подразумевается под владением. Во-первых, потому что лишь очень немногие сотрудники или даже команды имеют контроль над всем доменом данных. И, во -вторых, потому что большинство допущений о владении данными не учитывают отличия данных от других видов активов: отдельные руководители или команды не могут владеть данными в той же степени, в какой владеют, например, бюджетом или группой компьютеров. Данные можно использовать многократно, и они не израсходуются. Более того, они воспроизводятся, трансформируются и могут передаваться по цепочкам поставок, поэтому границы ответственности размыты. Эти проблемы являются общими для всех организаций и носят фундаментальный характер. Один из ключей к их преодолению — применение подхода к управлению данными, аналогичного управлению производством продукции. Вместо того чтобы пытаться возложить на сотрудников ответственность за домены данных (которые они не в состоянии толком контролировать), команды DG могут работать вместе с людьми, ответственными за производство данных, которые являются «побочным» продуктом бизнес-процессов. Такой подход позволяет лучше и быстрее учитывать требования потребителей данных и реализовать в отношении данных концепцию управления качеством через проектирование (Quality by Design). На этом подходе как раз основана парадигма Data Mesh, которая призывает перейти к “продуктовому мышлению” в отношении к данным. Переход на такой тип мышления — важная составляющая повышения культуры работы с данными».

«Важно выстроить правильную организационную структуру, — продолжает Аверьянов. — У стартапов, как правило, много драйва и амбиций, но мало финансов для развития. Зачастую персонал, управляющий данными, выполняет несколько функций, не всегда согласованных между собой, поэтому основная проблема заключается в организации грамотного управления и выстраивания четкой ответственности на каждом шаге на пути формирования культуры работы с данными. В крупных организациях основным барьером может стать сопротивление со стороны персонала. Повышение квалификации персонала и выстраивание понятной карьерной лестницы помогут преодолеть разрыв между планами руководства и возможностями персонала и выстроить путь к максимально эффективному использованию массивов данных».

Лазуков отмечает, что при формировании культуры работы с данными в большинстве своем компании сталкиваются с одними и теми же проблемами: «Например, бизнес поддерживает формирование культуры работы с данными, но не готов откладывать свои задачи или инвестировать в следование принятым процессам, которые зачастую создают дополнительную нагрузку, связанную с описанием данных, проверками и пр. Более того, нередко функциональные подразделения не хотят делиться своими данными и сотрудничать с другими в силу ряда причин, в том числе исторических особенностей бизнеса». Также среди ключевых проблем эксперт отмечает пренебрежение вовлечением сотрудников, ежедневно работающих с данными: «Невозможно заинтересовать всех одновременно, но важно выделить тех, кто наиболее критичен и лоялен к изменениям, выстроить работу с ними. Успешные пилотные проекты помогут доказать бизнесу пользу от управления данными и, заручившись поддержкой руководства, масштабировать их на другие домены».

Никитин к числу ключевых барьеров на пути повышения уровня культуры данных относит отсутствие охвата всех зон ответственности (остаются «ничейные» данные или дублируемые в разных системах), низкое качество данных, сопротивление изменениям со стороны сотрудников и разрозненность ИТ-систем — отсутствует и интеграция, и единое хранилище данных. «Изменить ситуацию поможет личный пример руководителей в принятии решений на основе данных, — считает Никитин. — Также полезно разработать единый словарь и прозрачные правила использования данных. Уменьшить влияние человеческого фактора позволит автоматизация процессов обработки данных».

Вячеслав Курочкин: «Наиболее серьезная проблема — отсутствие на предприятиях реальных шагов по формированию долгосрочной стратегии управления данными»

Вячеслав Курочкин наиболее серьезной проблемой считает отсутствие на предприятиях реальных шагов по формированию долгосрочной стратегии в области управления данными: «Многие из наших заказчиков говорят о важности усилий в этом направлении, но при этом не предпринимают конкретных действий. Не способствуют развитию культуры работы с данными и сопротивление изменениям “на местах” с одновременным нежеланием бороться с ним, отсутствие ответственных, недоступность или ограниченность функционала используемых инструментов для работы с данными. Преодолеть эти и многие другие барьеры призвана долгосрочная стратегия по управлению данными. Она должна включать четкий и понятный список реальных проблем с данными на предприятии, которые нужно решить в установленные сроки, формализованный и понятный перечень целей и критериев оценки их достижения, перечень ответственных лиц, наделенных правом принятия решений и прозрачной системой мотивации, источники и перечень ресурсов для реализации стратегии, а также список мероприятий для достижения поставленных в ней целей».

Необходима разъяснительная работа

Эксперты подчеркивают важность проведения разъяснительной работы с сотрудниками, поскольку без понимания с их стороны целей, выгод и важности применения данных в операциях и решениях практически неизбежен саботаж в той или иной форме.

Так, Тарасов главным барьером считает отсутствие понятной сотрудникам цели создания системы работы с данными: «Каждая новая функция или подсистема управления, — это дополнительная нагрузка на персонал. Но если сотрудники понимают, для чего это делается и видят результат, то главное препятствие к выстраиванию эффективной работы устраняется».

Школьникова главной проблемой считает непонимание сотрудниками важности культуры работы с данными и предлагает рассмотреть один из двух подходов к вовлечению людей в процессы управления данными: «Первый — директивный: выпускается приказ по компании, где указано, что должны делать конкретные люди или что должно исполняться в соответствии с ролями в рамках процессов управления данными. Второй — демократичный: сотрудники участвуют в процессах, связанных с данными, понимают, с какой целью это делают, какой результат важен для бизнес-процессов и других участников процесса, и осознают пользу этих усилий для себя и компании в целом».

Никитина к числу основных барьеров добавляет слабую безопасность: «Все барьеры можно преодолеть, демонстрируя успешные кейсы, повышая компетенции сотрудников, формируя единый “источник правды” (аналитический центр) и обеспечивая централизованное управление доступом к данным».

Особые мнения

Денис Смирнов: «В компании, идущей к реализации подхода Data-Driven, должна быть выстроена система выверки и ведения единых справочников»

Ряд экспертов высказывают особые мнения по поводу главных проблем и барьеров. Так, Денис Смирнов напоминает о том, что в основе принятия любых решений могут лежать интуиция, эмоции и расчет: «Можно ли доверять эмоциям? Нет. Можно ли доверять интуиции? Да. Но лучше интуитивные решения подкреплять расчетом. Интуицию нельзя делегировать, передать как знание, а делегировать принятие решений на основе расчета, с опорой на данные — можно. И тогда получается, что культура работы с данными — это основа роста и расширения бизнеса. Но данные должны быть по крайней мере доступными, достоверными и своевременными. Следовательно, в компании, идущей к реализации подхода Data-Driven, должна быть выстроена система MDM. Поскольку данные для аналитики и принятия решений должны появляться вовремя, должна быть проведена полноценная автоматизация всех важных процессов, и все эти процессы должны быть цифровизованы. Кроме того, необходима доступная сотрудникам среда потребления данных, в том числе понятные и удобные системы для наглядного визуального вывода необходимых показателей — дашборды. Конечно, подразумевается отказ от всего “аналогового”, “ручного”, “бумажного”. И над всем этим должна быть выстроена единая методология работы с данными и “цифрой” в компании».

Моисеев полагает, что частым и главным барьером становится иллюзия управления данными: «Аналитика вроде и обновляется вовремя, но толком объяснить, почему тот или иной показатель упал или вырос, никто не может, поэтому и реальный эффект для бизнеса от работы с данными крайне низок. Второй серьезный барьер — привычка все “дочищать” вручную: многие сотрудники не доверяют информации из КХД, поэтому создают персональные “песочницы” и копии данных для собственной аналитики. Пока в организации допускается ручное вмешательство на финальных этапах отчетности, культура работы с данными развиваться не будет. Еще один неприятный барьер — отсутствие ответственности, когда никто ни за что не отвечает. Преодолеть его поможет системный подход: назначение ролей, внедрение регламентов качества данных, создание прозрачного каталога данных и бизнес-глоссария».

Михаил Маслов: «Данные, как и деньги, должны работать, и чем больше людей в организации будет думать о том, чтобы заставить данные работать, тем лучше»

Маслов видит корень проблем в несистемном подходе, выраженном в попытках заниматься данными ситуативно и по остаточному принципу: «Конечно, это намного проще и быстрее, чем пытаться осознать ситуацию в комплексе и отразить стратегию развития в проработанной дата-стратегии. Но только комплексный подход позволит избежать серьезных ошибок».

Андриченко считает, что рассинхронизация данных, применяемых в различных подразделениях организации, а также использование различных методик, терминов и определений для описания идентичных типов данных значительно затрудняют информационный обмен и приводят к многократному дублированию усилий, связанных с управлением активами данных. Капланская добавляет, что в 95% случаев начало работы со справочниками сопровождается одним и тем же «открытием»: данных слишком много, а их качество оставляет желать лучшего: «В зависимости от масштаба компании и глубины проблем в справочнике на наведение порядка в нем уходит от нескольких месяцев до года и больше. Чем раньше компания начнет процесс, тем быстрее сможет выстроить единую систему наименований, параметров и логики работы с данными. Вторая проблема — кадровая: в компании часто нет сотрудников, которые могли бы однозначно описать запчасти, объяснить, какие их параметры критичны для закупки, а какие — нет и как эти особенности отражаются на стоимости и сроках. Третий барьер — сопротивление сотрудников. Ключ к преодолению всех барьеров — последовательность: сначала отбор действительно нужных данных, затем их тщательная очистка и стандартизация, следующий шаг — подготовка экспертов, за которым следуют обучение сотрудников и демонстрация быстрых побед».

Владимир Озеров: «Первичной остается проблема зрелости и актуальности технологий. Российские компании по-прежнему вынуждены использовать устаревшие технологии»

По наблюдениям Владимира Озерова, организации обычно сталкиваются с двумя видами проблем: технологическими и процессными: «Вместе с тем первичной остается проблема зрелости и актуальности технологий. Российские компании по-прежнему вынуждены использовать устаревшие технологии, такие как Apache Ranger, Apache Hive Metastore, Greenplum, что приводит к усложнению и увеличению трудоемкости внутренних процессов разработки и управления данными. Переход на современный технологический стек может помочь компаниям существенно улучшить культуру управления данными».

Итак, эксперты перечислили ряд проблем, мешающих формированию культуры работы с данными, обратив внимание на то, что в большинстве своем эти проблемы носят организационный характер и «лечатся» благодаря мудрому управлению, а также последовательному и при этом настойчивому продвижению стратегии Data-Driven в компании.

Оценка уровня зрелости культуры

Формируя культуру работы с данными, важно не только выстраивать ее нужным образом, но и объективно оценивать уровень ее зрелости. Такая оценка помогает понять, насколько далеко продвинулась организация, создавая климат наибольшего благоприятствования в области работы с данными, и определить направления, требующие дополнительных усилий и инвестиций. Как оценить уровень зрелости культуры работы с данными в организации?

Один из наиболее простых критериев предлагает Тарасов: «Главный показатель высокого уровня культуры работы с данными — это когда большинство вопросов, связанных с качеством, доступностью, атрибутивным составом данных, решается горизонтально, в рабочем режиме, без эскалации “наверх” и внутрикорпоративных столкновений».

Иного мнения придерживается Маслов: «Когда мы работаем над проектами построения дата-стратегий или оценки зрелости организаций, для каждого домена фреймворка DAMA мы оцениваем зрелость в разрезе стандартов, процессов, технологий и развития организационной структуры. Что касается признаков, то надо в первую очередь проверить наличие дата-стратегии, ее детализацию и последнюю дату ее обновления. Хорошим показателем является организация контроля за исполнением запланированных мероприятий. Случается, что в компании есть прекрасно написанная, но мертвая дата-стратегия, не отражающая актуальных изменений в целях организации, просрочку по одним активностям и отсутствие статуса исполнения по другим. На более детальном уровне хорошими признаками являются тщательность распределения ответственности за данные, передовые способы доставки, распространения и потребления данных, а также высокий уровень организации контроля их качества».

Скворцов отмечает, что измерить культурные изменения не так просто: «В качестве наиболее важных признаков зрелости культуры работы с данными в организации можно выделить: наличие практики разработки и ведения корпоративной модели данных (она характеризует понимание организацией основ датацентрического мышления), практики анализа и управления цепочками поставок данных (свидетельствует о понимании организацией основ продуктового мышления в отношении данных) и программы управления культурными изменениями. Трансформация культуры не происходит быстро».

Евгений Яковенко: «Если подход Data-Driven стал частью корпоративной идентичности, то можно говорить о зрелости. Технологии здесь инструмент, а успех — в изменении мышления»

Позиция Евгения Яковенко: зрелая культура работы с данными проявляется не в технических и технологических, а в поведенческих и процессных паттернах: «Ключевым признаком является системное использование данных в принятии решений — от операционных задач до стратегических инициатив. Данные должны быть не просто доступными, а доверенными: справочники нормализованы, метаданные прозрачны, а источники данных согласованы между подразделениями. Дополнительным индикатором служит наличие внутренних сообществ, в которых сотрудники обмениваются лучшими практиками, делятся секретами и выступают в роли катализаторов изменений. Второй важный признак — организационная ответственность за качество данных. В зрелой культуре нет “чужих” данных: каждый, кто вносит сведения, несет за них ответственность. Это достигается через четкие SLA, регламентирующие качество данных, регулярные аудиты, автоматизированные валидации и KPI чистоты справочников. Когда руководители ставят задачи вроде “снизить количество ошибок в номенклатуре на 40% за квартал”, а не просто “нужны хорошие данные”, — это признак трансформации культуры. Зрелость проявляется также в том, что организация не боится признавать проблемы с данными и открыта к их решению: проводит анализ инцидентов с некорректной информацией и использует их в целях обучения. Наконец, если подход Data-Driven стал частью корпоративной идентичности (упоминается в миссии, ценностях, при оценке и онбординге персонала), то можно говорить о зрелости».

Аверьянов обращает внимание на отраслевую зависимость метрик для определения зрелости: «Все зависит от решаемых задач и достижения конкретных результатов. Сначала нужно оценить, качественно ли собираются данные, как именно они собираются, насколько они полные, позволяют ли выстраивать системы автоматизации для принятия корректных решений, довольны ли ими и их результатами сотрудники. Главные три вопроса, который необходимо задать внутри компании: помогают ли внедренные инструменты зарабатывать, экономят ли ресурсы и снижают ли риски? Следует помнить, что развитие зрелой культуры — это долгий непрерывный процесс, требующий комплексного подхода. Успех зависит от множества факторов».

Станислав Лазуков: «Все мы проходим этап развития «человекоцентричности» и в бизнесе в целом, и в работе с данными в частности»

Лазуков рекомендует использовать четыре основных признака и соответствующие им метрики: «Первый: данные используются для принятия решений. Метрики — количество пользователей и запросов к BI-инструментам или хранилищу данных. Второй — уровень доверия к данным достаточно высок. Насколько именно, можно определить по количеству инцидентов с качеством данных, среднему времени реакции на инциденты и скорости их устранения. Третий — данные доступны, и сотрудник легко может получить внутри организации нужную информацию и инструменты. Насколько легко, можно судить по среднему времени, затрачиваемому на получение доступа к отчету или витрине данных, а также по средним срокам реализации новых витрин и отчетов. Четвертый — компания умеет оценивать рентабельность инвестиций в данные. Если умеет, то сможет продемонстрировать финансовые эффекты от внедрения технологий работы с данными — объемы прибыли, получаемые организацией благодаря инвестициям в аналитику и технологии. Таким образом, зрелость культуры работы с данными определяется комплексной интеграцией практики, процессов, инструментов и стратегии, ориентированных на повышение эффективности и результативности бизнеса».

Моисеев считает, что высшая зрелость культуры данных наступает в тот момент, когда данные перестают быть только материалом для отчетности и превращаются в универсальный язык коммуникации и ключевой аргумент в процессе принятия решений на всех уровнях — от стратегического до операционного: «О зрелой дата-культуре говорят метрики использования: частота принятия решений на основе данных и рост количества дата-проектов, инициированных бизнес-единицами предприятия».

Алексей Никитин: «Культура работы с данными начинается с осознания ценности данных как стратегического актива компании»

Никитин первым по значимости признаком зрелой культуры называет доверие к данным: «О доверии свидетельствует то, что решения в организации принимаются на основе данных, а не субъективного мнения, причем как на уровне высшего руководства, так и на уровне линейных сотрудников. Еще один важный признак: качество данных измеряется и контролируется — применяются метрики полноты, точности, своевременности. Следующий признак — прозрачность ответственности: понятно, кто отвечает за тот или иной набор данных. Характерным признаком зрелости является и интеграция данных: наличие единой платформы или согласованных источников, минимизация “теневых” Excel-отчетов и всеобщий переход с Excel на BI-платформу. О зрелости свидетельствует и регулярное использование аналитики: KPI бизнеса связаны с данными, при этом BI и аналитика используется в большинстве подразделений. Информационная грамотность сотрудников — то, как менеджеры и специалисты умеют правильно интерпретировать данные, — также повышает оценку зрелости. И последний из списка — применение развитых средств для самостоятельной работы сотрудников с данными и аналитикой. По мере перехода к зрелым практикам работы с данными доля таких специалистов, согласно нашему опыту, достигает 20%».

Андрей Андриченко: «Инициативы по наведению порядка в данных необходимо подкрепить поддержкой руководства»

Андриченко среди признаков приводит использование на предприятии системы класса MDM, эталонные записи которой синхронизированы с аналогичными позициями в базах данных прикладных информационных систем, а также наличие соответствующих бизнес-процессов, единых методологических подходов и регламентирующих документов, обеспечивающих синхронизацию и высокое качество данных, используемых в различных контурах организации.

Согласно наблюдениям Капланской, понять, насколько зрелой является культура работы с данными в компании, можно и без сложных исследований: «Один из самых наглядных индикаторов — справочник. Если наименования в нем строятся на основе единой структуры (название, определитель и параметрическое описание) — значит, компания уже выстроила системный подход. Если доступа к справочнику нет, помогают косвенные метрики. Одна из них — скорость формирования отчетности: если квартальный отчет по закупкам готовится дольше 30 минут, а годовой — больше часа, значит, оптимизация и организация данных слабые. Еще одна метрика — горизонты планирования закупок: есть ли план на год, два, пять лет? Можно ли быстро ответить, что закупаем, в каком объеме и в какие сроки? Если нет, значит, данных либо нет, либо им нельзя доверять. О многом расскажет и SLA закупок: для сложной продукции несколько часов на обработку запроса — это нормально, более долгое ожидание — признак неэффективности. Учет складов также свидетельствует о многом: компания, не знающая точно, что, в каком объеме и на какую сумму у нее лежит на складах, теряет деньги. Культуру работы с данными можно считать зрелой, когда все эти вопросы имеют быстрый, однозначный и проверяемый ответ. И цена ошибки здесь всегда выше, чем затраты на наведение порядка в НСИ».

Таким образом, оценку уровня зрелости культуры работы с данными следует рассматривать как многопараметрическую задачу, сложную, с точки зрения получения объективных метрик, а также как интегральный показатель принятия организацией стиля управления, основанного на данных и аналитике.

Михаил Зырянов (mikez@osp.ru) — шеф-редактор, OSP.RU (Москва).