Качество данных

Деятельность любой вертикально-интегрированной компании в производственной индустрии невозможна сегодня без информационной системы, объединяющей и контролирующей инженерные данные по объектам на протяжении всего их жизненного цикла. От качества таких данных и возможности их повторного использования зависит успех бизнеса компании.

Приобретение всех необходимых инструментов для управления качеством данных, определение KPI для продуктов, отладка отдельных процессов проверки качества могут не принести ожидаемых бизнес-результатов при отсутствии сквозного обеспечения качества данных. Компонентный подход позволяет объединить различные процессы, отследить родословную данных и исключить ошибки в их качестве.

Павел Шорохов, директор департамента по работе с данными, и Олег Молчанов, руководитель направления по метаданным и качеству данных сети «Магнит», – о повышении прозрачности информационных активов и роли доверия пользователей к данным для развития компании.

По мере расширения областей применения систем искусственного интеллекта все более актуальным становится проблема обеспечения гарантий их функциональной корректности и безопасности. Особенно важно это в таких критически важных прикладных отраслях, как медицина, транспорт, промышленность, системы безопасности и др. Характеристики функциональности и безопасности систем искусственного интеллекта во многом определяются качеством используемых в них данных.

Методологии и технологии управления данными в России сегодня на подъеме – этому способствуют, с одной стороны, требования экономики данных, а с другой, появление на рынке свободных ниш, занимаемых ранее зарубежными ИТ-игроками. Какие тенденции сегодня наблюдаются в отечественной индустрии управления данными и что можно сказать про прогнозы ее развития? Ведущие представители отрасли делятся своими взглядами на судьбы индустрии.

Евгений Курильщиков, владелец продукта «Управление данными» «Северстали», – об обеспечении качества технологических данных и его роли в скорости реализации дата-проектов.

«Качество данных 2024»: CDO считают обеспечение качества данных ключевым направлением своей работы.

Очередная конференция «Открытых систем» собрала всех, кто заинтересован в повышении доверия бизнеса к данным в организациях.

Ведущие эксперты российской индустрии управления данными — о ключевых тенденциях, движущих силах и перспективах развития отрасли.

Вероника Панайотова, руководитель группы по управлению инженерными данными «Сибур Диджитал», – об организации бизнес-процессов обеспечения качества инженерных данных и создании собственной системы управления ими.

В центре внимания конференции — практические аспекты, определяющие качество данных, успешные примеры реализации проектов по обеспечению максимальной достоверности и актуальности данных в организациях.

Екатерина Мельникова, начальник Центра технологий управления данными Газпромбанка, – об альтернативном подходе к контролю качества данных в системах-источниках, реализованном в ходе проекта DQFirewall.

Наиболее эффективным методом борьбы с синтезом ответов, не имеющих отношения к действительности, специалисты называют подкрепление актуальными данными.

Проблема автоматической передачи без искажений любой информации о состоянии здоровья пациента становится сегодня все более актуальной. Однако гиперавтоматизация бизнес-процессов и рост применения искусственного интеллекта в российском здравоохранении выявили проблему контроля рисков искажения медицинских записей. Технологической основой системы управления подобными рисками может быть модель контроля качества медицинских записей, подразумевающая наличие встроенного в медицинские информационные системы модуля контроля. Но на пути ее внедрения имеется ряд проблем.

Проблема автоматической передачи без искажений любой информации о состоянии здоровья пациента становится сегодня все более актуальной. Однако гиперавтоматизация бизнес-процессов и рост применения искусственного интеллекта в российском здравоохранении выявили проблему контроля рисков искажения медицинских записей. Технологической основой системы управления подобными рисками может быть модель контроля качества медицинских записей, подразумевающая наличие встроенного в медицинские информационные системы модуля контроля. Но на пути ее внедрения имеется ряд проблем.

Данные для любого предприятия цифровой экономики — это ценный актив, но как его измерить, а специалистам по управлению данными обосновать перед руководством экономический эффект от проектов, направленных на повышение качества данных? Можно ли оценить целесообразность затрат на повышение качества конкретных данных: клиентских, данных кредитного портфеля банка и общих справочников?

В рамках конференции «Качество данных — 2023» выступающие использовали такие метафоры, как «путь самурая» и «покорение космоса». Все больше компаний ассоциируют управление качеством данных с бесконечным процессом, но при этом признают его растущую важность.

Программа мероприятия отразила особенности работы над качеством данных в условиях экономической неопределенности и внезапных изменений.

Павел Тойменцев, независимый эксперт по цифровой трансформации холдинговых компаний, — о развитии систем по управлению мастер-данными и их роли в деятельности современных компаний.

На базе стека Open Source в «Газпромбанке» развернута система, позволившая решить ключевые задачи управления качеством данных. Наличие конструктора проверок, системы визуализации и рассылки уведомлений, а также инструментов интеграции с любыми системами, работающими в контуре организации, позволяет оперативно выстраивать процессы контроля основных показателей качества данных и интегрировать их в бизнес-процессы.