Практическая конференция "Качество данных 2020: стратегия, инструменты, практика"
5 февраля 2020 года издательство "Открытые системы" провело практическую конференцию, посвященную управлению качеством корпоративных данных. Мероприятие было ориентировано на руководителей и специалистов, которые отвечают за информационные системы, цифровую трансформацию, аналитику, мастер-данные и развитие корпоративной архитектуры.
Актуальность темы подтверждалась результатами форума "Управление данными 2019", прошедшего в сентябре. Более половины его участников назвали качество данных одной из главных задач для своих организаций - либо уже находящейся в работе, либо требующей решения в ближайшем будущем.
Почему качество данных стало стратегическим вопросом
Для современной компании информация представляет собой не менее значимый актив, чем финансовые ресурсы, оборудование или человеческий капитал. На основе данных принимаются управленческие решения, строятся прогнозы, рассчитываются показатели эффективности, формируются клиентские предложения и автоматизируются бизнес-процессы.
Однако ценность информации напрямую зависит от ее состояния. Дубли, пропуски, устаревшие сведения, противоречия между системами и ошибки в справочниках способны привести к финансовым потерям, сбоям в операционной деятельности и неверным выводам аналитиков. В результате данные, которые должны помогать бизнесу, начинают создавать дополнительные риски.
Программный директор издательства "Открытые системы" Дмитрий Волков отметил, что задача компаний заключается не в абстрактном стремлении к "идеальным" данным. Необходимо обеспечить такой уровень качества, который соответствует конкретным целям использования информации. При этом важны полнота, точность, корректность, непротиворечивость и актуальность сведений.
Основные вопросы конференции
В рамках деловой программы участники обсудили практические аспекты работы с корпоративной информацией:
- почему данные не превращаются в полноценный бизнес-актив;
- по каким критериям следует оценивать их качество;
- как разработать стратегию управления данными;
- какие инструменты подходят для поиска и устранения ошибок;
- как встроить контроль качества в повседневные процессы;
- каким образом использовать автоматизацию и искусственный интеллект для очистки информации.
Особое внимание уделялось тому, что качество данных невозможно обеспечить одной разовой проверкой. Это постоянный управленческий процесс, который должен охватывать сбор, хранение, передачу, изменение и архивирование сведений.
Практический опыт экспертов
В числе спикеров конференции был Алексей Незнанов, представляющий НИУ ВШЭ. Он рассказал о том, каким образом некорректные и неполные сведения способны свести на нет даже наиболее перспективные технологические проекты. В его выступлении рассматривались стандарты, инструменты и практики, позволяющие снизить влияние "грязных" данных на результаты работы.
Валерий Артемьев из Банка России представил рекомендации по обеспечению качества финансовой информации. Для банковской и регулируемой отрасли особенно важны достоверность расчетов, сопоставимость показателей, соблюдение единых правил обработки и возможность подтвердить происхождение каждого значения.
Иван Черницын из "Газпром нефти" поделился опытом внедрения практик управления качеством данных в комплексную систему управления информацией крупной добывающей компании. Такой подход предполагает распределение ответственности между подразделениями, формирование единых правил и регулярный контроль ключевых показателей качества.
Сергей Сергиенко, представляющий НИИ "Восход", рассказал о решениях для национальной системы управления данными. В условиях межведомственного обмена критически важны полнота, актуальность, непротиворечивость и связанность информации. Любая ошибка при передаче сведений между организациями может повлиять на работу сразу нескольких государственных сервисов.
Константин Симаков из "Лаборатории по извлечению информации" посвятил выступление очистке контактных данных клиентов с применением методов искусственного интеллекта. Алгоритмы помогают находить повторяющиеся записи, исправлять неточности в адресах и телефонах, объединять сведения из разных источников и выявлять подозрительные значения.
Как выстроить систему управления качеством данных
Эффективная работа начинается с определения владельцев данных. Для каждого критически важного набора информации необходимо назначить подразделение или сотрудника, отвечающего за правила формирования, доступность и актуальность записей.
Следующий шаг - разработка единых стандартов. Компания должна заранее определить, какие значения считаются допустимыми, как записываются адреса и названия организаций, как обрабатываются пропуски и каким образом фиксируются изменения. Без общих правил разные системы будут формировать несовместимые результаты.
Важную роль играют измеримые показатели. Качество данных можно оценивать по доле заполненных полей, количеству дублей, числу ошибок, сроку актуальности и уровню согласованности между информационными системами. Регулярный мониторинг позволяет не только находить проблемы, но и отслеживать эффективность предпринятых мер.
Очистка данных и профилактика ошибок
Очистка уже накопленной информации необходима, но она не должна становиться единственным способом решения проблемы. Если причины появления ошибок не устранены, некорректные записи будут возникать снова.
Поэтому контроль качества следует включать непосредственно в бизнес-процессы. Проверка форматов при вводе, автоматическое сопоставление справочников, обязательные поля, контроль дублей и подтверждение изменений помогают предотвращать значительную часть ошибок еще до попадания данных в хранилище.
Для крупных массивов информации могут применяться машинное обучение, интеллектуальное сопоставление записей и автоматическая классификация. При этом результаты работы алгоритмов должны проверяться специалистами, особенно если речь идет о финансовых, персональных или юридически значимых данных.
Обмен опытом и профессиональные контакты
Конференция стала площадкой для обсуждения реальных проектов и обмена практическими решениями. Участники получили возможность напрямую пообщаться со спикерами, сравнить подходы разных отраслей и обсудить сложности внедрения систем управления качеством данных.
Такие мероприятия особенно полезны организациям, которые только формируют собственную стратегию. Опыт банков, государственных структур, промышленных компаний и исследовательских центров позволяет быстрее оценить возможные риски, выбрать подходящие инструменты и избежать типичных ошибок.
Практическая конференция "Качество данных 2020: стратегия, инструменты, практика" продемонстрировала, что управление информацией становится самостоятельным направлением корпоративного развития. Компании, которые системно работают с качеством данных, получают более надежную аналитику, снижают операционные издержки и создают основу для успешной цифровой трансформации.
