“Моё дело. Магазин”, 10.07.2019 Наталья Николаева Одна голова хорошо, а много голов лучше, но только не все могут себе это позволить. Крупная ритейловая компания сейчас зачастую занимается всем чем угодно помимо продажи товаров конечному покупателю. Однако не всегда выгодно все делать самому. Есть множество необходимых розничной компании процессов, которые можно и нужно отдавать на аутсорсинг. Дальше всех в этом вопросе пошел «ВкусВилл», который пытается отдать сторонним компаниям практически все. Другие игроки пока менее радикальны. Лидеры российского розничного рынка уже наработали такую экспертизу по аутсорсу, что могут делиться ею с ритейлерами мирового масштаба. Фабрисио Гранжа, бывший директор по информационным технологиям X5 Retail Group, рассказывал, что обсуждал вопросы передачи процессов на аутсорсинг с руководством Walmart. Они пригласили топ-менеджера X5 для консультаций, и это был тот исключительный случай, когда крупнейшая западная торговая сеть слушала советы российской компании, а не наоборот. Но разве может быть такое, что крупная торговая компания вообще не имеет своего собственного ИТ-отдела? Оказывается, и это возможно. «Мы отдаем на аутсорс абсолютно все. В компании нет ни отдела информационных технологий, ни директора по ним. Мы долгое время считали, что нельзя отдавать работу заказчика информационных технологий, но, прочитав книгу «Проект «Феникс», поняли, что и ее тоже нужно делать специалистам по ИТ. Так как нас обслуживают только внешние эксперты, значит, надо отдавать и это им на откуп, что мы и пытаемся реализовать теперь», – рассказал Валерий Разгуляев, управляющий информацией компании «ВкусВилл». Однако больше таких смельчаков среди крупных игроков рынка нет. Остальные компании пытаются решить для себя традиционный вопрос, которому уже немало лет: инхаус или аутсорсинг? Что выбрать и в каких пропорциях? Аутсорс чаще всего выбирают те компании, которые хотят быстро развиваться, но при этом экономить. Для новых, порой авральных проектов нужны мобилизация ИТ-отдела, увеличение мощностей имеющихся систем или закупка новых, расширение площадей, набор дополнительных специалистов. Чтобы не углубляться в модернизацию ИТ, выбирают аутсорс. «По моим наблюдениям, у каждого заказчика из сферы ритейла есть свое понимание баланса между аутсорсингом и инсорсингом, – говорит Алина Смолькова, менеджер по продвижению cервисного центра «Инфосистемы Джет». – Это некая шкала, в которой исходная точка – собственная ИТ-команда, а противоположная – сторонний ИТ-сервис. В зависимости от того, на каком месте этой шкалы находится «бегунок» конкретной компании, определяется объем услуг, которые организация готова отдавать на внешнее обслуживание. Например, мы на аутсорс берем обслуживание конечных точек продаж, поддерживаем кассовую технику, серверные помещения, сеть. В первую очередь заказчик отдает такие задачи из-за широкого территориального распределения, а также по причине того, что необходимо контролировать большое количество процессов: подбирать сотрудников на местах и работать с ними или же следить за сетью субподрядчиков». По ее мнению, модель инхауса в целом становится менее привлекательной. Компания, использующая только инсорсинг, может оказаться в плохом положении, если специалисты по каким-то направлениям уйдут. Закрыть такую брешь в короткие сроки крайне сложно. Аутсорсинг хорошо себя показывает в ситуациях пиковой активности, когда нужно оперативно подключить дополнительные ресурсы. Когда же речь идет о каких-то узконаправленных квалифицированных специалистах, например, администраторах баз данных, ритейлеру легче купить саму услугу по их поддержке, чем взять такого специалиста в штат. «Чаще всего ИТ-ландшафт крупной компании включает базы данных разных производителей: и Oracle, и MS SQL, и PostgreSQL. Один отдельно взятый специалист редко обладает глубокой компетенцией по всем СУБД. Выгоднее взять комплексное обслуживание всех БД у аутсорсера, который располагает нужными людьми, и снять с себя головную боль по поиску сразу нескольких узкоспециализированных сотрудников в штат. Если же компания небольшая, то и объем работ по администрированию и поддержке БД у нее небольшой. В таком случае выгоднее купить услуги по обслуживанию у сервис-провайдера, чем держать выделенного сотрудника под эту задачу», – полагает Алина Смолькова.

Что вообще предпочитают передавать сторонним компаниям? «Ритейлеры, в отличие от, например, банков, гораздо охотнее отдают на аутсорс даже обслуживание, администрирование и доработку таких бизнес-критичных систем, как SAP и ecommerce-системы, а также часть функций SOC (security operation center). На аутсорс отдают и управление инфраструктурой, на которой эти системы работают. И на российском, и на зарубежном рынке среди ритейлеров есть такие примеры», – отвечает Владимир Чанцев, старший менеджер по продажам компании ICL Services. Заказчики из сферы продуктового ритейла передают на аутсорс практически все, что связано с диджитализацией их бизнеса: разработку интернет-магазинов, мобильных приложений, сервисных продуктов (например, приложений для работников доставки), внутренних корпоративных порталов. Кассовое программное обеспечение также разрабатывается силами сторонних команд, это же касается внедрения новых технологий – AR/VR, Scan&Go, «компьютерного зрения», «умных» полок. Это очень разные задачи, и все они требуют большой узкоспециализированной экспертизы, поэтому ритейлеру удобнее и выгоднее работать с пулом подрядчиков, чем пытаться собрать всех нужных специалистов внутри. «Работать с несколькими подрядчиками для ритейлера – распространенная практика. Например, наша компания занимается разработкой трех продуктов для торговой сети «Перекресток»: мобильного приложения, web-интерфейса личного кабинета и web-части интернет-магазина. Многие крупные ритейлеры успешно сочетают аутсорс и инхаус, распределяя задачи между несколькими ИТ-под­рядчиками и внутренней командой разработчиков», – рассказывает Владислав Крайнов, директор по развитию компании MediaSoft. Разработку часто оставляют внутри, а вот сопровождение могут отдать на аутсорс. «Стоимость одного дня разработчика равна в среднем $300, и тратить этот ресурс еще и на сопровождение значит эти расходы удваивать, – углубляется в детали Виталий Савенков, технический директор компании Distributed Service. – Вообще у бизнеса есть очень простая формула: если нельзя загрузить специалиста ежедневной работой на период не меньше года, эти задачи надо отдавать на аутсорс». Но даже и разработку многие компании не боятся отдавать сторонним компаниям. Своим опытом делится «Командор», крупнейшая сеть Восточной Сибири. «В первую очередь, можно передать на аутсорсинг задачи разработки и аудита. Основных причин тут две. Во-первых, недостаточность собственных ресурсов, так как проекты требуют единовременного привлечения большого состава участников. Вторая причина – наличие у аутсорсера уникальных компетенций в смежных областях», – считает Светлана Эмм, директор по развитию бизнеса компании «Командор». «Чаще всего в нашей сфере встречаются ИТ-задачи, связанные с программной разработкой, – отмечает Александр Черняк, руководитель Seven Winds Studio. – Соответственно это разработка каких-либо второстепенных проектов, прототипов или новых продуктов, которые компания не в силах ввести в производство самостоятельно. Пример из жизни. У крупной компании была необходимость разработки внутренней социальной сети для сотрудников, а количество сотрудников составляло более 30 тыс. человек. Текущими средствами самой компании были разработаны дизайн-система и внутренняя серверная логика. После этого данная ритейл-компания обратилась в нашу студию в поисках разработчиков для мобильного приложения iOS / Android систем, чтобы поддерживать и развивать текущую сеть. Часть разработки компания освоила своими силами, а внешнее оформление в виде клиентской части возложила на аутсорсера». Компании охотно расстаются с рядовыми задачами. «Это такие вещи, как администрирование инфраструктуры или процессы миграции не самых важных систем в облачные сервисы. Многие заказчики, более расположенные к аутсорсингу, пользуются внешними услугами и для поддержки прикладных систем, а также их разработки и тестирования», – поясняет Алина Смолькова. Чаще всего на аутсорсинг передают задачи поддержки магазинов, особенно если речь идет о географически распределенных сетях. Востребованы также услуги ЦОДов, в частности, для размещения там оборудования или организации резервных площадок. «Вот уже несколько лет мы предоставляем инфраструктуру российскому представительству Avon. В целях улучшения клиентских сервисов, а также в рамках ФЗ-152 компания перенесла все свои основные приложения, включая онлайн-магазин, в дата-центры «КРОК». Перенос этих систем на территорию РФ обеспечил надежную работу цифровых сервисов в полном соответствии с российским законодательством. В рамках проекта «КРОК» создал инфраструктуру, объединившую выделенные в двух дата-центрах ресурсы, отказоустойчивость которой соответствует уровню Tier III», – поделился Дмитрий Смирнов. Да, и это еще одна причина, по которой ритейл выбирает аутсорс. Помимо законов, связанных с онлайн-кассами, есть еще и пресловутый ФЗ-152, который обязывает хранить персональные данные россиян на территории РФ. Поэтому иностранные компании просто вынуждены сотрудничать с российскими центрами обработки данных и держать информацию там, иначе им попросту придется уйти из России, как это уже случилось с рядом компаний, например, с LinkedIn.

Если уж мы заговорили про законы и соответствие их духу, давайте поговорим об аутстаффинге. Ситуация с ним весьма зыбкая, хотя ритейлеры используют этот вид аутсорса. Этим инструментом бизнес обычно закрывает задачи по замене сотрудников на период отпусков или задачи по реализации локальных, точечных проектов. «Мы считаем, что аутстаффинг в продуктовой рознице вполне применим, так как ресурсы ограничены, а наличие кадрового резерва позволило бы вести работу над более широким спектром проектов единовременно», – полагает Светлана Эмм. «В продуктовом ритейле нужен ИТ-аутстаффинг, – соглашается с коллегой Александр Махов, ИТ-директор ГК «Дикси». – В этом случае мы можем сконцентрироваться на своих непосредственных задачах без отвлечения на выплату заработной платы, уплату налогов, исполнение трудового законодательства (прием на работу, увольнение и так далее)». Как сообщили в X5 Retail Group, компания использует возможности и преимущества ИТ-аутсорсинга и аутстаффинга в тех проектах, где необходимо масштабное вовлечение человеческих ресурсов на достаточно короткий срок, при этом конечный результат определен и риск изменения объема задач минимален. В X5 Retail Group считают, что эта модель очень удобна и позволяет быстро нарастить производительность любой команды. Однако не следует рассчитывать только на аутстафф, для снижения рисков все ключевые компетенции должны быть развиты внутри компании. У этой модели есть не только положительные стороны. «Минусы аутстаффинговой команды в том, что ей так же, как и условному новому сотруднику, нужно вникнуть в процессы и корпоративную культуру компании. А это может быть и трудно, и долго», – замечает Виталий Савенков. При этом существует мнение, будто аутстаффинг в России вообще запрещен с 2016 года. Здесь необходимо четко определить, что имеется в виду под термином «ИТ-аутстаффинг». К сожалению, во многом благодаря представителям HR термин сейчас потерял свое первоначальное значение и приобрел новый смысл, балансирующий на грани закона. По словам Дмитрия Смирнова, исторически под ИТ-аутстаффингом понимается форма классического аутсорсинга, когда собственная команда ИТ-специалистов выделяется в отдельную компанию (юридическое лицо), с которой материнская компания заключает договор аутсорсинга всей ИТ-функции. В ритейле таких примеров практически нет. Отчасти это было реализовано в «Мосмарте», когда дочерняя компания «ММ-сервис» обслуживала бизнес-системы. Однако в российских бизнес-реалиях такие примеры были: стоит упомянуть, например, «Сбертех» или «Лукойл-информ». В последние годы под аутстаффингом подразумевают так называемый лизинг персонала. «В настоящее время лизинг персонала не соответствует букве закона, – говорит Дмитрий Смирнов. – Поэтому с целью маскировки вместо запрещенного «лизинга персонала» стали использовать не оговоренный законом термин «аутстаффинг». Соответственно, случаи лизинга персонала прикрываются договорами на ИТ-поддержку или сопровождение, а также оказание услуг проектного характера. Как правило, персонал аутсорсера при этом физически находится на площадке заказчика, выполняя часто неоговоренные договором функции. Фактически, оплачивая почасовую ставку специалиста, заказчик приобретает компетенции конкретного человека, а также доступ ко всем компетенциям аутсорсера и к дополнительным его ресурсам для усиления или замены того или иного работника аутсорсера». Как полагает Дмитрий Смирнов, такие случаи не являются общепринятой практикой у продуктового ритейла, но случаются при массовых внедрениях «тяжелых» решений, например, ERP SAP в сети гипермаркетов. Однако все зависит от корпоративной культуры и практик самого ритейлера. Что же касается типовых стандартизованных услуг типа поддержки магазинов или внедрения нишевых решений, то использование лизинга персонала здесь вряд ли оправданно. Ритейлер, скорее, прибегнет к использованию договора гражданско-правового характера с физическим лицом или несколькими лицами. Как пример можно привести внедрение PLM-системы одним из игроков отечественного fashion-ритейла, когда в течение практически трех лет по подобной схеме работали методолог и руководитель проекта. В любом случае минусом такого подхода и схемы лизинга персонала является зависимость результата от субъективного фактора: конкретного человека, его компетенций, желаний и настроения. Ну а что до буквы закона, то здесь замечены подвижки. Минэкономразвития уже опубликовало законопроект о внесении изменений в Трудовой кодекс РФ в части регулирования труда работников, направляемых временно работодателем, не являющимся частным агентством занятости, к другим юридическим лицам по договору о предоставлении труда работников. «Продуктовая розница активно использует ИТ-аутстаффинг, но, по нашему опыту, такой формат работы могут позволить себе только крупные, состоявшиеся компании, сумевшие развить у себя значительную экспертизу управления ИТ-разработкой, – подытоживает Владислав Крайнов. – Так, мы собрали для X5 Retail Group аутстаффинговую команду, которая решает задачи, связанные с Big Data. Уровень управленческой компетенции этой компании позволяет пользоваться аутстаффинговой моделью, самостоятельно управляя не состоящими в штате разработчиками». Главный минус аутстаффинга, по его мнению, связан с тем, что для клиента это более сложная модель. В неумелых руках она превращается в огромный риск.

Еще один вид аутсорсинга – это облака. Доля облачных технологий растет в принципе, и компании из самых разных сфер переносят часть своих ИТ-процессов в частные, публичные или гибридные облака. В последнее время ритейл все больше интересуется облачными сервисами, например, арендой инфраструктуры, IaaS. «Облако «КРОК» стало платформой для запуска продуктового онлайн-каталога крупнейшего международного ритейлера Castorama, – описывает свой опыт Дмитрий Смирнов. – Ежемесячно интернет-каталогом пользуются более 1,5 млн человек. В связи с ростом популярности онлайн-сервисов в ритейле и с увеличением количества обращений к сайту компании требовалась надежная платформа для бесперебойной работы веб-сервиса даже в режиме пиковых нагрузок. Теперь покупатели могут сформировать онлайн-заказ с любых цифровых устройств в любое время и практически на весь ассортимент товаров торговой сети. Castorama доверила нам не только создание инфраструктуры для работы онлайн-каталога в России, но и передала на аутсорсинг задачи по ее мониторингу и непрерывной поддержке. Благодаря этому в условиях пиковых нагрузок время реагирования ИТ-спе­циалистов на критические инциденты сокращено до 10 минут, что способствует непрерывной работе интернет-сервиса». Еще один пример касается территориально распределенной компании, имеющей два десятка региональных офисов от востока до запада нашей страны. Нюансы бизнеса требовали наличия отдельной учетной системы в каждом из офисов. Причем не везде была возможность организовать требуемую ИТ-инфраструктуру для обеспечения работоспособности системы, не говоря уж о ее поддержке. Здесь прекрасным решением явилась аренда мощностей в облаке интегратора с четко прописанным уровнем сервиса (SLA). Размещение облака интегратора в городе присутствия основной команды ИТ-поддержки позволяло управлять системами и контролировать выполнение требований к сервису не только удаленно, но и путем физического контроля на территории интегратора. Что не потребовало от бизнеса ни инвестиций, ни дополнительных затрат на ИТ-поддержку.

Последний случай аутсорсинга – это IT-Team as a Service. Речь о предоставлении готовых выделенных ИТ-команд бизнесу, с которыми он взаимодействует как со своими собственными. Команда при этом аккумулирует технологическую экспертизу, необходимую для конкретного заказчика. «Услуга IT-Team as Service довольно новая для российского рынка, однако она несет в себе универсальный подход, который будет интересен любому бизнесу со значительной ИТ-составляющей. Безусловно, ритейл здесь не является исключением, поскольку ИТ и цифровизация процессов в нем неуклонно растет, что в свою очередь требует квалифицированных кадровых ресурсов – команд из программистов, системных аналитиков, специалистов по тестированию, менеджеров, способных создавать и внедрять информационные системы и сервисы», – говорит Алексей Красильников, директор по развитию компании Effective Technologies. По его мнению, существующие методы организации разработки программного обеспечения: содержание собственного ИТ, аутсорсинг и аутстаффинг – имеют ряд существенных недостатков. Основная проблема создания полноценной собственной ИТ-инфраструктуры – сложность найма и организации работы специалистов. Привлечь квалифицированные ИТ-команды в ритейл – сложная задача, поскольку центром притяжения таких кадров в России являются мультисервисные ИТ-компании, реализующие проекты в различных областях бизнеса. Из проблем аутсорсинга Алексей Красильников отмечает необходимость тщательной проработки технической документации и юридических аспектов. Это особенно сложно в условиях постоянно меняющихся внешних условий и требований современного бизнеса, опирающегося на ИТ. При аутстаффинге величина необходимых инвестиций в ИТ-инфраструктуру сопоставима с затратами на организацию собственной разработки, при этом реализацией проектов занимаются внешние специалисты с другими корпоративными ценностями и другой мотивацией. «Подход «команда как сервис» лишен недостатков классического аутсорсинга и аутстаффинга и позволит наиболее эффективно развивать ИТ-сер­висы в ритейле», – полагает Алексей Красильников. Мы спросили у представителей ритейла, как они относятся к такому подходу. «В целом положительно, – оптимистично настроена Светлана Эмм. – Но мы видим риски во взаимодействии с такой «командой», связанные с ее удаленностью. В проектах с высокой степенью неопределенности, как показывает наша практика, одним из ключевых аспектов получения качественного результата выступает как раз совместная работа всей проектной команды в одном физическом пространстве, когда потери на коммуникации сведены к минимуму. С другой стороны, если есть четко формализованная задача и понятный ожидаемый результат, то для решения такой задачи можно прибегнуть и к помощи такого сервиса». Во «ВкусВилле» к такой схеме относятся более скептически. «Исходя из нашего опыта сложно найти одну такую команду, которая будет сильна во всех вопросах, которые нужно закрыть заказчику, – парирует Валерий Разгуляев. – Сейчас для нас трудится целый сонм замечательных ИТ-ком­паний. Представить, что какая-то одна упакует это все в одно предложение, конечно, теоретически можно, но главное, чтобы не получилось, как с интеграторами, которые должны были сыграть именно такую роль, но в итоге превратили всю историю в суб-суб-субподряды. Знаете, как это выглядит на практике? Конкретный исполнитель не понимает, для чего делает работу, не имеет прямой связи с заказчиком и не несет ответственности за результат своей работы, а контролируется глупыми KPI, которые никому не нужны». А в «Дикси» в первую очередь указывают на возможные дополнительные затраты ресурсов. «Мы положительно смотрим на такие явления, как IT-Team as a Service, но нужно принимать во внимание, что приобретение специфического опыта для ритейла потребует значительных инвестиций в эту команду. Особенно временных», – подчеркивает Александр Махов.

Самым частым опасением относительно аутсорсинга является вопрос безопасности. Как можно отдавать свои процессы на сторону, где им будут заниматься не свои сотрудники, а «чужие дяди»? Однако Александр Тарасов, управляющий партнер DIS Group, считает, что ритейлу, как и другим компаниям, приходится идти на эти риски, чтобы эффективно извлекать из данных пользу. По его мнению, сейчас ритейлеры активно стремятся демократизировать данные, обеспечить быстрый доступ к ним широкому кругу специалистов (в том числе на аутсорсинге). Это нужно для того, чтобы оперативнее реагировать на изменения внешней среды, выводить новые продукты на рынок, вносить актуальные изменения в свои системы. «Риски утечек при этом растут прямо пропорционально демократизации данных. А контролировать сотрудников на аутсорсе оказывается сложнее, чем штатных сотрудников. Касается это и ИТ-специалистов: разработчиков, тестировщиков, работников технической поддержки», – подчеркивает он. Безусловно, проблема информационной безопасности и утечки данных существует, и ее решение возможно только превентивными мерами. «Начинаем непосредственно с выбора аутсорсера и задаем следующие вопросы: какие меры информационной безопасности в компании принимаются для защиты персональных данных? Как организовано исполнение Федерального закона № 152-ФЗ «О персональных данных»? Заключены ли соглашения о неразглашении информации с сотрудниками? Имеет ли компания лицензии и сертификаты ФСТЭК? Есть ли в компании выделенный отдел информационной безопасности с сертифицированными специалистами? Все это надо выяснить у аутсорсера до заключения с ним контракта и внимательно изучить ответы», – утверждает Алексей Красильников. Следом идет технологическая составляющая взаимодействия с аутсорсером: необходимо тщательно настроить все права доступа к данным, защитить канал доступа шифрованием, настроить средства мониторинга доступа. «В наше время хватает как аппаратных, так и программных средств защиты данных, способных обеспечить надежную защиту информации», – полагает Алексей Красильников. Однако другие специалисты считают, что проблема утечки данных через сотрудников аутсорсинговых компаний стоит не более остро, чем проблема утечки данных через собственных сотрудников компании-заказчика. «Примеров достаточно и в России, и за границей. Большая часть наших заказчиков достаточно зрелые как в части управления ИТ, так и в части отношений с внешними поставщиками услуг. Риск утечки данных присутствует всегда, но передача части функций внешнему поставщику, как правило, не влияет на степень этого риска», – успокаивает Владимир Чанцев. Дмитрий Смирнов полагает, что бояться надо собственных сотрудников, а не специалистов на аутсорсе. «Согласно статистике, количество утечек информации через собственных сотрудников ритейлера существенно выше, чем через сотрудников ИТ-аутсорсера», – отмечает он. С ним согласен и Виталий Савенков, который отмечает, что за рубежом компании, которой важны данные, требуют у подрядчика сертификации ISO 27001 / 27002. «Кроме этого, есть NDA и технические способы ограничения доступа внешней команды к конфиденциальной внутренней информации, в том числе данным пользователей. Гораздо выше вероятность подобной утечки из рук внутреннего специалиста, имеющего доступ к ней, чем из рук внешнего подрядчика. Так как у последнего выше ответственность и меньше лазеек с технической точки зрения для подобных манипуляций», – поясняет он. Чтобы избежать утечки, важно понимать, какая чувствительная информация есть у компании, где она хранится, у кого к ней есть доступ. Для этого данные должны быть каталогизированы. А определить, какая информация под угрозой утечки, можно с помощью искусственного интеллекта. Кроме того, важно маскировать, обезличивать данные, в том числе в тестовых средах, где работают ИТ-специалисты. «Маскирование подразумевает блокирование доступа к определенным данным для пользователя или замену конфиденциальной информации похожей информацией. Маскирование данных в тестовых средах, с одной стороны, не позволяет пользователям увидеть конфиденциальную информацию, с другой – дает возможность проводить тестирование на ее основе», – объясняет Александр Тарасов. При составлении контрактов следует обратить внимание на штрафные санкции за утечку персональных данных и потребовать обязательного мониторинга действий персонала аутсорсера с данными и системами заказчика. «Само собой разумеется, что у заказчика должен быть доступ к логам системы мониторинга, а доступ к логам с администраторскими полномочиями со стороны сотрудников аутсорсера должен быть согласован и контролироваться специалистами заказчика, – говорит Дмитрий Смирнов. – Эти меры достаточно серьезны и имеют превентивный характер. Но иногда их применение может быть чрезмерным». Если речь идет только о клиентских данных, рекомендуется их зашифровывать так, чтобы ключ находился только у ритейлера без доступа к нему со стороны аутсорсера. Как вариант – использование неименованных записей, идентифицируемых по ключу. Таблица соответствия «ФИО – ключ» должна быть недоступна аутсорсеру.

Помимо безопасности есть еще один аспект, который часто волнует заказчиков, – это уровень специалистов компании-аутсорсера и, соответственно, качество услуг. Дело в том, что рынок профессионалов в ИТ ограничен. И существует мнение, что крупные компании, в том числе и ведущие ритейлеры, перекупили в свои команды достойные кадры, размыв при этом резерв аутсорсеров. Тем не менее главный плюс аутсорсинга в том, что можно купить нужную компетенцию здесь и сейчас. Наняли разработчиков, и в этот же день можно приступать к работе над продуктом. «Построение полноценной инхаус-команды требует времени – от двух до пяти лет. Какой смысл вкладывать в это деньги, если стратегически важный ИТ-продукт нужен компании в течение года? – риторически интересуется Владислав Крайнов. – Что касается качества услуг, то, по нашему ощущению, оно, наоборот, растет. Другой вопрос, что рынок ИТ сейчас испытывает серьезный кадровый дефицит: в российской сфере на одну вакансию приходится всего два с половиной резюме, в то время как в других сферах экономики – в среднем около шести претендентов на место. Огромное количество компаний активно занимаются диджитализацией своего бизнеса, и за лучших разработчиков действительно приходится жестко конкурировать». Есть также мнение, что со своих сотрудников проще спрашивать за результат. Но с ним могут поспорить многие вендоры. «Что касается качества решений, которые способны дать внутренняя и внешняя команды, – это вопрос квалификации и опыта и только, – отмечает Виталий Савенков. – В том числе и опыта в выборе внешней аутсорсинговой команды. Они же не материализуются из воздуха: эти команды приводят на проект внутренние сотрудники, они же формируют тендерные заявки и проводят отбор. А если говорить об ответственности за результат, то у внешней команды в отличие от внутренней она выше. Потому что есть очень четкие KPI, прописанные и принятые договором, которые не изменятся в зависимости от того, заболел ли один из ее членов, ушел в отпуск или декрет, потерял мотивацию или внезапно сменил работу. И за выполнение этих KPI компания отвечает и репутацией, и деньгами. Качество услуг определяется контролем и тем, что вы отдали на аутсорс. В любом случае управлять процессом должна внутренняя команда бизнеса».

Несмотря на радужные перспективы, есть и такие процессы и задачи, которые ритейл (за исключением «ВкусВилла») отдавать на сторону пока не готов. В X5 Retail Group считают, что на аутсорсинг нельзя отдавать реализацию бизнес-критичных задач и ИТ-сис­тем, кроме того, по опыту компании, модель аутсорсинга плохо работает при быстрой проверке гипотез. «Нецелесообразно отдавать на аутсорс функцию контроля качества услуг, проектирование сервисной модели и ИТ-ландшафта, стратегическое планирование», – считает Александр Махов, опираясь на опыт «Дикси». Ритейл не хочет отдать на аутсорсинг экспертизу по какому-то процессу или системе. Даже в тех случаях, когда тот или иной ИТ-процесс находится на внешнем обслуживании, компания оставляет за собой людей, которые разбираются в нем, способны им управлять и могут квалифицированно выбрать и проконтролировать подрядчика. «На мой взгляд, ритейл не отдаст поддержку и разработку критически важных, ключевых систем. Компаний, которые предоставляют системным интеграторам развитие и обслуживание таких систем, единицы. Это видно и по нашему опыту работы с «М.видео». Ритейлер отдал на аутсорс обслуживание инфраструктуры, оставив за собой группу компетентных людей, которые курируют этот процесс и принимают итоговое решение. Помимо этого на внешнем обслуживании находится вторая линия поддержки приложений: SAP, интернет-магазин. Однако какая-то часть разработки и развития все равно находится внутри компании», – рассказывает Алина Смолькова. Светлана Эмм согласна, что собственные сотрудники компании обязательно должны участвовать при решении некоторых задач. В первую очередь это касается интеграции результатов проекта в систему компании. «Также есть ряд проектов, результаты которых являются эксклюзивным ноу-хау компании. В таких случаях привлечение аутсорсеров нецелесообразно, так как эти решения строятся на уникальном опыте компании, которого у аутсорсера нет. Решение, за счет которого компания получает конкурентное преимущество, имеет очень большую ценность, и утечка идей через внешних сотрудников нежелательна», – отмечает она. Кроме того, ритейлеры не отдают на аутсорс ИТ-процессы, связанные с персональными данными своих клиентов. «Сюда относятся аккаунты покупателей интернет-магазинов, базы участников программ лояльности. Заказчики из сферы ритейла тщательно охраняют эту информацию, и сторонние разработчики могут получить к ней ограниченный доступ только после подписания достаточно жесткого договора о неразглашении данных (NDA). Можно сказать, что ритейлеры скорее откажутся от разработки продукта, чем согласятся передать кому-то эти данные в полном объеме», – заверяет Владислав Крайнов.

Довольно просто передать аутсорсеру ИТ-поддержку магазинов и локальных офисов, но существенно тяжелее передавать процессы, связанные с развитием и эксплуатацией доморощенных систем. Здесь аутсорсинг вряд ли поможет. Однако в подобных компаниях как раз востребованы услуги аутсорсинга по внедрению новых решений и пошаговому избавлению от тяжелого исторического наследия. Пример такой ситуации приводит Дмитрий Смирнов. «Крупный дистрибьютор алкоголя терял темпы продаж из-за невозможности развития складской логистики, которое тормозилось тем, что управление складом было реализовано в 1С 7.7, при этом единственно возможной конфигурацией склада было напольное хранение. Разумеется, бизнес не мог мириться с этим «бутылочным горлышком». На помощь пришел аутсорс, с одной стороны, выделивший команду разработчиков для кастомизации и внедрения новой системы управления складом на более продуктивной платформе, а также постановщиков процессов для склада высотного хранения, с другой – команду, построившую новую современную ИТ-инфраструктуру склада высотного хранения алкогольной продукции. Склад успешно эксплуатируется уже практически два года на фоне растущего бизнеса дистрибьютора», – вспоминает он. Еще один пример от Дмитрия Смирнова касается крупного игрока продуктовой розницы, одного из первых в отечественном ритейле автоматизировавшего процессы на базе решения SAP. Ритейлер вынужден был отказаться от многофункциональной и мощной системы класса «сервис-деск» от известного вендора, так как ее развитие требовало достаточно дорогих внешних ресурсов или же содержания собственной команды дорогостоящих специалистов. Проведение аутсорсером аудита ИТ-процессов позволило остановить выбор на легком, но достаточно функциональном решении, не требовавшем практически никаких доработок для автоматизации и оптимизации ИТ-процессов. Привлечение к задаче смены ITSM-платформы представителей бизнеса позволило аутсорсеру не только выдержать сроки запуска новой системы, но и предоставить бизнесу инструментарий для автоматизации бизнес-процессов сервисной поддержки операционной деятельности ритейлера. Кстати, подобное использование ITSM-решения было исторически одним из первых на отечественной рынке, да и в мировой практике тоже. «Таких примеров можно привести довольно много, – говорит Дмитрий Смирнов. – Но при этом следует отметить, что минимизация влияния фактора исторически унаследованной ИТ-инфраструктуры делает ИТ-функцию ритейлера более гибкой и открытой для новых технологий и решений. При минимуме влияния ритейлер способен будет практически на 100% использовать все возможности современного ИТ-аутсорсинга». Характерным примером компаний без наследованных инфраструктур являются вчерашние стартапы, которые смогли пройти период становления, но не отягощены еще капитальными вложениями в ИТ-инфраструктуру. Этим компаниям проще и быстрее заказать себе нужную услугу, чем тратить ограниченные ресурсы на капитальные инвестиции в то, что, по сути, не приносит прибыли – в собственную ИТ-инфраструктуру. «У компании КРОК есть опыт работы с такими компаниями, – рассказывает Дмитрий Смирнов. – Несколько лет назад, например, мы участвовали в разработке ИТ-функции одного из ритейл-стартапов, у которого вся без исключения ИТ-инфраструктура была на аутсорсинге, отсутствовала собственная ИТ-команда, а поддержка и развитие корпоративной информационной системы делались силами аутсорсера под контролем одного из топ-менеджеров ритейлера». Мы не знаем точно, о ком говорит Дмитрий, так как NDA не всегда позволяет разглашать детали проекта заказчика и его имя, но можно предположить, что это уже знакомый нам ритейлер без своего ИТ.

1. Аутсорсинг хорошо работает для новых проектов. Решение о передаче внедрения на поддержку и развитие собственной команде следует принимать взвешенно и обдуманно, соразмеряя цену владения и возможные риски аутсорсинга и инсорсинга. Лучший измеритель здесь – денежный эквивалент цены владения на три–пять лет. Плюс возможная недополученная прибыль в случае собственной некомпетентности в ликвидации простоев или отставания от рынка при отсутствии своевременной модернизации продукта. 2. Стабильность ресурсов. Внутри компании возможны нестабильное прохождение пиковых нагрузок и недостаток ресурсов в периоды отпусков, болезней, командировок, обучения. С аутсорсингом таких проблем не возникает. 3. Штрафные санкции за невыполнение соглашения о качестве сервиса. Свой специалист отвечает только в объеме своей заработной платы. В худшем случае его можно уволить, но вряд ли это даст что-то, кроме морального удовлетворения, и уж точно не компенсирует понесенные убытки. 4. Доступ к технологиям и возможность их быстрого пилотирования без дополнительных затрат со стороны ритейлера. Ритейлеру невыгодно вкладывать большие деньги в лаборатории и инкубаторы, если это не даст быстрых результатов или не окупится в среднесрочной перспективе. 5. Для аутсорсера услуги и клиенты – суть бизнеса, а для заказчика ИТ-функция – лишь сервисная составляющая бизнеса. А значит, функциональная роль и ответственность персонала аутсорсера является более высокой по отношению к ИТ-персоналу заказчика. Ожидаемо и соответствующее отношение внутри самих компаний к тем, кто зарабатывает деньги, и к тем, кто «только тратит». Управляемость собственного персонала и верность собственной команды – широко распространенный миф. По версии компании «КРОК»

Акулы рынка не только пользуются аутсорсом, но могут его предоставлять, причем чаще всего после того, как серьезно модернизировали свои отделы. Хорошим примером тут будет компания «Мегафон», которая автоматизировала то, что обычно остается нетронутым, – свой юридический отдел, точнее, множество таких отделов в филиалах. В результате юристов настолько разгрузили от собственных задач, что «Мегафон» решил – теперь они в силах предоставлять юридические услуги внешним клиентам. Как рассказали на недавно прошедшей конференции CNews, это первый подобный опыт в России. У крупнейших игроков российского ритейла большое будущее в области предоставления услуг ИТ-аутсорсинга другим компаниям. Об этом говорит Александр Тарасов, управляющий партнер DIS Group: «Я думаю, что ритейлеры пойдут здесь по пути банков: будут эволюционировать в кластеры ИТ-экспертизы и ИТ-инфраструктуры, в том числе с привлечением специалистов на аутсорсинге. Сейчас такие кластеры создаются во многих российских банках. Они используются для решения ИТ-задач самого банка и предоставления ресурсов другим компаниям для решения их задач». Как полагает Александр Тарасов, ритейлер будущего станет таким кластером, его бизнес в этом случае будет строиться не на каких-то отдельных товарах и услугах, а на монетизации клиентских данных, ИТ-экспертизы. Источник: http://mdmag.ru/tekhnologii/chuzhim-umom/?sphrase_id=502

GlobalCIO, 01.07.2019 Михаил Комаров: В своём недавнем отчёте Reports Intellect предсказывает, что среднегодовой рост рынка каталогов данных с 2017 по 2023 составит 35.8%. По сути, каталог данных — внутренний Яндекс для поиска всей информации о данных в компании. Не стоит думать, что каталог — это разновидность хранилища или глоссария данных. Основная его функция не хранить данные, а эффективно находить информацию о них и их характеристиках. Чтобы поиск был эффективным и всеобъемлющим, в каталоге хранятся не сами данные, а метаданные (данные о данных). Это могут быть технические, операционные, бизнес-метаданные и другое. Каталог подключается ко всем основным системам и источникам информации в компании. Поэтому он может найти даже те данные, о существовании которых вы не подозреваете. Во встроенных в каталоги бизнес-глоссариях — определения важнейших для компании понятий. Пользователи каталога могут вручную оставлять аннотации к данным. Кроме того, каталог визуализирует связи между данными, их жизненный цикл от источника до отчётов, в которых эти данные были использованы. Что-то изменилось в данных, с которыми вы работаете? Каталог сам сообщит вам об этом. Кроме того, в последнее время неотъемлемой составляющей каталогов стал искусственный интеллект (ИИ). Это открывает новые возможности. Среди них — поиск избыточных и чувствительных данных и связей между данными, а также соотнесение данных с бизнес-терминами. Также ИИ умеет определять отдельные сущности в неструктурированных данных, искать структуру в сложных данных, определять дублирующуюся информацию и рекомендовать пользователям похожие наборы данных. Шесть причин внедрить каталог данных прямо сейчас:

• Каталог незаменим в ситуациях, когда данные нужно инвентаризировать. Например, когда вы перемещаете свои данные в облако, создаёте озеро данных для аналитики или планируете реализовать стратегию Data Governance. Инвентаризировать данные большого объёма вручную невозможно. Не будете же вы в конце концов каждый раз при возникновении такой задачи обходить всех сотрудников в компании с просьбой рассказать о данных, которые те используют в работе. Даже если на такой подвиг вы решитесь, скорее всего окажется, что вы не знаете, какие данные вам нужны и кто за них отвечает.
• Но часто встречаются и ситуации, когда инвентаризация нужна даже если ничего нового не внедряется — когда вы продолжаете работать в традиционном хранилище. Чаще всего хранилища разрабатываются несколькими специалистами и даже отделами. Более того, хранилища имеют длительный жизненный цикл, за время которого часть настроенных отчетов перестают использоваться, появляются дублирующие отчеты и так далее. В компании может не быть знаний и документации о том, какие объекты находятся в хранилище и как они связаны. Внедрение каталога поможет вам эффективно работать даже с самым сложным хранилищем.
• Каталоги позволяют эффективно искать «тёмные данные», которые оказываются не охваченными аналитикой (они часто могут храниться в, казалось бы, известных системах), а также неструктурированные данные, большинство из которых также никак не используются бизнесом.
• Законодательство всё строже защищает персональные данные. Не хотите платить штрафы? Нужно хорошо знать, храните ли вы чувствительную и конфиденциальную информацию и где она находится.
• Бизнес-глоссарий каталога позволит вам наконец-то перестать путаться в терминах, принятых в компании. Например, даже понятие «клиент» может иметь множество значений. Для отчётности FATCA (Foreign Account Tax Compliance Act), чтобы кто-то считался клиентом, у него должен быть один набор отрытых счетов. Для комплексной проверки клиента (Customer Due Diligence) — другой. Это приводит к тому, что у двух подразделений в отчетах указано разное количество клиентов, и без единой бизнес-терминологии нельзя понять, есть ли ошибка и какой отчет правильный.
• Иметь каталог данных крайне важно и из-за того, что сейчас бизнес-модель многих компаний трансформируется. На смену традиционным однонаправленным моделям ведения бизнеса (модель банка, оператора связи, розничной компании) приходят экосистемы. Экосистемы расширяют традиционный бизнес дополнительными функциями и партнерами, в основе этого расширения лежат данные. В таких условиях сложно предположить, какая информация понадобится завтра для реализации бизнес-инициатив. При этом крайне важно уметь быстро её находить внутри компании и настраивать процессы обмена данными с новой бизнес-областью или партнером.

Ведущие специалисты управления данными рекомендуют разносить управление техническими метаданными и бизнес-метаданными. Соблюдает этот принцип и Informatica: на бизнес-метаданные ориентирован Informatica Axon, на технические — Informatica Enterprise Data Catalog (EDC). EDC помогает получить детальное понимание данных и их технических метаданных. Он прекрасно справляется с наведением порядка в хранилище или озере данных. Не знаете, какие данные там находятся и как они друг с другом связаны? На эти вопросы поможет ответить EDC. В повседневной работе EDC удобно использовать для определения первоначального источника данных, который лучше всего подойдёт для формирования конкретного отчета, для понимания пути составления уже реализованной отчетности, определения взаимосвязей между данными, а также для многого другого. Оптимального результата от работы EDC можно добиться при его совместном использовании с Axon. Axon помогает бизнес-пользователям получить высокоуровневое понимание данных и связанных с ними систем и бизнес-процессов внутри организации, а также понимание того, кто отвечает за конкретный набор данных. Он незаменим при внедрении Data Governance. Играет Axon и большую роль при цифровой трансформации. Цифровая трансформация — прежде всего, новые бизнес-процессы, организационные структуры, положения, регламенты, новая ответственность за данные, новые ролевые модели. Чтобы их внедрить, необходимо зафиксировать то, что уже действует в организации и определить, как изменения будут влиять на текущие процессы. Axon поможет понять, на какие отчёты повлияет изменение именно этого поля в базе данных. А также — узнать, в соответствии с какими политиками и регламентами формируется тот или иной отчёт, и кто за него отвечает. Бизнес-глоссарий Axon помогает не путать бизнес-термины и понятия. Даже если одна и та же деталь на производстве носит одно имя, а при продаже — другое. При этом Axon интегрирован с EDC для связывания бизнес-понимания данных с реальным физическим миром данных. А с Informatica Data Quality — для отслеживания качества данных на всем пути формирования отчетности. В том, что касается непосредственно поиска по корпоративным данным, решения Informatica — лидеры рынка. Поиск осуществляется на основе категорий, на которые разделена вся информация компании. Это значительно облегчает работу с большим объемом данных. Так, описание продукта «кредит» попадёт в категорию «продукты». В нём есть специфическое определение? Оно будет объяснено в категории «глоссарий». Нужно проверить качество данных? Правила для этого описаны в разделе «качество данных». Есть отдельные разделы и для бизнес-процессов, политик, требований регуляторов, с которыми ваши данные можно связать. Искусственный интеллект Informatica CLAIRE® выполняет широчайший набор задач при каталогизации. CLAIRE® эффективно определяет домены данных (клиенты, продукты), мастер-данные и референcные данные. Она распознаёт чувствительные данные, автоматически ищет данные, похожие на те, которые часто применяет пользователь. Он подсказывает дата-сеты, на которые стоит обратить внимание аналитикам. А это увеличивает продуктивность последних. Также CLAIRE® сама связывает многие термины и их определения.

Страховой компании Highmark Axon помогает следить за здоровьем своих клиентов для оптимизации выплат по страховым случаям. Цифровую трансформацию в своих компаниях с помощью Axon проводит нидерландский почтовый оператор PostNL и международная платёжная система PayPal. Из-за цифровой трансформации потребность в каталогах данных есть и в реальном секторе экономики. Например, нефтегазовая компания British Petroleum (BP) внедрила Informatica Enterprise Data Catalog и активно использует его в повседневной работе. Несомненно, у каталогов данных большое будущее. В 2018 году такие решения внедрили десятки крупнейших компаний. Ещё целый ряд организаций планирует внедрить такие решения в 2019 году. Источник: http://www.globalcio.ru/workshops/2362/

IT Week, 29.05.2019 Сергей Костяков Концепция стратегического управления данными Data Governance(DG) уже достаточно известна на российском рынке, и цели,достигаемые бизнесом в результате ее внедрения, понятны и четко декларированы. Вместе с тем практика ее имплементации изобилует нюансами, которые в литературе, как правило, пока обсуждаются не очень системно.Мы решили опросить экспертов российского рынка и узнать, каков их взгляд на целый ряд характерных ключевых моментов. У концепции DG много формально правильных и при этом весьма емких определений. На практике же часто бывает более целесообразно сравнить эту концепцию с теми методами и подходами менеджмента данных, с которыми отечественный пользователь уже неплохо знаком. Подобных методов и определений за всю историю развития российского рынка набралось немало. На сей счет у наших экспертов складываются если не одинаковые, то по крайней мере схожие мнения. Еще больше единодушия в том, что DG скорее связано со стратегией менеджмента данных, нежели с процессами оперативного управления, а следовательно, здесь мы всегда говорим о концепции, идеологии и лишь потом об операциях с данными и соответственно о программной поддержке работы с ИТ-ресурсами. «DG представляет собой стратегический подход к управлению данными, и сюда входят такие задачи, как методы наблюдения и контроля за этими процессами, разработка стратегии, формализация оргструктуры, перечисление ролей», — утверждает Юрий Бондарь, заместитель генерального директора SAP CIS. «Data Management, Master Data Management, Data Quality Management, Information Lifecycle Management — составные части DG. По сути DG представляет собой стратегическое управление данными. Это подразумевает, что соответствующие ему подходы к менеджменту данных становятся бизнес-функциями и выходят за рамки какого-то отдельного технического инструмента, — несколько иными словами формулирует фактически ту же мысль Александр Тарасов, управляющий партнёр DIS Group. — DG нацелено на обеспечение глобального качества данных, что в свою очередь означает обеспечение ликвидности такого актива, как данные. Оно включает в себя процессы, организационные структуры, ответственность за ввод, трансформацию, изменение данных, методику формирования терминов, составление бизнес-глоссария и т. п.» О том, что DG — это в первую очередь организационная инициатива, прямо говорит и Михаил Александров, руководитель практики платформенных решений «SAS Россия/СНГ». «Такие технологии, как Master Data Management, Data Quality Management, Data Integration, Metadata Management, позволяют обеспечить процессы и правила управления данными, определенными в рамках Data Governance, то есть они решают более частные задачи, являются элементом общей платформы для работы с данными, а инструмент DG позволяет наладить оркестровку процессов, — утверждает он. — Конечно, чтобы обеспечить качественное управление данными для тех объемов, с которыми компании сталкиваются в современном мире, использование специализированных инструментов вроде Data Quality Management или Master Data Management просто необходимо». «DG является концепцией организации процессов», — говорит Андрей Пивоваров, руководитель группы перспективных технологий предпроектного консалтинга Oracle в России и СНГ, в явной форме перечисляя шесть компонентов, которые, по его мнению, составляют эту концепцию. Это DG Stewardship, инструменты управления качеством данных, управление мастер-данными, метаданные и глоссарий, жизненный цикл данных, а также безопасность данных. «Однако сами по себе они не обеспечивают управления данными, — считает он. — Основу DG составляет разрешение вопросов с данными в масштабах предприятия (кросс-доменное или кросс-функциональное), метрики данных и данные о прогрессе на шкале таких метрик, привлечение реальных владельцев процессов из функциональных департаментов». «DMBOK трактует понятия Data Management и DG следующим образом: Data Management — разработка и выполнение планов, политик, программ и практик, которые обеспечивают, контролируют, защищают и повышают ценность данных и информационных ресурсов на протяжении всего их жизненного цикла; DG —руководство и контроль (стратегическое планирование, мониторинг, обеспечение выполнения) в области Data Management», — ссылается на один из основополагающих в мировой практике документов, посвященных управлению данными, ведущий архитектор компании «Юнидата» Роман Стрекаловский. «Каждый производитель по-своему видит, какое решение относить к этой стратегии. Наши заказчики под этим термином часто подразумевают следующие технологии: Metadata Management, Business Glossary, Data Quality Management, Data Stewardship», — комментирует Егор Осипов, руководитель направления Big Data компании КРОК. Если продолжать разговор о компонентах обсуждаемой нами концепции, то разница в трактовке опрошенных нами экспертов, безусловно, существует, но касается скорее нюансов. Александр Тарасов считает, что именно в последнее время в концепцию DG эксперты начинают включать и так называемый Knowledge Management — управление знаниями в компании. Егор Осипов, наоборот, исключает одиниз элементов, который некоторые к данной концепции как раз относят. Речь по его мнению идет о небезызвестной, но несколько подзабытой идеологии управления жизненным циклом изделия (Information Lifecycle Management).

Говоря о практическом применении концепции DG, логично было задать экспертам вопрос о том, в каких ситуациях у российских предприятий может возникнуть потребность в ней и насколько они готовы к её внедрению. Потенциально это может зависеть от структуры бизнеса предприятия, от того, насколько тесно его деятельность связана с ИТ, от зрелости информационной поддержки, накопленной на предшествующих этапах автоматизации, от квалификации персонала и, может быть, от некоторых иных факторов. В совокупности такие факторы можно было бы назвать неким «порогом вхождения» компании в отношении внедрения DG. Никакого порога, связанного с объективными характеристиками бизнеса, в настоящее время не существует, есть только определенные нюансы с точки зрения оптимальности ее развертывания — таково единодушное мнение наших экспертов. «В современных условиях каждая компания должна выстраивать процессы DG, или она рискует быть оштрафована регулирующими органами. В Европе компания, которая имеет более 250 сотрудников и более 5000 записей о клиентах, партнерах или поставщиках, должна иметь DG», — поясняет Андрей Пивоваров. «К задаче внедрения DG подходят более зрелые предприятия, которые уже успешно решают все свои операционные задачи, имеют построенное хранилище данных с процессами построения бизнес-отчетности и рассматривают Data Lake как следующий шаг развития. Сейчас любой бизнес связан с данными, поэтому их понимание крайне важно для каждой компании», — утверждает Андрей Орлов, технический эксперт по интеграции и управлению данными «IBM Россия/СНГ». «Любое предприятие, даже если оно не автоматизировано, в той или иной мере управляет данными, основной вопрос состоит в степени погружения. В начале развития компании нужно просто хранить данные, потом передавать их между системами, затем встает необходимость выделения мастер-данных и так далее. Другими словами, управление данными нужно всем. Главное понять, какие механизмы нужны сейчас», — полагает Владимир Рождественский, генеральный директор компании DATAREON. «Организации нужны общие политики и автоматизированный процесс оркестровки всех процессов работы с данными, понимание, где, как, какие данные и когда используются, как обеспечивается и поддерживается их актуальность и т. д. Порогом является понимание ценности данных как корпоративного актива, источника преимуществ, экономии и дополнительной выручки. И сегодня внедрение DG уже является обязательным для любой компании», — говорит Михаил Александров. Юрий Бондарь считает, что совсем не обязательно тратить большие средства на внедрение различных технологий и небольшим предприятиям достаточно использовать то, что у них уже есть. «Но при этом для компаний любого размера и из любой отрасли важно понимать, что управление данными является задачей бизнеса, решение которой неотделимо от ответственности всех сотрудников, а не только тех, кто работает в ИТ-службе. Это должно стать частью корпоративной культуры и бизнес-стратегии компании», — пояснил он. «Каждая компания самостоятельно принимает решение о готовности к внедрению DG. Для многих российских предприятий работа с данными становится одной из самых приоритетных задач, а значит, они достигли нужного уровня зрелости», — отметил Егор Осипов. «DG нужно всем компаниям вне зависимости от их размера, отрасли, организационной структуры и квалификации персонала. Несомненно, уровень зрелости DG в разных компаниях разный. Но он может различаться и в компаниях одной и той же индустрии и одинакового размера. Стоит также отметить, что какие-то организации занимаются стратегическим управлением данных осознанно, какие-то интуитивно. Между зрелостью ИТ-отделов и зрелостью DG корреляция очень слабая. Сильные инициативы и проекты по управлению данными могут быть и у небольших молодых ИТ-команд», — высказал своё мнение Александр Тарасов.

Еще один практический вопрос состоит в том, как может быть связано внедрение DGс теми целями, которые обычно стоят перед российскими предприятиями безотносительно использования данной концепции. Речь, например, может идти о том, как эффективно приспосабливаться к изменениям законодательства и различных регулирующих актов. Вполне уместно сказать, что DG может способствовать реализации политики слияний и поглощений, открытию новых и трансформации имеющихся направлений в бизнесе, а также выходу на зарубежные рынки. Все это масштабные задачи, которые связаны не только, да и не столько с ИТ, не говоря уже о конкретных ИТ-направлениях. Но в то же время некоторые бизнес-цели из приведенного списка вполне явно ассоциированы с небезызвестной цифровой трансформацией, а значит, с новыми стратегическими направлениями бизнеса. «Не так давно Informatica опросила директоров по данным (CDO) крупнейших европейских компаний. Более 60% респондентов рассказали, что их основную функцию руководство видит в поиске новых моделей ведения бизнеса и новых цифровых возможностей его развития. Что это, если не стратегия, частью которой обязательно должно быть DG?» — вопрошает Александр Тарасов. «Обычно первоначальная идея внедрения DG связана с необходимостью соответствовать требованиям регулятора. В качестве побочного эффекта эта концепция ведет к большей уверенности при использовании данных всеми категориями сотрудников компании — от генерального директора до линейных служащих. Со временем все это становится привычкой ежедневного, ежечасного и даже поминутного анализа и использования данных, поддерживающих повседневные операции, для генерального директора, топ-менеджмента, менеджеров среднего звена и отдельных специалистов. Это способствует лучшим решениям, инновациям на всех упомянутых уровнях, увеличению дохода и сокращению затрат. Кроме того, данные все шире интегрируются между бизнес-структурами и цепочками поставок», — комментирует Андрей Пивоваров, делая некоторый акцент на задачах из категории compliance, а также на междисциплинарной проблематике бизнеса, включая кросс-функциональные задачи, охватывающие в том числе и внешние цепочки поставок. Михаил Александров говорит о приоритетном обеспечении качества данных и методах машинного обучения в работе с ними и лишь затем переходит к бизнес-задачам. «В целом DG помогает навести порядок в данных, процессах и системах, обеспечивая прозрачность, понимание сильных и слабых сторон и новых возможностей роста. На уровне бизнес-решений это позволяет повысить результативность основных процессов. Если, скажем, речь идет о банке, то в отчетности для регулятора будет намного меньше ошибок, а те, которые возникнут, вы сможете быстрее и проще устранить. Если же вы онлайн-магазин, то вы можете быстро перестроить процессы сбора и использования клиентских данных для соблюдения новых требований к их защите», — считает он. Юрий Бондарь делает акцент на том, что в целом ряде изменений, являющихся необходимыми в случае проведения серьезных преобразований бизнеса, подходы к управлению данными должны быть, во-первых, не забыты, а во-вторых, методически грамотно вписаны в другие процессы трансформации. «Если компания ставит себе новую цель, скажем, выйти на зарубежный рынок, то она составляет бизнес-план, в котором прописывает все шаги и сроки. И в этот момент важно понять, на основе какой информации будут приниматься решения, откуда эти данные возьмутся, нужного ли они качества, быстро ли их можно получить, не противоречат ли они другим данным и т. д., — объясняет он очень важные нюансы. — И тогда DG будет способствовать достижению поставленной цели, а не превратится в бюрократическую процедуру».

Очень важной и разноплановой проблемой является вопрос кадрового обеспечения внедрения и последующего использования методов работы с информацией, которые предполагает DG. Важно, что в данном случае могут быть задействованы специалисты многих категорий, не говоря уже о конкретных позициях. Сейчас много говорят о таких специальностях, как Data Scientist, Data Engineer, Data Architect, Chief Data или Digital Officer. Не все из них напрямую связаны с DG, но все так или иначе касаются вопросов управления данными. С внедрением DG связаны многие должности и роли (как из сферы ИТ, так и из бизнеса), которые традиционно существовали на предприятии или должны быть введены в штатное расписание компании уже сегодня. С позиций общей классификации задач DG подходит к проблеме Юрий Бондарь: «В модели управления данными можно выделить несколько уровней — стратегический, средний, оперативный. Стратегический — это уровень CDO, где определяется общая концепция управления данными и принимается решение о том, как будут организованы следующие два. Также это уровень для принятия окончательных решений по спорным вопросам в случае эскалаций. Само же управление данными происходит на нижнем уровне и подразумевает появление в компании новой роли — Data Steward, управляющего данными, или диспетчера данных». Андрей Орлов делает акцент на важности сочетания традиционных компетенций корпоративного ландшафта с новыми ролями, которых требует обсуждаемая нами концепция. «Если посмотреть внимательно, то DG опирается на три сущности: люди, процессы и технологии. Поэтому для внедрения концепции необходимо провести изменения внутри компании. В основном это связано с появлением новых ролей, новых зон ответственности и непосредственно бизнес-процессов. Конечно, администраторы ИТ-систем и баз данных, контент-менеджеры и другие роли никуда не исчезают: они полностью вовлекаются в процесс DG. Но с переходом к концепции DG 2.0 к ним присоединяются и бизнес-пользователи, и аналитики, и Data Scientist’ы, и многие другие», — утверждает он. «В идеальном случае, конечно, выделение специфических ролей повышает качество работы с данными, но в реальности все наталкивается на отсутствие готовых специалистов на рынке, неготовность руководства организации вкладываться в это направление и прочие сложности. Поэтому обязанности по управлению данными обычно ложатся на уже существующие роли, — рассуждает на тему кадровой проблемы Владимир Рождественский. — Единственная, на мой взгляд, должность, которую трудно совместить с уже существующими, это архитектор данных (Data Architect). Такой сотрудник должен видеть все предприятие „сверху“, видеть, как данные используются в каждом отделе и каждом подразделении. Аналогов в стандартном штатном расписании у этой роли нет». Некие стандартные варианты решения кадровой проблемы просматриваются и в ответе Андрея Пивоварова. В частности, он разворачивает такой сценарий: «Первый кандидат на руководство вашей программой DG — инсайдер со сложившимися деловыми отношениями и глубоким знанием данных и внутренней работы организации. Такие кандидаты должны рассматриваться прежде всего при запуске программы DG». Второй вариант связан с наймом внешнего специалиста, обладающего опытом внедрения DG в другой организации: «И этот специалист первым скажет вам, что программы управления данными работают лучше всего, когда они определены, спроектированы, разработаны и развернуты с учетом принятой в организации культуры». Он тоже в явной форме упоминает пока еще мало распространенную на российском рынке позицию Data Steward: «Это лицо, отвечающее за предметную область. Естественным выбором в качестве Data Steward, скажем, для HR-данных является специалист из отдела кадров, который любит работать с данными. Директор по маркетингу назначает Data Steward для домена маркетинговых данных и т. д.» Михаил Александров полагает, что в процессе внедрения DG обязательно должны быть задействованы ИТ-специалисты, представители бизнес-подразделений, а также обозначенные выше специфические роли Data Scientist, Data Engineer и Data Architect. Но помимо привлечения широкого круга специалистов в компании должна существовать и специальная оргструктура, занимающаяся подобными вопросами: «Для реализации данной инициативы необходимо организовать DG Office, который будет отвечать за разработку правил и политик в области управления данными. Должен ли быть такой офис выделенной организационной структурой или его можно создать в виде рабочей группы — решение этого вопроса зависит от размеров компании. Аналогично решается и проблема организационного подчинения — есть различные варианты, когда роль CDO выделена внутри ИТ-службы или одного из бизнес-подразделений. Однако в крупных компаниях выделять CDO в самостоятельную структуру просто необходимо». По словам Романа Стрекаловского, большая нагрузка, связанная с внедрением DG, придется на ИТ-департамент, сотрудники которого отвечают за данные, владеют бюджетом на R&D, закупку оборудования и ИТ-решений: «Вместе с тем переход к новым ролям в большинстве случаев — это повышение экспертизы, зоны ответственности, что ведет за собой и карьерный рост. Сотрудники ИТ-департаментов могут иметь слабое представление о том, как их решения влияют на отдел и на всю компанию в целом. Именно поэтому внедрение DG становится драйвером развития ИТ-департамента и всего предприятия». «Во внедрении DG могут участвовать ИБ-специалисты, которые разрабатывают стратегии аудита доступа к данным. Активно вовлекаются и бизнес-пользователи, и ETL- и BI-разработчики, — говорит Егор Осипов. — Специалисты по автоматизации, безусловно, также принимают немалое участие в этих проектах, так как обычно они создают крупнейшие массивы данных на предприятии, ради которых и внедряется DG. При этом именно CDO является прямым бенефициаром этих изменений. Позицию Data Steward, например, редко можно встретить на предприятии до внедрения концепции, но практически на эту позицию может выйти как собственный, так и совершенно новый для компании сотрудник». В целом резюме из всех приведенных мнений следующее. Наиболее часто упоминаемые экспертами позиции — CDO и Data Steward — относятся непосредственно к концепции DG. Позиции Data Scientist, Data Engineer, Data Architect также признаются значимыми, поскольку имеют прямое отношение к работе с данными в более широком смысле. Во мнениях экспертов вполне читается мысль о том, что штатная структура для имплементации DG существенно зависит от особенностей бизнеса предприятия и его масштабов.

Буквально все наши эксперты сходятся на мысли о том, что DG прежде всего являет собой бизнес-концепцию работы с данными, однако она все равно нуждается в информационной поддержке. Если не вдаваться во множество нюансов, вопрос будет звучать примерно так: должна ли эта поддержка быть специализированной или речь может идти о наборе более или менее традиционных инструментов, которые раньше могли служить иным целям? «На самом деле возможны оба варианта, но с оговорками, — утверждает Михаил Александров. — Для полномасштабного внедрения DG и реализации всех необходимых процессов оркестровки все же необходимы специализированные инструменты. К таковым относятся: управление бизнес-метаданными или глоссарий, управление техническими метаданными, управление качеством данных, управление мастер-данными». Что касается вовлечения ИТ-специалистов, которые по сути необходимы при любой автоматизации, то для различных элементов ИТ-поддержки DG требуется разная степень такой вовлеченности. Особенно это важно там, где решение задачи сильно завязано на существующую ИТ-архитектуру и потоки данных. «Безусловно, какие-то части DG присутствуют, например, в существующих ETL-инструментах (Data Lineage). Некоторые инструменты компания однозначно может разработать самостоятельно. Иногда наши заказчики этим и занимаются вплоть до внедрения полноценной стратегии DG, — комментирует Егор Осипов. — Но ценность возникает при внедрении комплексного решения, которое помогает выработать общую стратегию и индивидуальный подход к задачам». Андрей Пивоваров выделяет восемь функциональных категорий, которые необходимо включить в управление метаданными и их курирование. Надо понимать, что среди них есть специфические, характерные именно для решения вопросов DG (такие, как управление Stewardship или оценка данных). Вместе с тем здесь есть и вполне «общеуправленческие» компоненты, которые всегда были характерны для большинства корпоративных систем (управление проектами и политиками, администрирование, безопасность). «Продукты по хранению и обработке данных постоянно совершенствуются, а линейка узкоспециализированных инструментов расширяется, — считает Роман Стрекаловский. — Существуют основные инструменты DG: Metadata Management, Data Quality, Master Data Management, Information Lifecycle Management, Business Glossary, Data Lineage. Среди наиболее востребованных как на российском, так и на зарубежном рынках в этом списке я бы выделил Business Glossary (словарь данных), а также решение Data Lineage, позволяющее наглядно представлять связи и потоки распространения данных».

Детально обсуждать важнейший методический вопрос внедрения DG в рамках данной статьи вряд ли возможно, безусловно он требует особого разговора. Однако узнать мнение экспертов относительно ключевых универсальных методических акцентов нам представлялось вполне разумным. Среди таковых можно, например, выделить вопрос о целесообразности «подключения» к внедрению имеющихся наработок в области Data-, Document-, Content Management или иных ИТ-направлений. Интересно также узнать, можно ли имплементировать DG целиком или нужно развертывать отдельные его компоненты. «Подход постепенного внедрения компонентов вполне разумен, да и мало кто может позволить себе внедрить сразу всё единым стеком, — считает Михаил Александров. — Например, можно начинать с внедрения процессов управления качеством данных и затем внедрять бизнес-глоссарий». «Стоит начать с малого: с людей, политик и культуры, а затем переходить к DG, к процессам управления и технологиям, — утверждает Андрей Пивоваров. — Добейтесь поддержки со стороны руководства компании, привлеките ключевых лиц, принимающих решения в основных функциональных областях. Как можно раньше определите роли Data Steward и создайте команду Data Governance, в которую войдут эксперты по всем направлениям деятельности». Андрей Орлов, очевидно, тоже имея в виду поэтапное внедрение, подчеркивает важность соблюдения последовательности всех шагов, которые необходимо сделать на этом пути: «Внедрение должно начинаться с первого шага и постепенно проходить по всем этапам. Если пропустить несколько шагов, то потом все равно к ним придется вернуться, так как есть ряд прямых зависимостей задач и основы, на которые они опираются». «Внедрение технологий DG требует большой вовлеченности в процесс функциональных подразделений. Они знают бизнес-процессы и особенности работы с данными, что очень важно для успешного достижения поставленных целей, — считает Владимир Рождественский. — Но поскольку данная тема многогранна, обширна и до сих пор не очень четко сформулирована научным сообществом, поставить конечные цели полномасштабного внедрения не представляется возможным. Работа должна идти итерационно. Например, сначала можно сконцентрироваться на ETL-процессах, потом добавить MDM и следовать по этому пути дальше». «Хотя методология управления данными относится к сравнительно молодым областям, для неё разработано несколько стандартов, которые можно взять за основу. В них могут быть по-разному расставлены акценты, где-то больше внимания уделяется разработке стратегии и связанным с ней инвестиционным вопросам, где-то приоритет отдаётся оперативному управлению и соответствующим технологиям. Но везде раскрываются понятия данных, жизненного цикла и качества, приводятся рекомендации и подходы к организации процессов управления данными. Технологии Data-, Document-, Content Management или иных ИТ-направлений могут упоминаться в качестве справочной информации», — говорит Юрий Бондарь. Егор Осипов делает акцент на жестких требованиях к назначению ответственных за работу с данными: «Это не позволит сделать ИТ-службу виноватой за все ошибки. Методология требует тесного взаимодействия бизнеса с ИТ-структурой, а это большая работа, которая зачастую обуславливает необходимость в создании нового органа управления или консорциума по данным». Источник: https://www.itweek.ru/management/article/detail.php?ID=207526

GlobalCIO, 15.05.2019 Ронен Шварц: Мы живём во время больших перемен. Данные сейчас эволюционировали в надёжную валюту. Они трансформирует бизнес, государственное управление и жизнь каждого из нас. Эволюция данных происходила в три этапа. Первый этап — Данные 1.0. Длился этот этап с 1960-ого по 2000-ый год. Данные тогда в основном использовались для специализированных приложений, например, для автоматизации начисления зарплат, бронирования авиабилетов и контроля наличия товаров на складе. Операционная аналитика была разрозненной. Для неё использовались или отдельные системы или единичные витрины данных. Следующий этап — Данные 2.0. В это время данные начали использоваться для чётко определённых, сквозных для всей компании процессов. Среди таких процессов – управление полным циклом выполнения заказа и управление цепочками поставок. Эти процессы позволили пользователям во всей организации использовать данные для улучшения продуктивности бизнеса. Вместе с данными эволюционировала и аналитика, и хранилища данных, и способы обеспечения их качества и управление мастер-данными (данные, которые содержат ключевую информацию о бизнесе). Социальные сети, мобильные и облачные технологии открыли новую эпоху — Данные 3.0. Данные третьего поколения позволяют осуществлять цифровую трансформацию и лежат в основе умной компании нового уровня. Переход к Данным 3.0 уже принёс огромную выгоду мировой экономике. Организации, которые используют данные для своего развития и создания новых бизнес-моделей, совершили прорывы в целом ряде индустрий. Среди дата-центричных компаний, которым удалось совершить такой прорыв, — Amazon, Facebook, Google, Uber, Airbnb, Alibaba, Apple. Их рыночная капитализация уже превышает ВВП многих стран. В эпоху Данные 3.0 можно выделить 5 ключевых проблем управления данными:

• Растёт объём информации, который приходится анализировать. Специалисты предсказывают, что к 2025 году в мире будет собрано 163 зеттабайт данных. Это в десять раз больше, чем собрано сейчас.
• Данные очень разрознены. Они могут храниться на собственных серверах организации, в облаке, в устройствах интернета вещей. Данные могут находиться буквально везде. Искать их стало сложно, на это требуется много времени. Разрозненность данных ограничивает возможности организации для их анализа.
• Работа с данными теперь требует принципиально новых скоростей. Те, кто использует данные, хотят получать их быстро, чтобы принимать на их основе оперативные и обоснованные решения. Данные всегда нужны «ещё вчера». А при работе с потоковыми данными с датчиков интернета вещей – практически мгновенно.
• Данные всё больше становятся демократичными. Все сотрудники теперь – «потребители данных». Им нужен доступ к релевантной информации, чтобы эффективно выполнять свои обязанности.
• Усложнились требования регуляторов. По мере того, как объёмы собираемых данных растут, для того, чтобы управлять ими, появляются новые требования. Эти требования нужны, чтобы защитить людей от неуместного использования их информации.

Стоит понимать, что, невозможно успешно провести цифровую трансформацию, если вы постоянно меняете тактику, а системы в организации разрозненны. Набор технологий постоянно расширяется. В него уже вошли облачные и мобильные технологии, технологии Big Data, социальные сети, интернет вещей. Экосистема поставщиков вокруг технологий также эволюционирует. Компании сейчас работают с поставщиками IaaS (инфраструктура как услуга), PaaS (платформа как услуга), SaaS (программное обеспечение как услуга). Как справиться со всеми этими факторами? Необходимо сквозное для всей компании понимание того, как данные, приложения, процессы и сотрудники взаимодействуют, чтобы помочь компании реализовывать инновации и перемены. Для этого большое значение играет системный подход к данным — системный подход 3.0. Он позволяет компании гибко приспосабливаться к экосистеме со множеством поставщиков, к новым пользовательским ролям, новым техническим требованиям, новым типам данных и целому ряду новых требований к безопасности. Источник: http://www.globalcio.ru/news/8010/

«Расчёты и операционная работа в коммерческом банке», 30.04.2019 Представьте, что клиент звонит по какому-то вопросу в колл-центр банка и получает ответ. Затем приходит в точку продаж, но полученная ранее информация оказывается неактуальной. Чтобы гарантированно избежать таких расхождений, в Банке ВТБ решили уйти от существующего решения, созданного на SharePoint, переработали весь контент, определили источники и потребителей данных и переупаковали всю необходимую информацию в новую систему управления знаниями — единую для всех подразделений. Как это было сделано? Постановка задачи и выбор решения Для начала всю информацию, которая касается обслуживания клиентов, наших продуктов и услуг, нужно было унифицировать. Исторически так сложилось, что она хранилась в трех крупных базах знаний, созданных в разное время. При этом одним из ключевых требований была возможность предоставлять разные объемы данных — например, для точек продаж и для ДКО (колл-центра). Источник: http://futurebanking.ru/reglamentbank/article/5623 (ИЗДАНИЕ: РАСЧЕТЫ И ОПЕРАЦИОННАЯ РАБОТА В КОММЕРЧЕСКОМ БАНКЕ №2/2019) Продолжение – из блога ВТБ на платформе Habr.com: https://habr.com/ru/company/vtb/blog/441020/ В первом случае важна развернутая информация: когда люди приходят в офлайн-отделения, они ожидают услышать все подробности по интересующим вопросам. Во втором случае, наоборот, достаточно краткой информации — главное, чтобы она предоставлялась быстро и четко. Задача усложнялась тем, что у нас было целых шесть внутренних заказчиков. И, соответственно, разные типы требований. У всех были разные критерии относительно функциональности, производительности и поддержки. Например, наличие SSO, интеграция с Active Directory и т.п. Важны были способности команды по быстрому внедрению. Мы рассчитывали, что новая система на 5 секунд сократит время обслуживания у 25% звонков в колл-центр. А также уменьшит время обучения. Раньше на это тратилось 3% всего рабочего времени — и когда речь идет о более чем 30 000 работников, расходы выходят немалые. Кроме того, во время проекта ВТБ находился на этапе слияния двух больших банков в своей структуре, и клиенты будущей системы находились в разных подсетях, в разных сегментах. Все это нужно было объединить и обеспечить сотрудникам, работающим с системой, сквозной доступ, с учетом ролей, различных уровней доступа к информации и т.д. Здесь требовалось решить много дополнительных инфраструктурных вопросов. Все необходимые требования и критерии мы сложили в одну скоринговую таблицу. Посмотрели все ключевые существующие на рынке решения, как российские, так и зарубежные, загрузили в них части нашего контента, оценили, что получается. И в итоге остановились на единой системе управления знаниями от компании KMS Lighthouse. С внедрением нам помогала команда DIS Group, которая предлагает KMS Lighthouse на российском рынке.

В нашей новой системе управления знаниями есть две ключевые сущности — «шаблон» и «статья». Статья — это формализованная по шаблону страница с информацией. Одна и та же статья выглядит по-разному для всех ролевых групп пользователей (сотрудников банка). Группы формируются в зависимости от организационной, функциональной или бизнес-принадлежности сотрудников.

После анализа имеющегося у нас контента мы поняли, что имеем дело с 2500 статьями. Это море информации нужно было разложить в минимально допустимое число шаблонов. Причем статьи должны были сохранить описанную выше гибкость. Было много ручной работы по созданию шаблонов, согласованию и пересогласованию. Но в итоге удалось уложиться в 16 шаблонов — для 2500 статей это неплохой уровень систематизации.

16 шаблонов распределены по трем группам контент-менеджеров. Первая группа отвечает за контент, связанный с колл-центром. Вторая — за продукты, услуги и связанную информацию. Третья — это контентщики операционного блока (ДОПБ), нашего бэк-офиса. Помимо этого, у нас есть методологическое подразделение, которое работает на уровне банка. Через него, как через фильтр, проходит практически вся информация банка, и в итоге остается только та, которую стоит размещать в базе знаний. Мы обсуждали более сложное деление. Думали вводить «владельцев» групп, отвечающих за процесс и систему. Обсуждали позицию «главного редактора», который будет верифицировать все изменения. Но в итоге решили остановиться на трех группах, поскольку контент достаточно четко делится между ними. KMS Lighthouse позволяет быстро выстроить несколько уровней согласования, но мы решили не усложнять эту систему, и на уровне контент-менеджеров сделали два уровня — те, кто пишет, и те, кто публикует. На последнем уровне выделяются те, кто ответственен за весь контент в своей группе. Правда, здесь возник вопрос о том, чтобы вынести материалы по успешным продажам продуктовому подразделению, но пока решили оставить все как есть. Таким образом развивать базу знаний можно без проволочек. Допустим, продуктовое подразделение хочет немедленно разместить информацию о новом продукте. Присылает по почте запрос контент-менеджеру: «коллеги, нам нужно разместить вот эту статью». После размещения через механизмы обратной связи идет доработка: где-то может не хватать информации, где-то что-то не по шаблону. И так пока подразделение и контент-менеджер не будут довольны. Сейчас мы как раз внедряем необходимые для этого взаимодействия элементы: уведомления, опросы, формы утверждения. Если создаваемая статья охватывает сферы разных групп контент-менеджеров, то каждый становится ответственным за свою вкладку. Для контент-менеджеров выделен отдельный прикладной сервер, где можно редактировать статьи или создавать новые по имеющимся шаблонам. Сюда же можно подтянуть необходимую статистику по поисковым запросам, релевантности ответов, переходам и т.д. Статьи можно не только изменять, но и оптимизировать — например, создавать метатеги для улучшения поиска. Кроме того, поиск можно улучшать, принудительно добавляя к определенным запросам определенные статьи. Это называется «выбор редактора», при поиске пользователь видит такие материалы в отдельной колонке.

В SharePoint люди привыкли к древовидной структуре представления информации и взаимодействию с вкладками. KMS Lighthouse предполагает использование полноценного поиска. Когда с системой работает 60 тысяч пользователей (в среднем около 1600 одновременно), стоит задуматься о распределении нагрузки. Сейчас KMS Lighthouse работает на 10 серверах. На каждом развернуто две виртуальные машины. В связке работают 20 виртуальных машин. Между ними стоит банковский балансировщик.

Поиск основан на трех поисковых машинах, которые индексируют весь контент. Поисковые индексы выстраиваются с учетом приходящих запросов, их частоты. От этого зависит релевантность ответов, их позиция в выдаваемых результатах. Lighthouse анализирует запросы и может представить их в виде 16 разных отчетов, с помощью которых над наполнением системы работают контент-менеджеры.

Все сотрудники, работающие с системой, разделены примерно на 35 ролевых групп. Каждая имеет доступ к определенным частям статей. Пользователь может состоять в нескольких группах — тогда он видит контент для всех этих групп сразу. Группы интегрированы с email- и SMS-шлюзами. Работая с клиентом банка, сотрудник может быстро отправить ему нужную информацию — например, прямо во время телефонной консультации. Если, конечно, информацию отправлять можно; в статьях по поводу разглашения (и допустимости печати) указываются отдельные атрибуты. Не нужно ничего переписывать и копипастить.

В базу знаний также интегрированы «Яндекс.Карты», через которые сотрудники видят, насколько загружены те или иные отделения. Информация обновляется раз в полчаса. Так что, определив, в каких отделениях клиент может получить ту или иную услугу, сотрудники могут посоветовать, куда конкретно лучше обратиться, чтобы сэкономить время. KMS Lighthouse интегрирована с нашей фронтальной системой и может быть вынесена прямо в ее интерфейс в виде виджета. В нем можно сделать быстрый запрос и сразу перейти к статье — как в любой поисковой системе. Вот так организована наша новая база знаний. Сейчас мы ведем финальные доработки и рассчитываем, что положительный эффект от внедрения KMS Lighthouse оценят не только сотрудники, но и клиенты ВТБ.

В заключение хотим поделиться радостью. В январе наша «Бизнес-Википедия» была объявлена проектом года по версии издания Global CIO. Будем держать вас в курсе и рассказывать, что новое к ней прикручиваем и как она помогает работе.

Iot.ru, 23.04.2019

По количеству умных колонок в мире лидируют Китай, США и Великобритания. Российский рынок только ожидает становление. Крупнейшим локальным игроком эксперты называют «Яндекс». Вероятнее всего, что конкуренцию ему составят глобальные игроки, ранее ориентировавшееся на англоговорящие страны. Вендоры откроют новые рынки для роста своего бизнеса.

Голосовые помощники – это программное обеспечение, позволяющее управлять не только умными колонками, но и другой техникой – смартфонами, планшетами, компьютерами с помощью голосовых команд. Голосовые помощники облегчают поиск информации, предоставляют данные о погоде, новостях и т.д. Такие ассистенты используются в смартфонах и умных колонках. Умные колонки – это мультимедиа-платформы с голосовыми помощниками. Устройства помогают выполнять повседневные дела: включать музыку, находить видео, показывать его на экране телевизора, оформлять покупки через интернет и т.д.

В 2018 году продано почти 98 млн умных колонок, а выручка в сегменте достигла $4,3 млрд. Умные колонки в 2019 году покажут самый быстрый рост выручки за всю историю подключенных к Интернету устройств, сообщалось в отчете Deloitte. В 2019 году объем рынка вырастет до 164 млн динамиков и $7 млрд. Китай, США и Великобритания – ведущие (22%, 20% и 12%) страны по проникновению умных колонок. Аналитики Canalys выяснили, что во втором квартале 2018 года на глобальном рынке лидировали Google (доля рынка 32,3%), Amazon (24,5%), Alibaba (17,7%) и Xiaomi (12,2%). Apple и остальные игроки занимали 13,2% рынка. Почти четверть американских семей использует хотя бы один голосовой ассистент, а 40% владеет сразу несколькими цифровыми помощниками, отмечали аналитики Nielsen. К 2020 году в США умными колонками будет пользоваться 76,5 млн человек, сообщали аналитики eMarketer. Аналитики консалтинговых компаний предоставили достаточно информации о развитии рынка умных колонок. Но официальных детальных исследований по голосовым помощникам практически нет, говорит Дмитрий Карандин, руководитель проектов Smart City Lab.

У умных колонок появятся экраны

Концепция смарт-спикера перешла на новый уровень, когда у таких устройств начали появляться экраны. «Теперь устройство может не только ответить вам голосом, но и вывести на экран любую визуальную информацию. Такие устройства называют Smart Screens — «умные экраны». Amazon первыми выпустили устройство с экраном — AmazonEchoShow, а Google недавно представила смарт-экран HomeHub», – сообщил Игорь Лутай, сооснователь EYWA Kitchen.

Голосовые помощники станут ближе к пользователям

По прогнозам Juniper Research, половина беспроводных наушников в мире будет умными к 2022 году. Голосовые помощники, сенсорные датчики и другие технологии интерфейса станут новым стандартом для персонального аудио уже через пять лет. Среди трендов, отмеченных аналитиками IDC – это дальнейшее внедрение голосовых помощников в разные типы гаджетов. «Один из очевидных трендов развития голосовых помощников – это имплиментация в портативные носимые устройства – наушники, гарнитуры и т.д., которые всегда находятся под рукой», – рассказал Дмитрий Матросов, директор по развитию цифровой платформы компании «Мультикубик».

Голосовые помощники станут решать бизнес-задачи

В 2020-х годах в производстве, в реальном секторе будут широко применяться голосовые помощники, такие как «Алиса» от «Яндекса». «Рабочие и специалисты смогут через обычные гарнитуру задавать вопросы и получать на них ответы без отрыва от работы. Первые пилотные проекты в этой области можно ожидать уже в конце 2019 года – начале 2020 года», – полагает Павел Лихницкий, генеральный директор DIS Group.

Голосовые помощники сохранят историю сообщений

Ни один голосовой помощник не сохраняет историю общения. Если голосового помощника назвать свое имя, а потом спросить о погоде, то вряд ли помощник вспомнит имя, говорит Иван Самохин, директор веб-студии полного цикла Pear Advert. Возможно, пользователи дома еще смогут проговаривать личные сообщения вслух. Но использовать голосовые чаты для набора личных сообщений в общественных местах – крайне сомнительный вариант развития.

Российский рынок голосовых помощников и умных колонок еще не прошел стадию становления. Единственный игрок на российском рынке – «Алиса» от «Яндекса». У компании также есть и умная колонка – «Яндекс.Станция». «Сейчас, за полтора года с момента релиза, для Алисы разработано уже более 30 тыс. навыков. Продажи умной колонки «Яндекса» оцениваются в 40 тыс единиц за 2018 год. Она заняла около 14% рынка «умных» колонок в Центральной и Восточной Европе, отмечалось в исследовании Canalys. «Яндекс» не раскрывает общих цифр, но их представитель оценивал продажи Станции с февраля по март 2019 года в 5 тыс. устройств», – пояснил Дмитрий Карандин. В США, по данным Canalys, в 2018 году продано более 50 млн таких устройств. На российском рынке представлены еще две умные колонки от российских партнеров (колонки Irbis A и Dexp Smartbox со встроенной «Алисой»). Помимо «Алисы» на локальном рынке могут появиться другие игроки. О разработке ассистентов рассказывали представители Сбербанка, Mail.ru Group, Тинькофф, Центр речевых технологий. Впоследствии эти компании могут выпустить свои умные колонки, хотя официальной информации на этот счет нет.

Ранее рынок рос за счет англоговорящих стран. Локализация голосовых помощников станет приоритетом ведущих игроков, полагают эксперты. Вендоры будут открывать новые страны для роста своего бизнеса. Пока западные игроки не видят российский рынок приоритетным для продвижения умных колонок. К примеру, Siri и Google Ассистент работают в русской версии ощутимо хуже чем в английской, поддерживают меньше команд. Но появление Apple HomePod и спикеров от Google на российском рынке — вопрос времени, считает Игорь Лутай. Умная колонка Amazon Echo интересна вендору как новый канал продаж товаров из собственного каталога. Поэтому без открытия Amazon в России ожидать полноценной работы умной колонки на локальном рынке не стоит. Также на развитие отечественного рынка влияет нескольько негативных факторов. «Высокий ценник на умные колонки российских вендоров (соизмерим со стоимостью Amazon Echo), небольшая емкость рынка, отсутствие у россиян привычки использования голосовых помощников в повседневной жизни – основные препятствия для развития российского рынка умных колонок», – объяснил Дмитрий Карандин. Еще на два стоп-фактора указал Марат Муллагалиев, директор по развитию клиентского сервиса Ак Барс Банка. «Во-первых, большинство просто не умеет ими пользоваться, а многие даже не знают об их существовании. Во-вторых, многие переживают за сохранность личных данных. На наш взгляд, голосовые помощники утилитарного значения пока не несут. Нужно какое-то время, чтобы они стали лучше воспринимать и расшифровывать речь, а люди научились ими пользоваться», – считает эксперт. Источник: https://iot.ru/riteyl/globalnye-vendory-umnykh-kolonok-otkroyut-rossiyskiy-rynok

CRN, 10.06. 2019 Олег Гиацинтов Сегодня «Коммерсант» рассказал о том, что в открытом доступе оказались данные клиентов ОТП-банка, Альфа-банка и ХКФ-банка. Сейчас эти компании проводят проверки. А эксперты предполагают, что доступ к данным мог стать последствием утечки через сотрудников. Олег Гиацинтов, технический директор DIS Group, рассказывает, как компании эффективно защитить себя от утечек через сотрудников.

Утечек данных с каждым годом становится больше. С одной стороны, это связано с ростом объёмов собираемой информации. С другой, — c увеличением числа сотрудников, у которых есть к этим данным доступ. Тем временем Gartner предсказывает, что уже к 2020 году 325 миллионов новых пользователей получит доступ к критичной корпоративной информации. К сожалению, утечки информации через сотрудников не редкость. Согласно статистике InfoWatch, в 2018 году в 78% случаев виновными оказались сотрудники компаний, а в 9% — руководство организаций. Данные могут попадать в открытый доступ через внешних разработчиков и тестировщиков (подрядчиков, сотрудников на аутсорсинге), внешние службы технической поддержки, собственных системных администраторов, техническую поддержку и других сотрудников. Ситуацию усугубляет то, что многие компании до сих пор ограничиваются охраной периметра и недостаточно уделяют внимания тому, что происходит внутри него — недостаточно защищают данные. Как оптимально защищать данные? Нужна стратегия сквозного управления ими, при которой учитывается необходимость защиты критичной и конфиденциальной информации (её маскирования). Поддерживает такую стратегию направление Data Governance.

Data Governance позволяет понять, где и какие данные хранит организация, какие из них конфиденциальные и критичные, как они связаны, из каких источников они собраны и в какие системы перемещаются. Зная всё это, можно снизить риски утечки, перехватить её или оперативно на неё среагировать. Отмечу, что для решения подобных задач всё шире применяется искусственный интеллект. Он эффективен для выявления критичных и конфиденциальных данных и поиска связей между ними. DIS Group опросил представителей крупного и среднего российского бизнеса. 33% опрошенных заявили, что их компании находятся на том или ином этапе внедрения Data Governance. К сожалению, может быть и такое, что Data Governance существует в организации «на бумаге», но никак не поддерживается технологиями. Данные хранятся в нескольких разобщённых системах (в хранилище, в озере, в отдельных базах), общего понимания корпоративной информации нет. Если компания стремиться эффективно защищать сведения своих клиентов, такого быть не должно.

Когда чувствительная информация найдена, её нужно спрятать, маскировать, обезличить. Инструменты маскирования блокируют доступ к данным для конкретных пользователей или заменяют реальную информацию набором похожих данных: «Иван Иванович» заменяется на «Петра Петровича». В итоге пользователь увидит только ту информацию, которую система позволит ему увидеть. Есть динамическое и статическое маскирование. Динамическое подразумевает изменение запроса к данным на лету, результат запроса формируется при отображении. При этом принимаются во внимание роль сотрудника в организации, области его ответственности, наличие прав доступа к базе данных, соответствующие параметры безопасности, типы приложений, из которых пользователь обращается к данным, а также правила маскирования, которые могут быть настроены максимально детализировано. Статическое маскирование подразумевает изменение данных непосредственно в системе, где они хранятся. Эта технология используется для обезличивания информации в тестовых средах. При статическом маскировании сохраняется качество данных и их консистентность (согласованность, целостность, внутреннюю непротиворечивость), необходимые для разработки и тестирования (функционального и нагрузочного). Среди тех, кто успешно использует динамическое маскирование — ПАО «Вымпелком», статическое — Сбербанк. Проекты по маскированию выполняются за очень короткий срок и оперативно помогают компаниям выйти на совершенно новый уровень информационной безопасности. Качественная защита данных — обязательная составляющая эффективной работы с ними. Сейчас российские компании всё активнее стараются внедрять решения для этого. Надеюсь, что в ближайшие годы это значительно изменит ситуацию, мы все сможем быть уверены, что наши данные надёжно защищены, а утечек станет меньше. Источник: https://www.crn.ru/news/detail.php?ID=136377

РБК, 2.04.2019 Деньги на данных: три препятствия для монетизации big data в России Российские компании учатся зарабатывать на больших данных. На этом пути они совершают достижения и встречаются с препятствиями. Какие, рассказывает Павел Лихницкий, гендиректор DIS Group

Фото: Роман Пименов / Интерпресс / ТАСС

Большие данные (big data) — данные, которые собираются в больших объемах, в разных форматах и на больших скоростях (обычно для определения больших данных используются классические три V — Volume (объем), Variety (разнообразие), Velocity (скорость)). Эти три V открывают возможности для монетизации больших данных. Раньше данные применялись только для описательной аналитики (например, для фиксации выполнения ключевых показателей эффективности — KPI, составления корпоративной отчетности) и повышения операционной эффективности. Эти области монетизации данных продолжают развиваться. Согласно данным нашего опроса, 25% представителей крупного и среднего бизнеса активно используют данные для принятия управленческих решений, а 23% — для повышения операционной эффективности. Однако с появлением big data появились и такие методы применения данных, как:

• поиск инсайтов (полезные для бизнеса закономерности в данных),
• тестирование бизнес-гипотез,
• масштабная визуализацию данных,
• предиктивная аналитика — методы анализа, с помощью которых можно предсказать поведение объекта.

Предиктивную аналитику, в частности, используют для:

• прогнозирования продаж,
• обнаружения мошенничества (например, предиктивные алгоритмы сами определяют, какие из страховых или кредитных заявок мошеннические),
• маркетингового и клиентского анализов,
• создания рекомендательных сервисов,
• предсказания поломок и сбоев в работе оборудования.

Чаще всего большие данные используются для создания персональных предложений. Все перечисленные способы использования относятся к так называемой внутренней монетизации данных (повышение эффективности ведения бизнеса внутри компании). Однако существует и внешнее направление монетизации. Теперь организации могут продавать свои данные и результаты их аналитики. Три процента опрошенных нами респондентов утверждают, что их компании используют этот способ монетизации. Как и в любой другой сфере, в монетизации больших данных есть и достижения, и проблемы.

Достижение № 1. В лидирующих отраслях прибыли от внешней монетизации больших данных растут

Первопроходцы внутренней монетизации ​— цифровые платформы, банки и операторы связи. Эти индустрии первыми начали получать прибыль от внешней монетизации данных. Сейчас объем этой прибыли активно растет. МТС успешно монетизирует данные геолокации абонентов. Например, правительство Москвы использует эти данные для планирования маршрутов транспорта, изменений в инфраструктуре и в других целях. Рекламный бизнес применяет такие данные для оптимизации показа наружной рекламы. Теле2 помогает финансовым организациям предотвратить случаи мошенничества со стороны клиентов. Компания делает это на основе собственной аналитики больших данных своих клиентов. Например, оператор связи помогает определить благонадежность заемщика при обращении за кредитом, верифицирует его личные данные. Аналитика «больших данных» позволила Теле2 в 2018 году заработать на 1024% больше, чем в 2017 году. МТС в 2019 году ожидает увеличения прибыли от проектов на основе больших данных на 30%. Перед продажей компании обезличивают данные, персональная и конфиденциальная информация из них удаляется. Таким образом, клиентам компаний ничто не грозит. Несомненно, в будущем прибыли от внешней монетизации больших данных будут расти еще активнее. Ведущая исследовательская компания в области ИТ Gartner предсказывает, что к 2020 году четверть крупных организаций будет покупать или продавать данные. В России развитие внешней монетизации во многом будет зависеть от доработок законодательства. Сегодня в законах пока не прописано четкое определение больших данных и не описаны схемы работы с ними.

Достижение № 2. Компании реального сектора начали активно применять большие данные

Большим достижением в области внутренней монетизации стало активное развитие применения больших данных в промышленности. Еще совсем недавно реальный сектор не уделял работе с данными должного внимания. Сейчас ситуация изменилась. Это вызвано многими факторами:

• развитием интернета вещей,
• высокой конкуренцией на рынке,
• развитием технологий обработки и хранения данных.

Среди последних таких технологий — озера данных (формат хранения больших данных) и новый класс приложений — Operational Intelligence (по аналогии с Business Intelligence) для обработки потоков данных в реальном времени. Многие компании реального сектора активно создают цифровых двойников активов. Цифровой двойник — система взаимосвязанных данных, описывающих все аспекты реального актива. Цифровой двойник включает в себя данные о технических характеристиках актива, параметры технологических цепочек, в которые он включен, данные о фактическом состоянии и другое. Цифровые двойники активов (АЭС, подстанций, месторождений) есть у многих организаций. Например, у «Роснефти», «Газпром нефти», «Росатома», «Россетей», «Сибура». Цифровые двойники уже сегодня позволяют решать многие практические задачи, в том числе:

• предсказывать утечку газа,
• оптимизировать производственные цепочки,
• оптимизировать режим работы оборудования, ремонтных кампаний и многое другое.

В будущем цифровые двойники активов будут объединяться в цифровых двойников предприятия.

Фото: Максим Шеметов / ТАСС

Достижение № 3. Большие данные позволяют внедрять новые бизнес-модели и выходить на новые рынки

Многие рынки сейчас насыщены, компаниям сложно увеличивать на них свою долю. Если вы продали своему клиенту один автомобиль, то не сможете сразу же продать ему второй. Однако, владея информацией о такой покупке, вы сможете предложить ему страховку или парковочное место рядом с домом. Складывается ситуация, когда эффективнее построить свой бизнес не вокруг какого-то товара или услуги, а вокруг больших данных клиента. Те компании, которые уже научились эффективно работать с данными, строят вокруг них свой бизнес. Для этого они и меняют бизнес-модели и осваивают новые рынки.

• Банк Хоум Кредит открыл маркетплейс,
• Тинькофф Банк запустил оператора связи,
• Сбербанк запустил платформу для торговли продуктами.

Построение бизнеса вокруг данных — это общемировой тренд, со временем таких примеров будет только больше.

Препятствие № 1. Низкое качество данных, нехватка Data Governance — стратегического управления данными

Стандартные вопросы повышения качества данных (дедупликация, очистка) до сих пор решены не во всех компаниях. Во многих из них хранятся «темные данные» — данные, которые по разным причинам оказываются вне аналитики. Такие данные могут быть представлены в нестандартных форматах (например, выражение лица покупателя на видеозаписи), храниться в трудно досягаемых местах (на ПК, в почте сотрудников). Из-за того что «темные данные» исключены из аналитики, результаты последней могут быть недостаточно достоверными. О том, что для эффективного применения больших данных не хватает стратегического подхода к их управлению, говорят многие ведущие CDO (директора по данным). Выстраивание стратегического управления данными — Data Governance — сложный и долгий процесс. Он требует изменения во всей корпоративной структуре компании — в частности, выстраивания правильных бизнес-процессов, эффективной организационной структуры, новых положений и регламентов, распределения ответственности, новых ролевых моделей.

Препятствие № 2. Нехватка квалифицированных кадров

Еще одна проблема, которая мешает реализовать весь потенциал больших данных, — дефицит кадров. Организации, которые активнее всего работают с большими данными, уже взяли решение этой проблемы в свои руки. И это не только ИТ-компании, но и компании из других секторов.

• ПАО «ВымпелКом» создало свою школу data scientists,
• «Ростелеком» — школу инженеров по данным.

С проблемой нехватки кадров бизнес столкнулся и за рубежом. Но прогноз в этой области позитивный. Gartner предсказывает, что к 2020 году более 40% задач в области data science (наука о данных) ​будет автоматизировано. Люди при этом смогут сконцентрироваться на выполнении более творческих аналитических задач. Продуктивность методов повысится, а использовать их будет проще. Сегодняшние аналитики и другие специалисты, не связанные с ИТ, смогут самостоятельно применять данные в своей работе.

Препятствие № 3. Неточные расчеты рентабельности проектов big data

Затраты на каждый проект big data могут быть совершенно разными в зависимости от применяемых технологий, стоимости поддержки, объемов данных и стоимости специалистов. Значительно снизить расходы может помочь автоматизация процессов работы с большими данными (например, их интеграции). А вот выгода от продуктов open-source может быть перекрыта высокой стоимостью их поддержки. Чтобы проект big data приносил прибыль, нужно тщательно подходить к расчету его рентабельности. Большие данные — это актив компании, и управлять ими нужно как активом.

Как сделать так, чтобы проект big data приносил прибыль

1. Определить ликвидность актива Во-первых, необходимо четко определять ликвидность этого актива. Ликвидность данных — их полезность и востребованность. Данные с низкой ликвидностью не просто не приносят пользы. Они приносят убытки. Бизнес должен учиться определять данные с высокой ликвидностью и максимально повышать их качество. 2. Оценить возврат от этого актива Необходимо точно оценить возврат от этого актива. Для этого надо использовать показатель ROA (return on asset — возврат на актив). Ориентироваться стоит на отношение общекорпоративного ROA всех других активов компании к ROA данных. Точные расчеты рентабельности позволят российским компаниям эффективно организовать как внутреннюю, так и внешнюю монетизацию. Значение этого сложно переоценить: эффективная монетизация данных сейчас становится важнейшим конкурентным преимуществом. Так, по прогнозам исследовательской компании International Data Corporation, в 2022 году прибыль от внедрения технологий big data и business intelligence достигнет $260 млрд в год. Автор: Павел Лихницкий, генеральный директор DIS Group Подробнее на РБК: https://pro.rbc.ru/news/5c98e7639a79476ab77b55a3?fbclid=IwAR0h2nK3pvoOVmE_uvQgrHyT7GXSy5Puf-7yfi8SedIcg3R3rbgAceKkDZQ

E-executive, 14.02.2019 Как управлять Big Data, чтобы не хранить некачественные, неполные, избыточные или незащищенные данные? Каких специалистов искать для этого бизнес-процесса? Вы решили, что вашему бизнесу нужен data science, наняли сильных специалистов и поставили перед ними реальные задачи. Они подготовили прогнозы, и нашли инсайты (полезные для бизнеса закономерности в больших данных). Вы начинаете применять эти прогнозы и инсайты. Но оказывается, что они далеки от реальности и не приносят пользы. В чем дело? Возможно, дело в данных, которые были для них использованы. Повторяющиеся, неполные или избыточные, некачественные, незащищенные и ненадежные данные негативно влияют на результаты data science. Кроме того, такие данные создают дополнительную нагрузку на data scientists. Согласно исследованию Forester, более 40% своего рабочего времени эксперты тратят на то, чтобы подготовить данные для аналитики. Что делать, чтобы избежать этого?

Много говорят о статистической природе больших данных. Считается, что если результаты data science подразумевают погрешность, значит, и погрешность из-за качества данных мало повлияет на конечный результат. Это неверный подход. Во-первых, чем выше погрешность прогноза или инсайта, тем меньше ему можно доверять и тем меньше в нем толку. Кроме того, те данные, которые вы сегодня используете для статистических моделей, завтра могут понадобиться для других целей (найти адрес банкомата, в котором клиент снял деньги несколько лет назад), где точность имеет большее значение.

Совсем недавно корпоративные данные хранились только в реляционных системах (хранилища, базы) – в виде взаимосвязанных таблиц. В такие таблицы необходимо было распределять все данные, которые собирала компания. Для этого – вычленять в данных структуру. В эпоху Big Data данные поступают на большой скорости, отличаются разнообразием и большими объемами. Хранить и обрабатывать их стало сложно и дорого. Возникла и набрала популярность распределенная система хранения и обработки данных – кластер Hadoop. Данные там одновременно обрабатываются на нескольких узлах кластера, а значит, быстрее. Также в отличие от обычной базы или хранилища Hadoop определяет структуру данных при считывании, а не при записи. А значит, он подходит и для неструктурированных данных. Одной из форм хранения данных может быть так называемое озеро данных. Содержать озера данных сравнительно недорого, а масштабировать их можно до очень большого размера. Для data scientists озеро данных – полигон для экспериментов. В такое озеро можно выгружать большие данные из различных источников, чтобы наглядно посмотреть – есть ли какие-то закономерности в них. У вас есть предположение, что погода влияет на работу оборудования? В озере данных вы можете искать зависимости, используя данные с датчиков на этом оборудовании, сколько бы их не было. И это будет сравнительно дешево. Озеро данных становится опасным для data science тогда, когда оно превращается в болото. Болото – это озеро, в которое загружались данные низкого качества, одни и те же данные дублировались. Найти нужную информацию в болоте очень сложно. Что делать? Отдать предпочтение промышленной технологии корпоративного озера, которая поможет автоматически очищать данные и управлять ими. Продолжение на сайте по ссылке https://www.e-xecutive.ru/management/practices/1990048-kak-sdelat-data-science-effektivnee

RUSBASE, 24.01.2019 Рынок виртуальных ассистентов стремительно растёт — голосовые помощники быстро и верно становятся частью нашей повседневной жизни. Сказать Siri поставить будильник, узнать у Google Assistant прогноз погоды, поговорить с Алисой в машине «Яндекс.Драйва» или попросить «Яндекс.Станцию» включить песню Green Day в первый день октября уже не представляется чем-то сверхъестественным (хотя по-прежнему вызывает восторг). На западе возможностей для общения с виртуальными ассистентами ещё больше — устройства от Amazon с помощником Alexa давно уже позволяют людям взаимодействовать с «умным» домом — например, включать телевизор или контролировать отопление. Умные колонки с невидимыми помощниками могут помочь вам и на работе — поставить встречу в календарь прямо во время конференции и напомнить завершить все дела к определенному времени. Rusbase изучил рынок виртуальных ассистентов и поговорил с экспертами в этой области, чтобы понять, куда движется технология и что может помешать её развитию. «Вход новых стартапов на рынок будет способствовать развитию технологий» Несмотря на то, что крупные ИТ-игроки скорее всего будут доминировать на рынке, место для стартапов в этом быстрорастущем сегменте по-прежнему есть. Среди продуктов, которые, по мнению экспертов, буду востребованы:

• Решения под небольшие рынки для отдельных языковых групп или в нишевых сегментах

«Выход на глобальный рынок абсолютно нового игрока, который смог бы конкурировать с Google или Amazon, мне кажется маловероятным. Но могут появиться свои лидеры в конкретных странах — у гигантов индустрии часто недостаточно ресурсов, чтобы охватить небольшие рынки, особенно в отдельных языковых группах (к примеру, в странах СНГ — Армении, Грузии, Казахстане). Кроме того, есть место и для самостоятельных стартапов в нишевых сегментах — например, образовательные ассистенты для детей, которые могут встраиваться в игрушки».

Один из ярких примеров таких «детских» виртуальных ассистентов — Mishka AI, который сейчас проходит программу акселерации от 500 startups и Сбербанка. Mishka, благодаря встроенному чипу и детской облачной платформе, имеет доступ к ежедневно обновляемому контенту, разработанному специально для дошкольников — детей 3—6 лет. Игрушка расскажет ребёнку сказки и истории, позовёт его обедать, научит чистить зубы и примет активное участие в его обучении — поможет выучить буквы, загадает загадки и предложит интересную игру в цифры. В январе 2018 года стартап стал участником пятого набора Starta Accelerator и получил $130 тысяч за 7% своего капитала.

• Решения в узких областях с данными, к которым у ИТ—гигантов нет доступа (в частности, хорошие шансы есть у финтех—проектов и телеком—компаний)

Алексей Ушаков считает, что текущий этап развития индустрии напоминает развитие поисковых систем до появления Google. Основной проблемой, по словам эксперта, является монетизация помощника, поэтому местом рождения глобальных ассистентов становятся компании, в которых есть много пользователей, а значит постоянно актуализирующиеся большие данные, алгоритмы по работе с ними и экосистемы сервисов в различных направлениях. Эксперт считает, что «независимые» ассистенты скорей всего будут концентрироваться в узких областях с данными, к которым не имеют доступ ИТ—гиганты, например внутри крупных компаний. Большой шанс на появление таких ассистентов имеют финтех-проекты и телеком-компании. «Большинство стартапов с надеждой ждут своего ангела, пытаясь получить данные, чтобы на их основе удивить инвесторов. Как только доступ к данным теряется, стартап гаснет». — Алексей Ушаков, ЦРТ

• Новые ассистенты на основе инновационных технологий (для последующей продажи крупному игроку)

«Место для стартапов (направленных на разработку “ядра” ассистентов) есть в силу низкого порога входа. Потом, однако, перед каждым стартапом с ценными наработками стоит выбор — быть поглощенным крупным игроком или развивать собственный сервис. Основной риск для стартапов при выборе второго варианта — ассистент без доступа к большим данным для обучения и возможности взаимодействия с экосистемой конечного потребителя не будет интересен пользователям».

• Навыки и инструменты для одного или нескольких лидеров рынка

«Начинающим игрокам следует сделать ставку на 1-3 популярных помощника и предложить свои наборы навыков и инструментов, которые можно будет интегрировать в ассистенты. Путь посложнее заключается в том, чтобы разработать такую инновационную технологию, которую заходят приобрести ИТ-гиганты. Для создания подобных помощников и ассистентов требуется огромный массив пользовательских данных, которые сейчас есть у поисковиков, социальных сетей и разработчиков мобильных устройств. Часть данных есть у представителей e-commerce, телекома, финтеха. Однако их набор данных, хоть и огромный, достаточно однобокий. Игроки будут вынуждены либо переплачивать за недостающие данные, либо интегрироваться с компаниями первого типа». — Антон Орлов, CEO AiSales «Некоторые российские стартапы идут на западные рынки и разрабатывают навыки для крупных компаний на иностранных языках. При этом разработка в некотором случае проще, чем на российском рынке, и на этом реально зарабатывать деньги. На нашем рынке можно получить разовое вознаграждение за интересный навык, который может быть потерян (потому что его дорого поддерживать, или же он включается в основной пул навыков ассистента). По нашему опыту компаниям с запада сложнее адаптировать свои продукты — по большей частью они входят в различные конкурсы только с целью получить русскоязычные данные. Русскоязычного ассистента проще адаптировать под западные рынки, но большинство успешных компаний предпочитают сосредоточиться на местном рынке». — Алексей Ушаков, ЦРТ

• Дешевые аналоги ассистентам от крупных ИТ-игроков

«Место для стартапов, безусловно, есть. Мы уже видим ряд команд, работающих в этом направлении. Кроме того, многие ИТ-гиганты отдают бесплатно свои «движки» искусственного интеллекта и машинного обучения, на основании которых стартапы могут разрабатывать собственных ассистентов. Когда технология достигнет зрелости, скорее всего появятся множество более дешевых аналогов ассистентов Яндекс, Amazon и Google. За эту нишу и стоит конкурировать стартапам».

Подводя итоги — ключевые события на рынке виртуальных ассистентов в 2018 году и прогнозы от экспертов рынка Среди ключевых событий, которые произошли на рынке виртуальных ассистентов в 2018 году, эксперты выделяют:

• Запуск платформы «Яндекс.Диалоги» в конце мая, которая позволяет создавать навыки в Алисе и чаты в Поиске;
• Выход «Яндекс.Станции» — первой умной колонки на российской рынке — и старт её массовых продаж осенью;
• Старт продаж портативных смарт—устройств с голосовым ассистентом Алиса – гаджетов Irbis A и DEXP Smartbox;
• Выход «Яндекс.Телефона», имеющего встроенного голосового помощника Алису;
• Запуск «Google Ассистента» на российском рынке в июле, в работе над которым российские разработчики смогли поучаствовать с помощью создания диалоговых приложений (экшенов);
• Разработка голосового помощника «Маруся» от холдинга Mail.ru (анонсирована в ноябре);
• Запуск разработок русских версий ассистентов четырьмя крупными российскими и зарубежными компаниями (инсайд от Кирилла Петрова, основателя и управляющего директора Just AI).

Основные направления, на которые следует обратить внимание молодым игрокам:

• Разработка новых разговорных интерфейсов в области электронной коммерции;
• В связи с появлением новых умных устройств, в том числе колонок от разных производителей по все более доступным ценам, и трансформацией этих умных колонок в умные экраны с камерами
• Интеграция ассистентов с технологиями биометрии и разработка NLU-алгоритмов и сценариев;
• Развитие технологии необходимо для одновременного ведение диалога с несколькими собеседниками
• Разработка решений для компаний без собственных центров (с сохранением возможности кастомизации);
• Разработка самостоятельных стартапов в нишевых сегментах;
• Например, стартапы могут развиваться в сегменте образовательных ассистентов для детей
• Разработка ассистентов для конкретных языковых групп, на которые у крупных ИТ-компаний не хватает ресурсов;
• Разработка ассистентов в узких областях с данными, к которым не имеют доступ ИТ-гиганты — например, внутри крупных компаний;
• Разработка новых навыков для виртуальных ассистентов с упором на дизайн разговорного UX;
• Производство интересного контента, адаптированного под умные колонки и ассистенты;
• Создание решения для поиска релевантных для каждого из пользователей навыков;
• Разработка решений, позволяющих виртуальным ассистентам работать без подключения к интернету.

Источник: https://rb.ru/longread/virtual-assistants/