За 5 лет доля российских компаний, реализующих инициативы по управлению данными, выросла в 5 раз. Таков основной результат исследования “Оценка зрелости управления данными”, подготовленного DIS Group. В исследовании приняли участие более 200 российских компаний, в том числе 24% представителей финансового сектора, 20% — производственного сектора, 11% — телеком-компании, 9% — нефтегазового сектора и ритейл, 7% — ИТ-компаний, образовательных учреждений, энергетический сектор, 4% — недвижимость и 2% — госсектор. В документе говорится, что в период с 2018 по 2023 годы доля компаний, которые находятся в процессе реализации инициатив по управлению данными, выросла с 17% до 89%. В 2018 году более 60% компаний не использовали специальные инструменты управления данными, отдавая предпочтение ручным методам или собственным разработкам. К 2023 году доля компаний, использующих проприетарное ПО для управления данными, достигла 82%, из них 48% относятся к гибридным решениям с использованием как проприетарного ПО, так и open source. Ожидается существенное развитие инструментов управления данными как следствие контекста и вызовов, стоящих перед бизнесом. Значительный скачок произойдет в таких областях, как управление мастер-данными (рост на 23%), качество данных (рост на 22%), бизнес-глоссарий (рост на 20%) и каталог данных (рост на 20%). ​Согласно исследованию, к 2028 году доля компаний, реализующих инициативы по управлению данными, приблизится к 98%. При этом доля компаний, использующих гибридную комбинацию проприетарного и открытого ПО, достигнет 90%. “В ближайшие 5 лет ожидается значительный рост и совершенствование инструментов управления данными, использующих элементы ИИ и машинного обучения. Внедрение таких инструментов ведет к снижению затрат на управление данными до 30%, увеличению производительности сотрудников до 25% и повышению качества данных до 90%”, — отметил генеральный директор DIS Group Павел Лихницкий. Данные о значительном росте рынка управления данными подтверждают в Ассоциации Больших Данных: “Мы действительно отмечали, что в управлении данными 5 лет назад были в основном крупные компании и B2C-рынок. Со временем оно пришло в ключевые бизнес-процессы и кросс-индустриальные кейсы в другие отрасли. Так рост с 17% до 89% кажется органичным. Эти показатели в целом коррелируют с трендами развития рынка больших данных, который рос с учётом различных CAGR по сегментам и годовой инфляции на 12,4% в 2022 г., 6% в 2023 г. и вырастет, по нашим данным, на 4% в 2024 г”. Также в Ассоциации отмечают, что область Защиты Данных (Data Security) становится критичной для большого количества отраслей, и инвестиции в создание и внедрение инструментов здесь могут стать существенными, а итоговые показатели могут и превзойти указанные в исследовании. “При замещении ушедших продуктов компании выбирают более современные и прогрессивные инструменты, которые содержат функции ИИ или сочетаются с его инструментами, взамен наследуемым. Это интеллектуальный контроль и средства повышения качества данных в компании, инструменты разметки данных, data mining и др., где исторически была велика доля ручного труда специалистов”, — подчеркнул исполнительный директор Ассоциации больших данных Алексей Нейман. Источник: ComNews

Россия является одним из лидеров по темпам роста рынка данных и искусственного интеллект (ИИ). Об этом сообщил исполнительный директор Ассоциации больших данных Алексей Нейман в четверг, 30 мая, на Дата Саммите «Прыжок в эру ИИ». «Россия действительно один из лидеров по темпам роста рынка данных и искусственного интеллекта. Конечно, наш внутренний рынок — это достаточно маленькая часть от общемирового рынка, но, по крайней мере, по темпам роста мы стараемся держаться вместе с другими», — отметил он. Кроме того, он отметил сложившиеся в стране уникальные условия для развития IT-рынка. «Уникальные за последние три-четыре года сложились условия для развития IT-рынка. Это связано и с налогообложением, и с субсидиями и прочее. Верим, что в базовом сценарии поддержка останется такой же», — сказал Нейман. Эксперт также привел прогноз, согласно которому, рынок больших данных в РФ к концу 2024 года вырастет до 319 млрд рублей. При этом, согласно исследованию «Оценка зрелости управления данными», которое было подготовлено DIS Group, за пять лет доля российских компаний, реализующих инициативы по управлению данными, выросла в пять раз. Так, в период с 2018 по 2023 год доля компаний, которые находятся в процессе реализации инициатив по управлению данными, выросла с 17 до 89%. В 2018 году свыше 60% фирм не использовали специальные инструменты управления данными, отдавая предпочтение ручным методам или собственным разработкам. К 2023 году доля компаний, использующих проприетарное программное обеспечение для управления данными, достигла 82%. Эксперты прогнозируют существенное развитие инструментов управления данными. «В ближайшие пять лет ожидается значительный рост и совершенствование инструментов управления данными, использующих элементы ИИ и машинного обучения. Внедрение таких инструментов ведет к снижению затрат на управление данными до 30%, увеличению производительности сотрудников до 25% и повышению качества данных до 90%», — отметил генеральный директор DIS Group Павел Лихницкий. Ранее, 13 мая, вице-премьер РФ Дмитрий Чернышенко на пленарном заседании Государственной думы сообщил, что внедрение технологий искусственного интеллекта (ИИ) в отрасли экономики РФ привело к экономическому эффекту на сумму более чем 1 трлн рублей. К 2030 году, предполагается, что этот показатель превысит 11 трлн рублей. Источник: Известия

Дата Саммит «Прыжок в эру ИИ» был посвящен вопросам подготовки данных для эффективной работы с искусственным интеллектом и практикам цифровой трансформации компаний. В деловой программе приняли участие директор по информационно-аналитическим технологиям АО «Российские космические системы» Дмитрий Лепешкин, CDO Сбербанка Борис Рабинович, руководитель Службы управления данными «Уралсиб» Игорь Гончаров, руководитель НСИ «СИБУР Диджитал» Татьяна Картушева, директор по цифровым инновациям и IT «Лента» Сергей Сергеев, генеральный директор DIS Group Павел Лихницкий, генеральный директор «Юниверс Дата» Владислав Каменский и многие другие. Эксперты обсудили, какие возможности ИИ предоставляет бизнесу и как подготовить данные для его эффективной работы. Также в ходе Дата Саммита спикеры поделились лучшими практиками в области управления и обеспечения качества данных, рассказали об успешном внедрении отечественных решений. Эксперты сошлись во мнении, что успешное применение ИИ во многом зависит от актуальности и надежности используемых данных, поэтому компаниям важно обеспечить их качественную обработку.

В Совфеде обсудили законодательное регулирование искусственного интеллекта в России. Вопрос, как относиться к ИИ, что именно загонять в законодательные рамки и насколько жесткие нормы принимать в отношении искусственного интеллекта, пока не изведан и требует новых решений. Поэтому законодатели призывают одновременно вносить главные принципы работы с ИИ в Цифровой кодекс и постепенно регулировать особенно чувствительные моменты, связанные с нейросетями. А разработчики призывают использовать возможности саморегулирования отрасли. Подробности — в материале «Известий».

Председатель Комиссии Совета Федерации по информационной политике и взаимодействию со СМИ Алексей Пушков на заседании в Совфеде подчеркнул, что не совсем правильно говорить о «законодательном регулировании искусственного интеллекта». Скорее речь идет о регулировании применения ИИ и его последствиях. Говоря о рисках использования ИИ, Алексей Пушков указал на различные противоправные действия на нейросетевой технологической основе, например телефонное мошенничество. Кроме того, искусственный интеллект становится идеологическим инструментом — с его помощью искажается информация, в том числе историческая правда, продолжает сенатор. — Надо понимать, что ИИ работает в рамках запроса, который делается человеком, на основе заложенных в него данных и реагирует в первую очередь на общественный запрос, — подчеркнул он. — Поэтому, например, недавно Gemini 1.5 от Google в ответ на поиск изображения Людовика XIV продемонстрировал короля Франции чернокожим — просто потому, что такова сейчас повестка в западном обществе. По его словам, в генеративные модели западных компаний заложено мировоззрение, которое отличается от российского. Третий большой блок, который выделяет Алексей Пушков, — это тема соблюдения прав человека: наблюдение за ним, распознавание лица, причем следят за человеком те, кто на это вовсе не уполномочен.

Алексей Пушков призвал изучить опыт других стран по регулированию нейросетевых технологий, в том числе ЕС, где недавно вышел акт об использовании искусственного интеллекта. Первый зампред комитета Совета Федерации по конституционному законодательству и государственному строительству Ирина Рукавишникова на заседании отметила, что ЕС продемонстрировал жесткий подход к регулированию ИИ: фактически это централизованный контроль всех стадий разработки и применения генеративных нейросетей с тщательным их тестированием перед использованием. В США, Великобритании и Японии, напротив, предусмотрен минимальный контроль ИИ, говорит она. Нейтральное регулирование, когда законодатель находит баланс между развитием и безопасностью с точечным характером ограничений, использует Китай. Ирина Рукавишникова считает, что именно этот вариант будет лучшим для России.

Ирина Рукавишникова призывает к применению риск-ориентированного подхода к генерированию искусственного интеллекта. Для этого все сферы, в которых нейросети могут применяться, предлагается разделить на четыре группы. Первая группа — с недопустимым риском применения ИИ: например, невозможно выставление искусственным интеллектом окончательных медицинских диагнозов, вынесение судебных решений и т.д. Вторая группа — с высоким риском. Сюда отнесены образование, инфраструктура транспорта и т.д. Третья группа — сферы с ограниченным риском, где использование ИИ возможно при условии, что люди будут знать, что они взаимодействуют с нейросетью. И четвертая группа — это минимальный риск и свободное использование ИИ: например, в видеоиграх, в программах для фильтрации спама и т.д. При этом Рукавишникова подчеркивает, что одновременно необходимо стимулировать отечественных разработчиков систем ИИ. Юридический консультант, создатель LegalTech-решений Виктор Наумов на заседании подчеркнул, что важно отразить возможность отказа человека от цифровых технологий — например, чтобы на портале «Госуслуг» можно было воспользоваться не роботом, а услугами живого специалиста. — Нам нужно право на коммуникацию человека с человеком, — заметил он. — Мы же сейчас привыкаем к тому, что человек человеку не нужен.

В отрасли настороженно относятся к вопросу законодательного ограничения сферы искусственного интеллекта. Роман Душкин в разговоре с «Известиями» признался, что является сторонником мягкого подхода в регулировании. — На разработку такого мощного нормативного документа, как Цифровой кодекс, уйдут годы, а за это время технологии шагнут далеко вперед, — сказал он. — Либо кодекс станет документом с совершенно общими формулировками, но пустым с точки зрения правоприменительной практики. Он должен будет обрастать огромным количеством подзаконных актов. В то же время добропорядочным гражданам закон, по сути, и так не нужен, а злоумышленникам на него плевать. Запрещать же или сильно ограничивать сам инструмент ИИ при этом нельзя: это будет выстрел себе в ногу. В «Яндексе» также заявили «Известиям», что в законодательном регулировании ИИ важно «не опережать действительность и отвечать на реальные риски, а не на фобии». — Как и в любой другой сфере, нужно опираться на практику применения технологий, которая только начинает накапливаться, — отметили в пресс-службе компании. — Основные вопросы, которые сейчас предъявляются к ИИ, касаются этики и ответственного использования технологий — как разработчиками, так и пользователями. Бизнес осознает это и предлагает меры саморегулирования — инициирует кодексы, декларации и отраслевые стандарты. В компании рассказали, что недавно «Яндекс» вместе с другими участниками Альянса в сфере искусственного интеллекта подписал декларацию об ответственной разработке и использовании сервисов на основе генеративного ИИ. Такой подход, уверены в компании, позволит продолжать развивать технологии в благоприятной и безопасной среде, а пользователям — получать максимально полезные сервисы. Президент ассоциации разработчиков программного обеспечения «Руссофт» Валентин Макаров также предостерегает от чрезмерного регулирования этой технологической отрасли. — Опыт ЕС показывает, что принятие сейчас строгого нормативного регулирования ИИ, когда мы еще не знаем, как и куда он развивается, не будет правильным, — сказал он «Известиям». — Думать о вопросах безопасности при применении ИИ, конечно, нужно. И нужно запускать процесс саморегулирования. Важно эффективно работать над техническим регулированием, формируя стандарты, а этот процесс поневоле будет приводить к соответствующему нормативному регулированию. В то же время технический директор DIS Group Олег Гиацинтов поддерживает мнение о том, что оптимальный подход заключается в сочетании рамочного закона с точечными мерами. Он считает, что в законодательстве должно появиться четкое и универсальное определение искусственного интеллекта, а также основные принципы его использования, обеспечивающие ответственное и безопасное использование ИИ с учетом этических и правовых норм: прозрачности, отчетности, недискриминации, защиты конфиденциальности и т.д. Источник: Известия

Эволюция системы закупок сегодня активно продолжается. Одним из стимулов для цифровизации этой отрасли стала пандемия. Многие процессы ускорились и стали дистанционными. Появился электронный обмен данными, была внедрена электронная подпись, автоматизирована система торгов. По данным исследования McKinsey & Company, 65 процентов B2B-компаний предпочитают проводить сделки в онлайн-формате. А более 85 процентов всех закупок – электронные. Уход с российского рынка целого ряда иностранных компаний и невозможность использования зарубежного ПО стали импульсом к развитию отечественного софта. Нашим ИТ-разработчикам есть что предложить взамен продукции ушедших иностранных компаний. Тем более что российский софт и различные ИТ-решения для системы госзаказа начали разрабатываться далеко не вчера. Курс на импортозамещение был взят около 10 лет назад. Все отечественные электронные сервисы в сфере госзаказа можно разделить на несколько уровней. Первый уровень – единая информационная система (ЕИС), которая включает также ряд подсистем. ЕИС служит для управления, консолидации информации и аналитики о проводимых закупках по федеральным законам N 44-ФЗ (заказы государственных и муниципальных структур) и N 223-ФЗ (заказы госкомпаний). “Сейчас активно создаются транзакционные модули, подсистемы ЕИС, – поясняет заместитель генерального директора “ТЭК-Торг” Евгений Можаев. – Например, посвященные актированию, развитию полного электронного документооборота при осуществлении закупок”. Второй уровень электронных сервисов – это региональные информационные системы (РИС). Их развитием занимаются три ведущие компании, но разработчиков подобных систем на рынке больше. Третий пул сервисов, используемых в госзаказе, – это федеральные электронные площадки. Таких площадок, согласно постановлению правительства РФ, отобрано восемь. Они служат для проведения закупок, а также публикации их результатов, привлечения поставщиков, подведения итогов и заключения договоров в электронной форме. “Федеральные ЕИС, РИС и электронные торговые площадки полностью сделаны на российском ПО, – отмечает Евгений Можаев. – Их разработка и совершенствование ведется постоянно: под задачи, которые ставит государство и госзаказчики, под тенденции рынка, для повышения производительности труда, автоматизации, степени интеграции, информационной безопасности”. По словам эксперта, на рынке электронных сервисов в сфере госзаказа существует здоровая конкуренция среди российских разработчиков. “К примеру, восемь федеральных площадок уже конкурируют за заказчика своим функционалом и всем, что может привлечь клиента, – говорит Евгений Можаев. – У региональных информационных систем есть три разработчика, и они тоже конкурируют между собой”. Сегодня компании, работающие в системе госзаказа, хотят оптимизировать свои бизнес-процессы: экономить финансовые, временные и трудовые ресурсы. Кроме того, рынок стремится к тому, чтобы процесс закупок становился проще, а торги – прозрачнее. И отечественные разработчики ориентируются на такие потребности. “Большой спектр решений еще не закрыт отечественными разработками, и они ведутся прямо сейчас, – отмечает заместитель директора подразделения консалтинга DIS Group Сергей Евтушенко. – Большинство ИТ-компаний в той или иной степени начали заниматься разработкой российских программных продуктов, чтобы закрыть дефицит, который образовался после ухода с рынка иностранных вендоров”. Сегодня на рынке существует целый ряд систем для электронных закупок. Например, ASZak – система, которая автоматически формирует закупочную документацию в соответствии с Федеральным законом N 44-ФЗ с учетом десятков подзаконных актов. Другая программа – “1С:Государственные и муниципальные закупки 8” – предназначена для автоматизации всех этапов подготовки и проведения закупочного процесса. Она позволяет оптимизировать и упростить подготовку документов, принятие решений на разных этапах. Система “Атомбот.Закупки” имитирует работу человека по составлению отчетов, сверке файлов, анализу данных, формирует и проверяет техническое задание, составляет запрос коммерческого предложения и многое другое. Платформа PIX RPA обрабатывает первичную документацию и платежи, подготавливает счета, оформляет справку 2-НДФЛ. А продукт ElectroNeek Studio обеспечивает роботизацию рутинных задач: копирование, вставка, перенос данных из одной системы в другую, поиск, сравнение информации из интернета и так далее. Система “1С:Документооборот” предлагает совместную работу с документами и файлами, автоматизацию бизнес-процессов и проектной деятельности. Она может сканировать, распознавать, создавать документы по шаблонам, систематизировать. “В целом на рынке достаточно много предложений по автоматизации, при этом крупные компании самостоятельно разрабатывают свои ИТ-решения”, – отмечает руководитель налоговой практики юридической компании Bishenov&Partners Оксана Соболева. Читать полностью: Российская газета

Чем активнее компания идет в сторону цифровизации, тем больше данных она использует в своей деятельности. В России растет востребованность Data Governance, как необходимого инструмента для эффективного управления корпоративными данными. Однако при внедрении подобных решений есть много тонкостей, не учитывая которые можно легко обнулить все усилия и затраты. Рассказываем, как избежать типовых ошибок при внедрении таких инициатив и правильно оценить затраты на них, чтобы данные действительно начали работать на рост бизнеса. В современном мире данные все чаще становятся одним из ключевых активов организации. Если они не просто бессистемно накапливаются внутри компании, а включаются в целостную стратегию управления корпоративными данными, компания получает в свое распоряжение эффективный инструмент для развития. Благодаря Data Governance компании принимают более обоснованные стратегические решения, улучшают качество продуктов и услуг, а также оптимизируют бизнес-процессы.

Эффекты, которые может дать бизнесу верный подход к управлению данными, выражаются, прежде всего, в повышении скорости и качества принятия управленческих решений. Управление данными дает также ускорение проектирования и разработки цифровых решений в среднем на 10-20%. Кроме того, повышается экономический эффект работы компании за счет раннего запуска продуктов. Благодаря демократизации доступа к данным возможна более быстрая генерация идей, которые также влияют на результаты организации. Data Governancе, в первую очередь, дает оптимизационный, косвенный эффект. Если благодаря Data Governancе вы в состоянии быстро предоставить данные бизнес-пользователям по их запросу и если эти данные достоверные, то топ-менеджменту будет проще принимать решения: например, закрыть одно подразделение, открыть другое, начать работу с новым сегментом клиентов, расширить линейку продуктов. Благодаря этому сокращается показатель Time-To-Market (время, затраченное на разработку продукта от начала и до конца), который дает возможность компаниям выиграть в конкурентной борьбе.

В то же время далеко не всем компаниям, которые проявляют интерес к Data Governancе, удается укротить нескончаемый поток данных, который постоянно генерируется внутри организации и за ее пределами. В одном из исследований компания Gartner пришла к неутешительному выводу, что при внедрении процессов управления данными 80% инициатив не приводят к ожидаемым результатам. Еще одна аналитическая компания, IDC, выяснила, что обычная организация затрачивает 80% времени на поиск и подготовку данных. Согласно анализу Harvard Business Review, только у 3% компаний данные соответствуют основным стандартам качества. Впрочем, пустить дело на самотек и никак не пытаться управлять данными стоит еще дороже: по сведениям Gartner ежегодно низкое качество данных обходится организациям в среднем в 12,9 млн. долл. Такова, в том числе, цена управленческих ошибок, принятых на основе недостаточно проверенной информации. В России множество компаний что-то слышали про модный термин Data Governancе, но мало кто из них знает, с чего следует начинать такие проекты и, самое главное, для чего они им. Поэтому DIS Group разработала дорожную карту развития направления Data Governancе. В первую очередь, необходимо оценить уровень зрелости организации с точки зрения текущей ситуации с управлением данными. Дело в том, что потребности «начинающей» компании, в которой еще даже не сформировалось понимания, что данные — это ценный актив, и все попытки сбора данных носят разрозненный и несистемный характер, будут существенно отличаться от потребностей data-driven компаний, где уже сформирована цифровая культура. Поэтому попытки вслепую скопировать практики организаций, которые, возможно, находятся, на более высоком уровне зрелости, чаще всего заканчиваются неудачей. Оценить зрелость компании можно на основании пяти ключевых критериев: ценность данных для бизнеса (насколько компания внимательно относится к инициативам в области данных), процессы (метрика охватывает политики, управление данными, качество данных, безопасность и процедуры соответствия), компетенции (насколько высокой квалификацией обладает персонал компании с точки зрения управления данными), архитектура (критерий отражает текущую архитектуру и модель данных, а также планы по их развитию в дальнейшем) и технические средства (какие именно инструменты и решения компания использует для управления данными). Если эти пять направлений развиваются неравномерно, то анализ по этим критериям покажет, что нужно подтянуть в первую очередь. Если брать ситуацию на 2023 год, то в компаниях в целом уже сформировано понимание, что данные являются ключевым активом. Бизнес все больше ориентируется на данные при принятии решений. Многие компании имеют стратегии управления данными и долгосрочные планы развития как архитектуры, так и ландшафта. Также компании реализуют платформы управления данными, используя как собственные наработки, так и промышленные продукты enterprise-класса.

После того, как компания выполнила оценку зрелости, необходимо перейти к следующим этапам дорожной карты: созданию целевой модели и разработке стратегии по управлению данными. На первоначальном этапе очень важно понимать, зачем и кому в компании нужно управление данными. Потому что при отсутствии понимания компания рискует внедрить инструмент, которым будут пользоваться максимум 1-2 специалиста и который не окажет никакого существенного влияния на развитие бизнеса. Компании часто начинают реализовывать Data Governancе, например, с создания бизнес-глоссария или построения data lineage (зависимости данных). Это может дать какую-то галочку к результатам работы CDO, но, если это никак не связано с процессами и не встроено в систему, эта работа будет практически бесполезной. Правильный подход должен быть следующим: найти одно бизнес-подразделение, работу которого можно существенно ускорить с помощью управления данными, и вместе с ним реализовать один небольшой кейс-прототип. Важно, чтобы задача, которая решается в ходе внедрения прототипа, была бы довольно значимой для компании. Эффект может быть выражен как в снижении затрат на решение проблемы, так и в сокращении сроков. При этом демонстрировать лучше всего подход к решению задачи и результаты, а не программное обеспечение, которое помогает ее реализовать. Обязательно наличие поддержки со стороны руководства для оперативного прохождения любого рода административных барьеров, которые могут не дать развиться инициативе. Кроме того, весь набор задач должен быть решен за 2-3 месяца –затягивание может привести к смене бизнес-фокуса и потере интереса к проекту. Если первый прототип оказался успешным, то на его основе нужно выстроить первичные регламенты в области Data Governancе и перейти к тиражированию практики по управлению данными. К работе с системой управления данными можно подключать новые и новые бизнес-подразделения, при этом описание данных компании будет пополняться за счет дополнительных бизнес-кейсов. Постепенно будет расширяться набор проверок качества данных, понадобится внедрить функции поиска и запроса данных, одновременно будут выявляться и неиспользуемые структуры данных. В итоге шаг за шагом компания будет реализовывать новые инициативы Data Governancе. При этом прекрасно понимая, какой эффект получает, какое именно бизнес-подразделение пользуется плодами этой работы.

Когда руководитель компании принимает решение о реализации проекта в сфере управления качеством данных, одни из самых первых вопросов — сколько будет стоить проект, какие проблемы мы решим благодаря этим инвестициям, сколько удастся заработать или сэкономить? Существует несколько моделей расчетов, которые показывают, насколько оправданы будут для компании вложения в качество данных. Так, если исходить из того, что стоимость некачественных данных для большинства компаний составляет от 15% до 25% от выручки, можно рассчитать на конкретных цифрах, какой процент выручки постоянно упускает организация. Также можно посмотреть, сколько человеко-часов теряет фирма из-за того, что ее сотрудники занимаются поиском достоверных данных и отсевом некачественных — этот показатель может достигать 50% рабочего времени. При оценке инвестиций в такие проекты учитывается правило 1:10:100. Так, если затраты на предупреждение инцидентов эквиваленты одной единице работы, то затраты на исправление брака и переделки — уже десять единиц. Если проблему не решить, то последующие убытки и последствия могут достичь ста единиц. Другими словами, выгодно инвестировать в качественные процессы и обучение сотрудников, чтобы избежать ошибок и предотвратить возможные проблемы с клиентами и испорченной репутацией. Источник: РБК Компании

Компания «Дата инновации» представила новую версию многофункциональной платформы для интеграции, обеспечения качества и маскированию данных «Плюс7 ФормИТ». В версии 1.5.1 платформы пользователям стал доступен более широкий набор совместимых систем управления баз данных. Обновленная платформа поддерживает последние версии PostgreSQL, Greenplum, Hadoop и некоторые российские сборки на их основе. Решение позволяет настроить процессы наполнения хранилищ и озер данных и обмена информацией в гетерогенной инфраструктуре заказчиков. Кросс-отраслевая платформа «Плюс7 ФормИТ» используется для интеграции, сбора и обмена корпоративными данными любого формата и сложности, обеспечения качества данных, их обогащения, а также защиты данных путем их маскирования. С ее помощью компании могут создать единое цифровое пространство и повысить эффективность работы с данными: консолидировать их и оперативно обмениваться ими внутри организации, с партнерами и клиентами. Решение помогает интегрировать информацию из множества корпоративных ресурсов, включая файлы, веб-формы и электронную почту. Олег Гиацинтов, генеральный директор «Дата инновации» сказал: «Платформа «Плюс7 ФормИТ» за короткий срок завоевала доверие наших клиентов, ее используют крупнейшие российские банки, промышленные предприятия и торговые компании для эффективной работы с корпоративными данными. С момента запуска в 2022 г. решение постоянно совершенствовалось. Обновленная версия позволит расширить спектр возможностей пользователей по интеграции с базами данных на основе open source-решений». Источник: CNews

Эксперт Гиацинтов: ИИ поможет улучшить результаты лечения пациентов Технический директор DIS Group Олег Гиацинтов в среду, 10 апреля, рассказал «Известиям», как технологии искусственного интеллекта (ИИ) могут использоваться в здравоохранении. По словам эксперта, сегодня наблюдается активная интеграция ИИ во все сферы жизни: здравоохранение, финансы, образование, производство и другие. Это связано с тем, что ИИ может улучшить эффективность работы, снизить влияние человеческого фактора, а также улучшить качество принимаемых решений. «Например, в здравоохранении системы ИИ могут использоваться для диагностики и лечения различных заболеваний, анализа медицинских изображений, обучения медицинского персонала. Это поможет улучшить результаты лечения пациентов, сократить расходы на здравоохранение и сделать процессы более эффективными» — сказал Гиацинтов. Однако, по его словам, для грамотного функционирования системы ИИ необходимы качественные и актуальные данные. «Это позволит алгоритмам правильно анализировать информацию, принимать верные решения и избегать ошибок. Поэтому важно иметь доступ к большому объему данных и обеспечить их качественную обработку. Для обучения и работы ИИ важно обеспечить сбор, обработку и анализ данных. Также необходимо постоянно обновлять данные, чтобы модель могла адаптироваться к новым ситуациям и условиям», — отметил эксперт. 15 марта директор по онлайн-обучению НИУ ВШЭ Юлия Ремезова рассказала «Известиям», что технологии ИИ активно используются в образовании. В частности, ИИ нашел свое применение как в рамках самой учебы, так и в задачах сопровождения учебного процесса и в исследовательской деятельности. Например, студенты могут с помощью искусственного интеллекта переводить тексты с иностранных языков, составлять структуру научной работы, обрабатывать большие объемы информации, вычленяя из них самое важное. Эти навыки крайне необходимы для анализа научной литературы. Преподаватели, в свою очередь, могут с помощью таких моделей готовить подборку источников по теме занятия, автоматизировать процесс проверки студенческих работ, создавать интересные кейсы и новые контрольно-измерительные материалы. Источник: “Известия”

В любой компании есть так называемые чувствительные данные – это конфиденциальная информация, которую нужно особенно тщательно защищать, чтобы она ни в коем случае не попала в руки злоумышленников. Это могут быть, к примеру, коммерческие показатели, персональная информация о сотрудниках и клиентах, стратегические планы по развитию бизнеса и так далее. Учитывая растущий объем хакерских атак, крупные компании вынуждены постоянно усиливать направление кибербезопасности. Государство со своей стороны также ужесточает ответственность бизнеса за утечку персональных данных: так, в Госдуме сейчас рассматривается законопроект, который вводит серьезные штрафы для юридических лиц, допустивших утечку, а в некоторых случаях даже предусматривает уголовную ответственность для руководителей. Одновременно для повышения конкурентоспособности бизнеса важна постоянная разработка новых сервисов, новых решений, а также совершенствование уже имеющихся продуктов. Проблема в том, что такую разработку невозможно сделать без использования чувствительных данных. И как быть в случае, если для создания нового мобильного решения, доработки внутренней ИТ-системы или тестирования новой концепции приходится привлекать аутсорсинговую компанию, системного интегратора или фрилансеров? Риск утечек данных возрастает в разы. В таком случае основной вариант решения — это создавать тестовые среды с данными, которые не имеют никакого отношения к реальному бизнесу, но это может не лучшим образом сказаться на работоспособности новых решений. Никому не интересно, вложив миллионы в разработку нового ПО, столкнуться с тем, что оно работает совсем не так, как ожидалось. А все потому, что реальная база данных содержит набор параметров, отличный от того, который использовался разработчиками в тестовой среде. Другими словами, бизнесу нужно решать, по сути, противоположную задачу: с одной стороны, максимально защитить данные, а с другой – дать внешним и внутренним ИТ-специалистам релевантную информацию для создания новых качественных продуктов. Справиться с этой задачей помогают решения по маскированию (или деперсонализации) данных. В этом случае данные изменяются таким образом, чтобы сохранить их структуру и смысл, но сделать невозможной идентификацию. Например, решение по маскированию должно заменить несколько цифр в реальном номере телефона на другие в случайном порядке. Но структура телефонного номера и назначение этой комбинации цифр (телефонный номер, а не, допустим, адрес дома) будут сохраняться. Тут нужно пояснить, что в некоторых случаях часть данных не является критическими, но при их дополнении попадает под задачу деперсонализации. Скажем, номер телефона не является критически важной информацией, но, когда он дополнен ФИО, уже является таковым. И тогда решения по маскированию дают возможность сохранить конфиденциальность информации и выполнить законодательные требования по защите персональных данных. Именно поэтому в госсекторе, медицине, банковской сфере, ритейле и в других отраслях, где накапливается много конфиденциальной информации, растет интерес к решениям по маскированию данных. Издание CNews в прошлом году даже представило первый в России рейтинг подобных систем данных. В числе ведущих решений на российском рынке, вошедших в рейтинг, есть продукт DIS Group – Плюс7 ФормИТ Маскинг. Это комплексное программное решение, разработанное специалистами в области информационной безопасности, которое позволяет создать в организации централизованную «фабрику обезличивания». Плюс7 ФормИТ Маскинг предназначен для создания анонимизированных копий баз данных с использованием различных методов маскирования. С его помощью можно заменять конфиденциальные данные (такие как имена, адреса, номера телефонов) на фиктивную информацию, одновременно сохраняя структуру и целостность базы данных. При выборе решений по маскированию аналитики, составившие рейтинг, предлагают ориентироваться на следующие критерии: функциональность системы, варианты лицензирования, поддерживаемые СУБД, поддерживаемые языки программирования, минимальные системные требования к серверу. Есть и еще несколько параметров, на которые стоит обратить внимание при выборе систем. Один из них – качество данных. Так, Плюс7 ФормИТ Маскинг благодаря интеграционному движку позволяет эффективно создавать тестовые среды вне зависимости от того, какой источник данных для этого используется. И что самое главное – в этих тестовых средах сохраняется то же самое качество данных, которое было в системных источниках. А ведь качество данных – это один из самых ключевых аспектов, именно он определяет целесообразность использования тех или иных данных в целом. В состав решения Плюс7 ФормИТ Маскинг включен пакет, который занимается глубоким изучением или профилированием данных – так называемое частотное изучение качества. Он помогает оценить, соответствуют ли данные требуемым критериям, привести разрозненные данные к единому стандарту в соответствии с задачей. Благодаря этому инструменту, в частности, можно выявить все чувствительные данные в источниках, которые нужно замаскировать, ничего не пропустив, а затем правильно выстроить систему настройки обезличивания этих данных. Кроме того, в Плюс7 ФормИТ Маскинг встроена опция по валидации данных, которая позволяет проверить сохранность качества данных и то, насколько хорошо они защищены. Этот инструмент предоставляет уникальные возможности по автоматизации тестирования различных интеграционных процессов и позволяет существенно сэкономить трудозатраты и сроки тестирования всего проекта в целом. Еще один критерий выбора системы по маскированию – количество механизмов по обезличиванию данных, которое встроено в решение. Так, продукт от DIS Group работает практически со всеми механизмами по обезличиванию данных – от самых простых до самых сложных. При этом пользователь может самостоятельно указать, какие именно механизмы необходимо использовать для того или иного типа данных. Например – для фамилий в базе данных можно применять один механизм, а для дат рождений – другой. В компаниях очень часто возникают ситуации, когда разрабатываемое в тестовой среде решение затрагивает не одну, а несколько ИТ-систем внутри компании. Причем они могут быть ничем не связаны между собой, кроме, например, номера паспорта клиентов. А это критичная информация, и значит, она должна быть замаскирована, но таким образом, чтобы ее можно было легко использовать в любой из тестовых сред. Удобно, когда информация, которая подвергается маскированию, сохраняет единообразие. К примеру, все «Ивановы» в базах данных при маскировании заменяются на «Степановы». То же самое касается и других типов данных – адресов, телефонных номеров и так далее. Поэтому важной особенностью продукта Плюс7 ФормИТ Маскинг является возможность создания единой среды обезличивания. Продукт позволяет получать логически связанные между собой тестовые среды. Это очень удобно не только для разработчиков, но и для специалистов, которые проверяют эти тестовые среды. У DIS Group есть примеры использования решения Плюс7 ФормИТ Маскинг в различных компаниях, в том числе крупных организациях. После внедрения процесс создания новых продуктов в компаниях в среднем ускорился в 3-5 раз, а процесс проверки тестовой среды – в 8-10 раз. Это дает колоссальное преимущество с точки зрения скорости вывода на рынок новых сервисов и решений. Еще одним преимуществом при внедрении Плюс7 ФормИТ Маскинг является возможность создания тестовых сред с маскированными данными в тех же самых системах, откуда были получены исходные данные. При этом все данные обрабатываются в памяти аппаратного обеспечения, благодаря чему не создается дополнительной нагрузки на инфраструктуру для хранения временных данных. Источник: TAdviser

Российским организациям, взявшим курс на импортозамещение информационных и цифровых технологий, придется обеспечить независимое развитие корпоративной культуры принятия решений на основе данных. После ухода западных вендоров российские организации вынуждены не только обеспечивать импортозамещение внутри своих ИТ-ландшафтов, но и перестраивать свою корпоративную культуру. И речь не столько о том, чтобы приспособиться к отечественным продуктам и технологиям, сколько о том, чтобы жить своим умом, не воспринимать рекомендации и прогнозы западных аналитиков как истину в последней инстанции и добиваться новых успехов в бизнесе благодаря разумному применению цифровых и ИТ-инноваций в конкретной компании. Широкий разговор об этом пойдет на ближайшем форуме Data&AI 2024.

Предложенная западной ИТ-индустрией концепция управления бизнесом на основе данных (data-driven) исходит из того, что, опираясь на качественные данные и полученные на их основе выводы, руководители могут принимать более эффективные решения, что в конечном итоге благоприятно отражается на ключевых бизнес-показателях и результатах. Так эта концепция выглядит в теории. Тем, кто ее реализует на практике, приходится сталкиваться с множеством нюансов, в том числе связанных с местными традициями и особенностями. Константин Шабалин, владелец продукта в департаменте аналитических решений ГК «Корус Консалтинг», отмечает несколько существенных различий между западным и российским стилями работы с данными и информацией. «Первое: для западной культуры свойственно первостепенное значение придавать процессу и подстраиваться под технологическую платформу, тогда как российские компании больше концентрируются на результате, — поясняет Шабалин. — Второе различие — в выборе цели работы с данными: в западных компаниях бизнес больше склонен искать новые источники доходов, тогда как в российских компаниях в первую очередь стремятся получить осязаемый результат — увеличить доходы или снизить издержки. Третье существенное различие связано с визуализацией: если западным менеджерам привычнее работать с иллюстрациями и картинками, то в России тяготеют к таблицам». По мнению Елены Александровой, директора по продуктам GoodsForecast, корни различий в подходах к работе с данными следует искать в исторически сложившихся способах управления и особенностях организационной культуры. Например, в России решения часто принимаются централизованно, при этом информация достаточно закрыта, ею не принято делиться, в том числе из соображений безопасности. Кроме того, качество имеющихся данных нередко вызывает сомнения, отсюда и определенное недоверие к ним со стороны бизнеса, и высокий риск ошибок в работе механизмов ИИ при решении задач прогнозирования и сценарного анализа. Впрочем, проблемы с качеством накопленных данных есть и во многих международных организациях. Олег Гиацинтов, технический директор DIS Group, считает нецелесообразным делить корпоративную культуру на «западную» и «не западную»: «В мире сложился определенный “золотой стандарт” подходов к бизнесу, управлению, цифровой трансформации и управлению данными как частью этой трансформации. Этот стандарт формировался усилиями компаний из разных стран и континентов. Что-то, конечно, привнесли и российские специалисты и предприниматели. В разных странах наблюдается разный процент компаний, следующих этому стандарту, их доля зависит от множества факторов». Кроме того, добавляет Гиацинтов, российский бизнес в целом — явление намного более молодое, чем бизнес в Европе и США: «Существует определенный путь перехода к культуре data-driven, и на то, чтобы его пройти, нужно время. В России руководители и собственники по привычке принимают решения на основе интуиции. При этом рядовой менеджмент не вполне осознает ценность данных и важность принятия решений на их основе, да и не так много тех, кто знают, как правильно работать с данными. На преодоление всех этих препятствий нужно время». Полную версию статьи читайте на сайте Открытые системы.