«Грязные» данные грозят похоронить любой проект, основанный на аналитике. Но в подавляющем большинстве проектов управлению качеством данных сегодня уделяется катастрофически мало внимания. На конференции «Качество данных 2020», которую издательство «Открытые системы» проведет 5 февраля, недостаток знаний в этой области восполнит, в частности, Алексей Незнанов, доцент департамента анализа данных и искусственного интеллекта НИУ ВШЭ.

- Что такое качество данных?

Это комплексная характеристика, которую присваивают наборам и источникам данных, чтобы более-менее адекватно их сравнивать и использовать для конкретных целей. Это область серьезных исследований, где наработан глоссарий, тезаурусы и, главное, для типичных применений в бизнесе есть готовые метрики и популярные инструменты. Качество всегда контекстно зависимо и целезависимо. Характеристики качества для наборов данных и источников, откуда можно черпать новые данные, сильно разнятся.

- Какие существуют градации качества?

Существует только градация отдельных показателей, так как различные показатели могут быть противоречивыми. В большинстве моделей качества данных основными аспектами являются полнота, непротиворечивость (целостность) и актуальность. В каждом аспекте выделяют до 20 параметров. Например, для полноты примером параметра является объем данных, для актуальности — дата последнего обновления, для непротиворечивости — процент доказанных ошибок оператора.

- При каких условиях возможна очистка данных?

Условия зависят от уровня агрегирования и этапа анализа. На уровне первичных данных достаточно нормальных систем ввода (с проверкой и контролем ошибок) и аудита первичного ввода. Но аудит желателен двухэтапный — сначала выборочная проверка отдельных записей, а потом «аудит аудита».

Дальше начинаются проблемы. Нужен доступ ко всем элементам данных, значит, возникает вопрос о правах доступа к персональным данным, ноу-хау и другим «секретам». Особенно печальна ситуация с персональными данными, потому что повсеместное применение защищенных хранилищ персональных данных, к которым несколько организаций имеют доступ и возможность автоматически восстанавливать привязку данных, в России пока остается только мечтой.

На следующем уровне проблема связана с правильностью вычисления агрегирующих функций — среднего, медианы, экстремумов, перцентилей, квантилей. В ходе каждой из попыток что-то вычислить нужно контролировать, что происходит с характеристиками качества, особенно с точки зрения учета выбросов. Отсюда растущая популярность робастной статистики, методы которой менее чувствительны к выбросам и ошибкам. И это при том, что мы еще не касаемся временных рядов, цензурирования данных и т.п.

Наконец, при гармонизации нескольких наборов данных возможность очистка зависит от наличия и качества справочников, достаточности метаданных, качества схем.

- Каковы основные методы повышения качества данных?

Самый главный способ повышения качества — постоянный контроль за данными. Нужно, чтобы отслеживание мельчайших характеристик качества данных происходило через маленькие промежутки времени между проверками. Но это сложно и дорого, поэтому обычно чем-то пренебрегают и начинают по отдельности оценивать достаточность, непротиворечивость и корректность, причем только в ключевых точках. При этом обычно предпочитают аудит данных и выборочные проверки.

В юридических документах, особенно в судебных решениях, где цена ошибки очень высока, приходится проводить специальный аудит и кросс-проверку по результатам. Некоторые компании следят за качеством своих юридических документов, пытаются связывать их с мастер-данными и оценивать качество этих связей. А другие просто их накапливают, и непонятно, насколько они корректны.

Сотрудникам нужна мотивация для того чтобы обеспечивать повышение качества данных. У нас же во многих областях мотивация со знаком минус: выгодно делать данные плохого качества. Например, в медицинских записях о манипуляциях с пациентами около 30% ошибок — это ошибки намеренные, поэтому качество большинства наших клинических данных, по мнению экспертного сообщества, никуда не годится.

- Можно ли сказать, что какой-то из методов эффективнее других?

Нет. Иногда нужен контроль ввода, иногда многоступенчатый аудит, поскольку аудиторы первого уровня сами готовы внести неправильные данные. В некоторых случаях очень хорошо работают методы автоматического аудита, потому что есть метаданные, онтологии, глоссарии. А иногда ничего этого нет. Поэтому надо обязательно смотреть сначала на то, какова цель, а потом на контекст.

Люди, принимающие решения о разработке аналитической системы, должны сформулировать требования к качеству данных. Затем качество реальных данных проверяют на соответствие корпоративной политике качества данных и определяют, что необходимо сделать, чтобы достичь удовлетворительного качества.

- А насколько в российских компаниях распространена политика качества данных?

Обычно такая политика, а также управление качеством данных появляются сразу после того, как проваливается первый проект по внедрению сквозной аналитики. Поняв, что аналитика не работает из-за плохих данных, начинают в авральном порядке работать с их качеством. Через пару лет в хороших организациях организуются соответствующие службы и начинают управлять качеством — в первую очередь мастер-данных. Ну а в плохих организациях добиваются решения частной задачи и снова «проваливаются» с качеством в целом.

- На какие «грабли» в этой области наступают регулярно?

Список «граблей» начинается с нежелания изучать первоисточники. В ГОСТах (начиная с ГОСТ 56214 и 56215) есть вменяемая терминология и вполне рабочая методология, и именно ее применяют основные поставщики решений для работы с качеством данных. Разное понимание терминов, используемых в работе с данными, приводит к тому, что на верхнем уровне принятия решений начинается сумбур.

Следующая стандартная ошибка — несоответствие уровня качества данных конкретным задачам. Очень часто либо задают слишком высокий уровень и не достигают его, либо, наоборот, устанавливают чересчур низкий уровень, и тогда не работают системы аналитики.

Яркий пример — сочетание друг с другом наборов данных с разными характеристиками качества, так что после гармонизации вообще невозможно ничего сказать о качестве полученного набора данных. Причем в этот момент ему очень часто присваивают характеристики качества наобум. Чтобы оценить изменение качества при слиянии данных и выстраивании иерархических связей, следует использовать специальные методы и привлекать экспертов.

- Эксперт по качеству данных — кто это?

Есть три вида экспертов. Первый — специалисты по статистике, второй — эксперты в конкретной предметной области, работающие с данными в этой области. И третий — специалисты по методологии анализа и обработки данных, таких экспертов приходится привлекать, если нужна проверка своих действий, либо если штатный специалист не справляется со сложными проблемами. Для крупной организации грех не иметь своего специалиста по настройке системы управления качеством данных.

Адекватный директор по данным в первую очередь добьется принятия политик: сначала по управлению данными, а потом по управлению качеством данных — как ее части.

- На что следует опираться при разработке политики управления качеством данных?

На цели бизнеса, текущие задачи и контекст существования организации. В основе методологии лежат стандарты, где указано, как вычисляют характеристики, какие есть метрики. Но этого мало, необходимо определиться, зачем сейчас нужны данные в организации. Может, и не нужны.

- То есть политику нельзя просто «списать» у тех, кто этот путь уже прошёл?

Списать — плохой вариант. Разве что, у кого-то работающего в той же области и с такими же бизнес-целями. Такое возможно: уже есть достаточно хорошие платные каталоги политик управления качеством.

Например, при организации сети Open Knowledge Foundation сделали руководства по управлению качеством, по оценке качества и отраслевой стандарт оценки качества источников открытых данных. Даже делаются каталоги, в которых обозначены уровни качества источников данных.

- Какие проблемы управления качеством данных еще не решены?

Главный вопрос — анализ качества больших данных. Когда из-за недостатка времени и вычислительной мощности использовать сложные методы нереально, встает вопрос, как это сделать приближенно и насколько пострадает при этом качество. Здесь много чего предложено, но стандартных решений пока нет.

Перманентно актуальная область — работа с неструктурированными данными и с текстами на естественном языке. Генерировать тексты на абсолютно любые темы стало так просто и дешево, что скоро мы будем завалены фейками — погуглите веселый сайт TalkToTransformer.

- О чем вы расскажете участникам конференции?

Моя задача показать, что качество данных — не просто серьезная область, но в ней уже многое наработано и имеются готовые решения: инструменты, которые оценивают качество данных по куче метрик, помогают аудиторам, оценивают возможные последствия гармонизации данных. Эти инструменты надо использовать, чтобы не попасть впросак с управлением данными и знаниями.

Как грамотно управиться с нарастающей волной данных, перейти к дата-центричному подходу в ИТ-архитектуре и стать бизнесом, направляемым данными (data-driven)? Подсказки консультантов, методологии, вдохновляющие примеры превращений производственных компаний в поставщиков цифровых услуг, выступления экспертов по нормативному регулированию персональных данных — все это на прошедшем при полном аншлаге форуме «Управление данными 2019», организованном издательством «Открытые системы».

Подсказки от KPMG

Для тех, кто занимается проектами, связанными с искусственным интеллектом, качественные данные — постоянная головная боль. В одном из ключевых докладов форума от компании KPMG, средствам избавления от этой «боли» было отведено центральное место.

KPMG рекомендует для начала навести порядок, разобравшись в мета-данных и их сущности для бизнеса. Кроме того, монетизация данных, получение выгоды от них, должны стать частью стратегии компании на уровне ее высшего руководства. Не случайно директор по данным (Chief Data Officer, CDO) обычно подчиняется непосредственно руководителю компании, иначе запускать центры монетизации данных и кросс-функциональные команды, работающие с данными, просто невозможно.

Еще один крайне важный момент — в компаниях нередко возникают своеобразные «очаги инноваций», однако знание о том, что именно в них происходит, похоронено внутри этих маленьких команд. «Пиарьте инициативы, связанные с данными, рассказывайте о них внутри компании, рассказывайте снаружи, — призвала участников форума Алена Дробышевская, директор, руководитель направления «Умные технологии» KPMG. — Иногда бывает проще услышать что-то снаружи, чем изнутри».

Бизнесу следует быть готовым к смене бизнес-модели. Одно из самых тяжелых требований для традиционных компаний — быть открытыми для новых возможностей. Им чрезвычайно трудно воспринимать информацию как актив, который можно продавать или строить продукты на его основе. Тем не менее в компании непременно должны найтись люди, которые такие вещи придумывают.

Волшебное превращение

Компании AkzoNobel повезло — такие люди у нее были, и эффект их деятельности оказался весьма неожиданным.

Пример AkzoNobel крайне любопытен. Благодаря сбору и обработке накопленных данных производитель лаков и покрытий стал еще и разработчиком программного обеспечения, и поставщиком информационных услуг. Обрастание корпусов морских судов ракушками и водорослями со временем приводит к заметному увеличению расходов на топливо, поэтому прогнозирование этих процессов пользуется спросом у владельцев судов. Идея сбора соответствующих данных принадлежала двум ученым, начавшим эту работу еще в 1972 году. С 2009 года AkzoNobel начала собирать действительно большие данные, несмотря на отсутствие понимания, как удастся их использовать, да и удастся ли вообще. В течение нескольких лет, обновлясь каждые 15 минут, в компании копились данные о 25 тыс. судов и 8 параметрах окружающей их среды. В 2015 году на рынок вышел первый программный инструмент по предсказанию потребления топлива морскими судами. Вслед за этим у лакокрасочной компании неожиданно появился спрос на ее ИТ-инструмент предсказательной аналитики со стороны портов. Теперь AkzoNobel — поставщик информационного сервиса для судов и портов, заинтересованных в информации, помогающей предотвратить занос в акваторию порта опасной микрофлоры.

Персональная неопределенность

Несмотря на то, что персональные данные не обделены вниманием законодателей, до сих пор многое остается неясным, начиная собственно с определения персональных данных и степени, до которой их следует обезличить, чтобы получить возможность использовать в коммерческих целях.

«Есть колоссальная правовая неопределенность в вопросе, кому принадлежат персональные данные, том числе те общедоступные данные, которые сам субъект ввел в оборот, — подчеркнула Александра Орехович, директор по правовым инициативам ФРИИ. — И все вопросы очень острые». Исходя из духа закона, законодатель относит личные данные к собственности самого человека, но поскольку механизм распоряжения ими не урегулирован, человек себя собственником не чувствует.

Александра Орехович: «Сохраняется колоссальная правовая неопределенность в вопросе, кому принадлежат персональные данные»

Неудивительно, что фактический объем российского рынка данных примерно в 50 раз меньше, чем его потенциал. Но самое неприятное для бизнеса — массовое недоверие. По данным исследования Ipsos и Всемирного экономического форума, более половины пользователей готовы отозвать свои персональные данные и более не предоставлять их никому и не при каких условиях. Только 46% опрошенных готовы предоставлять персональные данные на условиях монетизации или получения преференций. Еще печальнее результат прошлогоднего опроса ВЦИОМ: 70% граждан уверены, что их данные бессовестно крадутся. По мнению Орехович, это прямое следствие правовой неопределенности и невозможности узнать, кто какие данные куда передает и с какой целью. Четкое ощущение, что данные им не принадлежат, приводит к тому, что клиенты не желают подписывать согласие на обработку персональных данных — с этой проблемой уже сегодня сталкивается малый бизнес.

Для решения этих вопросов готовится ряд поправок в действующее законодательство, в том числе по инициативе ФРИИ. «Мы считаем очень важным предоставить самому субъекту информацию о том, какие его данные обрабатываются, а также возможность их отозвать, — заявила Орехович. — Это уже существующая практика, несмотря на утверждения некоторых компаний, что это невозможно или очень дорого».

Исследование ФРИИ показало, что создание такого механизма обойдется российскому оператору персональных данных приблизительно 600 тыс. руб. — подъемная сумма, если бизнес заинтересован в вовлечении пользовательских данных в хозяйственный оборот. Это станет хорошей основой и для взаимодействия операторов, дав им возможность обогащать свои данные.

В центре ИТ-инфраструктуры

Каждая технология работы с данными эффективна в своей нише: реляционные СУБД хороши для хранения временных рядов и транзакционных данных,  базы NoSQL для неструктурированых документов, а технологии Big Data позволяют хранить большие объемы редко изменяющихся данных. «Нужно взять лучшее от каждого продукта и объединить в целостную логическую структуру, обеспечив связность, быстроту обработки, гибкое управление структурой и так далее», — говорит Сергей Горшков, директор компании «ТриниДата». По его мнению, на дата-центрический подход в построении ИТ-инфраструктуры следует переходить эволюционно. Первый шаг на этом пути — создание логической витрины данных, второй — построение хранилища данных, с которым будут работать приложения. Ключевым компонентом такой архитектуры для управления корпоративными данными являются онтологические модели, позволяющие хранить не только структуру данных, но и правила их обработки.

В мире интерес к решениям по управлению данными на основе онтологий и дисциплине «граф знаний» (Knowledge Graph) бурно растет, этот рынок стремительно развивается. В России, по словам Горшкова, тоже ожидается рост спроса на подобные решения не менее 100% в год. Онтология позволяет справится с описанием структуры данных любой степени сложности (десятков тысяч сущностей и связей между ними) и выстроить структуру данных на основе концептуальных представлений бизнес-пользователей, сделав ее интуитивно понятной.

Воплощением этой идеи стала платформа «АрхиГраф» — связующее ПО для доступа к данным, которая в совокупности с другими компонентами образует инфраструктурный слой единого корпоративного хранилища данных. «Нашей задачей было совместить мощь онтологий и лучшие существующие технологические наработки», — пояснил Горшков. «АрхиГраф» позволяет организовать логическую витрину данных для доступа к информации из унаследованных систем и построить кластер мультимодельного хранения данных, в котором начнет копится последующая информация.

На краю бизнеса

По прогнозам аналитиков, уже к 2022 году три четверти корпоративных данных будут создаваться и обрабатываться за пределами ЦОД и облаков — периферийными, или граничными (edge) решениями. Предполагается, что граничные вычисления не только освободят корпоративные сети от необходимости передавать большие объемы данных и позволят оптимизировать инфраструктуру обработки неструктурированных данных, но и существенно повлияют на решения по управлению данными.

Как сообщил технический консультант компании Atos Алексей Коваленя, некоторые консалтинговые компании предлагают свыше ста сценариев потенциального использования граничных вычислений. К примеру, первичная обработка данных «на месте» актуальна для систем компьютерного зрения, аналитики в реальном времени, а также обеспечения безопасности на границе сети. Специально для периферийных вычислений Atos выпустила в апреле 2019 года однопроцессорный сервер BullSequanna Edge с достаточно широким температурным диапазоном, в который можно поставить два дополнительных графических процессора для решения задач искусственного интеллекта. Сервер предназначен для работы вне ЦОДа, поближе к источнику данных. В компании Maersk, занимающейся морскими контейнерными перевозками, в течение трех месяцев тестировали BullSequanna Edge в комплексе с программным обеспечением Seimence Marine для Промышленного интернета. Это позволило добиться экономии топлива и улучшения экологических показателей.

Бизнес, движимый данными

Форум «Управление данными 2019» — не только концептуальные доклады и практические выступления, но и рабочая площадка для встреч с потенциальными партнерами и создания новых деловых связей. Так, Андрей Коньшин, руководитель проектов клиентского сервиса «МегаФон», пригласил к сотрудничеству и проведению пилотных проектов ИТ-компании, занимающиеся большими данными. В «МегаФоне» сегодня активно развивают инструменты на основе искусственного интеллекта: виртуальных голосовых помощников, речевую аналитику и роботов, продающих услуги.

Важнейшую роль для увеличения доли data-driven бизнеса в российской экономике будет играть наличие развитой методологии. В компании «Юнидата» завершают научное редактирование первого русского издания методологии, сформированной Международной ассоциацией по управлению данными (DAMA) — DMBOK 2.0. «Это книга, которую надо прочесть всем», — рекомендует генеральный директор «Юнидата» Сергей Кузнецов. Выход издания в свет ожидается в ноябре 2019 года.

Дискуссия о важности новых технологий для бизнеса ведется уже несколько десятилетий. Тем не менее все эксперты, аналитики и практики сходятся в одном: чем бы ни занималась ваша компания, ее основной цифровой актив – это данные. Они помогают принимать решения, рассчитывать наиболее выгодные траектории развития и выстраивать стратегии. Но для того, чтобы данные работали, должен быть специалист, который мог бы ими управлять. Должность такого специалиста называется Chief Data Officer, или – директор по данным.

Gartner: к 2020 году 15% CDO займут позиции топ-менеджеров

За рубежом эта должность известна уже достаточно давно: в крупных ИТ-организациях или бизнес-корпорациях она существует на протяжении нескольких лет. Аналитики Gartner, к примеру, считают, что в ближайшем будущем в зарубежных компаниях ожидается резкий рост подобных позиций. Прогнозируется, что к 2020 году 15% таких руководителей займут позиции топ-менеджеров — директоров по маркетингу, операционных или генеральных директоров.

В России функции и полномочия Chief Data Officer официально были определены Минэкономразвития только весной 2018 года. В частности, согласно документу, директор по данным должен отвечать за разработку и реализацию стратегии цифровой трансформации, формирование корпоративного центра компетенций в сфере цифровых технологий и обеспечение лидерства в управлении изменениями, связанными с внедрением сквозных цифровых технологий. Это определение ближе к зарубежному Chief Digital Officer – директора по цифровым технологиям. Отличие между ними довольно прозрачно: например, Джо Маккендрик, независимый аналитик и автор ряда зарубежных IT-изданий, считает, что данные – это компонент более широкой инициативы – цифровизации организации. Это помогает и разделить зону ответственности двух руководителей: Chief Data Officer должен больше заботиться о данных, о том, как они создаются, обрабатываются, насколько хорошо они защищены. А директор по цифровым технологиям должен фокусироваться на общей стратегии цифровизации компании.

Компетенции и зона ответственности

Большинство экспертов сходится во мнении, что компетенции, роль и функции CDO отличаются от компании к компании в зависимости от ее потребностей. «Некоторые организации ограничивают зону ответственности CDO исключительно техническими вопросами: например, поиском данных, анализом процессов, построением архитектуры данных, управлением качеством данных, их жизненным циклом, наконец, защитой данных, – считает Юрий Скачков, генеральный директор Hitachi Vantara. – Однако сейчас лично я наблюдаю тенденцию к сближению технической и бизнес-сфер. CDO отдается больше свободы и в построении бюджета, и в разработке стратегии компании. Конечно, большинство российских компаний запускают пилотные проекты, пробуют почву. Плоды таких смелых шагов мы будем пожинать через несколько лет».

Тем не менее можно определить несколько приоритетных направлений работы, которые дублируются в разных компаниях. Так, CDO отвечает за качество данных, манипуляции над данными, управление основными данными. Также на его плечах лежат информационная стратегия, наука о данных и бизнес-анализ. Понятно, что с такими обязанностями директору по данным требуется техническое образование: например, математическое или инженерное. Далеко не лишней будет и маркетинговая подготовка, которая поможет при выстраивании бизнес-процессов и продвижении цифровых активов организации.

В каких сферах нужны?

На сегодняшний день большинство компаний задумываются только о части цифровых проектов, в особенности той из них, которые связаны с данными. С этим фактом связаны и мероприятия, направленные на освещение деятельности директоров по данным, их компетенций и опыта. Один из таких примеров – премия CDO Award 2019, вручение которой прошло в рамках форума Big Data 2019. Исходя из списка номинантов премии, можно с уверенностью сказать: CDO востребованы практически везде.

«Аналитики сходятся во мнении, что рынок вступил в стадию формирования экосистем, в рамках которых все действующие лица будут получать удобные и взаимовыгодные сервисы, — считает Азат Шамсутдинов, директор по цифровым технологиям Sever.AI. — Финтех эту стадию уже практически прошел, а остальным направлениям предстоит преодолеть этот путь. Логичным продолжателем пути пионеров становится HR-сфера, включая поиск и подбор сотрудников».

Роль CDO в современных цифровых компаниях является одной из ключевых

Полезны CDO будут и в ресторанном бизнесе. «Сеть Burger King начала бурно развиваться с 2012 года, тогда у нас было несколько десятков ресторанов и появился стратегический партнер, — рассказывает Максим Шарапов, директор департамента ИТ «Интернэшнл Ресторант Брэндс». — Получив финансирование, сеть начала экспансию. <…> Базисом всей дальнейшей работы была подготовка единого источника данных, необходимого для последующего внедрения цифровых сервисов. Мы приняли решение внедрять ERP-систему, объединив в единой базе разрозненные данные различных подразделений. Более того, ERP стала системой мастер-данных. Таким образом был создан фундамент для дальнейшей цифровой трансформации».

Но пока что наиболее востребованы CDO в финансовом секторе и в телекоме. «“Ростелеком” развивается, и бизнес прекрасно понимает вызовы, которые бросает нам рынок, — говорит Сергей Носов, директор по управлению данными ПАО «Ростелеком». — Мы понимаем, что бизнес-решения нельзя принимать, руководствуясь только опытом и интуицией. Взвешенные, оптимальные решения должны быть основаны на фактах, проверке гипотез реальными данными. Рост бизнеса, расширение продуктового ряда и всеобщая цифровизация приводят к тому, что данных становится все больше и их надо структурировать и систематизировать».

Эти и многие другие кейсы подчеркивают, что роль CDO в современных цифровых компаниях является одной из ключевых. Chief Data Officer позволяет реализовывать инновационные решения и использовать потенциал данных, которые важны не только в контексте представления компании на рынке, но и в контексте повышения прибыли и дальнейшего роста ее бизнеса.

Скачайте прямо сейчас исследование IDC «Аналитика Больших данных как инструмент бизнес-инноваций»!

Гуру в области данных все чаще становятся «стержнем» трансформации цифрового бизнеса.

Организованный компанией Gartner третий ежегодный опрос, в котором приняли участие 287 директоров по данным и главных аналитиков, показал, что директора по данным фокусируются сейчас не только на управлении данными и их качестве. «Теперь они доставляют ощутимые ценности для бизнеса и формируют культуру, управляемую данными, – указала директор Gartner по исследованиям Валери Логан. – С учетом всего этого интересно, что теперь более половины опрошенных директоров по данным подчиняются непосредственно высшему руководству бизнеса: генеральному директору, директору по операциям, финансовому директору, президенту или владельцу, совету директоров, акционерам. К 2021 году подразделение директора по данным в 75% крупных предприятий будет выполнять критически важные функции, сравнимые с функциями ИТ-службы, бизнес-операций, службы управления персоналом и финансовой службы».

В отличие от роли директора по цифровым технологиям (Chief Digital Officier) – которая, по прогнозам Gartner, в ближайшие пять лет исчезнет, – роль директора по данным (Chief Data Officier) во всем мире только растет. Количество организаций, в которых уже создано подразделение директора по данным (официально или неофициально), в 2016 году увеличилось на 23%, а в этом году – на 47%.

В Gartner заявили, что директора по данным становятся влиятельными проводниками изменений и руководят преобразованиями, связанными с данными. Многие (71%) выступают в качестве цифровых консультантов для своего бизнеса; 60% занимаются оценкой внешних возможностей и угроз при формировании стратегии бизнеса; 77% используют данные для предоставления своим компаниям конкурентных преимуществ.

«Устойчивое развитие подразделения директора по данным подчеркивает признание и широкое понимание во всем мире его роли, а также его влияния и ценности для бизнеса, – отметил аналитик Gartner Майкл Моран. – Привлечение новых талантов в условиях усиления ответственности, рост соответствующих бюджетов и позитивное восприятие со стороны высшего руководства иллюстрируют важность той роли, которую директор по данным приобретает все в большем количестве организаций».

Бюджеты, по свидетельству респондентов, также растут. Дополнительным индикатором зрелости является количественный состав подразделения директора по данным.

Вместе с тем, более трети респондентов в числе трех главных критериев успеха назвали «увеличение доходов». Другим показателем успеха директора по данным является явное превалирование создания ценностей над управлением рисков.

«Директор по данным, равно как и любой другой руководитель в области данных и анализа, должен нести ответственность за включение принципов управления данными и анализа в цифровую повестку дня, – указал вице-президент Gartner Марио Фариа. – Сделать это — их право и обязанность».