Intelligent Enterprise: Каковы, по-вашему, перспективы концепции Data Governance в российских реалиях? Способствует ли нынешняя ситуация на корпоративном ИТ-рынке ее широкому распространению?
Александр Тарасов: Можно сказать, что сам этот термин для российского рынка относительно новый, хотя над некоторыми вопросами, решение которых данная концепция подразумевает, отечественным компаниям в последние годы приходилось заниматься довольно плотно. Вместе с тем тема Data Governance сейчас действительно обсуждается все чаще и понимается именно как целостная концепция.
Думаю, что время активного внедрения бизнес-приложений заканчивается. Заканчивается в том смысле, что сейчас уровень функциональной автоматизации приближается к насыщению: бизнес-приложения для автоматизации маркетинга, производства, продаж, финансов и т. п., как правило, уже внедрены и успешно работают. Потенциал получения конкурентных преимуществ за счет инвестиций в бизнес-приложения близок к исчерпанию.
Наступает цифровая эпоха, которую компания Informatica называет Data 3.0, — она определяет корпоративные данные как главный актив, главный драйвер новых возможностей бизнеса. Именно качественное и эффективное управление активом данных является основным вызовом для современных компаний по всему миру.
Российский бизнес также начинает осознавать необходимость решения целого ряда новых задач с тем, чтобы повысить эффективность управления данными.
Дело в том, что прикладные ИТ-системы уже сегодня порождают большие информационные массивы, которые нужно эффективно использовать, и таким образом возникает проблема управления корпоративными данными как целостным активом, в подавляющем большинстве компаний достигшим внушительных размеров.
Нельзя сказать, что это новая для российского бизнеса проблема. Компании уже давно инвестировали и продолжают инвестировать как программные аппаратные комплексы хранилищ данных, так и технологии их обработки и хранения. Но именно сейчас происходит следующее. К руководству благодаря полному или почти полному покрытию автоматизацией функциональных направлений могут поступать любые данные. Ссылки на то, что их не хватает, что в ИТ-пространстве бизнеса есть некие белые пятна или что все ресурсы поглощает работа по внедрению очередной бизнес-системы, имеют все меньшее оправдание. Аппаратных ресурсов хватает (благо они дешевеют и совершенствуются), мощные хранилища создаются или уже созданы и могут предложить любые данные для принятия управленческих решений.
Но при всем том достоверность отчетов или информация, которой обмениваются менеджеры на многочисленных митингах, электронных конференциях и очных совещаниях, остаётся недостоверной, и это всё более очевидно. Внутрикорпоративный термин «токсичные данные» для многих компаний, к сожалению, стал привычным. Многие начинают понимать, что исходные данные имеют низкое качество, а процесс сбора и трансформации тех данных, что попадают в корпоративную отчетность, непрозрачен. И причина здесь вовсе не в хранилищах и не в бизнес-приложениях. Одни и те же данные зачастую создаются в различных приложениях с разными бизнес-требованиями, что приводит к таким проблемам, как плохое качество и дублирование данных, непрозрачность их трансформации, разная трактовка различными подразделениями. Именно для устранения этих проблем компании всего мира начинают обращать серьезное внимание на концепцию Data Governance.
Можно ли привести конкретные сценарии, по которым корпоративные клиенты приходят к пониманию важности концепции Data Governance?
В отраслях, ориентированных на взаимодействие с розничным клиентом, сейчас приобретает популярность концепция Customer 360, или, иными словами, методика получения всех доступных данных о клиенте. При этом нужны полные, не избыточные и достоверные данные, обладающие необходимыми характеристиками доступности. Также они должны быть связаны адекватными конкретной бизнес-задаче механизмами и постоянно находиться в актуальном состоянии. Получить такой ресурс — вот типичная задача внедрения Data Governance.
Если обратиться к добывающему или промышленному сектору экономики, то здесь главным скорее является не клиент, а ключевой актив, вокруг которого строится бизнес. Это может быть нефтяное месторождение или, скажем, производственная линия. Но независимо от того, о какой сущности мы говорим, целью Data Governance является формирование единого, цельного взгляда на нее взамен фрагментированных, как правило, не связанных между собой трактовок данной сущности со стороны отдельных бизнес-подразделений.
Все-таки представляется, что развитие прикладной автоматизации вряд ли закончится на внедрении основных модулей ИТ-поддержки ключевых бизнес-процессов. Наверняка она как-то будет развиваться и дальше…
С этим нельзя не согласиться. Среди дальнейших сценариев прикладной автоматизации можно, пожалуй, назвать широкое внедрение бизнес-аналитики и интеграцию имеющихся в компании прикладных ИТ-систем. Очень большую роль наверняка будут играть технологии Internet of Things, благодаря которым в эпоху цифровой трансформации автоматизация традиционных направлений бизнеса может претерпеть очень серьезные изменения. Однако если обобщить все идеи дальнейшего развития ИТ-поддержки, станет понятно, что все они связаны либо с генерацией неизмеримо больших, чем сейчас, объемов первичной информации, либо с безусловно высокими требованиями к их качеству. Многократный рост первичных данных, происходящий вследствие распространения технологий IoT, является общеизвестным фактом. То, что по крайней мере некоторые виды аналитики очень чувствительны к качеству исходных данных, тоже знают все специалисты.
Более того, именно в результате широкого применения бизнес-анализа, равно как и информационной интеграции, становится особенно ясно, насколько по-разному смотрят на данные различные бизнес-подразделения. Иными словами, дальнейшее развитие прикладной автоматизации только усилит потребность бизнеса в использовании методологии Data Governance.
По сути основной посыл компании Informatica мировому рынку состоит в том, что данные в настоящее время являются основным активом компаний, и мы его полностью поддерживаем, предоставляя клиентам полный перечень продуктов для управления данными.
Какие мероприятия необходимы, чтобы Data Governance стала частью культуры работы предприятия и все предполагаемые ею инициативы могли быть реализованы эффективно?
Для этого нужно выстроить вертикаль управления данными с организационной точки зрения. Прежде всего в компании должна появиться позиция CDO (chief data officer) в виде отдельного топ-менеджера, отвечающего за управление данными. Согласно имеющейся у нас статистике где-то в тридцати процентах случаев уже назначенные CDO находятся на одном уровне с высшим управляющим эшелоном корпорации. Но они могут появиться и внутри каких-то ключевых бизнес-подразделений (в частности, финансового), и доля таких сценариев достигает 15–20 процентов.
Наряду с назначением CDO ключевым моментом является создание отдельного подразделения по управлению корпоративными данными, офиса CDO.
Не менее актуально создание некоего консультационно-эскалационного органа в виде, например, комитета по управлению данными, который должен возглавлять менеджер самого высшего звена. Идеально, если это будет первое лицо компании.
Функция управления данными, за исполнение которой отвечает CDO, как собственно и любая бизнес-функция, имеет три уровня: стратегический, операционный и технологический. Что касается стратегии, то по нашему мнению она должна разрабатываться и реализовываться в соответствии со вполне классическими принципами. Руководство принимает генеральную стратегию развития бизнеса компании, скажем, на три-пять лет. Затем соответствующие цели декомпозируются на цели других подразделений, создавая связанную конструкцию путей их достижения. Появляется ИТ-стратегия, которая подчинена стратегии бизнеса, и точно так же должна возникать стратегия управления данными.
Если говорить об уже приведенном примере с ритейл-ориентированным бизнесом и взглядом на клиента в формате Customer 360 (что без сомнения должно быть составной частью бизнес-стратегии), то мы должны четко определиться с набором действий, проектов, активностей, которые нам необходимо будет реализовать, чтобы такой взгляд в конце концов в компании появился. Всё это и есть важные элементы стратегии работы с данными.
Теперь нам нужно организовать операционную деятельность. Речь в данном случае идет о прозрачных, регламентированных процессах, политиках и правилах. На этом уровне решаются вопросы о том, кто за те или иные данные отвечает, как мы их собираем, кто, кому и в соответствии с какими регламентами их передает. Здесь же формируются правила согласования, эскалации вопросов и т. д. Соответственно нам необходимо внедрять классическую процессную модель. Она, безусловно, будет несколько отличаться от той, что разработана, скажем, для финансов или закупок, но с точки зрения управленческих технологий обе модели в общем-то схожи.
Что касается технологического уровня, то многие его элементы уже знакомы отечественному корпоративному пользователю. Речь идет о ETL-средствах, решениях для управления метаданными, о решениях класса Data Quality, Master Data Management, об управлении корпоративным бизнес-глоссарием, о решениях по маскированию данных и управлению жизненным циклом данных. Кроме того, сейчас появляются новые классы решений. Например, Informatica Data Lake и Informatica Enterprise Information Catalog, которые позволяют аналитикам и людям, занимающимся подготовкой решений, более гибко работать с данными. Можно упомянуть и Informatica Axon, ориентированный на работу так называемых data stewards — специалистов, ответственных за операционный менеджмент данных и метаданных. Это по-настоящему революционный продукт, созданный в современной парадигме Data 3.0 и позволяющий связать воедино метаданные, бизнес-процессы, организационную структуру ответственности за данные, политики и бизнес-правила.
В итоге можно утверждать, что внедрение Data Governance должно проходить фактически по той же схеме, по которой развертываются ERP-решения, то есть с использованием бизнес-анализа и тщательной методической проработкой в начале проекта. А такой подход хоть и трудоемок, но отечественному заказчику уже хорошо знаком.
Каковы, по-вашему, ключевые посылы, касающиеся практического внедрения концепции Data Governance?
Основной посыл состоит, наверное, в том, что Data Governance — это цельная концепция, включающая, как я уже сказал, стратегический, операционный и технологический уровни. Такие ее элементы, как, например, ETL или Master Data Management, уже знакомы корпоративным пользователям в России, но есть и относительно новые для них компоненты. В целом зрелость отечественного пользователя в сфере применения ИТ для повышения эффективности бизнеса сегодня можно признать высокой. Понимание целей автоматизации, функций конкретных ИТ-систем, степень осознания значимости информационного ресурса как одного из главных активов компании и, наконец, методологическая готовность находятся на высоком уровне. Однако некоторые характерные для внедрения DG моменты пока явно являются тормозом на пути продвижения данной концепции. Из этого, думается, и надо исходить.
Когда мы приходим к заказчику, то часто видим, что он хорошо понимает, насколько важна работа с данными. Но в то же время многие из них пытаются заняться некоторыми точечными проблемами — управлением мастер-данными, качеством данных, техническими процедурами их преобразования и т. д. То есть заказчик больше склонен делать то, что ему лучше знакомо. Вместе с тем есть основной тезис, который компания Informatica, равно как и мы, выполняя проекты, стремится донести до своих клиентов. Суть его в том, что Data Governance — комплексная, но очень хорошо масштабируемая технология. Вполне можно, а в большинстве случаев, по нашему мнению, и нужно внедрять Data Governance по принципу «снизу вверх», то есть не по компании в целом, а отталкиваясь от конкретных проектов. Такой подход, во-первых, позволит минимизировать риски, а во-вторых, обеспечит построение конструкции, которая даст быстрый эффект и послужит заделом на будущее. Её всегда можно продать руководству, а впоследствии распространить на другие процессы, что явится уже более простой задачей.
В частном случае внедрение Data Governance можно рассматривать как некую детализацию методологических работ, которые раньше выполнялись в проектах создания хранилищ данных, и в этом смысле мы также должны констатировать готовность российского бизнеса к внедрению Data Governance.
Но даже на локальных направлениях лучше действовать по всему фронту стоящих проблем — как организационных, так и технологических. Если более конкретно, то мы должны понять, какие процессы в данный момент входят в сферу нашего внимания, определить конкретные процедуры сбора данных и механизмы их включения в общую модель, обозначить некоторые роли сотрудников, назначить ответственных, разработать структуру KPI. При этом на первом этапе целесообразно начать работать с ограниченным количеством типов данных. Все соответствующие методические рекомендации есть у компании Informatica, и к ним в конечном итоге подтягиваются её программные продукты, ориентированные на управление мастер-данными, обеспечение качества данных, интеграцию с другими приложениями и т. д. Затем, повторю еще раз, эта деятельность масштабируется на другие типы процессов. Правильно заданный вектор подобных проектов позволит эффективно создавать тиражируемые системы.
Очень хорошим примером внедрения Data Governance по принципу «снизу верх» является проект, выполненный для итальянского телеком-оператора Fastweb. Там начали с клиентских данных и прошли весь путь от уже упомянутой мною стратегии Customer 360, через все необходимые инициативы организационной трансформации к внедрению широкого спектра продуктов Informatica.
Существует также подход «сверху вниз», и некоторые компании, в том числе российские, пытаются ему следовать. Во многих из них уже назначены очень грамотные CDO, которые реализуют соответствующие идеи на уровне бизнеса в целом.
Надо отметить, что тема управления данными активно развивается и в теоретическом плане, вне контекста конкретных проектов, методологий и программных продуктов вендоров. Существует некоммерческая организация Data Management Association International, которая и занимается обсуждаемыми нами сейчас вопросами. По аналогии с небезызвестным PMBoK в настоящее время выпущено издание Data Management Body of Knowledge (DAMA DMBoK). Оно претендует на статус стандарта. Правда, список рекомендаций данного документа весьма объемен и не все их, разумеется, целесообразно включать в контекст конкретных проектов.
Рассуждая о готовности российских заказчиков заниматься комплексными проектами по внедрению Data Governance, вы упомянули и о ряде факторов, препятствующих широкому проникновению данной концепции на отечественный рынок. Что это за факторы?
Я думаю, можно отметить некоторый дефицит горизонтального взгляда на управление, причём взгляда не только на данные, но и на корпоративный менеджмент вообще. Существуют функциональные «колодцы» в виде, например, логистического, маркетингового или производственного направления, хотя кроссфункциональные взаимодействия между ними налажены не очень хорошо. Так или иначе это отражается и на подходах к управлению данными. Вместе с тем внедрение Data Governance даже в масштабе одного или нескольких процессов одного бизнес-направления, безусловно, требует выхода за пределы функциональной вертикали. А тут, как часто бывает на практике, за данные вообще не отвечает никто.
Нередко приходится сталкиваться с односторонним, преимущественно технологическим взглядом на отдельные вопросы в ущерб управленческому. Это хорошо заметно при решении вопросов качества данных. Конечно, справиться с этой проблемой помогают специальные решения, например, Informatica Data Quality, однако сближение позиций отдельных подразделений в данном случае –нередко вопрос куда более сложный и тонкий, требующий тщательной методической проработки.
Существует также ряд ограничений, связанных с предшествующим опытом заказчика в сфере управленческих преобразований, которые требуют внедрения тех или иных ИТ-систем. Опыт этот, как правило, позитивный, но для его приобретения приходится преодолеть довольно болезненный путь. Многие уже пережили подобные преобразования и понимают, как это тяжело, особенно если идешь более привычным путем «сверху вниз». И тут важно подчеркнуть перспективность противоположного подхода, о чем мы только что говорили.
С Александром Тарасовым беседовал ведущий эксперт Intelligent Enterprise Сергей Костяков
