Импортозамещение

В ОАО «РЖД» за короткое время осуществили перенос на импортонезависимую платформу основной функциональности управления критически важной для бизнеса НСИ. Кроме этого, в рамках проекта обеспечены технологические условия для тиражирования этого решения. О реализации проекта рассказывают Кирилл Семион, начальник департамента информатизации ОАО «РЖД», и Александр Толгский, руководитель дирекции по продажам департамента «Государственные программы» IBS – номинанты на премию Data Award.

— В каком состоянии находились процессы управления НСИ в РЖД до реализации проекта? Как они были реализованы?

Кирилл Семион: ОАО «РЖД» имеет разветвленную организационную структуру и осуществляет хозяйственную деятельность по различным направлениям. С учетом этого, а также высокого уровня автоматизации деятельности ОАО «РЖД» и его дочерних предприятий одним из ключевых вопросов, стоящих перед компанией, является обеспечение единства, полноты и достоверности нормативно-справочной информации, используемой различными специалистами компании в ходе исполнения своих обязанностей.

В рамках решения этой задачи в компании в разное время были созданы специализированные системы для ведения нормативно-справочной информации, но, несмотря на это, в различных создаваемых и развиваемых информационных системах ОАО «РЖД» разработчиками были реализованы возможности по ведению НСИ. Это приводило к нарушению принципов единства и полноты нормативно-справочной информации, затрудняло взаимодействие на уровне отдельных информационных систем, усложняло существующую архитектуру и ИТ-ландшафт ОАО «РЖД».

— В чем заключались основные проблемы? Почему это было важно для РЖД?

К.С.: Ключевая предпосылка проекта — отсутствие единой системы управления НСИ. По состоянию на 2022 год в ОАО «РЖД» эксплуатировались две информационные системы, обеспечивающие централизованное ведение справочников — ИС, предназначенная для ведения технологических справочников, и система, предназначенная для ведения справочников, используемых в рамках автоматизации предприятия в целом (ERP).

Второй предпосылкой стало то, что централизованные системы ведения НСИ были созданы с использованием лучших на тот момент из представленных на рынке решений — платформы и продукты иностранных производителей. Таким образом, использование решений иностранных вендоров для автоматизации функции ведения справочников во множестве функциональных и технологических систем ОАО «РЖД», после ухода иностранных вендоров из России несло существенные риски выхода из строя вычислительной инфраструктуры и общесистемного программного обеспечения, а также обострило вопрос информационной безопасности.

Совокупность этих факторов и привела к старту проекта по созданию новой версии Автоматизированной системы централизованного ведения нормативно-справочной информации (АС ЦНСИ-2), реализованной на базе решений, включенных в реестр отечественного программного обеспечения Минцифры России, и отвечающей всем требованиям ОАО «РЖД» к решению такого класса.

— Какой подход был выбран для решения задачи?

К.С.: В ОАО «РЖД» существуют довольно жесткие требования, предъявляемые к внедряемому ПО. На старте проекта было принято решение провести анализ включенных в реестр отечественного программного обеспечения продуктов, а затем предложить разработчикам пройти комплексное тестирование в соответствии с методикой ОАО «РЖД» и подтвердить возможность применения своего решения как в части показателей назначения, так и в части предоставляемых продуктом функциональных возможностей.

Мы направили ряду разработчиков письмо с предложением провести демонстрацию и последующее тестирование их решений. Ряд компаний, включая компанию IBS, ответили согласием. По итогам тестирования, которое в общей сложности продолжалось более трех месяцев, был подготовлен отчет о тестировании, который подтвердил заявленные характеристики продукта «Планета.НСИ» и его функциональность.

После выбора решения для создания АС ЦНСИ-2 ОАО «РЖД» была проведена объемная работа по формированию границ проекта, состава нормативно-справочной информации, организационного объема и требований к создаваемой на базе платформы автоматизированной системе.

— Какие требования предъявлялись к создаваемому решению?

Александр Толгский: В первую очередь создаваемое отечественное решение необходимо было за короткое время интегрировать в существующую ИТ-архитектуру ОАО «РЖД» без ущерба для существующих процессов управления НСИ в замещаемом ПО. Чтобы упростить переход специалистов к полноценному использованию новой системы, также было необходимо, с одной стороны, воспроизвести существующую в АС ЦНСИ функциональность, а с другой — обеспечить ее реализацию максимально удобным для пользователей способом с учетом существующих технологических возможностей платформы.

В целом, если говорить про требования, система на первом этапе должна была обеспечить централизованную миграцию исторических данных и ведение более 1,4 тыс. справочников и связанных с ними метаданных, обеспечить возможность интеграции с более чем 140 информационными системами ОАО «РЖД» (как потребителями, так и источниками данных).

— Что было сделано в рамках проекта?

А.Т.: В рамках проекта была проведена масштабная работа по развертыванию отказоустойчивой конфигурации инфраструктурного ПО и платформы «Планета.НСИ» в тестовом и производственном контурах ОАО «РЖД», настроена базовая функциональность платформы и реализована дополнительная функциональность в соответствии с ТЗ, реализованы типовые средства интеграции с системами-потребителями и системами- источниками, мигрированы справочники и связанные с ними метаданные, проведено комплексное тестирование и обеспечена возможность переключения взаимодействия внешних систем со старой АС ЦНСИ на новую АС ЦНСИ-2 без пауз в предоставлении нормативно-справочной информации.

— В какие сроки и какими силами реализован проект?

А.Т.: Тестирование платформы заняло три месяца, далее порядка восьми месяцев шла работа проектной команды на стороне ОАО «РЖД». Сам проект реализации и внедрения платформы АС ЦНСИ-2 проходил с марта 2023-го по ноябрь 2023 год.

Общий размер команды с нашей стороны составил более 100 человек.

— В чем заключались сложности проекта? Как они решались?

А.Т.: При внедрении новой системы ведения НСИ требовалось воспроизвести все наполнение унаследованной системы, реализовать более 1,4 тыс. справочников, настроить связи между ними и контроли, которые обеспечивались не только видимыми триггерами в базе данных, но и в программном коде унаследованного приложения.

Кроме того, в новой системе ведения НСИ требовалось реализовать дополнительные ссылочные связи между справочниками, которые ранее велись независимо друг от друга. В процессе настройки был выявлен ряд расхождений в технологических справочниках.

Специалистами IBS совместно со специалистами Главного вычислительного центра с привлечением АО «НИИАС» была проведена работа по глубокому обследованию особенностей реализации каждого справочника, настроены автоматические процедуры сверки данных между унаследованной и новой системой АС ЦНСИ-2 и исследования причин каждого расхождения в данных и их устранения.

На этапе ввода системы в эксплуатацию требовалось обеспечить постоянную загрузку данных из систем-источников, которые не имели в тестовом контуре релевантных данных для отладки интеграции. В результате значительную часть интеграционных сценариев пришлось отлаживать уже в производственном контуре, обеспечив параллельную загрузку данных из систем-источников в унаследованную и в новую систему ведения НСИ и сверку справочников между системами.

— Что представляет собой созданное решение?

К.С.: Созданная АС ЦНСИ-2 обеспечивает централизованную функцию ведения НСИ в ОАО «РЖД», функционирует на базе программной платформы и вычислительного кластера, созданных в Российской Федерации.

Сегодня система включает в себя более 1,4 тыс. справочников, для каждого из которых реализованы модели данных, средства контроля качества данных и пользовательские интерфейсы. Для основной массы справочников АС ЦНСИ-2 является мастер-системой, а для части систем, которые еще находятся в процессе перевода на отечественные решения, АС ЦНСИ-2 выступает в качестве шлюза-маршрутизатора в старую систему АС ЦНСИ.

— Как изменились процессы, связанные с управлением НСИ? Как это повлияло на работу сотрудников?

К.С.: Благодаря реализации дополнительной ссылочной связи между технологическими справочниками упростились процессы актуализации НСИ, ряд задач, ранее выполнявшихся администраторами данных вручную, теперь выполняется в автоматическом режиме, повысилось качество данных.

С внедрением платформы «Планета.НСИ» существенно упростились процедуры по созданию новых объектов НСИ. Создание новых объектов НСИ, включая создание моделей данных, экранных форм, форм поиска и алгоритмов контроля качества данных, теперь можно проводить непосредственно через веб-интерфейс АС ЦНСИ-2 без участия разработчика.

Система также предусматривает возможность создания новых объектов НСИ при помощи импорта метаданных из шаблона, что существенно ускоряет реализацию новых объектов НСИ, и перевод ведения справочников из смежных информационных систем ОАО «РЖД» в АС ЦНСИ-2.

— Каких результатов удалось достичь?

А.Т.: АС ЦНСИ-2 за короткое время была интегрирована в существующую ИТ-архитектуру ОАО «РЖД». При этом был обеспечен перенос на импортонезависимую платформу основного функционала управления критически важной для бизнеса НСИ. Кроме этого, в рамках проекта обеспечен технологический задел для тиражирования АС ЦНСИ-2 в части состава справочников и подключения новых источников и потребителей данных.

— А какие результаты ожидаются в перспективе?

К.С.: К АС ЦНСИ-2 активно подключаются новые системы, в том числе реализуемые в рамках стратегии цифровизации ОАО «РЖД».

Мы планируем и далее развивать АС ЦНСИ-2 как в части расширения функциональных возможностей и повышения удобства пользователей в работе с системой, так и в части перевода ведения справочников из функциональных систем в АС ЦНСИ-2 и обеспечения интеграции с автоматизированными системами ОАО «РЖД».

Еще одним приоритетом для нас является расширение функционала по контролю качества данных, что позволит упростить такие процессы, как выявление дубликатов записей, нормализация данных справочников и т.д.

— В каких направлениях будет развиваться проект? И какие возможности он открыл для компании?

К.С.: Реализация проекта позволила ОАО «РЖД» выявить точки роста не только в части ведения нормативно-справочной информации, но и в существующих бизнес-процессах компании и смежных с АС ЦНСИ-2 системах. Мы продолжим и далее совершенствовать процессы ведения нормативно-справочной информации и переводить системы на централизованное ведение справочников. То есть новая информационная система стала и будет развиваться как полноценный компонент всей корпоративной системы управления данными.

Health&Nutrition (бывшее подразделение Danone в России) реализует проект перехода с корпоративной системы по управлению нормативно-справочной информацией на решение «Гармония MDM» – 100% российскую систему, внесенную в реестр отечественного ПО. О ходе работ и первых результатах рассказывает Анна Ерохина, руководитель команды технической поддержки сервисов по работе с мастер-данными Health&Nutrition и номинант на премию Data Award.

- В чем заключалась бизнес-проблема, почему внедрение MDM важно для компании?

Управление корпоративными справочниками является бизнес-критичной задачей для нормальной работы производства, логистики, продаж. Не менее важно качество мастер-данных для аналитических систем и корпоративной отчетности. Отсутствие автоматизированного подхода привело бы к многочисленным ошибкам, что повлияет на производственные процессы компании и, как итог, ее финансовый результат.

Перед нами стояла задача локализовать процессы ведения справочников в ERP-системе и получить полноценное централизованное решение для ведения корпоративных мастер-данных с подключением внутренних и внешних источников. В очень сжатые сроки в систему «Гармония MDM» должен был быть перенесен функционал из корпоративного решения Danone по управлению мастер-данными, а также проведена дополнительная автоматизация.

- Какой подход был выбран для решения задачи?

Мы выбрали итерационный подход. В первую очередь, мы сфокусировались на переносе основного функционала из корпоративного решения – внедрение MVP-версии. Затем, вторым этапом, идет настройка интеграции с корпоративной ERP-системой. Одновременно с этим на стороне вендора ведется разработка функционала системы, который поможет адаптировать новое решение к бизнес-процессам компании. Третий этап – перенос в новую систему справочников, которые вручную ведутся командой бизнеса в формате Excel, а также настройка интеграции с хранилищем данных.

- В чем заключались сложности проекта?

Как обычно, основная сложность проекта заключалась в сочетании сжатых сроков и большого объема проекта. У нас было всего шесть месяцев на внедрение MVP по пяти крупным корпоративным справочникам. Мы приняли решение проводить сверку и выравнивание данных между MDM и ERP одновременно с эксплуатацией системы. Также нам потребовалась оптимизация производительности, и доработка критически важного функционала.

Из организационных проблем можно выделить вовлечение в проект порядка 10 различных команд бизнеса и ИТ, а также одновременное подключение ресурсов MDM-проекта к общему, «большому» проекту локализации компании.

- Как решались проблемы?

Производитель «Гармонии MDM» принял в бэклог доработки коробочного решения значительный объем задач, который позволил адаптировать систему под зрелые и развитые процессы управления справочниками в нашей компании. В частности, был разработан специализированный инструмент для сверки данных с ERP-системой.

До окончания сверки и выравнивания данных справочники одновременно ведутся вручную в MDM и ERP. Старт интеграции запланирован сразу после подтверждения полной сходимости данных.

Наконец, произошло усиление менеджерского состава со стороны подрядчика для повышения управляемости проектом.

- В какие сроки и какими силами реализован проект?

Проект реализован силами подрядчика Axenix с активным и деятельным вовлечением бизнес-заказчика и локального ИТ. На внедрение MVP потребовалось шесть месяцев, на настройку интеграции – 10 месяцев, сейчас мы находимся на финальном шаге по запуску интеграции MDM с ERP.

- Что представляет собой созданное решение?

Это полноценная MDM-система, в которой ведутся критичные для бизнеса справочники материалов, клиентов, поставщиков и контрактов, с реализованными процессами управления данными. В ней уже настроены правила для проверки соблюдения бизнес-логики ведения атрибутов. У системы более 700 конечных пользователей и на данный момент она на 80% готова к интеграции с ERP.

- Что было сделано в рамках проекта?

В рамках MVP был реализован довольно объемный функционал. Во-первых, созданы справочники для хранения данных из ERP-системы: материалы, клиенты, поставщики, закупочные и сбытовые контракты, производственные рецептуры, ассортиментные матрицы, а также связанные с ними более 200 вспомогательных справочников. Работа серьезная — данные о материалах содержат 400 тыс. записей и 600 атрибутов, о клиентах – 300 тыс. записей и 300 атрибутов, о поставщиках – 70 тыс. записей и 200 атрибутов, о контрактах с клиентами и поставщиками – 4 млн и 600 тыс. записей соответственно.

Во-вторых, выстроены 90 бизнес-процессов, содержащих в себе от 1 до 10 шагов от момента инициирования заявки до финального обновления данных в справочнике, а также отправка уведомлений на почтовый ящик пользователей, задействованных в процессах. Создано 1,8 тыс. бизнес-правил, позволяющих автоматически заполнять значения атрибутов и выполнять проверку соблюдения бизнес-логики ведения данных. Настроена ролевая модель – более 60 ролей в системе, позволяющая управлять доступами и полномочиями пользователей. Функционал решения позволяет гибко скрывать и делать доступными для просмотра и заполнения поля справочника в зависимости от выбранного бизнес-процесса и роли пользователя.

Кроме того, разработан функционал массового обновления данных в системе через интерфейс (загрузка с помощью Excel-шаблона). Настроена прямая и обратная интеграция в режиме реального времени по перечисленным справочникам с корпоративной ERP-системой.

По итогам проекта разработано более 100 дополнительных функций, которые были добавлены в «коробочную» версию системы.

- А какие работы еще предстоят?

Предстоит реализовать различные справочники для хранения данных из Excel-файлов, а также из системы поддержки работы мобильных сотрудников (sales force automation, SFA) и веб-приложений: матрицы торговых точек, актуальная цена товаров на полке, мастер-данные торговых точек, варианты дизайна SKU, новинки, сроки действия дизайнов, данные для расчетов RTM. Конечно, потребуется настроить бизнес-процессы управления перечисленными справочниками и их интеграцию с хранилищем данных и другими системами.

- В каких направлениях будет развиваться проект? И какие возможности он открыл для компании?

Внедрение MDM-системы открыло нам возможность организации целостного подхода к управлению критичными для бизнеса справочниками и данными в едином инструменте.

В планах на май – настройка интеграции с корпоративной ERP-системой по справочникам материалов, клиентов и поставщиков, а также интеграция с хранилищем данных по ряду ручных справочников. В планах на июнь – настройка интеграции с корпоративной ERP-системой по клиентским и сбытовым контрактам. В планах до конца года – перенос для ведения в MDM-системе порядка 100 ручных справочников и развитие интеграции с хранилищем данных и системой SFA.

«Промсвязьбанк» разработал и внедрил универсальную платформу для построения аналитических хранилищ данных – Единое Хранилище Данных (ЕХД ПСБ). Она реализована на импортозамещенном стеке технологий и вносит весомый вклад в технологический суверенитет банка. Накопленная экспертиза при реализации данного проекта может быть полезна и другим участникам банковского рынка, а также госкомпаниям – участникам директив импортозамещения.

Создание ЕХД ПСБ позволило, в числе прочего, решить такие важнейшие задачи, как централизация работы с данными, использование единых сквозных методологий расчета показателей, а также расширить число используемых внутренних и внешних источников данных. О реализации этого проекта и его роли для развития банка рассказывает Екатерина Варламова, директор департамента управления данными ПСБ и номинант на премию Data Award.

- Какие проблемы стояли перед банком, какую бизнес-задачу решали?

В рамках стратегии цифровой трансформации перед банком стояли не просто задачи, а настоящие вызовы с учетом значимых изменений контекста внешней среды. ПСБ является опорным банком для оборонно-промышленного комплекса – мы реализуем гособоронзаказ и сопровождаем госконтракты, а с введением санкций к нашей стране задача обеспечения технологического суверенитета стала особенно острой. Амбициозные цели ПСБ по развитию бизнеса и директивы импортозамещения требовали не просто повторить ранее разработанный функционал на российских технологиях, а дать качественный скачок в управлении и использовании данных во всех ключевых бизнес-процессах банка.

Здесь важно отметить, что помимо задачи по импортозамещению мы решали более масштабную задачу по созданию универсальной масштабируемой платформы для построения аналитических хранилищ данных.

- Почему это важно для банка?

В рамках бизнес-стратегии развития ПСБ еще в 2020 году была разработана и утверждена стратегия по управлению данными. Она содержит полный комплекс задач по работе с данными, в том числе: повышение качества данных, их унификацию, обеспечение целостности и доступности данных, контроль доступа и их защиту.

Проект направлен на обеспечение стратегических целей банка в части работы с данными. Для банка это поддержка статуса надежного и безопасного отраслевого банка страны, для клиентов — обеспечение высокого банковского сервиса как в коммерческом сегменте, так и для отраслевого направления ОПК. К этому направлению работ относится быстрая настройка сервисов, в том числе на сайте и в мобильных каналах связи за счет оперативного реагирования на отклонения в приложениях. Наконец, для государства важна поддержка госорганов необходимыми аналитическими данными.

- Какой подход был выбран?

При выборе подхода мы придерживались нескольких базовых принципов, и первый из них – это 100% технологический суверенитет. Во-вторых, платформа должна быть надежна и масштабируема. В-третьих, новая платформа должна быть позволить бизнесу быстрее, а главное – дешевле использовать данные в принятии управленческих решений.

ЕХД ПСБ – универсальная платформа для построения аналитических хранилищ данных, она может быть использована как самостоятельное решение, в организациях любого масштаба и любой отрасли для построения хранилищ данных. Она уже зарегистрирована в едином реестре российских программ Минцифры.

При проектировании системы приоритетный выбор был отдан российским технологиям. Очевидно, что отдельные архитектурные решения и гипотезы требовали прототипирования и пилотирования, так как у банка стояли высокие требования к надежности и производительности решения. И здесь российские решения, включая Arenadata DB, в рамках сравнительных тестов производительности, показали результаты, сопоставимые с лучшими мировыми аналогами, что стало приятным открытием для наших специалистов.

- Что представляет собой созданная система, какие данные она охватывает?

Платформа ПСБ ЕХД аккумулирует данные из более чем 20 информационных систем банка, а также более 50 внешних источников данных. Она создана на основе российских технологий и открытого ПО, что обеспечивает полный технологический суверенитет.

Основными инструментами для создания ядра системы выступили продукты компании Arenadata: Arenadata DB и Arenadata Hadoop. Инструменты Kafka, AirFlow, NiFi и пр. легли в основу универсальной транспортной системы, входящей в ядро ПСБ ЕХД – PSB DataCollector.

- Что сделано в рамках реализации проекта?

Нами разработано качественно новое масштабируемое ядро системы хранения, обработки и поставки данных, отвечающее как директивам импортозамещения, так и требованиям информационной безопасности. Кроме того, оно обеспечивает поддержку растущих объемов бизнеса, вызванных объединением новых банковских структур и открытием новых отделений. ПСБ первым из системно значимых банков начал работать в Крыму и Севастополе, а также пока единственный федеральный банк в новых российских регионах.

Итеративное повышение качества данных за счет использования подхода совместных сводных проектных команд с бизнесом позволило получить первые значимые результаты уже в течении первых месяцев работы с данными.

Возможности ad-hoc анализа в задачах управления доходностью клиентов, привлечением и удержанием были предоставлены бизнес-пользователям в течение первых трех месяцев реализации проекта.

- Какие проблемы возникали в ходе реализации проекта? Что было самым сложным?

Как и весь рынок, с 2020 года мы столкнулись с такими масштабными вызовами, как пандемия коронавируса, затем – с санкциями в отношении нашей страны и банка, увеличение требований со стороны регулятора и усиление контроля за исполнением директив импортозамещения. Как одним из первопроходцев данной темы, нам пришлось столкнуться со множеством трудностей, но из них можно выделить наиболее сложные и интересные для решения.

Например, изменение ИТ-ландашфта банка параллельно с построением платформы аналитического хранилища данных потребовало постоянно учитывать как внутренние, так и внешние изменения связанных проектов. Также важно отметить, что это одно из первых крупных внедрений Arenadata DB, и нам приходилось совместно создавать и накапливать экспертизу. Благодаря общим усилиям нашего банка и вендора накоплен огромный практический опыт. И третье, что мы понимали уже на старте, – безопасность данных является основой такого решения, как корпоративное хранилище данных в текущих реалиях нашей страны.

- Как эти проблемы решали?

Принято считать, что изучение новых технологий для ИТ-специалистов является одним из сильных мотивирующих факторов. В нашем проекте мы получили его отражение в полном объеме, причем не только для ИТ, но фактически для всех вовлеченных в проект специалистов. Требовалось не только спроектировать новую архитектуру решения, но и ежедневно итерационно адаптировать ее под новые требования – как в части работы с отечественным ПО, операционными системами, оборудованием, так и параллельно изменяющимся ИТ-ландшафтом, ужесточением проверок и требований информационной безопасности, а также растущими требованиями бизнес-заказчиков, связанными с параллельным расширением бизнеса и регионов присутствия. Это реальный вызов для всей проектной команды, начиная от методологов бизнес-заказчиков и заканчивая специалистами сопровождения.

Первое, что мы сделали еще на старте проекта – договорились с информационной безопасностью банка о всестороннем сотрудничестве. Учитывая характер данных, которые поступают в хранилище, вовлечение ИБ-специалистов уже на стадии открытия проекта позволило отразить и учесть требования к надежности и сохранности данных на всех этапах его реализации.

Другой важный фактор – это люди, их компетенции и вовлеченность. В текущих реалиях на рынке просто нет готовых специалистов, которые уже внедряли бы российские разработки в таких масштабах. Поэтому мы сделали дополнительный акцент на привлечении в команду аналитиков и архитекторов не только из банковского сектора, но и телекома. Нас интересовали эксперты из кросс-функциональных предметных областей, имеющие опыт работы с различными СУБД и системами с разной нагрузкой, специалисты, имеющие опыт разработки коммерческих, а также полностью «закрытых» систем, «инфраструктурщиков» и «безопасников». Никто из нас не решал подобную комплексную задачу в системе столь «высокой неопределенности», поэтому поиск оптимально работающего решения задачи стал даже более важным мотивирующим и объединяющим фактором, чем директивы регулятора.

Также, совместно с вендором мы запустили работы по архитектурному надзору и всестороннему аудиту разрабатываемой системы. Мы организовали взаимодействие с внутренней командой и вендором таким образом, чтобы все понимали ключевые цели проекта и работали по сути единой командой на общий результат, несмотря на регулярные изменения контекста внешней среды. Это позволило постоянно адаптировать архитектуру целевого решения к изменениям, получая надежное и масштабируемое решение.

- Какие из первых результатов вы можете выделить?

Качество клиентских данных физических лиц «карточки клиента», используемых в аналитических задачах и операционных процессах банка, улучшено на 56%. Это достигнуто благодаря разработанным системам мониторинга и контролям качества данных. На их основе внедрены новые проверки корректности ввода и обогащения данных на уровне фронт-офисных систем. Повышение качества данных позволяет сократить среднее время на обслуживание клиентов, повышать доходность каналов продаж и, что еще важнее, улучшать клиентский опыт.

- Как это отразилось на результатах банка?

Только за счет дедубликации рассылок по двум каналам коммуникаций и сокращения времени работы клиентских менеджеров при актуализации персональных данных, нам удалось достичь экономии более 8 млн руб. Совокупно за 2023 год уже удалось высвободить 22 тыс. часов на продажи и консультации по всей сети. В сегментах продаж улучшение качества одних только телефонных номеров позволило повысить процент успешных дозвонов и, как результат, заключить дополнительные контракты общей доходностью 15,7 млн руб.

Фактически, при улучшении качества карточки клиента всего на 4%, общая конверсия повысилась на 1%. Потенциал доходности при росте конверсии составляет до 15%, что превысит 47 млн руб. на новом потоке клиентов.

Коллеги из розничного блока также выделяют влияние проекта в задачах разумного потребления и охраны окружающей среды: так, например, дополнительная экономия бумаги на заявлениях об изменении персональных данных составила 7 млн руб., что равносильно 189 деревьям или среднему городскому парку.

С учетом текущих результатов и показателей эффективности по привлечению новых клиентов, по оценкам розничного блока, ожидается шестикратное увеличение эффективности розничных продуктов.

- А как изменилась жизнь сотрудников банка?

С точки зрения результатов проекта, использование расширенных наборов данных позволило решать новые аналитические задачи. Платформа ЕХД ПСБ используется в задачах привлечения и удержания, оценки банкротств, проблемной задолженности, эффективности взысканий и на многих других направлениях. Ключевыми пользователями являются такие подразделения как ЦОР ГОЗ, департамент финансового мониторинга, розничный бизнес, маркетинг, операционный департамент и т.д. Более 200 пользователей банка получили доступ к расширенной и детальной аналитической и транзакционной информации, включая обогащение данными из внешних источников (более 50 внешних реестров), в соответствии с ролевой моделью доступа.

Все наборы данных и технологии, которые нашли отражение в стратегии по управлению данными банка, рассчитаны на дальнейшее использование моделей искусственного интеллекта.

- Что реализовано с точки зрения безопасности данных?

Безопасность данных стала краеугольным камнем в архитектуре нашей системы. Наряду с использованием высоко доверительных программных систем и библиотек данных, нами была разработана модель безопасности данных и управление сегментами «чувствительности». Реализовано более 700 объектов доступа в классах чувствительности «персональные данные», «ОПК/ГОЗ», «общие». Внедрена система логирования системных, программных и пользовательских операций. Модель безопасности позволяет исключить риск несанкционированного доступа к данным, в том числе вызванного внешним воздействием.

Ведутся работы в направлении выделения дополнительных сегментов данных в физические подсегменты хранения, а также работы по реализации последующих аттестационных мероприятий в соответствии с приказами Минобороны.

- В каком направлении планируется развивать проект? Каково его будущее?

Если заглянуть в далекое будущее – 2040-е годы, то здесь хочется привести слова председателя ПСБ Петра Михайловича Фрадкова, что будущее будет сконцентрировано в отраслях высокотехнологичного сектора: «Экономика России будет полностью сконцентрирована на том, что мы сейчас называем высокотехнологичным сектором – виртуальная реальность, большие данные, искусственный интеллект и пр. В свою очередь банки в том виде, в котором они существуют сейчас, умрут, но с учетом влияния онлайн-технологий и ИТ-индустрии они переродятся в другом виде».

Поэтому наше решение продолжит свое развитие в части больших данных и расширения спектра моделей искусственного интеллекта. Чтобы будущее наступило завтра, работать над ним нужно уже сегодня.

«Домклик» от Сбера построил BI-систему на базе бесплатных инструментов. Целью проекта стало не только импортозамещение зарубежных систем, но и разработка удобного и простого сервиса для визуализации данных, не требующего специальных знаний, кроме владения SQL и принципами работы сводных таблиц. О реализации проекта рассказывает Дмитрий Леонов, руководитель направления по исследованию данных и номинант на премию Data Award.

— В чем заключалась проблема? Зачем потребовалось создавать собственную BI-систему?

У нас в компании на еженедельной основе готовится большое количество аналитических материалов, из которых формируется большая презентация для совещания топ-менеджеров. Помимо этого, конкретным командам необходима регулярная аналитика для внутренних совещаний и отслеживания эффективности работы бизнеса. Сотрудникам в регионах необходимы различные детальные выгрузки и отчеты для разбора кейсов и анализа отклонений в работе.

Все эти потребности закрывались с большим количеством ручного труда аналитиков, отчетность была очень разрозненна по своему формату, структуре и размещалась в разных местах. Не было должного контроля качества данных и «единого источника правды». У разных команд были разные подходы к построению отчетов и разные инструменты для этого.

Кроме этого, было много дублирующихся показателей с разной логикой расчета. Это происходило как раз из-за разрозненности в подходах к отчетности и отсутствия единых правил.

— Какой подход к решению был выбран?

Было принято решение о создании единой системы, в которой будет храниться вся официальная отчетность управления с централизацией работы аналитиков. Подход подразумевал разработку единых правил и требований к размещаемым отчетам, а также обеспечение контроля качества данных и поддержание их максимальной актуальности.

— Какие требования предъявлялись к будущему решению?

Необходимо было создать простой инструмент, чтобы сократить время на создание новых аналитических материалов, а также обеспечить новым сотрудникам быстрое погружение в процесс. С точки зрения пользователей должна была обеспечиваться максимальная актуальность данных и поддержка работы на мобильных устройствах. Для сотрудников в регионах требовался портал для возможности скачивания отчетов в виде файлов.

Нужно было обеспечить разграничение доступа к конфиденциальной информации вроде финансовых показателей и данным HR. Также было важно создать решение с постоянной ИТ-поддержкой, соблюдением требований кибербезопасности и мониторингом качества данных.

— На каких технологиях построено решение?

Бэкенд реализован на Python и PostgreSQL, а также Clickhouse. В качестве фронтенда используется React.

— Как учитывали потребности пользователей? Что им вообще нужно?

Первоначально требования шли от текущей отчетности и пожеланий топ-менеджеров. Для них важно иметь доступ к аналитике круглосуточно, с мобильного телефона или компьютера, видеть достоверные проверенные данные, быстрые внесения изменений аналитиками.

После реализации MVP проводились регулярные встречи с пользователями и выявлялись более специфичные требования. Вдобавок, в процессе работы с инструментом аналитиками, сформировался большой пласт работ по более тонкой настройке визуализации.

— Что получилось удачнее всего, а над чем еще предстоит работать?

Хорошо получилось обеспечить простоту инструмента и низкий порог входа для новых аналитиков, закрыть основные потребности пользователей и аналитиков. Достаточно легко и безболезненно прошел переход на нашу систему с всего множества платформ, которые использовались ранее.

Предстоит много работ по доведению инструмента до полноценной BI-системы – то есть добавление большего количества визуализаций, вариантов расположения виджетов, более точной настройки отображения, дополнительных сложных вычислений и формул.

Остается большое количество технических задач и задач по улучшению пользовательского опыта.

— Каких результатов удалось достичь?

Удалось централизовать аналитику и наладить процесс построения отчетности. У нас получилось сформировать простые и понятные правила по построению дашбордов и данным, на основе которых они строятся, а также привести отчетность к единому формату как данных, так и визуализации. Очевидно, удалось популяризовать работу с отчетностью, ведь около двух третей всех наших пользователей теперь посещают систему каждый рабочий день.

Важно отметить метрики по качеству и скорости работы дашбордов. Среднее время загрузки данных в виджетах – менее 1 секунды. Этого удалось достичь за счет лимитов на скорость выполнения скриптов и на количество данных, на которых строится визуализация. Для более детальных отчетов и выгрузок у нас используются отчеты в виде файлов, которые можно связать с виджетами.

— Насколько сильно снизились требования к аналитикам? И как вообще более простой сервис отразился на процессах?

При найме новых аналитиков перестало требоваться знание BI-инструментов вроде Tableau, PowerBI, QlikView. Основным требуемым навыком выступает SQL и аналитическое мышление.

Простой процесс создания дашбордов значительно снизил время их разработки. Уменьшилось дублирование одних и тех же показателей от разных аналитиков. Как следствие, повысилось доверие к отчетности.

— Пытались ли оценить финансовый результат?

Проводился сравнительный анализ расходов на покупки лицензий зарубежных популярных BI-инструментов (до ухода этих компаний из России). Получались достаточно крупные суммы с учетом большого количества пользователей и аналитиков.

Создание отдельной команды под разработку собственного решения получилось более выгодно экономически.

— В чем роль проекта для компании и для рынка в целом?

В текущих реалиях основная роль – конечно же, импортозамещение зарубежных продуктов, а также обеспечение бесперебойной работы с отчетностью в рамках компании.

Ожидается распространение системы на другие подразделения – такой шаг поможет коллегам перенять наш опыт и лучшие практики, а не тратить ресурсы на создание собственной системы аналитики в условиях практически отсутствия альтернатив на рынке. Конечно, можно найти решения open source, но требуется много времени и ресурсов чтобы развернуть и настроить их под себя. А для специфических задач наверняка потребуются доработки такой системы.

— Каковы планы по развитию решения?

Планируем превратить решение в полноценный BI-инструмент с поддержкой всех основных возможностей по визуализации и анализу данных. Важно совершенствовать интерфейс, чтобы процесс работы аналитиков стал максимально простым и интуитивно понятным.

А для распространения на другие подразделения планируем создать коробочную версию. Это подразумевает довольно большую техническую работу и анализ потребностей коллег. Возможно, у них есть очень специфичные задачи, которые у нас не решались, и для этого потребуется расширить функционал.

Важнейшую роль в обеспечении хороших финансовых результатах «Сбера» в 2022 году сыграл проект миграции на импортонезависимую CRM, поддерживающую работу всех В2В-компаний группы. Он позволил не только обеспечить непрерывность процессов, но и существенно повысил их качество. О его реализации и результатах рассказывает Евгений Горбачев, руководитель проектов Центра корпоративных решений «Сбера» и номинант на премию Data Award.

— Что стало причиной реализации проекта?

Наша команда представляет Центр корпоративных решений – контакт-центр «Сбера», поддерживающий юридических лиц по банковским продуктам и продуктам компаний нашей группы. У нас на поддержке более 50 дочерних обществ и партнеров банка, а это более 200 продуктов компаний B2B в различных сферах и отраслях, с разными бизнес-моделями и процессами. Мы предоставляем им и сервис, и платформу для организации поддержки продуктов.

Изменения ощутило на себе большинство российских компаний. «Сбер» также был вынужден резко ускорить скорость разработки собственных ИТ-решений.

Мы начали испытывать сложности с иностранными вендорами: длительные процессы согласования и внедрения, не кастомизированные под наши цели и задачи решения. Появился риск остаться без технологической платформы, которая является неотъемлемой частью нашей повседневной работы. Это ставило под угрозу нормальное функционирование поддержки в крупнейшем банке и всех компаниях В2В группы «Сбер», поэтому мы приступили к реализации антикризисного сценария – переходу от импортного программного обеспечения к отечественным разработкам.

— Какой подход был выбран?

Реагируя на изменившуюся среду, мы осознали необходимость сформировать собственное решение для контакт-центра. В рамках импортозамещения были поставлены несколько целей. Во-первых, требовалось создать технологическое решение, с помощью которого можно будет поддерживать разнородные бизнес-процессы более 200 продуктов. Во-вторых, решение должно иметь брендовую составляющую – оно должно было стать разработкой, конкурирующей с мировыми лидерами индустрии контакт-центров. Наконец, было важно сократить затраты на поддержку продуктов группы и банковских продуктов «Сбера» на сумму более чем 100 млн руб. в год.

— Как были сформулированы задачи проекта?

Важно было не просто не потерять в качестве сервиса, но и стать лучше, причем это касается очень многих показателей. Например, сохранение уровня доступности, а он очень высок: 80% всех обращений принимаются за 30 секунд, потери составляют менее 5% от всех обращений. Сохранение и повышения уровня удовлетворенности клиентов – поставлена цель выше 90%. Более того, рассчитывали на сокращение времени обслуживания за счет интеграции с автоматизированными системами дочерних обществ банка и формирования единой истории взаимоотношений с клиентами по всем каналам коммуникаций.

Нужно было подумать и о сотрудниках (например, сохранить и повысить уровень удовлетворенности операторов рабочим местом, автоматизировать процессы), и о клиентах (иметь бесшовный клиентский путь), и об эффективности (объединить все обращения клиентов в единую базу, иметь единую систему инцидент-менеджмента, формировать единый дашборд по всем обращениям клиентов). И конечно, хотелось сократить время запуска новых проектов, сохранив гибкий, кастомизированный подход к каждому продукту.

— Из каких вариантов выбирали?

В части техники и платформ для разработки перед нами встал сложный выбор из следующих вариантов: разработать решение «с нуля» или использовать open source, а может – готовое решение? Было нужно проработать встраивание в общую архитектуру банка, создание единого профиля клиента, предоставление доступов к CRM вне контура банка, а также многочисленные интеграции с автоматизированными системами.

По итогам анализа приняли решение разрабатывать свой софт, а для ускорения реализации использовать open source решение OTRS. В результате мы получили функционал для гибкой настройки бизнес-процессов обработки обращений в офлайн-режиме, а для онлайн-обращений доработали решение OTRS на базе платформы Platform V «Сбера». Нашу разработку мы назвали «Единая CRM для обращений клиентов компаний B2B группы Сбер».

— Что собой представляет созданное решение?

Итоговое решение стало универсальным для всех компаний, мы смогли создать единый профиль клиента, не привязанный к конкретному продукту или компании. Обрабатывая обращения от клиентов, мы получаем «портрет» пользователя продуктов и на основе аналитики клиентских путей, обращений, предложений и жалоб можем предлагать клиенту новые услуги или продукты.

При работе с клиентами оператору нужно использовать данные из многочисленных систем, поэтому мы реализовали возможность интегрировать в рабочее место оператора данные из автоматизированных систем «Сбера», которые необходимы для обработки обращений. Гибкая ролевая модель CRM позволила настроить решение в соответствии с требованиями безопасности банка, предоставить доступ к необходимым для работы данным и обезопасить клиентскую информацию.

— Что удалось лучше всего?

Преимущество нашего решения в гибкости – запуск новых проектов обходится без участия разработчиков и занимает считанные дни, что является скорее исключением, чем правилом для больших корпораций. Под каждый бизнес-процесс любой компании группы можно реализовать любые правила работы с обращениями – SLA, уведомления, эскалация, автоматическая отчетность. У команды появились планы по выводу решения на внешний рынок, о результатах расскажем на Data Award 2024.

— Какие результаты были достигнуты?

Подводя итоги и анализируя ключевые показатели эффективности, мы с гордостью можем заявить о блестящих результатах от внедрения нашего решения, разработанного в кратчайшие сроки.

Если говорить о влиянии на бизнес и клиентский опыт, то омниканальность решения позволяет гибко управлять ресурсами, формировать единую историю взаимоотношений с клиентами, единый клиентский путь, обеспечивать доступность поддержки продукта. Единый профиль клиента позволяет нам развивать продукты, повышать уровень сервиса. После перехода на новую CRM уровень удовлетворенности в части поддержки продуктов компаний В2В группы «Сбер» вырос с 74,3% до 81,1%. И мы не останавливаемся на достигнутом.

Мы не зависим от вендоров в части скорости доработок и кастомизации решения. В результате запуск поддержки новых продуктов сократился с четырех до двух недель. Собственная разработка позволяет быстро масштабировать решение. В наших планах внедрение и реализация решения на другие направления.

Если говорить об операционной эффективности, то уровень доступности линии поддерживается в целевых показателях, сокращено время обработки обращений в среднем на 30%, увеличен показатель загрузки операторов с 70% до 90% за счет омниканальности. Сокращено время реакции на сбои – имея единую систему отслеживания инцидентов, можем оперативно информировать всех участников процесса. Единый дашборд позволяет мониторить нашу работу по всем компаниям группы.

— А что говорит персонал?

Удобный интерфейс единого рабочего места позволяет минимизировать трудозатраты наших операторов. По проведенным опросам, удовлетворенность рабочим местом по 10-ти бальной шкале выросла и сейчас достигла 8,5-8,6 баллов.

— Какими финансовыми эффектами можете похвастаться?

Благодаря автоматизации и интеграции с внешними системами сокращено время обработки обращений по всем каналам с 6,2 до 4,2 минут. При объеме в 400 тыс. обращений в месяц это дает экономию компаниям группы в 150 млн руб. в год. Кроме того, как и планировали, произошло сокращение затрат на доработки.

— Каково значение проекта для компании?

Уже к началу второго квартала 2022 года более 700 сотрудников из 30 компаний B2B группы «Сбер» подключились к работе в новой CRM. В единой системе сотрудники увидели профиль клиента и его запросы по всем продуктам компаний. На основе аналитики по запросам клиентов можно предугадывать их потребности и превентивно предлагать новые продукты и услуги.

Можно сказать, что мы победили кризис. Разработав и внедрив нашу CRM, мы закрыли все риски, которые видели до внедрения. Сейчас мы работаем на собственном решении. Разработанный нами инструмент повысил нашу эффективность по всем направлениям: экономика, операционное управление и, главное, — удовлетворенность клиентов и персонала.

— В каком направлении будет развиваться платформа?

Первое направление – в сторону клиента: накапливая данные о наших клиентах о его обращениях по продуктам группы «Сбера», мы сможем более точно и превентивно решать проблемы клиента, закрывать его потребности и предлагать актуальные услуги и продукты. Удовлетворенность клиента – наш важнейший приоритет.

Второе направление – в сторону пользователей: в рамках единого окна у операторов контакт-центра должен быть доступ ко всем необходимым данным о клиенте: прошлые обращения, продукты, актуальные предложения для клиента. Оператор в рамках одного окна должен иметь возможность и найти посылку клиента в «СберЛогистике», и оформить договор по «СберЛизингу».

Наконец, в сторону технологий: мы не перестаем развивать CRM, наращиваем функциональность платформы, повышаем надежность системы и защищенность данных клиентов. В 2023 году основной задачей будет интеграция с новой платформой контакт-центра «Сбера» – SberContactPlatform. Комплекс решений CRM и SberContactPlatform должен полностью закрыть потребность в собственном решении и обеспечении технологического суверенитета «Сбера» в сфере контакт-центров.

На данный момент большинство банков работают преимущественно на зарубежных решениях. Перейти на российское ПО – задача непростая, но рано или поздно ее придется решать. Минимизировать возникающие проблемы призвано отраслевое решение на платформе «1С», разработанное IAS Digital. Татьяна Мошкина, управляющий партнер IAS Digital и номинант на премию Data Award, рассказывает о предпосылках создания системы и ее первых шагах на рынке.

- Каковы сейчас потребности банков? Какие у них головные боли?

Основной вызов в банках в 2022 году – это импортозамещение и переход на отечественный софт. Не секрет, что до недавнего времени базы данных и программное обеспечение банков были основаны на иностранных платформах, вендоры которых перестали оказывать поддержку российским компаниям в прошлом году. В программы цифровизации в банках начали включать задачи по поиску и внедрению отечественных аналогов банковских решений. Если посмотреть на российскую специфику, то банки ушли далеко вперед относительно других отраслей по части цифровизации: это решения по роботизации бизнес-процессов, технологии Process Mining, технологии умного клиентского сервиса в виде мессенджеров, чат-ботов, диалоговых интерфейсов, цифровых помощников. Клиентоцентричность банковских команд – главный приоритет, это и позволяет им быстро выводить новые продукты на рынок.

Несмотря на падение российской экономики и ВВП, банковский сектор в 2022 году получил прибыль – 203 млрд руб., а объем банковских кредитов корпоративному сектору вырос на 14%. Банковский сегмент растет, при этом ИТ-инструменты должны позволять гибко адаптировать банковские бизнес-процессы к внешнему контексту, когда меняются экономическая ситуация, платежные системы, страны сотрудничества, законодательство. В этих условиях банкам особенно важно реализовывать программы цифровой трансформации учитывая импортозамещение.

- Что собой представляет созданное вами решение?

Это автоматизированная банковская система на платформе «1С». Для банковской отрасли эта платформа не так популярна – в основном банки если и использовали «1С», то для учета административно-хозяйственной деятельности. Мы же автоматизировали основные операции банка, то есть банковский день.

До недавнего времени в банковском сегменте подобное решение отсутствовало, в том числе по причине особенностей производительности систем на платформе «1С». Однако несколько лет назад пазл, наконец, сложился. По мере выпуска отраслевых решений для финансовой отрасли нам удалось консолидировать единое решение для банков. Кроме этого, платформа развивается самим вендором, что позволяет использовать решение как высоконагруженную систему с большим количеством и скоростью обработки операций.

В автоматизированную банковскую систему на платформе «1С» вошли классические банковские блоки: кредитный модуль, модуль депозитов, РКО, ценные бумаги, факторинг, риски, внутрихозяйственный учет, клиентский блок, а также автоматическое формирование банковской отчетности.

- Что подвигло вас на создание системы?

После ухода SAP и Oracle из России и подписания указа, запрещающего использовать зарубежный софт в критической инфраструктуре, многие российские банки и другие компании финансового сектора оказались в невыгодном положении. Перейти на российское ПО быстро и недорого – задача для банков неординарная. По подсчетам аналитиков, 50% ERP-систем в России функционируют именно благодаря решениям SAP. Пока перспектив окончания санкционной войны нет, и альтернатив у финансового сектора не очень много. Банки могут использовать разные российские решения, но комплексных автоматизированных платформ, основанных на «1С», на рынке нет.

На данный момент большинство банковских систем работают преимущественно на импортном программном обеспечении. В частности, СУБД Oracle используют 80% банков, а PostgreSQL – 10%. Поэтому переход на отечественные аналоги для банков будет неизбежен, при этом банки будут сталкиваться с определенным количеством проблем, связанных с другой архитектурой, а следовательно – с иной логикой работы. Условия рыночной конкуренции выдвигают на первый план задачу использования современных отечественных технологий – с прогнозируемой стоимостью, технической поддержкой и наличием большого количества специалистов, способных провести миграцию и заниматься развитием решения.

- Какие задачи решал проект?

Основной целью проекта является повышение эффективности работы банков в условиях импортозамещения иностранного ПО. Использование отечественных технологий в банковском секторе позволит создавать добавочную стоимость – увеличение прибыли за счет сокращения затрат на поддержку и сопровождение. Использование современной архитектуры учетной системы обеспечит повышение прозрачности бизнес-процессов и оперативность предоставления аналитической информации.

Эти преимущества реализуются на фоне уменьшения затрат на интеграцию бизнес-процессов. В единой информационной системе банки могут вести все необходимые виды учета, а также ежедневно закрывать главную книгу и формировать отчетность.

- Какие принципы соблюдались при создании решения?

При его разработке мы руководствовались тем, что решение должно обладать полным функционалом и понятным интерфейсом, но при этом быть дешевле иностранных аналогов. Первый же наш клиент отметил, что персонал быстро адаптировался, а сам банк существенно оптимизировал затраты на поддержку ИТ-системы.

При этом мы понимали, что банковская отрасль регулируется Банком России, и коммерческий банк не может остановить свою деятельность для внедрения нового программного продукта. Даже часы простоя чреваты существенными убытками и потерей клиентов. Мы создавали решение таким образом, чтобы в дальнейшем можно было поэтапно интегрировать различные модули системы «АБС: Учет и управление в банках» в текущий контур автоматизации, не нарушая при этом основную работу банка.

Процесс разработки решения шел по методологии Agile стримами по одной-двум неделям совместно с представителями бизнес-подразделений, включая понедельное планирование всех процессов. Внедрение происходило помодульно. Команда проекта состояла из 1-2 специалистов со стороны банка по определенному функциональному блоку и 4-5 со стороны разработчика в разные этапы разработки и тестирования.

- Сколько времени и ресурсов потребовалось на реализацию проекта?

Мы начали разработку АБС пять лет назад, но не с нуля. У IAS Digital к этому моменту уже был богатый опыт автоматизации деятельности некредитных финансовых организаций – профессиональных участников рынка ценных бумаг, страховых компаний, негосударственных пенсионных фондов. На основе одного из решений, которое выпустили в еще 2017 году совместно с «1С», мы начали разработку автоматизированной банковской платформы. Тогда же у нас появился первый клиент, для которого и была реализована АБС, – «Первоуральскбанк».

- Как насчет имиджевых барьеров? Все-таки в понимании подавляющего большинства специалистов «1С» — это не про банки.

Так было до недавнего времени. Сейчас вообще происходит много необычного. Банки, наверное, – единственная отрасль, которая до прошлого года довольно редко использовала решения «1С».

Банк как субъект критической информационной инфраструктуры не может использовать ИТ-решения, которые могут заблокировать его деятельность даже на короткое время. Поэтому мы вывели АБС на рынок только тогда, когда поняли, что продукт поможет банкам работать без сбоев. Платформа «1С» по части производительности в последнее время сильно выросла и может составить конкуренцию иностранным решениям. Мы видим, что в банках и других финансовых организациях решения на этой платформе уверенно выдерживает нагрузку в миллионы транзакций в день.

- Работа банков неразрывно связана с анализом данных: анализ рисков, клиентская аналитика, подготовка маркетинговых кампаний и т.п. Какими средствами предполагается поддерживать эту работу?

В «1С» есть специализированное решение «1С:Аналитика», которое позволяет реализовать аналитику любой компании в виде дашбордов, графиков, отчетов. Кроме того, есть решение «1С:Маркетинг», которое не специализировано для банков, но зато широко используется на рынке. Основные затраты банка обычно связаны с внедрением, доработкой и сопровождением АБС, а остальные решения всегда можно интегрировать с основной системой. Решения на общей платформе позволяют разработать единый интерфейс, и тогда пользователь будет работать в системе без необходимости переключаться между разными приложениями, то есть с использованием бесшовной интеграции. Сама АБС встраивается в ИТ-инфраструктуру любого банка, текущие интеграции с другими программами всегда можно будет поддержать.

- Какие результаты достигнуты и ожидаются?

Первым клиентом стал «Первоуральскбанк» – небольшой коммерческий банк из города, который находится в Свердловской области на границе Европы и Азии и имеет население в 114 тыс. человек. Банк получил самую современную систему управления предприятием с банковским модулем и возможностью создавать большое количество управленческих отчетов с каскадированием данных. В решении автоматизирован расчет нормативов банка и составления отчетности для Банка России и ИФНС.

Благодаря решению АБС компании малого и среднего бизнеса Свердловской области, которые в основном и являются клиентами банка, продолжают получать услуги факторинга и кредитования, развиваются и стабилизируют кризисную экономику за счет предоставления рабочих мест и выплат налогов в местный бюджет. А с 2022 года все услуги банка доступны онлайн, и чтобы воспользоваться услугами банка, клиентам не обязательно ехать на Урал.

На текущий момент решение внедрено и успешно работает в нескольких региональных банках.

- Насколько это востребовано рынком?

Рабочие встречи с представителями банков в 2022 году показали, что многие банки хотят уйти от банковских автоматизированных систем, основанных на зарубежных разработках и использующих импортные СУБД. Они заинтересованы перейти на российское программное решение, которое бы обеспечило возможность ведения основных операций и одновременно ведение бухгалтерского и управленческого учета, а также удешевило бы стоимость сопровождения и владения банковским ПО. Таким образом, выявлена потребность рынка в комплексной автоматизации бизнес-процессов на базе единого решения, включая учет кредитов, депозитов, факторинговых и лизинговых операций с возможностью гибкого моделирования. Наше решение содержит функционал для управления продажами и банковскими сделками, казначейства и бюджетирования, а также формирования оперативной, управленческой и бухгалтерской отчетности в соответствии с требованиями Банка России.

- Что вы со своей стороны делаете для того, чтобы банки, использующие ваше решение, становились data-driven?

Особенность финансовой отрасли в том, что банки – это институты, в основе которых лежат данные. Наша задача – обеспечить качество, скорость обработки данных. Чем выше производительность нашего решения, тем больше клиентов будет у банка.

- В чем роль проекта для развития рынка?

Кейс внедрения автоматизированной банковской системы на платформе «1С» показал, что она может активно внедряться в рамках импортозамещения в российских банках, помогая экономике справиться с последствиями кризиса, а миллионам людей получать современные банковские услуги. Автоматизированная банковская платформа – сложная разработка, на которую долгие годы на рынке никто не мог замахнуться. Тем не менее мы разработали решение. В итоге банки получают экономию финансовых затрат и независимость от иностранных вендоров.

- А каковы перспективы с финансовой точки зрения?

Вызовы 2022 года помогли нам вывести на рынок продукт, который в перспективе может захватить большую долю рынка. Рыночный сегмент внедрения – 327 банков, емкость рынка – 832,5 млн руб.

В целом же рынок ИТ-решений для российских банков составляет 514 млрд руб., а правительство планирует субсидировать переход банков на российское ПО. Это создает для нас потенциал роста и выхода практически в «голубой океан».

- В каком направлении будет развиваться платформа?

Мы будем работать над тем, чтобы наше решение внедрялось не только в сегменте небольших и средних банков, но и среди крупных банков. Для этого платформа «1С» должна формировать устойчивость при миллиарде транзакций в день, а мы как разработчик решения будем улучшать конфигурацию решения для его стабильной работы.

Для любой критической ситуации необходим план действий, который позволит с ней справиться. В этом году нам пришлось столкнуться с большим количеством сложностей — не только с санкциями как таковыми, но и с уходом с рынка известных поставщиков. Возникли большие проблемы с оплатой услуг и логистикой.

Ключевые риски, которым подверглись компании в области ИТ-инфраструктуры, и практические подходы по их снижению обсудили в ходе дискуссии «Модернизация инфраструктуры: срочно, качественно, недорого. Чему сегодня отдать приоритет?». Мероприятие состоялось в рамках форума «Цифровая инфраструктура — 2022», организованного издательством «Открытые системы» (см. также статью ««Цифровая инфраструктура 2022»: под флагом импортозамещения».)

Как известно, в тройке «срочно, качественно, недорого» совместимы одновременно только два критерия. Участники дискуссии признали, что скорость сейчас действительно важна: не случайно на инфраструктурном рынке резко вырос сервисный сегмент. Инфраструктура как сервис стала чуть ли не единственным вариантом, позволяющим обеспечить разумные сроки реализации проектов. Стоимость же, особенно если говорить о крупных компаниях, никогда и не была главным критерием.

«Никто не заставляет выбирать два из трех. Всегда речь идет о компромиссах, приемлемых для компании», — отметил Дмитрий Кузеванов, технический директор «Азбуки вкуса». Миграция в облака помогла ретейлеру сократить расходы на 20%, получить устраивающий SLA и ускорить реализацию проектов.

Не «замораживать» инфраструктуру

Чтобы сделать работу с рисками системной, требуется сформулировать угрозы и приоритизировать их, определив, какие компоненты инфраструктуры требуют повышенного внимания и быстрой замены.

Дмитрий Кузеванов: «Главный риск любого ретейлера — остановка сервисов, и компании уже несколько раз приходилось ‘переобуваться в воздухе’, чтобы поддержать работу бизнеса»

Как признал Кузеванов, главный риск любого ретейлера — остановка сервисов, и компании уже несколько раз приходилось «переобуваться в воздухе», чтобы поддержать работу бизнеса.

«Однажды мы проснулись и не увидели в почте ни одного нового письма, потому что Symantec отключил свои сервисы», — пояснил он на примере. Работа многих сотрудников компании заключается именно в коммуникациях с внешним миром: поставщиками, партнерами и пр. Эти люди просто не смогли выполнять свои функции. Похожая история произошла и с новейшими устройствами Cisco, управление которыми осуществлялось из личного кабинета. После ограничения доступа к личному кабинету из России они продолжили работу, но стали абсолютно неуправляемыми.

«Выключаются в первую очередь облака и подписки — сервисы, которые ежедневно запрашивают через Сеть разрешение на продолжение работы. Именно такие отключения представляют наибольший риск и в итоге причиняют заказчикам массу проблем», — констатировал Сергей Члек, управляющий директор «Росплатформы». Обновление же систем, установленных на площадке заказчика (например, платформ виртуализации), по его мнению, не столь критично. Да, вендоры ушли с рынка, но, по крайней мере, их продукты продолжают действовать. Подход «Работает — не трогай» зачастую безопаснее необдуманных решений.

Сергей Зинкевич: «В долгосрочной перспективе работа на неподдерживаемых платформах не приведет к успеху»

Тем не менее далеко не всегда можно жить спокойно, используя неподдерживаемые ПО и платформы. Есть уязвимости нулевого дня, да и риски от применения необновленных систем все равно остаются, хотя они и ниже, чем в случае устаревшего почтового сервера.

«Конечно, без обновлений стабильность инфраструктуры краткосрочно повышается, ведь обычно все проблемы, связанные с изменениями, находятся на стороне эксплуатации — инженеров и администраторов. Однако в долгосрочной перспективе работа на неподдерживаемых платформах не приведет к успеху», — считает Сергей Зинкевич, директор по развитию компании «Крок Облачные сервисы». Проблемы, возникающие в результате длительного бездействия, вполне могут перевесить пользу от заморозки ситуации. Поэтому следует разрабатывать стратегии постепенного перехода на системы, которые можно или поддерживать своими силами, или передать доверенному интегратору.

«Железо» с вражескими сервисами

Отдельная категория — это риски применения устройств, самостоятельно использующих для своей работы внешние системы управления. Проникновение облачных сервисов дошло до того, что современная система хранения данных не будет работать без подключения к Сети: ей нужно получать указания от внешнего разума, оптимизирующего данные и управляющего ими, — в противном случае устройство «окирпичивается». Компаниям приходится мириться с этим и надеяться на то, что их системы хранения не получат команду на уничтожение данных. Поведение оборудования, взаимодействующего с внешним окружением, должно включаться в модель угроз и учитываться в планах аварийного восстановления.

Как известно, нельзя построить доверенную систему на недоверенном железе. Как многие российские разработчики ПО, использующие компоненты open source, очищают их и складывают в свои репозитории, так и разработчики оборудования из реестра Минпромторга проводят реинжиниринг микрокодов на системных платах Intel, лишая его сомнительных возможностей.

Сергей Члек: «Вы даже не представляете, насколько сильно продвинулись российские производители серверов на Intel и AMD. Они выкорчевывают весь вражеский сервис вроде платформы удаленного управления и администрирования Intel vPro и оставляют процессорам лишь их профильные задачи»

«Вы даже не представляете, насколько сильно продвинулись российские производители серверов на Intel и AMD. Они выкорчевывают весь вражеский сервис вроде платформы удаленного управления и администрирования Intel vPro и оставляют процессорам лишь их профильные задачи», — подчеркнул Члек. Это позволяет существенно снизить риски.

«’Железо’ в стране есть. Его привозят различными путями, существует много каналов доставки. Исключение составляет разве что нишевое оборудование класса Hi-End», — рассказал Зинкевич. Конечно, к изменениям приходится адаптироваться, но такие проблемы не блокируют работу бизнеса. Другое дело, что вместо движения вперед, которого всем хочется, приходится решать задачи технического долга — реализовывать внутренние проекты, направленные на стабилизацию работы компании.

Как и в любое время перемен, гибкие команды получают преимущество. Крайне важно уметь подстраиваться под ситуацию, изучать новые технологии и продукты, выстраивать отношения с разработчиками. У тех, кто к этому не способен, возникает гораздо больше проблем.

«Помимо оборудования, доступны все виды инфраструктурного ПО: у проприетарных решений всегда были аналоги open source, и сейчас их популярность резко выросла», — отметил Зинкевич. Например, все, кто планировал проекты на Oracle, сейчас без проблем запускают их на PostgreSQL — компетенций на рынке вполне хватает.

Денис Сосновцев, директор по технологическим альянсам Arenadata, напомнил, что, помимо рисков, связанных с оборудованием, существует масса проблем, «спрятанных» внутри решений open source. Не все из них одинаково полезны, широко известны истории о различных закладках в них. «Некоторые из используемых нами продуктов в этом году занялись откровенным вредительством. Пришлось заняться чисткой собственного репозитория», — сообщил Сосновцев.

Члек подтвердил, что во многих случаях компании вынуждены переходить на open source, однако он считает, что взвешенный подход гораздо полезнее. Не стоит ударяться в крайности и заменять работающие системы на непроверенные, да еще и вводить их в промышленную эксплуатацию без тестирования.

Возможность проявить себя

«Пока мы не начнем целенаправленно заниматься разработкой собственных решений, мы не придем к удовлетворительному результату. Будущее рынка во многом зависит от пользователей. Нужно активно готовить замену импортным решениям, ставить перед производителями задачи и давать возможность проявить себя», — призвал Сосновцев. Он напомнил, что в 2014 году на прилавках магазинов практически не осталось импортных сыров. За несколько лет ассортимент удалось восполнить своими силами, и теперь можно констатировать, что качество российской продукции заметно выросло. Сейчас в ИТ сложилась аналогичная ситуация: огромное количество конкурентов ушло, освободив рынок. Это отличная возможность для наших производителей занять на нем достойное место.

Денис Сосновцев: «Будущее рынка во многом зависит от пользователей. Нужно активно готовить замену импортным решениям, ставить перед производителями задачи и давать возможность проявить себя»

Члек признал важнейшую роль реестра отечественного ПО в становлении «нового ИТ-рынка». В реестре есть продукты разной степени импортозамещенности, но все же он стал фильтром, позволяющим использовать не «дикий» open source, а продукты определенной степени очистки.

«Не стоит упрекать регулятора в бездействии. К ‘Росплатформе’ уже два раза предъявляли жесткие требования скорректировать определенные вещи», — заявил Члек. В этом году, впервые за шесть лет существования реестра, регулятор ощутимо «взялся» за дело: подтягивает качество продуктов, гораздо строже относится к их включению в реестр. Кроме того, нужно учитывать отзывы покупателей, сами по себе формирующие рейтинг продукта, и работу интеграторов, которые несут определенную ответственность за внедренные решения. Для компаний созданы все возможности не наткнуться на плохое решение: можно заранее получить о продукте необходимую информацию и протестировать его.

Опытом преодоления кризиса поделились представители ряда компаний: «М.Видео-Эльдорадо», «Лента», «Интер РАО-Онлайн», «Тинькофф» и «К-Скай». (Еще одной актуальной теме — самообслуживанию — посвящен отдельный материал, см. статью «'Управление данными — 2022': На прямой связи с данными»).

Перестройка трансформации

Кризис застал «М.Видео-Эльдорадо» в разгар погружения в цифровую трансформацию. В компании шел процесс ликвидации границ между бизнесом и ИТ. Все бизнес-подразделения имели собственные бюджеты на разработку. Директора по продуктам и технические директора решали задачи в каждом бизнес-домене, а разработчики создавали инструменты, чтобы автоматизировать именно бизнес-процессы подразделения. Дата-офис поддерживал своими компетенциями разработку продуктов бизнесом и развивал платформу данных, методологию Data Governance и инструментарий машинного обучения. При этом cтруктура дата-офиса была очень прозрачной с точки зрения бюджетирования — было легко оценить стоимость каждого продукта, рассказал Данила Наумов, директор офиса больших данных «М.Видео-Эльдорадо».

Данила Наумов: «Как CDO я упразднил платформу данных как выделенный продукт, а ее компоненты и бюджет распределил по центрам компетенции»

Новая реальность привела к резкому сокращению бюджетов, и недостатки дорогой матричной структуры продакт-менеджмента стали критичными. Стало не хватать специалистов для создания полноценного конвейера данных по каждому продукту в каждом домене: было трудно полностью закрыть весь список задач.

Поэтому уже летом десять бизнес-доменов свернули в три, что позволило выстроить внутри каждого из них отдельные конвейеры данных. Помимо них, существовал и централизованный — он мог принимать задачи подразделений, не имеющих собственного конвейера.

Были предприняты и другие важные стратегические шаги.

«Как CDO я упразднил платформу данных как выделенный продукт, а ее компоненты и бюджет распределил по центрам компетенции так, чтобы у команд были средства на решение задач как сервисов», — рассказал Наумов. Распределенный бюджет стали использовать по сервисной модели: кто угодно может попросить решить его задачу, но сделано это будет в рамках общих приоритетов. Установление очередности происходит в соответствии со стратегией бизнес-домена, что очень понравилось бизнесу. От момента введения задачи в систему до внедрения результата сейчас проходит 15 рабочих дней, и, по словам Наумова, это довольно хороший для отрасли показатель.

Таким образом реализуется урезанный вариант цифровой трансформации: в нынешних условиях она стала чересчур дорогой.

Благодаря и вопреки

В компании «Интер РАО-Онлайн» большинство проектов по управлению данными реализовано «благодаря и вопреки»: благодаря поддержке очень высокого уровня руководства и вопреки всей бюрократической машине. «Роль CDO, в которой я живу, — это роль лифта в космос, — объяснил Владимир Анисимов, директор по данным «Интер РАО-Онлайн». — Одни читают DAMA DMBOK2, другие стоят «у сохи», и надо подружить эти две половины мира, чтобы что-то двигалось вперед». Для этой цели в компании создали службу заказчика, построенную по методологии Agile и стоящую особняком от ИТ- и бизнес-отделов.

Владимир Анисимов: «Роль CDO, в которой я живу, — это роль лифта в космос»

Еще один лайфхак энергетической компании — не бояться использовать обходные приемы решения ИТ-проблем. ««Костылизация» — часть нашей жизни, такой подход позволяет бежать быстрее, — констатировал Анисимов. — Большинство наших пилотных проектов, а затем и продуктов стоят на «костылях», которые мы вытаскиваем на протяжении 3–5 лет, и эти «костыли» достойно себя ведут».

Любимый «костыль» Анисимова — программные роботы. «Я предпочитаю ставить роботов там, где нет и не будет в ближайшее время интеграции по API, — отметил он. — Такой 'костыль' отлично выполняет свою задачу, на нем можно шагать долго и уверенно».

Гордость Анисимова — система автоматизированного взыскания дебиторской задолженности, интегрированная с набором внутренних сервисов компании и содержащая алгоритмы машинного обучения. Она строилась на зарубежных продуктах и сейчас мигрирует на отечественные решения — в частности, на low-code-платформу Loginom. Хранилище данных уже «съехало» с Oracle. Теперь и аналитику, которую до сих пор развивали на Oracle Analytic Server, переведут на open source и отечественные продукты. «Переход идет тяжело, — признался Анисимов, — так как ни одного BI-решения с полноценным самообслуживанием на внутреннем рынке пока не нашли».

Работа на результат

Что делать, чтобы работа дата-команд приносила пользу организации? Руководитель Data Science компании «Лента» Ирина Голощапова заострила внимание на бизнес-аспектах вывода моделей в продуктивную эксплуатацию. Это целая история по управлению изменениями, считает она. Недостаточно построить модель, способную повысить эффективность бизнеса. Нужно сделать так, чтобы люди эту модель использовали, включив ее в бизнес-процесс. «А для этого важно думать об интерпретируемости решения для конечного пользователя, — подчеркнула Голощапова. — Чтобы доверять результатам работы модели, он должен понимать, как она к нему пришла, как может меняться ее поведение в реальных условиях, как полученный результат можно использовать и почему». Для внедрения продвинутой аналитики в «Ленте» реализуют фреймворк Reliable ML, который позволяет учитывать как технические особенности машинного обучения, так и процессы работы дата-офиса и его взаимодействия с бизнесом для достижения максимального финансового эффекта.

По мнению Анисимова, оценить эффект удачного внедрения дата-проектов невозможно: все понимают, что «штука классная», но никто не может посчитать результат в рублях. Как только появляется первый прототип, рабочие процессы меняются настолько сильно, что сравнивать текущий и прошлогодний периоды просто бессмысленно. «Когда в момент внедрения менялись бизнес-процессы, мы, как служба квалифицированного заказчика, подменяли собой бизнес-подразделения: они слишком заняты операционной деятельностью, и объяснить им, что не надо таскать круглое и катать квадратное, невозможно. Старайтесь договариваться о качественной оценке эффектов», — посоветовал Анисимов.

Детективная история

Как в колоссальных объемах доступной для анализа информации найти именно то, что нужно для ответа на текущий вопрос? Огромное количество рабочих пространств, содержащих небольшие разрозненные кусочки контекста, бесконтрольно ведущаяся документация, качество которой остается на совести ее составителя, — вот проблемы, которые знакомы многим крупным организациям. Проведенные пару лет назад опросы сотрудников «Тинькофф» показали, что хранилище в текущем виде «непознаваемо для пользователей», а поиск метаданных — «искусство, которому нельзя научить».

«У вас могут быть отличные метаданные, но если у пользователя нет инструмента для доступа к ним, то, к сожалению, они бесполезны», — заметил Дмитрий Пичугин, руководитель группы управления данными «Тинькофф».

По примеру таких авторитетов, как Google, Linkedin и Uber, в «Тинькофф» решили бороться с неполнотой документации и разрозненностью информации с помощью каталога данных, который должен стать «единой точкой правды» для всей экосистемы данных и удобным инструментом поиска нужных сведений, но главное — средством анализа зависимостей при движении данных от источника к точкам их применения и обработки, что крайне необходимо для отслеживания происхождения ошибок.

Экосистема ИТ-решений «Тинькофф», по большей части самописных, — очень сложная, поэтому к гибкости модели метаданных предъявляются довольно высокие требования и обязательной опцией при выборе каталога должен быть Data Lineage. «У нас бывает анализ зависимостей на тысячу нод, а иногда и больше, — поделился Пичугин. — Если не дать аналитикам удобный инструмент, то, скорее всего, через некоторое время они уволятся, не выдержав этой пытки». Так как ни одно из представленных на рынке решений всем критериям компании не удовлетворяло, пришлось строить каталог самим. В его основу положили идею комфорта пользователей: искать данные не должно быть сложнее, чем товары в интернет-магазине.

Так появился Data Detective — каталог для неквалифицированных пользователей, способный, как утверждают его создатели, вписаться в любой ИТ-ландшафт. Несмотря на то, что ранее запущенные решения никуда не делись, 85% пользователей сегодня предпочитают новый каталог, и более половины из них — бизнес-пользователи. В дальнейшем в «Тинькофф» намерены распространять Data Detective за пределами компании. Помимо «полировки» интерфейса, в ближайшие планы разработчиков входит внедрение инструментов для удобного отображения бизнес-глоссария любой структуры.

Медицинские данные, заслуживающие доверия

Использование электронных медицинских карт (ЭМК) в качестве источника данных для анализа сопряжено с такими объективными сложностями, как отсутствие единых форматов хранения записей и использование неструктурированного текста. Но и это еще не все. Половина ЭМК (51%) вообще не содержат медицинских данных — это просто записи в базе с ФИО и датами рождения пациентов. А оставшиеся 49% зачастую содержат фрагментарные сведения, ценность которых для анализа сомнительна. Кроме того, длительность наблюдения пациентов в большинстве ЭМК не превышает трех лет, то есть вероятность наличия в них ценных для прогностического искусственного интеллекта находок очень низка.

Александр Гусев: «Мы научились детектировать аномалии не благодаря математике, а благодаря пониманию, где они будут возникать»

Кроме того, есть и важный субъективный фактор, который серьезно тормозит развитие интеллектуальных продуктов в медицине, — отсутствие доверия к сделанным искусственным интеллектом выводам, обусловленное недоверием к качеству данных, на основе которых делаются эти выводы. «90% времени наших исследований связано с данными. Именно работа с данными определяет провал или успех», — считает Александр Гусев, сооснователь компании «К-Скай», которая занимается предиктивной медицинской аналитикой на основе технологий искусственного интеллекта. Чтобы сломать лед недоверия к выводам на основе анализа данных медкарт, в «К-Скай» разложили все накопленные данные по типам, видам и источникам и оценили с точки зрения рисков возникновения ошибок. Выяснилось, что есть существенный сегмент данных, где риск недостоверности составляет менее 1%, — это протоколы инструментальной и лабораторной диагностики, рецепты. Более половины всех данных ЭМК, включая заполненные по шаблону протоколы врачебного осмотра и автоматически сгенерированные выписные эпикризы, попали в зону умеренного риска с вероятностью возникновения ошибки 1–5%. И лишь 5% данных — заключительные диагнозы, карты выбывших из стационара, талоны амбулаторного приема — находятся в зоне высокого риска с вероятностью ошибки более 5%. Таким образом, руководители, принимающие решения об использовании врачами систем-помощников, стали четко понимать, каким данным можно доверять, а какие ставить под сомнение.

Затем в «К-Скай» стали изучать причины возникновения аномалий в сырых данных, паттерны поведения врачей и даже оценивать влияние качества интерфейса ЭМК на полноту данных. «В итоге мы научились детектировать аномалии не благодаря математике, а благодаря пониманию, где они будут возникать», — сообщил Гусев.

Самообслуживание в работе с данными становится мейнстримом: тему развития сервисов самообслуживания так или иначе затронули практически все представители бизнеса, выступившие на форуме «Управление данными — 2022», организованном издательством «Открытые системы». Даже функции обеспечения информационной безопасности в какой-то части делегируются сотрудникам бизнес-подразделений (см. врезку «Защита данных в документах: cам себе админ»). Представители компаний Tele2, «Уралхим» и «Газпром нефть» в своих выступлениях фокусировались главным образом на самообслуживании в области бизнес-аналитики.

Tele2: девять «пилотов» сразу

После ухода из России западных вендоров, на основе решений которых были построены бизнес-процессы Tele2, компания столкнулась с серьезными проблемами. Особенно болезненной оказалась ситуация с BI-системой Tableau: ее использовали многие разработчики, а кроме того, с ее помощью составлялось множество отчетов, пробуксовка в выдаче которых грозила замедлением процессов и потерей прибыли.

Чтобы спасти положение, команда экспертов провела анализ рынка и, изучив полтора десятка решений, запустила сразу девять пилотных проектов, подключив к корпоративному хранилищу девять BI-систем. Затем вместе с бизнес-пользователями отобрали 30 наиболее важных дашбордов и один из них (конкурсный) реализовали с помощью интегратора на всех девяти платформах. Получив отчеты и заполнив чек-листы, в компании оценили результаты, выбрали победителя и приступили к самостоятельному проведению миграции. Сейчас все критичные дашборды находятся в системе Fine BI, а разработку в бизнес-аналитике и по некоторым другим направлениям полностью ведут пользователи.

«Self-service — не хаос, им можно управлять. Без наших бизнес-разработчиков мы не смогли бы перейти на новую BI-платформу всего лишь за месяц, обеспечив собственными силами все потребности бизнеса в данных», — резюмировал Александр Снытко, руководитель службы поддержки и развития инструментов бизнес-аналитики Tele2. По его словам, активные и заинтересованные в корректном описании всех объектов данных бизнес-разработчики становятся адептами культуры data-driven. И убеждать их пользоваться новым инструментом не приходится, поскольку они сами его протестировали и выбрали.

Ударный год «Уралхима»

В «Уралхиме» и раньше продуктивно работали с данными: тут и искусственный интеллект, сортирующий заявки на первой линии поддержки и даже управляющий производственной установкой, и роботы, формирующие справки 2-НДФЛ. А в начале текущего года в компании запустили платформу, которая дает бизнесу возможность работать с данными самостоятельно. Доставка данных на базе гибридной инфраструктуры происходит для бизнеса бесшовно.

Владимир Вавра: «Замеры наглядно показывают довольно существенную (от 30 до 90%) экономию ресурсов по нескольким направлениям»

«Если мы хотим стать data-driven-компанией, а мы такую технологическую цель перед собой поставили, то дальше надо идти совместно с бизнесом, ведь бесконечно расширять штат айтишников — это безумие, — заявил Дмитрий Шведов, заместитель руководителя департамента цифровизации ОХК «Уралхим». — Мы сразу фокусировались на ключевых селф-сервисах, и BI — одно из ведущих направлений».

В компании запустили школу аналитиков данных с защитой проектов, выполненных на платформе, и бизнес с энтузиазмом воспринял эту инициативу. В школе проходят обучение 1200 сотрудников, и эффект внедрения культуры управления данными уже заметен, сообщил Шведов.

Требования бизнеса к инфраструктуре и сервисам работы с данными постоянно меняются, и подстраиваться под них приходится быстро. В этом году в дата-офисе сосредоточились на качестве данных и реализовали два десятка автоматизированных проверок качества по заданной бизнесом методологии. Сравнение затрат времени и ресурсов на выработку одних и тех же решений подтверждает эффективность оптимизации. «Замеры наглядно показывают довольно существенную (от 30 до 90%) экономию ресурсов по нескольким направлениям», — отметил Владимир Вавра, руководитель отдела инфраструктуры данных ОХК «Уралхим».

«Газпром нефть»: бонусы самостоятельности и мини-CDO

Анализировать результаты проверок качества данных — это то, что может и должен делать бизнес-пользователь, уверен Виталий Когтев, руководитель направления по качеству данных управления по организации работы с данными дирекции экономики и корпоративного планирования «Газпром нефти». В компании уже несколько лет работает школа аналитики, через которую прошли около 200 пользователей. Многие из них являются ответственными за данные и сами настраивают аналитические панели на основе шаблонов для решения своих актуальных задач. А теперь бизнес-пользователи получили инструменты для самостоятельного мониторинга качества данных.

Виталий Когтев: «Анализировать результаты проверок качества данных — это то, что может и должен делать бизнес-пользователь»

Незапланированным бонусом перехода на самообслуживание стала поддержка импортозамещения ПО: поскольку используются несколько инструментов мониторинга качества данных с последующей консолидацией метрик, внедрение нового ПО проходит достаточно плавно, отметил Когтев. Кроме того, самообслуживание в BI стимулировало каталогизацию данных — нудный процесс, которым бизнес обычно не особо хочет заниматься. Но теперь создание наглядных и понятных аналитических панелей стало соревновательным процессом, участники которого стараются максимально качественно описать необходимые элементы данных в каталоге. Не менее ценным стало и развитие новых навыков у сотрудников: аналитики с удовольствием обучились создавать аналитические приложения.

В лаборатории данных блока разведки и добычи «Газпром нефти» тоже совершенствуют self-service BI, улучшают магазин данных и каталог данных, а также укрепляют команду поддержки. Для управления данными в дочерних обществах, в «Газпром нефти» ввели функцию «мини-CDO». А «дочки» в компании немаленькие: например, в Заполярье трудятся около 1800 территориально распределенных сотрудников. «Если компания крупная, обязательно нужны люди на местах, которые выполняют роль CDO: внедряют продукт, общаются с бизнесом на его языке и готовы сразу интерполировать производственные задачи, предлагая подходящие для их решения дата-продукты», — отметил Александр Егоров, руководитель программ по управлению данными компании «Газпромнефть-Заполярье». Чтобы извлекать информацию и передавать ее до дашборда, лаборатория данных использует платформу Qlik Sense. Теперь, согласно дорожной карте импортозамещения, идет переход на Luхms BI. В части self-service BI здесь провели апробацию возможностей нового решения и передали разработчикам список замечаний и предложений для их возможной реализации в следующем году.

Три года назад ВТБ завершил два крупных присоединения – Банк Москвы и ВТБ 24. В результате в банке образовалась очень сложная архитектура аналитического ландшафта. Естественным образом на нем сформировались три крупных архитектуры, построенных на различных технологиях и обладающих функционалом различной степени зрелости. Получившееся наследие не устраивало ни ИТ, ни бизнес: сразу же столкнулись с дублированием и разрозненностью данных, как следствие – высокой стоимостью разработки и долгим временем создания новых продуктов.

Кроме того, используемый технологический стек стремительно устаревал. Для ряда аналитических компонентов применялся комплекс Oracle SuperCluster, и еще большее число продуктов базировалось на Oracle BigData Appliance. Окончание жизненного цикла обоих решений стало огромной проблемой и привело к необходимости масштабной миграции ИТ-инфраструктуры на новую платформу.

Банк решился на создание единой полноценной платформы данных, которая должна включать в себя несколько компонентов. Во-первых, это часть, отвечающая за загрузку и управление данными оперативного хранилища данных. Вторая часть – хранилище данных с единой бизнес-моделью, включающее специализированные витрины для ad-hoc аналитики и банковских приложений, витрины с оперативными данными, пользовательские песочницы и т. д. Третья важная составляющая – озеро данных, ориентированное на задачи машинного обучения и data science, а также часть задач отчетности.

Этот проект стал первым опытом ВТБ по импортозамещению ключевой системы, участвующей в процессе подготовки отчетности для регулирующих органов. Осуществляемый переход призван обеспечить ВТБ полную свободу цифрового развития.

О создании центрального хранилища аналитических и отчетных систем рассказывает Ирина Петровская, вице-президент, заместитель руководителя департамента управления и координации технологических изменений Банка ВТБ и номинант премии CDO Award.

- Что получает бизнес от реализации проекта, кроме экономии на лицензиях и унификации инфраструктуры?

Бизнес получил ускорение расчета форм от двух до 11 раз, а также значимую оптимизацию стоимости владения. Мы планируем наращивать функционал этой системы. В будущем будет расти кумулятивный эффект от внедрения такого решения.

- Как происходил процесс выбора инструментов для построения новой платформы? Какие варианты рассматривались?

У нас было много критериев отбора: функциональность, производительность, качество поддержки, отсутствие санкционных рисков, безусловная оптимизация стоимости владения, возможность закупки решения в виде ПАКа (программно-аппаратного комплекса), возможность масштабирования, надежность. Немаловажны и планы по развитию платформы, на которые мы могли бы влиять как банк или как группа ВТБ. Наши пожелания должны учитываться – в новых технологичных платформах это достаточно важный критерий. Таким образом, наш выбор остановился на продукте Arenadata.

- Выбрав отечественное решение, банк обезопасил себя от санкционных рисков. Но не бывает проектов совсем без риска – какие новые риски вы приобрели вместе с новой платформой?

Действительно, на 100% захеджировать риски сложно. Но компания Arenadata достаточно широко представлена на российском рынке, у них очень функциональные решения и планы по развитию платформы, которые компания выравнивает вместе с нами.

- ВТБ – очень крупный заказчик со специфическими требованиями, поэтому вендоры часто дорабатывают свои продукты, чтобы их удовлетворить. Как при этом решаются вопросы интеллектуальной собственности: все права на доработки отходят банку или есть какой-то механизм включения их в широкий оборот?

Действительно, большинство наших разработок попадают под понятие интеллектуальной собственности и переходят к нам. При взаимодействии с Arenadata мы заранее договорились, какая функциональность будет включена в базовую поставку и дальше войдет в новую версию продукта. Такой подход достаточно выгоден и для поставщика, и для нас. В результате мы получаем базовый продукт, который широко поддерживается, а ошибки, которые возникают у других заказчиков, могут быть устранены у нас обычным патчем. Специализированная же версия под заказчика обычно налагает определенные трудности в поддержке и приводит к удорожанию решения.

- Как в целом банк относится к продуктам open source – это осознанная стратегия или вынужденный шаг? Выступает ли сам банк контрибьютором в проектах open source?

Банк положительно относится к открытым решениям: мы их часто используем сами, а также пользуемся услугами компаний-партнеров, которые обеспечивают для нас доработку таких решений до enterprise-уровня и обеспечивают соответствующую поддержку. Решение Arenadata является классическим примером такого подхода: приобретенный комплекс состоит из набора продуктов open source, которые компания доработала до корпоративного уровня. В частности, решены вопросы с резервным копированием, с восстановлением после катастроф, с информационной безопасностью.

В случае с другими продуктами мы сами становимся разработчиками и дорабатываем open source решения.

- Вместе с платформами устаревают знания по их использованию. Но если замена софта это в итоге лишь вопрос денег, то едва ли можно заменить всех специалистов, привыкших к старой системе. Как был организован процесс миграции с человеческой стороны?

Действительно, при миграции на новую платформу, на новое решение, у нас могут частично меняться интерфейсные слои, с которыми привыкли взаимодействовать бизнес-заказчики. Прежде всего мы постарались радикально не менять эти интерфейсные слои, чтобы сохранить некую преемственность решений в глазах пользователей. Кроме того, одновременно с началом работы над новой платформой, мы активно разрабатывали проект по системе управления данными, которая позволяет легко находить и определять, где какие данные доступны и в каких интерфейсных слоях, в какую систему они попадают. Эта система будет выступать справочником по данным, что значимо облегчает процесс миграции и перестроения на новую платформу.

- Кто пользуется системой – только профессиональные аналитики и дата-сайентисты или более широкий круг сотрудников? Как в банке развивается культура данных?

Если говорить только про проект по внедрению системы отчетности, то да, здесь действительно большую часть пользователей представляют профессиональные аналитики и сотрудники, работающие непосредственно с формами при подготовке их для отправки в ЦБ РФ.

Однако, если мы говорим в целом про платформу Arenadata и наши планы по их использованию, то это будет максимально широкий круг пользователей: дата-сайентисты, аналитики и просто потребители данных, которые видят данные через порталы, через привычные интерфейсы на планшетах с мобильными клиентами. С точки зрения культуры работы с данными, банк делает очень широкие шаги. В последнее время у нас значительно усилилась функция data science. Работая с продвинутой аналитикой, банк создает огромное количество моделей, и в целом у нас data-driven-подход практикуется все шире и шире. Это касается всех направлений деятельности: и работы на клиентских фронтах, и деятельности функциональных подразделений, таких как риски, финансы, бухгалтерия и т. д.

- Как обеспечивается качество данных? Какие методики и инструменты для этого используются?

По работе с качеством данных у нас организован большой процесс, для этого существует система автоматического контроля качества загруженных данных, которая автоматически в ежедневном режиме анализирует и подготавливает дашборды по качеству данных. После этого полуавтоматическим методом, с применением роботизации процессов (RPA), разбираются все инциденты. Таким образом, обеспечивается приемлемое качество данных для работы аналитиков и других потребителей.

- Понятно, что риск физической утечки всех этих терабайтов данных едва ли актуален, но есть же и другие угрозы. Как решаются задачи информационной безопасности в рамках данного проекта?

Безусловно, задачи информационной безопасности одни из ключевых для нашего проекта, именно поэтому у нас были выдвинуты специальные требования, которые сейчас включены в дорожную карту развития самого проекта и продукта Arenadata. Кроме того, все доступы и полномочия внутри платформы данных распределяются исключительно на базе вновь разработанной ролевой модели, которая учитывает и доступы к данным, и доступ к атрибутам – то есть на всех уровнях.

- Вы планируете внедрять какие-то функции на основе искусственного интеллекта в обработку данных? Как будет при этом решаться проблема предвзятости алгоритмов?

За последние полтора года у нас широко вошло в обиход использование искусственного интеллекта. Для применения таких продвинутых способов анализа были реализованы специализированные проекты, в том числе система управления моделями и платформа исполнения моделей. Эти два решения позволяют управлять жизненным циклом модели, в том числе проводить его ревалидацию со временем, и позволяет в автоматизированном режиме дообучать модели.

- Каковы ваши дальнейшие планы по развитию аналитической системы?

Планы достаточно широкие, разработанная программа развития рассчитана до конца 2022 года. В ее рамках мы будем решать вопросы не только унификации данных и повышения их доступности, но и расширение инструментария использования и применения данных. В частности, более широко  будем использовать методы продвинутого анализа, в том числе использования искусственного интеллекта и другие современные методики анализа и обработки данных.