Сергей Носов:
Нужно научиться решать конкретные задачи с использованием данных

Большие данные начинают работать тогда, когда становятся большими знаниями. Все чаще компании готовы интегрировать их в бизнес-процессы, создавая базу для монетизации. «ВР» поговорил с директором по управлению данными «Ростелекома» Сергеем Носовым о том, что важнее — данные или аналитика, что такое DataDriven-компания, и существуют ли организации, которым не нужно управление данными.

Тренд на монетизацию данных — один из эффектов цифровой трансформации?

Скорее это одна из предпосылок цифровой трансформации. Появление промышленного интернета, индустрии 4.0, развитие облачных технологий и социальных сетей, управление данными и их монетизация — вот факторы, которые повлияли на развитие концепции цифровой трансформации, которая представляет собой процесс интеграции различных цифровых технологий во все направления деятельности компании. Сам тренд на монетизацию данных возник еще в начале 2000-х, когда банки и страховые компании запускали первые решения с элементами платформ монетизации данных, например, Campaign Management (функции автоматизации маркетинга — Прим. ред). Сегодня мы наблюдаем естественное развитие этого процесса. Объем данных заметно увеличился за счет развития соцсетей, внешних открытых источников, а технологии позволили качественно работать с такими объемами.

Какое место управление данными должно занимать в стратегии цифровизации современной компании, чтобы она была успешной?

Это зависит от отраслевого профиля и зрелости конкретного бизнеса. Если говорить, например, о телеком-операторах, ритейле, банках и страховых компаниях, у которых есть большая клиентская база физических лиц, то для них концепт работы с данными жизненно важен, так как позволяет эффективно монетизировать их. А значит, им нужна платформа для работы с обширным пулом данных, над которой будут внедряться в повседневную деятельность инструменты Data Science. Управление данными необходимо и промышленным компаниям, которые реализуют стратегию цифровой трансформации прежде всего вокруг IoT и генерируют большой объем данных, работа с которыми должна быть встроена в производственные процессы.

А что важнее: данные или аналитика? На чем нужно фокусироваться в первую очередь?
Практические навыки применения знаний возникают в компаниях, которые внедряют DataDriven-культуру

Ни то, ни другое не работает само по себе. Важно научиться решать конкретные задачи с использованием данных. Есть широкий круг данных, есть извлекаемая из них информация, то есть аналитика, и есть знания — интерпретация и выводы для действий на ее основе. Практические навыки применения знаний возникают в тех компаниях, которые стремятся включить данные в операционные процессы и внедряют DataDriven-культуру. Обычно компания проходит пять этапов на этом пути — сопротивление данным; любопытство и изучение; осознание ценности и первая операционализация данных внутри компании; обширное использование аналитики и способность извлекать из нее инсайты; и, наконец пятый уровень — системное принятие стратегических решений на основе данных. В компаниях со зрелой DataDriven-культурой данные становятся ключевым импульсом трансформации процессов и моделей управления. Появляется полноценный цифровой двойник, на основе которого компания живет.

По вашим оценкам, на каком этапе внедрения DataDriven находится сегодня «Ростелеком»?

Думаю, «Ростелеком» сейчас на четвертом этапе — подразделения компании в целом понимают и интерпретируют данные. У нас уже появился навык видеть и использовать инсайты, бизнес во многом принимает решения, опираясь именно на данные. Но для перехода на следующий этап нам предстоит еще много работы.

Платформа управления данными, разработанная в «Ростелекоме» — это оптимизация внутренних процессов или монетизация данных и выход в новые сегменты рынка?

Мы в первую очередь разрабатывали технологическую платформу, которая поможет компании решать широкий спектр задач — от своевременной подготовки отчетности до повышения эффективности продаж и управления оттоком клиентов. А параллельно решая задачи импортозамещения, оптимизации высоких расходов на проприетарное программное обеспечения при активном развитии open source-решений, «Ростелеком» пришел к созданию платформы, с которой можно выйти на рынок. Так что это скорее оптимизация внутренних процессов, выросшая в возможность предлагать рынку собственную разработку. Непосредственно монетизацией занимается совместное предприятие «Ростелекома» и ВТБ.

То есть выводя на рынок эту платформу, «Ростелеком» не просто дает компаниям возможность взять в руки собственные данные и посмотреть, на что они способны, а предлагает готовый инструмент монетизации управления датой?
Основная сложность для большинства компаний, работающих с данными — интеграция

Основная сложность для большинства компаний, работающих с данными — интеграция. Представьте, что у вас тысяча первичных систем. Прежде чем монетизировать данные, содержащиеся там, их нужно научиться быстро объединять с высоким уровнем качества. Сделать так, чтобы их можно было интерпретировать для решения прикладных задач. Мы предлагаем платформу, которая позволяет загрузить и связать большой пул данных из огромного количества источников, быстро получать доступ к ним и строить конкретные бизнес-решения. То есть это не набор отраслевых разработок, заточенных под конкретные кейсы — практически любая компания сможет построить на ней собственный набор внутренних сервисов. Особенность представленных на рынке решений для управления данными заключается в том, что они являются слишком дорогими и сложными. Но используются, как правило, лишь на 10% своего функционала. Мы сфокусировались на решении прикладных задач, стоявших перед компанией. Этим наш подход как разработчиков отличается от того, что происходит на рынке. Там создавался продукт, а мы решали задачу. То, что мы сделали для себя, оказалось интересно рынку.

По какой модели клиенты могут получить этот продукт?

Есть несколько вариантов в зависимости от потребностей заказчика. Мы можем полностью развернуть и настроить платформу на его инфраструктуре и железе по модели On premises. Готовую платформу можно получить по модели PaaS в виде управляемого облачного сервиса. И наконец, клиент может выбрать SaaS-модель, чтобы решать конкретную бизнес-задачу. Вне зависимости от модели мы обеспечиваем техническую поддержку решений. Наша экспертиза позволяет закрывать недостающие компетенции по компонентам платформы практически у любого заказчика.

Большие данные — большие корпорации? Или маленьким компаниям тоже может быть полезна платформа управления данными, например, для развития или расширения партнерских проектов?

Абсолютно любая компания, которая чувствует, что переросла возможности стандартного Excel и задумывается об объединении разных баз данных, может использовать это решение. Платформа многокомпонентная, а значит, можно выбрать ровно то, что необходимо.

А госзаказчикам это может быть интересно?

Большой пул данных, которые используются для принятия решений, есть не только в коммерческих компаниях. Сегодня это характерно для большинства организаций. Поэтому у нас есть и такие заказчики. Например, элементы платформы задействованы в составе доверенной мобильной среды в рамках переписи населения, которую проводит Росстат. При разработке платформы дистанционного электронного голосования для ЦИК России используется компонент платформы для реализации геоинформационных сервисов.

Платформа включена в реестр отечественного ПО?
Платформа полностью соответствует требованиям к импортозамещению в ИТ

Да, большая часть компонент платформы уже включена в реестр отечественного ПО. Остальные компоненты будут включены в реестр в ближайшее время. Решение полностью соответствует требованиям к импортозамещению в ИТ. Это важно для многих заказчиков на российском рынке, и для «Ростелекома» тоже, так как у компании есть KPI в этой сфере. Уже два года мы работаем исключительно на компонентах собственной платформы, ее также использует наша дочерняя компания Tele2. В классе Big Data у нас один из самых высоких показателей импортозамещения — около 70% по итогам 2020 года. В классе MDM (Master Data Management), компоненты которого тоже есть в платформе — около 80%. Кроме того, это решение дешевле иностранного прикладного ПО и других российских разработок.

Классический аналитический отчет — это инструмент, к которому всегда «прилагается» человек, чтобы выявить тренды и описать выводы и принять решения. Означает ли появление таких ИТ-продуктов, как платформа управления данными, что скоро мы придем к полной роботизации этого процесса?

Для глубокой аналитики требуется сильный искусственный интеллект (ИИ), способный принимать решения в условиях неопределенности и иметь общее представление о реальности. А рынок — это и есть условия неопределенности, которые еще и очень быстро меняются. Поэтому в глубокой аналитике роботы людей вряд ли заменят, пока деятельность менеджмента не станет однозначно алгоритмизируемой или не появится мощный ИИ. А вот когда это случится, и может ли вообще произойти? Первый опыт разработки технологий искусственного интеллекта возник еще в 1950–1960-х годах, и с тех пор технология развивается волнообразно. Взлеты были в 1980–1990-х, когда появились более-менее работоспособные персональные компьютеры; потом в конце 2000-х — с активным развитием технологий работы с данными. Когда поднимется следующая волна, и будет ли человечество способно к этому времени реализовать сильный ИИ и алгоритмизировать работу менеджмента в условиях неопределенности, сказать сложно. Думаю, что на ближайшие лет пять работы нам хватит.

Беседовала Юлия Серёгина, корпоративный центр
Поделитесь в соцсетях
Вернуться назад
Закрыть
Адрес редакции vestnik@rt.tu