Что такое корпоративная стратегия работы с данными?

Корпоративная стратегия работы с данными — это межфункциональный план, определяющий, как крупная организация собирает, получает доступ к своим данным и обеспечивает доверие к ним. Она регулирует настройку систем и лежащие в их основе принципы владения данными, а также определяет, могут ли все команды — и, что становится все более актуальным, все системы искусственного интеллекта (ИИ) — работать с доверенными данными без необходимости перестройки платформы или ожидания выполнения запросов отделом обработки данных.

В этой статье вы узнаете, что такое корпоративная стратегия работы с данными, почему инициативы в области ИИ вывели этот вопрос на передний план и из каких основных компонентов состоит рабочая стратегия. Вы также получите практическую базу для построения корпоративной стратегии работы с данными, поймете, какие ошибки чаще всего приводят к провалу этих усилий, и увидите доказательства того, каких результатов позволяет достичь зрелая стратегия.

Основные выводы

• Корпоративная стратегия работы с данными определяет, как ваша организация получает доступ к данным, управляет ими и обеспечивает доверие к ним во всех системах, с которыми они взаимодействуют.
• ИИ сделал создание стратегий работы с данными вопросом уровня совета директоров, поскольку успех проектов в области ИИ зависит от управления данными и контекста.
• Общий семантический слой в сочетании с федерацией данных позволяет согласовать значения в разных системах без полной миграции, даже после централизации в одном хранилище данных.
• Рабочая стратегия работы с данными предполагает четкое распределение ответственности между руководителями высшего звена, включая директора по данным (CDO), директора по информационным технологиям (CIO), финансового директора (CFO) и директора по маркетингу (CMO), на основе общих ключевых показателей эффективности (KPI), а не простого ИТ-мандата.

Корпоративная стратегия работы с данными определяет, как ваша организация решает, где хранятся данные, кто может получить к ним доступ и кто несет ответственность за их точность. Это набор решений, охватывающий настройку данных, управление ими и владение ими, которые определяют, могут ли финансовый руководитель, маркетинговый аналитик и конвейер машинного обучения работать с одними и теми же доверенными цифрами.

У большинства предприятий уже достаточно данных. Им не хватает скоординированного плана по обеспечению их доступности и надежности в облачных платформах, озерах данных и локальных системах без необходимости пропускать каждую команду через единый, хрупкий конвейер. Рабочая стратегия работы с данными напрямую решает эту проблему, устанавливая правила доступа, качества и владения до того, как новому ИИ-проекту или бизнес-подразделению потребуются данные. Это наиболее важно для среднего и крупного бизнеса, где данные обычно распределены по десяткам систем и ни одна команда не владеет полной картиной.

Почему предприятиям нужна формальная стратегия работы с данными прямо сейчас

Инициативы в области ИИ сделали стратегию работы с данными приоритетной задачей во многих организациях. Согласно исследованию McKinsey «State of AI», организации получают наибольшую выгоду от ИИ, когда их генеральные директора контролируют усилия по изменению ДНК компании. Это переводит стратегию работы с данными для ИИ в компетенцию совета директоров, а не оставляет ее исключительно на усмотрение ИТ-отдела.

До 95 процентов проектов в области ИИ никогда не доходят до стадии промышленной эксплуатации, часто из-за отсутствия контекста данных и управления ими. Gartner отдельно прогнозирует, что к 2027 году более 40 процентов проектов агентного ИИ будут отменены из-за растущих затрат, неясной окупаемости инвестиций и незрелости автономности агентов. Именно поэтому контекст является недостающим элементом в большинстве стратегий ИИ для многих предприятий.

Цена отсутствия стратегии

Без формальной стратегии предприятия накапливают информационные разрозненности (силосы) в бизнес-подразделениях, каждое из которых имеет свои определения, правила доступа и дублирующиеся процессы извлечения, преобразования и загрузки (ETL), питающие перекрывающиеся дашборды. Финансовый и маркетинговый отделы в итоге получают разные цифры для одного и того же показателя, и никто в обеих командах не может с уверенностью сказать, какая из них верна. Каждый новый сценарий использования ИИ требует индивидуальной настройки данных, что замедляет реализацию и подрывает доверие к цифрам, которые все же доходят до лиц, принимающих решения.

Основные компоненты корпоративной стратегии работы с данными

Полноценная корпоративная стратегия работы с данными опирается на четыре взаимосвязанных компонента.

Настройка данных и доступ к ним

Первый — это доступ к данным. Без доступа к данным у вас не может быть стратегии работы с ними. По этой причине любая стратегия должна начинаться именно с доступа, и здесь у вас есть два выбора. Вы можете либо пойти по традиционному пути централизации данных, либо внедрить более современные стратегии с использованием федерации данных.

Управление данными и контроль доступа

Управление данными определяет, кто может видеть что, при каких условиях и с каким аудиторским следом. Без этого доступ становится бесконтрольным, а риски нарушения комплаенса растут.

Владение данными и организационные роли

Стратегии нужны назначенные владельцы с четкой ответственностью. Это означает согласованность действий на уровне высшего руководства: CDO или CIO обычно отвечают за настройку и управление данными, в то время как бизнес-лидеры отвечают за качество данных в своих областях. Эта тенденция четко прослеживается в финансах, где финансовые директора, работающие с высокой точностью и уверенностью в прогнозах, напрямую связаны с тем, насколько хорошо организованы качество данных и доступ к ним на вышестоящих этапах.

Контекст и семантический слой для ИИ

Сырого доступа к данным недостаточно для того, чтобы системы ИИ использовали их правильно. Семантический слой, который последовательно определяет бизнес-термины, включая выручку, клиента и активного пользователя, дает как людям, так и моделям общий контекст, необходимый для получения достоверных ответов, а не правдоподобных догадок. Более того, этот же слой позволяет большой языковой модели или аналитическому инструменту интерпретировать вопрос именно так, как это принято в вашем бизнесе. Это устраняет догадки о том, какая таблица или столбец применимы.

Как построить корпоративную стратегию работы с данными

Построение корпоративной стратегии работы с данными лучше всего работает как последовательность осознанных выборов, а не как единый всеобъемлющий мандат.

Начните с бизнес-кейсов. Определите два или три решения или приложения на базе ИИ, которые принесли бы наибольшую пользу, если бы каждая команда могла доверять лежащим в их основе данным. Затем двигайтесь в обратном направлении к настройке и управлению, которые необходимы для этих кейсов. Модель прогнозирования, требующая согласованных показателей выручки по регионам, — хороший пример. Она говорит о том, что нужно поддерживать в настройке и управлении, гораздо больше, чем абстрактный мандат по качеству данных. Начало работы с инфраструктуры обычно приводит к созданию технически элегантных систем, которые сотрудники стараются обходить.

Выберите настройку, которая соответствует месту хранения данных. Вместо того чтобы принудительно проводить полную миграцию, оцените, отвечает ли федерация данных, которая позволяет запросам обращаться к данным в облачных платформах, озерах данных и локальных системах без их копирования, вашим потребностям в доступе и производительности. Централизация по-прежнему имеет смысл для некоторых рабочих нагрузок, но она не должна быть ответом по умолчанию, пока вы не протестировали альтернативу.

Распределите владение данными и общие KPI между руководителями высшего звена. Владение данными не может оставаться исключительно в ведении ИТ, если финансовый директор, директор по маркетингу и директор по ИТ зависят от одних и тех же цифр. На практике это означает согласование общих KPI по качеству данных и скорости доступа для этих ролей, чтобы задача CIO по балансировке доступа и контроля не превратила стратегию в инициативу только для ИТ-отдела, которую игнорируют другие руководители.

Внедряйте управление до масштабирования ИИ. Создайте систему контроля доступа, правила качества данных и семантический слой до первого масштабного развертывания ИИ, а не после того, как неудачный пилотный проект заставит вас это сделать. Модернизация системы управления в уже работающей ИИ-системе обходится значительно дороже, чем ее проектирование с самого начала.

Распространенные ошибки, которые подрывают стратегии работы с корпоративными данными

Самая распространенная ошибка — считать централизацию тем же самым, что и интеграцию. Перенос каждой таблицы в одно хранилище данных не устраняет противоречивые определения, несовпадающие идентификаторы в разных системах или неясную ответственность. Централизация данных — это не то же самое, что их интеграция, и предприятия, которые пропускают работу над семантикой и управлением, в конечном итоге получают единое дорогостоящее место для тех же нерешенных проблем.

Вторая распространенная ошибка — полное игнорирование контекста и семантического слоя при масштабировании ИИ. Команды спешат подключить модели напрямую к «сырым» данным, а затем удивляются, почему результаты не соответствуют тому, что бизнес подразумевает под такими терминами, как «активный клиент» или «чистая выручка». Без этого общего контекстного слоя каждая инициатива в области ИИ вынуждена решать одни и те же проблемы с определениями с нуля.

Как выглядит эффективная стратегия

Зрелая стратегия работы с корпоративными данными проявляется в измеримых результатах. Среди банков из списка Fortune 500 восемь из десяти уже работают со Starburst, чей подход к открытому data lakehouse сочетает федерацию данных с управляемым доступом. Организации, выбравшие этот путь, сообщают о снижении затрат на вычисления до 12 раз по сравнению с традиционными хранилищами данных, а также об ускорении получения аналитических выводов на 90 процентов. Они также отмечают 15-кратное увеличение объема доступных данных и используют более 50 коннекторов, которые объединяют источники без необходимости полной миграции. Эти цифры отражают то, что происходит, когда настройка, управление и ответственность работают вместе, а не решаются по отдельности.

Следующие шаги

Хотите узнать больше о скрытых «слепых зонах» данных, которые подрывают стратегию работы с корпоративными данными? Ознакомьтесь с электронной книгой Data Black Holes.

Часто задаваемые вопросы

Стратегия работы с корпоративными данными — это кросс-функциональный план, который определяет, как ваша организация собирает, получает доступ и управляет данными во всех командах и системах. Она объединяет решения по настройке, управлению и ответственности, чтобы финансовые, маркетинговые и ИИ-системы могли работать с одними и теми же доверенными показателями. Это лучше, чем заставлять каждую команду использовать один ненадежный конвейер.

Почему предприятиям нужна стратегия работы с данными именно для ИИ?

ИИ-системы усиливают любые проблемы с данными, которые уже существуют в вашей организации. Без формальной стратегии отсутствие управления и неясный контекст — это причины, по которым способ настройки ваших данных может как обеспечить успех, так и привести к провалу ИИ-инициативы. Отсутствие контекста — это именно та причина, по которой до 95 процентов ИИ-проектов никогда не доходят до стадии промышленной эксплуатации.

В чем разница между стратегией работы с данными и политикой управления данными?

Стратегия работы с данными — это более широкий план, охватывающий настройку, управление и ответственность. Управление данными (data governance) является одним из его компонентов. Оно устанавливает правила того, кто может получить доступ к данным и как обеспечивается их качество. Управление задает границы; полная стратегия также определяет, где хранятся данные и кто несет ответственность за результаты.

Кто должен отвечать за стратегию работы с корпоративными данными: ИТ-отдел или бизнес?

Ни ИТ, ни бизнес не должны отвечать за это в одиночку. Эффективные стратегии опираются на согласованность действий руководства высшего звена, при этом CDO или CIO обычно отвечают за настройку данных и управление ими, а бизнес-лидеры — за качество данных и результаты в своих собственных доменах.

Считается ли централизация всех данных в одном хранилище стратегией работы с данными?

Нет. Централизация данных — это не то же самое, что их интеграция; перенос каждой таблицы в одно хранилище данных не устраняет противоречивые определения, несовпадающие идентификаторы в разных системах или неясную ответственность. Реальная стратегия также требует управления и общего семантического слоя.

Сколько времени занимает создание стратегии работы с корпоративными данными?

Сроки зависят от размера организации и количества систем, которые необходимо подключить, но вам не нужна полная миграция, чтобы начать получать пользу. Начало работы с нескольких высокоценных сценариев использования, а затем выстраивание вокруг них настройки, управления и ответственности, обычно дает результаты быстрее, чем ожидание завершения единого масштабного проекта.