Данные решают. Как управлять данными, чтобы создавать ценность для бизнеса - Светлана Бова

финансовый рынок. Принципы 716-П могут стать общим языком для всех, кто работает с деньгами и доверием клиентов, что уже подтверждается практикой взаимодействия страховых компаний и других участников финансового рынка с регулятором.

Основной драйвер будущего — искусственный интеллект

Главным катализатором изменений, на наш взгляд, станут не абстрактные законы о данных, а нормативные акты, регулирующие применение ИИ. Когда регулятор спросит: «На основании каких данных ваша нейросеть отказала человеку в услуге?» — компании потребуется не просто алгоритм, а полная объяснимость: безупречный Data Lineage, документальное качество обучающих выборок, ясные метаданные.

Поэтому наиболее разумная и дальновидная стратегия сегодня, особенно при отсутствии регуляторной среды по данным в вашей индустрии, — выстраивать систему управления данными не «вообще», а вокруг контура своих самых продвинутых и значимых моделей, особенно на базе ИИ. Постройте для них «идеальный цех» с чистыми данными, четкими паспортами и прослеживаемостью. Он и станет тем самым готовым образцом, «высоким зданием» в вашем квартале, когда волна регулирования ИИ нахлынет на все отрасли. Вы не просто исполните будущие требования, а создадите себе конкурентное преимущество, основанное на порядке, прозрачности и абсолютном контроле над своим цифровым капиталом, о чем мы поговорим подробнее в главе 11.

Выводы

Регулирование в сфере данных — не препятствие, а готовый план внедрения концепции управления данными, выверенный и оплаченный чужими ошибками. Банковские регуляторы мира уже составили список обязательных модульных блоков для строительства «дома» управления данными, среди них:

• ответственность высшего руководства за данные и осведомленность об ограничениях, имеющихся в данных и управленческой отчетности;

• обязательное наличие стратегии по данным, синхронизированной с бизнес- и ИТ-стратегией, и контроль выделения достаточного объема бюджетов на программу управления данными;

• внедрение и заполнение инструментов управления данными (бизнес-глоссарий, дата-каталог и Data Lineage) для возможности проследить источник возникновения любых данных в компании не более чем за 48 часов;

• автоматизация для большинства рутинных операций;

• обучение сотрудников для формирования культуры принятия решений на данных.

Даже если ваша отрасль не зарегулирована, эти элементы могут стать каркасом для создания конкурентного преимущества, основанного на прозрачности, скорости и доверии.

В России регуляторные правила по работе с персональными данными действуют для всех отраслей, задавая базовый минимум и экологичную среду. Детальное же регулирование по управлению данными пока существует только для банков. Однако перспективные нормы в части ИИ коснутся всех. Поэтому самый дальновидный шаг для вас — уже сейчас выстроить управление данными вокруг своих ключевых процессов и моделей, особенно построенных с применением искусственного интеллекта.

Тот, кто научится не просто собирать, но и доказывать качество и обоснованное происхождение своих данных, превратит ответ на перспективные регуляторные требования в свою главную валюту — валюту заслуженного доверия и повышения лояльности клиентов, которая затем конвертируется в доходы бизнеса.

А сейчас мы приглашаем вас перейти к завершающей части нашего путешествия и вместе поразмыслить о том, каким управление данными станет в будущем и при чем здесь деньги.

Глава 10. О том, почему данные — это деньги

Данные — это деньги. Но затраты или прибыль — решать вам.

Споры о возможности монетизации данных и получения их достоверной оценки в деньгах ведутся в каждом бизнесе, вставшем на путь дата-трансформации. Если бы все было очевидно, CDO по всему миру не поднимали бы буквально на каждой конференции по данным такие вопросы:

• Как доказать важность функции управления данными руководству?

• Как получить измеримую оценку от инициатив с данными в деньгах?

Во многом книга, которую вы держите в руках, была написана для ответа на них.

CDO при ответе на эти вопросы, как водится, делятся на три лагеря: оптимисты, пессимисты и реалисты.

Оптимисты говорят: «Все просто. И к тому же давно описано в учебниках по данным. Сначала находишь бизнес-кейс с заинтересованным стейкхолдером. Потом в коллаборации с департаментом финансов пишешь методику оценки для него. Защищаешь перед руководством, тебе выделяют бюджет на стратегическую программу управления данными, и ты получаешь эти эффекты ежегодно в отчете о прибылях и убытках, повышая стоимость бизнеса. Потом повторяешь для других доменов данных».

Пессимисты возражают: «Это практически невозможно. Управление данными лежит далеко за пределами сферы интересов руководства. Я пытался донести эту мысль долгие годы. Какие только бизнес-кейсы ни презентовал. Топ-менеджмент так и не осознал, в чем ценность данных, и не поверил в прогнозы».

Сегодня мы предлагаем вам встать на сторону дата-реалистов и хотим поделиться своей (не единственной) версией правды.

Итак, в этой главе мы обсудим:

• как связаны данные и деньги;

• от каких факторов зависят затраты и выручка от данных;

• что такое бизнес-кейс и как его обосновать;

• почему сложно убедить руководство в необходимости старта программы управления данными;

• как все-таки посчитать ROI от улучшения подходов к управлению данными.

Почему данные — это деньги: взгляд дата-реалистов

Бизнес сегодня подобен витязю на распутье — но ни коня, ни жизнь он терять не хочет. И концептуальных дорог перед ним всего две. Ведут они в будущее, которое для кого-то наступит через каких-нибудь пять — семь лет, а для кого-то уже завтра.

Первую дорогу выбирают data-driven-компании. Для них данные стали тем, что эксперты называют «энэйблером» — ключевым механизмом, включающим ценность для бизнеса. Они не просто «работают с данными». Такие компании выстроили вокруг них весь свой бизнес так, что без них продукт просто не существует или становится бесполезным, как машина без двигателя. Клиент платит именно за эту уникальную, точную, моментально доставляемую пользу, которую невозможно скопировать без аналогичной «нервной системы» из данных.

По второй дороге бредут те, кто пока не решился на эту перестройку. Они всё еще пытаются продавать «двигатель» отдельно, «колеса» отдельно, а «руль» — в виде необязательного аксессуара. Их продукты знакомы, но громоздки. Их решения работают, но с задержкой. Их клиенты терпеливы, но уже заглядываются на соседнюю, более быструю и удобную машину.

Возьмем, например, компанию, которая, хотя и продает колеса отдельно, но, выбирая путь data-driven, достигла невероятного успеха, что подтверждает ее популярность среди клиентов, выливающаюся в цифры продаж и бессменное лидерство в международных рейтингах[57].

ОПЫТ MICHELIN: КАК ОПЕРАТИВНЫЙ ДОСТУП К ДАННЫМ УЛУЧШАЕТ КАЧЕСТВО ПРОДУКТА И ПОВЫШАЕТ ЛОЯЛЬНОСТЬ КЛИЕНТОВ

Во всех крупных производственных компаниях есть одна и та же боль. На заводах скапливаются горы данных — от датчиков температуры, контроллеров пресс-форм, записей о качестве сырья. Инженеры и технологи чувствуют эти данные кожей: где-то здесь, в тысячах переменных, прячется ответ, почему на одной линии брак выскакивает чаще, чем на другой. Но чтобы до него добраться, нужно звать программиста, ждать выгрузки, неделями