CDO больше не владеет данными — он создает среду, где с ними работает вся компания

— Данила, расскажи немного про свой профессиональный бэкграунд.
— Я работаю в роли CDO больше семи лет — с 2019 года. Первой компанией стал «Утконос»: изначально я выходил под выстраивание продвинутой аналитики и бизнес-процессов (ML, задачи ценообразования, управлением ассортиментом, промо-планированием, прогнозированием спроса, целевым маркетингом). Но довольно быстро стало понятно, что у компании нет инфраструктуры, хранилища и платформы данных, и это направление тоже пришлось взять на себя. Позже возглавил еще и команду бизнес-аналитиков. В итоге мы внедрили доменную структуру в аналитике, разделили ML-направление на целевой маркетинг, персонализацию и коммерцию, операции, а команду расширили примерно до 30 человек.

В 2021 году я перешел в «М.Видео», где моя команда была уже 130 человек. После реструктуризации возглавлял четыре больших блока: платформа данных, поставка данных по методологии Data Mesh (выделили команды под бизнес-домены HR, коммерция, финансы, логистика, маркетинг и т.д.), ML-команды разделили по бизнес-контекстам (маркетинг, коммерция, рекомендательные системы), NLP-команда фокусировалась на обработке и анализе клиентской обратной связи, NPS, CSI и пр. Четвертым важным направлением был Data Governance — внедрение корпоративных стандартов и процессов управления данными.

После этого я работал в «Апельсине» — коалиционной программе лояльности Alfa Group, X5, «АльфаСтрахования» и билайна, где бизнес строится вокруг данных и клиентского пути. Сейчас я больше года занимаю роль CDO в группе компаний «Московская биржа». Здесь очень масштабные процессы и задачи, а данные критически важны и для бизнеса, и для инфраструктуры рынка.

— Ты стал одним из первых заметных CDO в российском ритейле еще несколько лет назад. Скажи, что в роли CDO за последние 5–7 лет радикально изменилось?
— Сама работа с данными перестает быть полномочием и привилегией исключительно одного подразделения. С проникновением искусственного интеллекта и вайбкодинга все хотят быстрее проверять свои гипотезы, собирать аналитику и автоматизировать работу. Если раньше команда дата-офиса становилась сервисным подразделением, то сейчас держатели бизнес-процессов готовы самостоятельно решать свои задачи и работать с данными.

Роль CDO из-за этого сильно меняется. Моя задача - подготовить данные и процессы компании, сделать их AI-ready, чтобы те, кто занимается вайбкодингом, могли быстрее и эффективнее реализовывать свои задачи на реальных данных.

— А что изменилось и меняется в отношении работы с данными в компаниях в целом?
— В IT-командах появился спрос на управление данными (Data Governance). Если раньше корпоративные политики и стандарты внедрялись, начиная с аналитики и хранилища данных, то сейчас запрос приходит от производственных IT-команд. Бизнес растет, растет и количество автоматизированных процессов, дорожает инфраструктура, и стоимость ошибки при проектировании возрастает. Это повышает приоритет моделирования данных и разработки архитектуры.

Безусловно, был виток просадки технологий, связанный с импортозамещением. Когда ты работаешь на зрелых вендорских технологиях, многие вещи кажутся само собой разумеющимися: они уже много лет обкатаны на клиентах. При переходе на новые или импортозамещенные решения часто оказывается, что часть функциональности нужно достраивать самим. Из-за этого технические компетенции команд, которые отвечают за платформу данных, стали заметно глубже. Нельзя просто надеяться на вендора - приходится лучше понимать, как все устроено внутри.

— Что для тебя сейчас важнее в роли CDO: стратегия, архитектура, качество данных, культура, монетизация или управление рисками?
— Я вообще против сильных перекосов. Это не только про роль CDO, это, наверное, мой общий взгляд на жизнь. Я CDO, а еще я муж, отец, сын, брат, друг, занимаюсь триатлоном, играю на гитаре и на фортепиано, хочу быть здоровым и счастливым человеком. Если все время вкладываться только в одну роль, где-то обязательно начнет проседать.

С данными так же. Нельзя сказать: «вот сейчас важна только стратегия» или «только качество», или «только монетизация». Если не будет монетизации, не будет бизнес-кейсов, ради которых ты все это создаешь. Если не будет стратегии, непонятно, куда будет идти компания и твоя команда. Не будет архитектуры — будет дублирование, косты будут разрастаться, будет разнобой по всей компании.

Когда я пришел на Московскую биржу, первые три-четыре месяца я делал разведку: смотрел, на каком уровне зрелости находится компания. И увидел очень сильный дата-офис с выстроенными производственными процессами, с командами, которым можно доверять.

Но при этом не было в явном виде раскрыто, что значит «стать data-driven компанией». Я поставил себе приоритет в 2025 год: сформировать стратегию по управлению данными на 2026- 2028 гг. Мы разрабатывали ее полгода, и она легла в основу нашего целеполагания.

— Данила, раскрой, пожалуйста, что вы теперь вкладываете в понятие «Data-driven компания», а потом мы вернемся к стратегии.
— Мы станем data-driven компанией, если у нас будет максимальное количество обособленных, независимых команд, которые могут самостоятельно работать с данными и извлекать из них ценность, при этом соблюдать стандарты информационной безопасности и Data Governance.

Команды смогут проводить свои процессы и продукты по «лестнице извлечения ценности из данных»:
1 уровень. Описательная аналитика: дашборды, BI. Мы пониманием, что у нас происходит.
2 уровень. Диагностическая аналитика. Понимаем, почему это произошло, можем провалиться в нужные разрезы
3 уровень. Предиктивная аналитика. Можем прогнозировать, что будет дальше.
4 уровень. Оптимизационная аналитика – самый зрелый уровень. Процесс настолько хорошо оцифрован, что мы понимаем, какой показатель требуется максимизировать или минимизировать, на какие параметры управления мы можем повлиять и в какие ограничения необходимо вписаться.

То, насколько мы становимся data-driven компанией тоже нужно измерять, для этого мы предложили внедрить специальный Data-driven index в целеполагание владельцев ключевых процессов. Плюс у Центрального Банка есть методология оценки data-зрелости компании, и наша амбиция - показать по ней один из лучших результатов в стране.

— Как выглядит ваша дата-стратегия на ближайшие 1.5 года?
— У нас в компании есть стратегия Группы, IT-стратегия, стратегия трансформации бизнеса и дата-стратегия (стратегия по монетизации и созданию продуктов). Все эти стратегии опираются на данные. Без эффективного управления данными внедрение ИИ и любая базовая автоматизация будут работать крайне неэффективно. Данные — это топливо, на котором работает вся IT-экосистема.

Если внимательно посмотреть на нашу миссию, в ней есть 5 тезисов:
1. Данные как актив
2. Безопасность
3. Извлечение максимальной ценности
4. Оптимизация бизнеса с помощью ИИ
5. Лидирующие на рынке продукты

Наша стратегия последовательно раскрывает каждый из тезисов.

На Московской бирже уже есть очень хорошая база: бизнес-процессы уже инвентаризованы и размечены по критичности - Mission Critical, Business Critical и так далее. Наша задача - связать с этими процессами входные и выходные данные, завести их в Data-каталог и дальше закрепить понятную ответственность: если данные появляются в рамках твоего бизнес-процесса, ты становишься их владельцем.

Это важный сдвиг. Раньше казалось, что данными владеет CDO, потому что они лежат в платформе, или IT, потому что они лежат в системе. Но на самом деле владелец данных — это владелец бизнес-процесса, в котором эти данные родились. Он определяет методологию расчета, понимает, кто и зачем может ими пользоваться, и отвечает за качество.

Еще одна практическая цель - сохранить высокий уровень безопасности, но сильно сократить сроки доступа к данным. Сейчас в некоторых случаях это может занимать месяцы, а мы хотим прийти к тому, чтобы в типовых сценариях это измерялось одним днем.

И есть более человеческая амбиция - хочется, чтобы любой сотрудник группы компаний «Московской биржи» с уверенностью мог сказать, что у нас лучшая система управления данными, с которой он когда-либо работал.

— Данила, при таком количестве стейкхолдеров кто все же отвечает за дата-стратегию?
— За стратегию по управлению данными и за ее реализацию, безусловно, отвечаю я, как CDO. Но моя задача — донести до всех остальных участников, что стратегия по управлению данными — это инструмент, который помогает им достигать своих целей: быстрее запускать продукты, безопаснее давать доступ к данным, снижать стоимость изменений, управлять качеством.

Сейчас у нас очень много диалогов происходит вокруг практики владения данными. Ко мне часто приходят с эскалациями: хранилище некачественное, данные некачественные или у нас инцидент. И здесь мы подробно возвращаемся к базовой логике:

И здесь начинается честный диалог: если для владельца процесса данные достаточного качества и они его устраивают, а потребителей — нет, потребители должны либо принять этот факт, либо доказать, что компании выгоднее улучшить процесс, чем разгребать последствия.

— Московская биржа одновременно производит данные, обрабатывает их, распространяет и строит на них сервисы. Как у вас определены границы Data Office?
— Исторически дата-офис отвечал за хранилище данных и за BI. По сути, это было сервисное подразделение, которое создавало таблицы и дашборды по запросам пользователей.

Сейчас роль меняется. Мы поняли, что мы станем по-настоящему data-driven компанией, когда много самостоятельных подразделений смогут самостоятельно работать с данными, соблюдая при этом стандарты информационной безопасности и стандарты по управлению данными.

Мы продолжаем делать витрины данных и дашборды, но фокус смещается в сторону доменной архитектуры, платформы, инструментов, шаблонов и механизмов контроля. Наша задача - не бесконечно наращивать штат дата-офиса, а передавать компетенции туда, где возникает бизнес-контекст.

— Скажи, а как вы отслеживаете исполнение политик и стандартов? Как сделать так, чтобы документами действительно пользовались?

— Здесь есть два момента: почему это вообще работает на Московской бирже и как контролируется.

Почему работает? На бирже по умолчанию жесткий corporate governance. В каком-то смысле у пользователя стартовая позиция такая: «тебе ничего нельзя». И когда мы приходим с политикой и говорим: «Если ты будешь соблюдать вот такой стандарт, у тебя появится понятный и безопасный способ двигаться», - люди довольно быстро понимают ценность.

Второй момент - мы стараемся привязывать контроль к физическим объектам и операциям. Например, к схемам и ресурсным пулам в платформе данных. У нас есть четыре уровня.

Первый - индивидуальная песочница. Доступ есть только у одного человека, объемы ограничены, и внутри можно спокойно экспериментировать.

Второй - групповая схема для отдела или продуктовой команды. Там уже работает конкретная команда, но периметр понятен.

Третий - публичная схема. Если ты начинаешь отдавать данные другим подразделениям, они становятся значимыми на уровне компании. Значит, включаются стандарты Data Governance: ролевая модель, классификация данных, понимание, есть ли там персональные данные, коммерческая тайна и так далее.

Четвертый - производственный процесс. Если данные начинают использоваться в реальном процессе, добавляется уже IT Governance: линии поддержки, SLA, управление инцидентами, требования к надежности.

Итог простой: чем шире влияние данных на компанию, тем выше требования к управлению ими. Так политики перестают быть документами «на полке» и становятся понятными правилами игры.

— Что должно быть готово в компании в целом и в data-инфраструктуре в частности, прежде чем компания начнет серьезно внедрять ИИ?
— В нашей стратегии первая цель на 2026 г. — сделать данные AI-native. То есть подготовить их так, чтобы ИИ-агент мог решать задачи анализа данных, системного или бизнес-анализа не вслепую, а с нормальным контекстом: понимать, что за данные перед ним, откуда они взялись, какие есть ограничения, как их правильно интерпретировать.

Здесь есть и экономический момент. Инфраструктура ИИ дорогая, поэтому важно, чтобы агент решал задачу с минимальным расходом токенов. Чем понятнее и машиночитаемее у нас описаны данные, процессы, глоссарии, lineage, тем меньше агенту нужно «бродить по темному лесу» и тем дешевле получается решение.

— Может ли ИИ сам стать инструментом Data Governance — находить аномалии, предлагать владельцев данных, выявлять дубли, строить lineage, предлагать правила качества и объяснять происхождение показателей?
— Точно да. Он уже помогает при формировании описаний, но ему нужен нормальный фундамент. Если не дать ИИ контекст, он начнет галлюцинировать. Здесь важно выстроить архитектуру и процессы. У нас глобально в компании политика, что принятие критических решений остается за человеком. Одно дело, когда человеку тысячу решений надо принять, другое - когда десять по отклонениям.

Может ли сам ИИ искать владельцев данных? Да, может, но ему надо от чего-то отталкиваться. У нас он отталкивается от карт бизнес-процессов и бизнес-архитектуры. Просто если человек не может определить владельцев, то и ИИ не сможет.

— О чем я не спросила, но ты считаешь важным про это рассказать?

— Мне кажется, важно выйти чуть шире темы данных и поговорить о регулярном менеджменте, который на этих данных строится. У нас очень сложное корпоративное управление, и стратегия сама по себе ничего не меняет, если ее не декомпозировать до конкретных целей, метрик и регулярных управленческих ритуалов.

Мы начали со стратегии до 2028 года, потом разложили ее до целей департамента, моих личных целей, целей руководителей и команд. Сейчас каждую неделю смотрим около 100 метрик и по ним понимаем, как движемся к стратегическим целям.

Но здесь важна культура. В прошлом году многие метрики я придумывал сам и спускал командам сверху. И команды сначала пытались их «хакнуть», воспринимали как KPI, которые нужно выполнить любой ценой. Потом постепенно стало понятно: метрика - не самоцель и не дубинка. Это градусник, и он нужен, чтобы увидеть, где болит, где процесс буксует, где нужно вмешаться.

Когда команда это почувствовала, люди начали сами предлагать более честные и полезные методики расчета. И вот это, мне кажется, очень зрелая история: когда данные используются не для того, чтобы наказать, а для того, чтобы управлять реальностью и быстрее улучшать процессы.