Данные предприятия: от разрозненных систем к управляемому активу

По оценке Gartner, компании теряют в среднем 12,9 миллиона долларов в год из-за низкого качества данных. В российском опросе, на который ссылается РБК Тренды, 72 процента компаний фиксировали прямые финансовые потери по той же причине. Для предприятия эта сумма складывается из простоев, пересортицы на складе, задвоенных закупок и часов, которые инженеры тратят на выяснение, какая версия справочника верна. Методика АЦТ выделяет управление данными в отдельную группу H. Внутри группы четыре разных инструмента отвечают за то, что на предприятии часто называют одним словом «цифровизация»: правила и ответственность (H1-01), единый справочник (H1-02), место, где данные хранятся (H1-03), и способ увидеть по данным, что фактически происходит с процессом (H3-04).

Деталь с тремя именами

В конструкторской документации позиция называется «болт М12х40 ГОСТ 7798-70». В учетной системе склада та же позиция проходит как «болт М12-40 оцинк.». В заявке на закупку, которую готовит снабженец, — «крепеж М12, длина 40». Формально это одна и та же деталь. Для трех информационных систем — три разных объекта, у каждого своя карточка, свой остаток, своя история закупок.

Пока предприятие работает на бумаге и созвонах, разночтение сглаживает человек: кладовщик знает, что «оцинк.» и ГОСТовский болт — одно и то же, снабженец уточняет по телефону. Как только предприятие переходит на ERP, MES и BI-панели, эта компенсация исчезает. Система не звонит кладовщику, она считает остатки по коду. Если код у одной физической детали три, отчет о запасах занижает фактическое наличие, планирование закупок дублирует то, что уже есть на складе, а аналитик, готовящий сводку для руководства, тратит день на сведение трех таблиц вместо анализа тенденции.

Второй слой проблемы глубже первого. Система учета обычно уже стоит и работает штатно, проблема не в ней. Проблема в том, что никто не отвечает за то, чтобы у детали было одно имя во всех системах сразу. Формально ответственность размыта между конструкторским отделом, ИТ-службой и снабжением. 

Кто в компании отвечает за данные

Управление данными, Data Governance (H1-01) в методике АЦТ распределяет ответственность за данные между конкретными людьми и ролями. Методика указывает: кто утверждает формат справочника, кто вносит изменения, кто проверяет качество и кто отвечает, если данные оказались неверными, а решение на их основе привело к убытку. Описывает четыре цели этого инструмента: точность и актуальность данных, защита от утечек и злоупотреблений, соответствие требованиям регуляторов и упрощение доступа к данным для тех, кто принимает решения.

На практике первый шаг — назначение владельцев данных по ключевым доменам: кто-то отвечает за номенклатурный справочник, кто-то за справочник контрагентов, кто-то за справочник оборудования. Второй шаг — регламент изменений: любое новое наименование или новый код проходит через одну точку согласования вместо того, чтобы создаваться по мере необходимости в трех системах параллельно. Третий шаг — метрики качества: доля дублей в справочнике, доля записей без обязательных полей, среднее время устранения расхождения после того, как его обнаружили.

Без этого слоя любая последующая инвестиция в данные предприятия упирается в тот же дефект на входе. Хранилище, аналитика, process mining наследуют ошибки и дубли из системы управления данными и превращают его в ошибки в отчетах и моделях, сколь бы дорогим ни было использованное программное обеспечение.

Один источник правды: от справочника до хранилища

Управление основными данными, Master Data Management (H1-02), решает проблему трех имен одной детали. MDM — это не отдельная база данных, а слой процессов и регламентов, обеспечивающий, что критически важные данные о контрагентах, номенклатуре, оборудовании и персонале существуют в одной эталонной версии и синхронизируются во все остальные системы вместо того, чтобы создаваться заново в каждой из них.

Топливная компания Росатома «ТВЭЛ» в 2022 году запустила единую систему управления данными об изделиях на импортонезависимой платформе технической подготовки производства IPS, объединив автоматизированные системы конструкторской и технологической подготовки шести предприятий дивизиона. К системе подключили 1200 сотрудников АО «ТВЭЛ», АО «МСЗ», АО «ЧМЗ», АО «ВНИИНМ», ПАО «НЗХК» и ООО «НЗХК-инструмент» с планом расширения до 16 предприятий топливной компании. Результат — единая информация об изделии доступна конструктору, технологу и производству независимо от того, к какому юридическому лицу дивизиона относится сотрудник. До объединения одна и та же деталь на разных предприятиях дивизиона существовала в разных карточках технической подготовки производства, что затрудняло совместную разработку и увеличивало риск ошибки при передаче документации между площадками.

Хранилища данных, Data Warehouse (H1-03) — следующий уровень. Методика описывает этот инструмент как централизованное хранение и управление большим объемом структурированных данных из разных источников ради единой согласованной базы для анализа. Магнитогорский металлургический комбинат подтверждает логику инструмента на практике: с сентября 2019 по июнь 2022 года «ММК-Информсервис» вместе с интегратором RockITSoft строили корпоративное хранилище данных на импортонезависимом стеке Arenadata, потратив на проект около 15 тысяч человеко-часов. Хранилище стало основой аналитического портала комбината и нескольких прикладных моделей: системы-советчика мастеру доменной печи, использующей данные экспресс-лаборатории и датчиков промышленного интернета вещей, системы оптимального планирования доменного производства и модели оценки выхода годной продукции в конвертерном цехе. Отдельно решалась техническая проблема, характерная именно для хранилищ: без продуманной архитектуры загрузки каждый новый источник данных требует ручной доработки кода. Эту проблему на комбинате решили разработкой универсального фреймворка загрузки, который позволяет подключать новые источники настройкой в интерфейсе, без написания нового кода под каждый источник.

Порядок здесь имеет значение. MDM гарантирует, что деталь называется одинаково везде, DWH дает место, где данные из разных систем физически сводятся для анализа. Хранилище, заполненное данными без предварительной работы над справочниками, унаследует все три имени одной детали — только теперь в масштабе, при котором ручная сверка станет неподъемной.

От архива к действию: что данные говорят о процессе

Три предыдущих инструмента отвечают на вопрос, верны ли данные и лежат ли они в одном месте. Добыча процессов, Process Mining (H3-04) отвечает на другой вопрос: как процесс происходит фактически, независимо от того, что написано в регламенте. Инструмент анализирует журналы событий из информационных систем — ERP, CRM, MES — и восстанавливает реальный ход событий: как проходит закупка, ремонт или согласование договора. Так выявляются отклонения, узкие места и петли повторных согласований, которые не видны ни на одной блок-схеме.

Российский рынок процессной аналитики вырос в 2025 году на 53 процента, до 1,4 миллиарда рублей, по совместным данным исследования Сбербанка и компании «Технологии Доверия». Отраслевые оценки закладывают превышение отметки в 2 миллиарда рублей в 2026 году. Каждая третья крупная российская компания либо применяет process mining, либо тестирует инструмент в пилотном проекте: эта технология перешла из категории новинок в категорию массового внедрения быстрее, чем большинство других инструментов группы H.

Здесь необходимо оговорить честное ограничение. Process mining работает только там, где процесс уже оцифрован и оставляет след в системе: если согласование договора идет через переписку в мессенджере, минуя документооборот, анализировать нечего. Второе ограничение важнее первого: инструмент показывает, где процесс отклоняется от регламента, но сам отклонение не устраняет. Без владельца процесса, готового вносить изменения по результатам анализа, дорогой отчет о найденных проблемах остается невостребованным — как и прежние регламенты, которые тоже никто не соблюдал.

Место в методике и порядок внедрения

Группа H «Данные и аналитика» в методике АЦТ сфокусирована на управлении и анализе данных и разбита на три подгруппы. H1 — управление данными: Data Governance (36 часов, сложность высокая), Master Data Management (42 часа, сложность высокая), Data Warehouse (46 часов, сложность высокая). H2 — аналитика и визуализация: инструменты визуализации, бизнес-аналитика и прогнозная аналитика, которые методика ставит уровнем выше по применению накопленных данных. H3 — обработка данных: обработка в реальном времени, периферийные вычисления, добыча данных и завершающий инструмент подгруппы — Process Mining (54 часа, сложность очень высокая).

На профильной конференции «Управление данными 2026» практику построения систем управления данными в закрытых контурах разбирают представители «Транснефти», СИБУР Холдинга, «Ростелекома» и Объединенной металлургической компании — тех же отраслей, для которых написана методика АЦТ.

Такая последовательность выбрана не случайно. Управление данными без единого справочника оставляет правила, применить которые не к чему. Справочник без хранилища остается фрагментом без места для консолидации. Хранилище без управления данными быстро превращается в тот же архив с тремя именами одной детали. Process mining, поставленный в начало вместо конца, покажет хаос вместо диагноза: без чистых основных данных модель процесса будет описывать погрешности справочников вместо реального процесса.

Заключение

Прогноз Gartner на 2027 год предполагает, что 60 процентов организаций не получат ожидаемого эффекта от внедрения искусственного интеллекта из-за несогласованности систем управления данными. Причина в данных. Модели здесь ни при чем. Для предприятия, которое уже вложилось в ERP, BI-панель или пилот с искусственным интеллектом, проверка ответа на один вопрос стоит утреннего совещания: назовите одну и ту же позицию номенклатуры так, как ее назовут в конструкторском отделе, на складе и в закупке. Расхождение в ответах означает, что следующая инвестиция в аналитику ляжет на тот же фундамент с трещиной.