«Управление данными» звучит как проект на три года с консультантами и отдельным бюджетом. На деле базовый порядок можно навести силами одного отдела за месяц. И сделать это стоит до того, как на ваши таблицы посмотрит ИИ.
Управление данными (data governance) — это договорённости о том, кто отвечает за данные, как они создаются и хранятся и как понять, что им можно доверять. Не система и не программа, а набор правил, ролей и простых проверок.
Почему это стало срочным
Раньше ошибка в таблице жила локально: кто-то посчитал неправильно — кто-то заметил. ИИ меняет масштаб. Он читает сотни файлов за минуту, уверенно делает выводы и раздаёт их всем, кто спросил. Принцип «мусор на входе — мусор на выходе» никуда не делся, просто теперь мусор разлетается быстрее.
ИИ не исправляет плохие данные. Он делает их последствия заметнее.
Обратная сторона тоже верна: аккуратные, описанные и регулярно обновляемые данные — это то, что отличает работающий ИИ-сценарий от красивого демо.
Три роли, которых достаточно
Не нужно создавать новый отдел. Достаточно назвать людей, которые уже работают с данными, и закрепить за ними ответственность.
| Роль | Кто это обычно | За что отвечает |
|---|---|---|
| Владелец данных | Руководитель направления | Решает, что считать правильным, кому давать доступ, утверждает правила |
| Стюард данных | Ведущий специалист, аналитик | Следит за качеством, ведёт описание и справочники, разбирает ошибки |
| Пользователь | Все, кто вносит и читает данные | Соблюдает правила оформления и сообщает о найденных ошибках |
У каждого важного набора данных — от реестра договоров до справочника норм — должен быть один владелец и один стюард. Если на вопрос «кто отвечает за эту таблицу?» звучит «все», значит, не отвечает никто.
Пять признаков качества
Качество данных — не абстракция. Его можно измерить простыми проверками, которые запускаются фильтром в Excel или парой строк кода.
| Признак | Вопрос | Пример проверки |
|---|---|---|
| Полнота | Все ли обязательные поля заполнены? | Доля пустых ячеек в столбце «Ответственный» |
| Точность | Соответствует ли значение действительности? | Выборочная сверка 20 записей с первичкой |
| Согласованность | Совпадают ли данные в разных источниках? | Сумма в реестре = сумме в учётной системе |
| Актуальность | Насколько свежие данные? | Дата последнего обновления не старше недели |
| Уникальность | Нет ли дублей? | Повторы по номеру договора или ИНН |
Реестр данных вместо каталога
Корпоративный каталог данных — хорошая вещь, но начать можно с обычной плоской таблицы: перечня всех наборов данных отдела. Она же станет первой «картой», которую вы дадите ИИ-ассистенту.
| Набор | Где лежит | Владелец | Обновление | Доступ |
|---|---|---|---|---|
| Реестр договоров | \\share\dogovory\02_clean | Начальник ОМТС | ежедневно | внутренний |
| Нормы времени | \\share\normy\02_clean | Главный инженер | раз в квартал | внутренний |
| Штатное расписание | кадровая система | Начальник ОК | по событию | конфиденциальный |
Жизненный цикл данных
У данных, как у документов, есть начало и конец. Договоритесь, что происходит на каждом этапе:
- Создание. Данные вносятся по шаблону с проверкой значений — так ошибки не появляются, а не исправляются потом.
- Хранение. Одно мастер-место, слои «сырые → чистые → отчётные», понятные имена. Подробнее — в статье «Как хранить данные, чтобы ИИ смог ими пользоваться».
- Использование. Отчёты, BI и ИИ берут данные только из чистого слоя.
- Архив. Устаревшие наборы переносятся в архив с отметкой даты, а не остаются рядом с актуальными.
- Удаление. По сроку хранения из регламента — особенно для персональных данных.
План на 30 дней
| Неделя | Что делаем | Результат |
|---|---|---|
| 1 | Инвентаризация: собираем все таблицы и выгрузки отдела | Реестр данных, черновик |
| 2 | Назначаем владельцев и стюардов, пишем описания ключевых наборов | Роли и словари данных |
| 3 | Вводим правила оформления и шаблоны, приводим 2–3 главные таблицы к плоскому виду | Шаблоны, чистый слой |
| 4 | Запускаем проверки качества и первый ИИ-сценарий на чистых данных | Метрики качества, пилот |
Как понять, что стало лучше
- Время на подготовку отчёта — сколько часов уходит на сбор и сверку перед тем, как начать анализ.
- Доля наборов с владельцем и описанием в реестре.
- Число ошибок, найденных проверками качества, — сначала оно вырастет (вы начали их видеть), потом начнёт падать.
- Число вопросов «где взять актуальные данные?» в рабочих чатах.