Добрый день, дорогие друзья. Я Сергей Бондарев, директор по управлению данными и директор по аналитическим решениям в Первой грузовой компании (ПГК). Наша компания активно развивается, что требует от наших команд создавать новые предметные области аналитики, реализовывать трансформационные проекты и создавать новый функционал по обработке данных.

Наша команда растёт и пополняется новыми участниками. Когда команда вырастает из размера «двух пицц», поддержание её прежней управляемости и результативности требует определенных усилий. Несомненно, основой управляемости является соблюдение стандартов, процессов планирования и разработки. Тут можно увлечься, утяжеляя внутренние рабочие процессы до состояния невозможности соблюдения, лично я знаю такие примеры. Но, как известно, сложность рабочих процессов является следствием попыток их взлома и обхода участниками. Поэтому вопрос управляемости можно решить по‑другому: не через требования к процессу, а управляя требованиями к участникам команды. То есть развивать компетенции членов команды, оставив при этом простые и удобные правила работы.

Всем привет, я Сергей Бондарев, Директор по управлению данными и директор по аналитическим решениям ПГК, и сегодня хочу поделиться нашим опытом по поводу построения у нас Self Service BI. При подготовке материала я специально не читал никаких книжек и статей по этой теме, чтобы поделиться исключительно своим опытом, добытым различными экспериментами, в основном удачными.

В 2022 году мы спроектировали и построили платформу данных, включающую хранилище с механизмами доставки данных, систему управления справочной информацией, BI систему. В совокупности системы должны обеспечить наши команды ИТ, цифровой фабрики набором инструментов, необходимых для разработки функционала цифровых продуктов, продуктовой и проектной аналитики. При этом, на этапе сбора требований к проектированию BI платформы сложилось понимание высокого потенциала аналитики, разрабатываемой пользователями самостоятельно.

Перевозка грузов по железной дороге – это сложный процесс, включающий в себя тщательное планирование и координацию всех этапов. В нашей компании используется порядка 150 основных показателей перевозочной, коммерческой, финансовой деятельности, обеспечения технического состояния вагонного парка.  Оперирование является довольно сложным бизнесом, и для эффективного управления необходимо постоянно учитывать изменяющиеся условия на базе своевременной аналитики.

Поэтому в нашем случае Self Service решения — это не очередная модная тенденция, а шаг эволюции в развитии ИТ, обусловленный развитием ИТ - компетенций в различных подразделениях компании. Использование языков программирования нашими экономистами, аудиторами, финансистами в своей работе является нормальной практикой. Это не констатация факта о продвинутости наших сотрудников, а про то, что уже длительное время размывается граница между ИТ и не-ИТ компетенциями. Бизнес-аналитики ИТ знают предметную область зачастую наравне с бизнес-экспертами профильных функций, в то время как бизнес-эксперты могут владеть Python или SQL на уровне ИТ-разработчика. В современной организации разделение ИТ и бизнес-подразделения происходит на не границе компетенций, а скорее на уровне границ процессов.

Привет, Хабр! Меня зовут Сергей Бондарев, я CDO в Первой грузовой компании. Сегодня расскажу, как мы решаем задачу управления данными с точки зрения IT-разработки и используемых методологий.

Сперва о том, кто мы такие

Мы в ПГК перевозим грузы — сталь, уголь, продукты питания, технику и оборудование — по России и за рубежом. Под нашим управлением находятся порядка 100 тыс. вагонов. Управление обширным вагонным парком — задача совсем не тривиальная. Необходимо следить за местоположением вагонов, их техническим состоянием, прорабатывать логистические моменты, например, составлять график передачи поездов по междорожным стыковым пунктам.

Чтобы решать эти задачи, мы развиваем собственные цифровые сервисы и реализуем полный цикл разработки программных продуктов. Так, в нашем арсенале есть системы предиктивной аналитики, позволяющие направлять вагоны в ремонт до фактического возникновения неисправности или прогнозировать спрос на услуги за счет машинного обучения.

Очевидно, что в основе каждого аналитического продукта лежат данные. Их источники — самые разнообразные. Они поступают от владельца железнодорожной инфраструктуры, из наших транзакционных систем и других цифровых продуктов. Помимо них существуют накопленные исторические данные и разнообразная нормативно-справочная информация. Дальше я расскажу, как мы всем этим управляем.

Что мы понимаем под управлением данными

Пара слов о том, что мы понимаем под управлением данными. Это — руководство их поставкой и хранением, а также контроль их качества, распространения и применения. Потребность в системном управлении данными зависит от нескольких факторов. Во-первых, от объема данных, которыми оперирует организация. Во-вторых, от количества сотрудников с ними работающих. В-третьих, от текущего культурного уровня организации в использовании данных и стратегических целей компании.