Манифест канала "Data Капитал":

DATA КАПИТАЛ
Ваши данные стоят дороже, чем вы думаете!!!

ЗАЧЕМ МЫ СУЩЕСТВУЕМ?
Мы превращаем data-хаос в business-капитал.
Мы строим новую экономику, где данные -
валюта успешных компаний.

ДЛЯ КОГО ЭТО?
► Для руководителей, готовых увеличить капитализацию
► Для специалистов, становящихся data-капиталистами
► Для госслужащих, создающих цифровой суверенитет
► Для всех, кто понимает: данные - это новая нефть!!!

ЧТО МЫ ДЕЛАЕМ?
• Показываем КАК данные становятся деньгами
• Учим УПРАВЛЯТЬ данными как активом, а не хранить как мусор
• Объединяем тех, кто уже зарабатывает на данных

Ваши данные - это ваш самый ценный актив. Почему вы до сих пор не считаете их капиталом?

Странно: музыкальный трек или фильм имеют четкую стоимость, охраняются авторским правом и годами приносят доход. А ваши бизнес-данные, которые ежедневно создают ценность, часто даже не учитываются.

Задумайтесь:

· Ваши клиенты - это потенциальные хиты
· Ваши транзакции - золотые бит-треки
· Ваши процессы - партитура успеха

Но пока эти «музыкальные активы» лежат разрозненно в Excel и почте - они не работают на вас. А должны.

- Вопрос ко всем:
Почему самый ценный актив вашей компании до сих пор не стоИт на балансе не стОит ни копейки?

Делитесь в комментариях - какие данные в вашей работе могли бы стать золотыми, но пока пылятся на полках?

DATA-КАПИТАЛ: КОГДА ВАШИ ДАННЫЕ СТАНУТ ВАЛЮТОЙ?

Пока российские компании только начинают говорить об управлении данными, в Европе уже запущен процесс, который навсегда изменит правила игры. Data Act - это не просто регуляторика. Это официальный старт эпохи с 12.09.2025г., где данные становятся таким же ликвидным активом, как деньги.

Суть за 30 секунд:
С 2026 года в ЕС бизнес по закону получает право требовать ВСЕ данные, которые генерирует их оборудование. Производитель умных станков, автомобилей или IoT-устройств больше не может их удерживать.

Что это значит УЖЕ СЕЙЧАС?
• Данные с датчиков, машин, систем - это законный актив собственников приборов и оборудования
• Они могут передавать их третьим компаниям для создания новых сервисов
• Мир переходит от экономики владения к экономике доступа к данным

Почему это ВАЖНО для нас:
Пока западные конкуренты учатся монетизировать данные по новым правилам, у российского бизнеса есть окно возможностей - создать свои стандарты управления data-капиталом и получить фору.

Главный вопрос, который определит ваш завтрашний день:

Какой один бизнес-процесс в вашей компании мог бы приносить в 3 раза больше денег, если бы данные из разных отделов наконец-то начали «разговаривать» друг с другом?

Жду ваши примеры в комментариях! Самые интересные кейсы разберем в следующих постах.

#Аналитика@data_capital

DATA-КУЛЬТУРА: ВАШ БИЗНЕС БЕЗ НЕЕ - КАК МАШИНА БЕЗ ДОРОГ

Культура - это не абстракция. Это «правила дорожного движения» для вашей компании. Без них каждый едет как хочет, создавая хаос, пробки и аварии.

По определению В.А. Рубанова:
Культура - это совокупность устойчивых форм деятельности, без которых компания не может воспроизводиться. В мире данных это означает:

Не «уровни зрелости», а стадии выживания бизнеса:

1. «Полевая тропа» (Стихийность)
· Код-предписание: «Ищи, у кого спросить. Решай проблемы по мере поступления».
· Образец для подражания: Сотрудник, который «всё держит в голове».
· Результат: Постоянные «аварии» - срывы поставок, двойные платежи, гнев клиентов.
2. «Проселочная дорога» (Локальные правила)
· Код-предписание: «В нашем отделе - свои порядки. Для других отделов - свои».
· Образец для подражания: Отдел, создавший свой «идеальный» Excel-справочник.
· Результат: «Столкновения» на стыках отделов. Отчетность не сходится, общая картина бизнеса размыта.
3. «Городские улицы» (Единые ПДД)
· Код-предписание: «Все ездят по утвержденным маршрутам (процессам) и соблюдают разметку (стандарты данных)».
· Образец для подражания: Сотрудник, который перед действием проверяет регламент, а не звонит коллеге.
· Результат: Движение упорядочено. Бизнес предсказуем. Появляется скорость.
4. «Скоростное шоссе» (Привычка)
· Код-предписание: «Качество данных и работа с ними - такая же норма, как мытье рук перед едой. Это не обсуждается».
· Образец для подражания: Менеджер, который автоматически проверяет и обогащает данные о клиенте перед встречей.
· Результат: Резкое снижение затрат на контроль и исправление ошибок. Высвобождаются ресурсы для создания ценности.
5. «Транспортная система будущего» (ДНК компании)
· Код-предписание: «Данные - это кислород. Без них не запускается ни один процесс, не принимается ни одно решение».
· Образец для подражания: Компания, которая создала и продает новый продукт, родившийся из анализа собственных данных.
· Результат: Данные становятся прямым источником дохода и главным активом.

Кто строит эти «дороги»?

Культуру не «проводят» как проект. Её формируют сверху через ежедневные действия первого лица:

· Задавая единственный правильный вопрос: Не «Почему система тормозит?», а «На основании каких данных вы приняли это решение?».
· Создавая «образцы для подражания»: Публично поощряя не того, кто «быстро нашел костыль», а того, кто воспользовался официальным процессом и улучшил данные.
· Внедряя «нормативные установления»: Включая показатели качества данных в KPI ключевых руководителей.

Главный вопрос, который определяет всё:

Какой простой вопрос ваш Генеральный директор должен задавать на планерках каждый день, чтобы за год превратить data-хаос в систему?

Пишите ваши варианты в комментах. Самый сильный вопрос разберем отдельно.

t.iss.one/data_capital

Если вы хотите пригласить коллег, друзей на этот канал:

Из личного опыта:
На этой неделе познакомился с уникальными специалистами - командой с 25-летним опытом решения сложных инженерных data-проблем. Уже создается и используется пятое поколение платформы, сотни успешных кейсов. Технически - безупречно.

Но возникло парадоксальное ощущение: мы имеем мощнейший инструмент, но большинство компаний даже не понимают, что им нужна помощь. Нет культуры диалога между бизнесом и экспертами. Нет ощущения подтверженной экономической ценности для бизнеса, а она реально огромная.

Типичная ситуация:
Отчеты готовятся 3-5 дней вместо 3 секунд
Данные из разных отделов противоречат друг другу
Решения принимаются на основе устаревшей информации из отчетов

А должно быть так:
Руководитель задает вопрос системе: "Покажи контракты с просроченной дебиторкой больше 1 млн рублей" - и мгновенно получает ответ с детализацией по менеджерам, срокам и историями взаимодействий.

Мы готовы разобрать ваш кейс
Опишите в комментариях:
Какой вопрос о вашем бизнесе должен решаться мгновенно, но сейчас занимает дни?

Лучший запрос получит полноценный разбор:
-Техническая реализация
-Расчет экономического эффекта
-План перехода к целевому состоянию

Пример запроса: "Какой менеджер приносит самых дорогих клиентов и по каким каналам мы их находим?"

Ваш вопрос может стать тем самым решением, которое изменит подход и отношение к данным в вашей компании.

#Истории@data_capital

Недавно в одном чате увидел спор: «ИИ делает нас умнее или глупее?» Меня, как человека, который строит экспертизу на данных, этот вопрос задел за живое.

Потому что я наблюдаю не абстрактную «глупость», а тихую панику среди сильных специалистов и экспертов. И она напрямую связана с управлением данными.

Думаю, многие из нас это уже замечали:
Руководитель разработки решений видит, как конкурентная команда с “агентами” выпускает фичи быстрее - и холодеет: завтра сравнят вас по KPI, а не по опыту.
Разработчик продукта читает идеально гладкие, но безликие тексты от ИИ и понимает - продукт теряет душу, а значит, и ценность.
Бизнес аналитик ловит себя на копипасте из чата и боится: придут те, кто лучше «впрягает» железо, и вытеснят.

Это не про «злой ИИ». Это про то, как мы теряем контроль над главным активом - данными и их контекстом.

Когда вы делегируете ИИ не рутину, а мышление, происходит страшное для data-специалиста:

· Вы перестаёте понимать связи между сырыми данными и выводами.
· Ваши решения становятся статистическими, а не стратегическими.
· Вы теряете глубину, а с ней - и свою уникальность.

Очень важно при понимании этой ситуации вернуть себе роль архитектора данных.

1. Сохраняйте «сырые» мысли до того, как спросите ИИ.
2. Стройте ментальные карты вместо слепого доверия чужим алгоритмам.
3. Практикуйте «ручной» анализ - это ваш главный навык.

Ваш главный актив в эпоху ИИ - не скорость генерации отчётов, а способность понимать, что стоит за цифрами.

Если вы не можете объяснить логику ИИ - вы не управляете данными, а обслуживаете их.

Важно: Лучший тест на зрелость вашей личной data-культуры: сможете ли вы принять ключевое решение, отключив ИИ и опираясь только на своё понимание данных? Если нет - проблема не в технологиях, а в архитектуре вашего мышления.

#Истории@data_capital

Доступ к данным - это не просто «разрешить/запретить»

Всем привет!
Сегодня хочу порассуждать о том, как правильное управление доступностью данных из скучной ИБ-процедуры превращается в мощный бизнес-инструмент. Речь не о технологиях, а о стратегии на основе понимания управления данными.

Типовая ситуация: Часто компании подходят к управлению доступом по остаточному принципу. Сотрудники либо не могут быстро получить нужные данные для работы (тормозят процессы), либо у них слишком много прав (риски утечек). И то, и другое - деньги на ветер.

Что реально востребовано: Нужна не просто «крутая система», а модель доступа, которая идеально соответствует зрелости компании:

· Культура данных: Готовы ли сотрудники к самообслуживанию или нужен жесткий контроль?
· Технологии: Есть ли legacy-системы или все в облаке?
· Команда: Есть ли специалисты для поддержки сложных решений?

Я вижу эволюцию от простого к сложному, и у каждой стадии - своя модель:

1. Традиционная (RBAC): «Раздать права по должности». Просто, но негибко, низкая актуальность для текущего состояния компании. Подходит для стабильных структур с низкой зрелостью данных.
2. Data-Centric (ABAC): «Дать доступ к данным при условиях». Гибко, но сложно. Для компаний, где данные - это актив, продукт.
3. Гибридная: Золотая середина. Сохраняем привычные роли, но добавляем гибкости атрибутами. Идеально для корпораций с legacy.
4. Интеллектуальная (AI): «Система сама понимает, что вам нужно». Доступ дается и отзывается в реальном времени на основе контекста и поведения. Удел лидеров с высокой зрелостью.

Правильно выбранная и внедренная модель доступа - это не затраты, а инвестиции. Это ускорение выхода сотрудников на продуктивность с «месяцев» до «минут», снижение рисков и автоматизация compliance.

Сталкивались ли вы с проблемами из-за негибкого доступа? Интересно услышать ваши кейсы в комментариях.👇

#Истории@data_capital

Управляемость - это не только про потоки железа и денег. Это про потоки данных.

https://t.iss.one/TheDigitalTwin/175

Коллеги, всех приветствую! Прочитал важный пост Сергея о возврате управляемости через контроль материальных и финансовых потоков. Согласен на 100%, что без этого «фундамента» все разговоры о развитии повисают в воздухе.

Но хочу предложить взгляд в развитие этой мысли, который, как мне кажется, критически важен именно сегодня.

Проблема не только в том, что мы плохо управляем станками и деньгами. Проблема в том, что мы плохо управляем информацией об этих станках и деньгах.

Представьте, что вы управляете сложным механизмом с завязанными глазами. Вам говорят: «Вот рычаги! Деньги! Материалы! Держи под контролем!». Но вы не видите, что на самом деле происходит внутри. Нет точных, своевременных и связанных между собой данных.

Так и у нас:

· Мы не можем построить «оптимальные программы», потому что не видим полной картины в реальном времени: какие мощности реально загружены, какие материалы в пути, какие компетенции есть у людей.
· Мы не можем «согласовать развитие отраслей и территорий», потому что данные из одного муниципалитета не стыкуются с данными из региона, а данные из министерства - с данными с конкретного завода. Каждый говорит на своем «языке данных».

Сергей прав - нам нужен путь сильного руководства и стратегической дисциплины, как в Сингапуре или Китае. Но давайте посмотрим, как они этого добиваются сегодня? Через тотальную цифровизацию и создание единого контура управления данными.

Данные - это новый стратегический актив, такой же важный, как нефть или металл.

Поэтому я бы развил мысль коллеги так:

Вернуть управляемость можно, только взяв под контроль ДВЕ вещи одновременно:

1. Материальные и финансовые потоки (о чем справедливо говорит Сергей).
2. Потоки данных, которые эти материальные потоки описывают.

Без второго первый контроль будет всегда запаздывающим, неточным и фрагментарным.

В моем понимании на практике это меняет следующее:

· Вместо «либерализации» или жесткого администрирования «вслепую» - мы получаем цифровое планирование. Моделируем решения на основе данных, а не только на основе интуиции или отчетов месячной давности.
· Производственно-инвестиционные программы становятся не просто планами, а живыми цифровыми двойниками отраслей и территорий, где можно отслеживать выполнение в реальном времени.
· Согласование развития происходит через единые стандарты данных и платформы, где все участники - от федерации до завода - общаются на одном языке.

Это не отменяет сильное руководство. Наоборот, это дает ему самый мощный инструмент XXI века - единую, достоверную картину происходящего для принятия решений.

Коллеги, как вам такая постановка вопроса? Возможно, я что-то упускаю? Готов обсудить в комментариях.👇

Анализ эволюции рынка данных: от «пробивов» к государственно-корпоративным экосистемам.

Коллеги, приветствую.

В контексте последних законодательных инициатив и уголовных дел против сервисов по «пробиву» данных провел комплексный анализ этой отрасли деятельности. Меня, как специалиста по управлению корпоративными данными, интересует трансформация рынка с технологической и архитектурной точек зрения, а также последствия этой трансформации для бизнеса.

Результатами делюсь ниже.

Два мира российского рынка данных:
Исторически рынок нелегального и полулегального доступа к данным в России делился на два сегмента: B2C (массовые сервисы вроде «Глаза Бога») и B2B (закрытые системы для профессионалов). Именно B2B-сегмент представляет наибольший интерес, так как он демонстрирует эволюцию от примитивных баз к сложным аналитическим платформам, тесно интегрированным с государственным аппаратом.

Архитектура российского рынка - технологии и игроки:

Чтобы наглядно представить структуру рынка, я выстроил его архитектурную модель. Ее можно описать как многоуровневую экосистему. (Представлена в схеме)

На верхнем уровне находятся государственные заказчики и регуляторы (ФСБ, МВД, Роскомнадзор). Именно их потребности в контроле и анализе формируют спрос.

Ключевым технологическим звеном, обеспечивающим сбор первичных данных, является система СОРМ. Это «черные ящики», установленные у всех операторов связи, которые в режиме реального времени фиксируют метаданные интернет-трафика и передают их в силовые ведомства. Важно понимать, что современные протоколы шифрования (HTTPS) и анонимизаторы (VPN, Tor) ограничивают возможности СОРМ по перехвату содержимого, но не метаданных.

Следующий уровень - поставщики решений и данных. Здесь мы видим две ключевые группы:

Разработчики инфраструктурного ПО. Компании вроде «Норси-Транс», которые не только поставляют сами системы СОРМ государству, но и на их базе создают коммерческие аналитические продукты. Яркий пример - ОСINT-платформа «Виток», способная проводить анонимный поиск по десяткам идентификаторов (от паспорта до Bitcoin-кошелька) и работавшая по контракту с ГИАЦ МВД.

Операторы информационных систем. Такие компании, как Cronos, предлагают готовые оболочки и базы данных для проверки граждан и компаний. Их технологии часто архаичны, но бизнес-модель живуча благодаря связям с силовыми структурами и глубокой интеграции в профессиональную среду.

Потребителями этой архитектуры являются конечные B2B-клиенты: безопасники частных компаний, банки, коллекторы. B2C-сегмент, будучи вытесненным на нелегальное положение, становится все менее значимым.

Глобальный контекст - три модели регулирования:

Российский путь не уникален, но представляет собой гибридную модель.

В Евросоюзе доминирует регуляторный подход (GDPR). Акцент сделан на защите прав человека, а работа с данными строится вокруг легальных платформ управления данными, таких как Collibra (Data Governance) и Informatica (качество данных). Сбор и анализ строго регламентированы и требуют явного согласия субъекта.

США практикуют рыночно-ориентированную модель. Данные - это в первую очередь товар. Здесь созданы и получили широкое распространение мощные аналитические платформы, такие как Palantir Gotham для силовых структур и Snowflake для корпоративного сектора. Контроль точечный, но крайне жесткий в сферах национальной безопасности и коммерческой тайны.

Китай представляет этатистскую модель тотального контроля. Граница между персональными и государственными данными размыта. Технологии социального рейтинга, распознавания лиц и интеграции данных (например, на платформах Alibaba Cloud и Tencent) служат одной цели - управлению обществом. Аналоги СОРМ являются естественной и неотъемлемой частью цифровой инфраструктуры.

Российская модель, как видно из анализа, движется в сторону китайской, но с критически важными отличиями: отсутствием столь же мощных собственных stack-решений и сохранением элементов «дикого» рынка.
Экспертное резюме для корпоративного управления
Эпоха «диких» данных окончена.

#Аналитика@data_capital

Использование нелегальных «пробивных» сервисов несет неприемлемые репутационные и уголовные риски. Качество данных в них низкое, происхождение - непрозрачное.

Будущее - за легальными платформами. Корпоративному сектору необходимо инвестировать в построение легальных активов данных на базе MDM-систем (например, Ataccama ONE, Talend), платформ Data Governance и платформ Дата Каталогов синхронизированных с BPM решениями. Это создает цифровой золотой фонд компании, в котором компания объективно работает, а не собирает информационный мусор.

Цифровая гигиена становится KPI. С введением ответственности за «потребление контента» корпоративная политика информационной безопасности должна быть пересмотрена. Риск сотрудника, использующего рабочее устройство и трафик для доступа к сомнительным ресурсам, становится прямым риском компании, при этом заблокировать сотрудника от взаимодействия с внешними информационными ресурсами тоже недопустимая "роскошь".

Итог: Рынок проходит этап санации и государственной консолидации. Нашим компаниям пора проводить аналогичную «санацию» внутри, отказываясь от серых схем в пользу построения прозрачных, качественных и легальных активов данных.

Далее представлена графическая схема в нотации ArchiMate, визуализирующая описанную выше архитектурную модель: уровень государственных заказчиков, уровень СОРМ, уровень поставщиков решений (ПО/данные) и уровень потребителей (B2B/B2C).

Буду рад обсуждению в комментариях.👇

#Аналитика@data_capital

Схема в нотации ArchiMate, визуализирующая описанную выше архитектурную модель: уровень государственных заказчиков, уровень СОРМ, уровень поставщиков решений (ПО/данные) и уровень потребителей (B2B/B2C).

#Аналитика@data_capital