Что такое data-centric подход

Это означает, что все процессы в компании — от разработки продукта и маркетинга до продаж и обслуживания клиентов — выстраиваются с учетом аналитики, но не только. Огромное внимание компания уделяет тому, чтобы улучшить качество самих данных, чтобы бизнес-процесс, разработанная модель ИИ или алгоритм работали сами по себе.

Какие компании используют data-centric подход

Data-centric подход необходим прежде всего компаниям, бизнес которых напрямую зависит от машинного обучения, анализа данных и построения рекомендательных систем. Среди них Amazon, Tesla, Netflix, Spotify

В переводе с английского data-centric означает «ориентированный на данные». Концепция стала особенно актуальной в последние десятилетия в связи с развитием технологий и увеличением объема данных.

Сейчас этот подход активно используют бизнесы, которые внедряют искусственный интеллект и автоматизацию в бизнес-задачи: компании из сферы IT, финансовые и медицинские организации, ритейлеры и e-commerce.

Один из ритейлеров, использующих data-centric, — Х5. Компания применяет Big Data при формировании ассортимента и даже для ценообразования. Так, ритейлер в 2019 году начал внедрять систему ценообразования на основе данных в своих магазинах и увидел рост выручки и валовой рентабельности. Источник

Основные принципы data-centric подхода

1. Качество данных важнее количества. Хотя количество данных тоже важно, качество важнее. Данные должны быть релевантными, точными, иначе система сделает неверные выводы.

Представим, что интернет-магазин пытается выстроить рекомендательную систему, чтобы предлагать клиентам товары. Компания собирает огромное количество данных: историю просмотров, переход в карточки товаров, корзину, покупки.

Если магазин не будет учитывать случайные нажатия, данные о возвратах, а также особенности описаний товаров в разных категориях, данные окажутся неполными и неточными. Система после обучения может рекомендовать, к примеру, модели телефонов, которые часто возвращают из-за брака, что приведет к ухудшению репутации бизнеса.

Компании, которые внедряют data-centric подход, уделяют большое внимание не только сбору информации, но и очистке данных: например, внедряют фильтры, которые отсекают случайные клики и короткие сессии, используют источники информации о поведении клиентов в совокупности.

2. Данные — это актив компании, которым нужно управлять. Бизнесы, которые применяют data-centric подход, относятся к данным как к ценному ресурсу, который требует внимания, обслуживания и инвестиций.

Это значит, что у компании есть единая система управления данными, а не разрозненные базы с информацией о клиентах, а также инфраструктура для их обработки.

3. Сотрудники компании должны ориентироваться на данные при принятии решений. Данные важны не только для аналитиков и инженеров. Менеджеры по продуктам, маркетологи, специалисты отдела продаж также должны в работе ориентироваться на данные, а не на личный опыт или интуицию. Для этого у сотрудников должен быть доступ к данным и инструментам их визуализации.

Маркетологу не надо ждать, пока аналитик выгрузит статистику по рекламной кампании, он может сам воспользоваться BI-инструментом и построить нужные графики.

4. Операции в компании должны быть максимально автоматизированы. Специалисты компаний, ориентированных на data-centric подход, стремятся автоматизировать сбор, обработку и анализ данных. Это позволяет исключить человеческий фактор, снизить количество ошибок и освободить время команды для решения стратегических задач.

К примеру, если в каких-то компаниях маркетологу для отчета приходится собирать показатели вручную из разных систем (CRM, «Яндекс Метрики», колл-центров и т.д.), то в data-centric организациях сбор данных автоматизирован — они выгружаются из разных источников в единое хранилище. Создание отчетов, а также часть задач тоже автоматизированы. Специалисты могут больше времени посвятить стратегии.

Яндекс Cloud применяет дата-центричный подход к кибербезопасности — защите данных на всех этапах: от хранения до передачи и использования. Компания использует машинное обучение и инструменты анализа больших данных, чтобы обнаруживать аномалии и угрозы в реальном времени

Чем data-centric подход отличается от data-driven

Data-centric и data-driven подходы кажутся схожими по своей сути. Оба термина описывают концепции управления, при которых во главе угла стоят данные. При этом data-centric модель подразумевает, что данные являются центральным элементом всех бизнес-процессов: это ресурс и актив компании.

В data-driven подходе данные используются в качестве источника информации для принятия решений.

	Data-centric подход	Data-driven подход
Роль данных	Данные — актив компании, используются во всех аспектах бизнеса	Данные — инструмент для принятия конкретных решений
Использование данных	Многократное использование данных во всех процессах	Конкретное применение данных для текущих бизнес-задач
Цель	Выстроить систему, при которой данные будут интегрированы в процессы. Обеспечить целостность и согласованность данных, чтобы видеть единую картину происходящего	Получить инсайты для принятия обоснованных решений, улучшения продуктов и услуг
Процесс использования	Качественные Данные → Анализ → Инсайты и Автоматизация	Гипотеза → Данные → Решение
Технологии	Создание устойчивой инфраструктуры для управления данными: CDP, DWH, API-интеграции	Акцент на аналитические инструменты и технологии для обработки данных: Google Analytics, «Яндекс Метрика», Excel, BI-системы и т.п.

Оба подхода обычно используют совместно, так как они дополняют друг друга. Data-centric создает основу для того, чтобы у компании была структурированная база качественных данных. Data-driven использует подготовленные данные, чтобы обосновать и оптимизировать управленческие решения.

Если компания не уделяет достаточно внимания сбору и постоянному улучшению данных, есть риск, что ее data-driven решения будут основаны на некачественной или неполной информации, что приведет к ошибочным выводам и прямым финансовым потерям.

Data-centric без data-driven теряет смысл, так как бессмысленно тратить ресурсы организации на сбор, обработку и хранение, если никто не собирается использовать данные для принятия бизнес-решений.

Может казаться, что data-driven является частью data-centric, однако это не так. Несмотря на то, что и там, и там используются данные и на основе этих данных принимаются решения, сами концепции разные.

Data‑centric — это долгосрочная стратегия, где требуется единая платформа, унификация процессов, инвестиции в хранилища. Компания может строить data-centric культуру, даже не имея потребности принимать немедленные решения на основе данных и запускать проекты. Data‑driven — оперативная практика, где сразу нужны анализ метрик, A/B‑тесты и корректировка тактических действий.

При этом data-driven можно рассматривать как шаг на пути к data-centric. Организации, использующие data-driven подход, применяют данные для принятия решений, но не всегда строят вокруг них полноценную архитектуру бизнеса. Data-centric требует более глубокой интеграции данных в процессы и культуру компании.

Плюсы и минусы data-centric модели

Перечислим основные преимущества data-centric подхода.

Преимущества	Пояснения
Повышение надежности и точности работы систем и ИИ-моделей	Качественные данные позволяют системам выстраивать более точные прогнозы, давать более качественный результат, совершать меньше ошибок.
Снижение долгосрочных затрат	Начальные вложения в данные обычно очень высоки, однако в перспективе компании могут использовать одни и те же данные для запуска новых проектов и даже создавать сервисы на их основе. Например, сеть супермаркетов, которая вложилась в создание единой системы анализа покупок, в дальнейшем может использовать данные для рекламы и маркетинга, для создания персональных рекомендаций и акций в приложении, предоставлять данные производителям.
Улучшение качества коммуникаций между командами	Заказчики, аналитики, разработчики, продавцы, маркетологи и другие специалисты говорят на одном языке — языке цифр, что снижает недопонимания и позволяет быстрее принимать решения.

Но есть у подхода и минусы.

Недостатки	Пояснения
Высокие первоначальные затраты	Создание инфраструктуры для сбора, хранения, очистки и разметки данных (DataOps, MLOps) требует значительных инвестиций в технологии, найм специалистов и их обучение.
Сопротивление	Внедрение data-centric подхода требует смены мышления. Это может встречать сопротивление сотрудников, которые привыкли полагаться на себя и свой опыт.
Сложность оценки качества данных	Работа с данными во многом остается невидимой. До получения результатов трудно оценить, насколько качественные данные были собраны и нужны ли дополнительные исследования. Поэтому продуманная стратегия сбора, очистки и валидации данных на ранних стадиях проекта — ключевой фактор успеха.

В каких сферах применяется data-centric подход

Датацентричная модель актуальна для компаний, у которых есть доступ к данным и которые готовы внедрять автоматизацию в бизнес-процессы.

Чаще всего data-centric подход используют в следующих сферах:

IT-разработка, разработка ИИ и машинное обучение (ML). Работа алгоритмов и рекомендательных систем напрямую зависит от качества данных, поэтому data-centric подход здесь является основой для создания эффективных моделей.

Одно из направлений, где data-centric подход необходим, создание автономных транспортных средств и роботов. Безопасность здесь зависит от того, насколько точно размечены миллионы часов видео с камер и лидаров. Источник

Финансы и финтех. Компании используют данные для анализа рынка. В задачах оценки кредитных рисков и обнаружения мошенничества тоже важны данные. Схемы злоумышленников постоянно меняются. Датацентричные компании регулярно собирают и обновляют данные с примерами мошеннических операций, чтобы защитить бизнес и клиентов от убытков.

Промышленное производство. В промышленности data-centric подход помогает автоматизировать обнаружение брака и контролировать качество продукции. Чтобы машины не ошибались и обнаруживали дефекты на конвейере, нужны качественные данные.

Медицина. Data-centric подход используется при разработке лекарственных средств и при создании систем диагностики.

Розничная торговля и e-commerce. Данные о поведении покупателей позволяют создавать рекомендации по товарам, прогнозировать спрос и управлять запасами.

Маркетинг. Данные помогают в автоматизированной персонализации рекламных кампаний, оценке эффективности стратегий. История взаимодействия с брендом, информация о покупках помогают строить персональные воронки, оптимально распределять рекламный бюджет.

Например, крупные рекламные платформы задействуют все доступные источники данных, обучают ИИ-алгоритмы и автоматически оптимизируют рекламные кампании, чтобы получить максимальное количество конверсий при минимальном бюджете. Источник

Если говорить коротко, то data-centric подход актуален везде, где данные являются основой для принятия решений, автоматизации процессов или создания интеллектуальных продуктов.

Кому не подходит data-centric подход

Не каждая организация способна внедрить data-centric подход в работу и не всем это нужно. В первую очередь, у компании должна быть потребность в данных для принятия ключевых решений и достаточно ресурсов. Требуются инвестиции в инфраструктуру для сбора и обработки данных, а также соответствующая культура — сотрудники должны быть заинтересованы принимать решения на основе данных.

Датацентричный подход будет неэффективен для компаний, которые:

Работают в строго регламентированных условиях. Например, в государственных учреждениях процессы обычно прописаны в инструкциях, регламентах, стандартах. Здесь нет места решениям, основанным на данных, так как сотрудники обязаны следовать установленным нормативам.
Не имеют доступа к большому объему данных, а сбор дополнительной информации невозможен или обходится слишком дорого. Ожидаемая выгода от данных не окупит затрат на их получение.

Небольшой компании, которая занимается производством изделий из кожи, сбор и обработка данных не нужны. Решения (дизайн, материалы, цена) здесь принимаются на основе экспертизы мастера, вкуса клиента и модных трендов. Аналитика не даст экономического эффекта, кроме случаев, связанных с запуском рекламы. Источник фото

Решают простые, разовые задачи, строят бизнес на уникальной экспертизе или личных отношениях. Арт-галереи, мастерские по ремонту, небольшие фирмы из сферы услуг (юридические фирмы, психологическая помощь и т.п.) — такой бизнес часто держится на репутации и доверии клиентов, на уникальных навыках специалиста. Объем релевантных данных крайне мал, и они не так важны для успеха.

Главные мысли

Это подход к управлению и организации бизнеса, при котором данные являются ключевым элементом деятельности.
Датацентричный подход подразумевает, что данные используются на всех этапах управления и в бизнес-процессах: это ресурс и актив компании.
Подход применяют организации, бизнес которых напрямую зависит от машинного обучения, анализа данных и автоматизации: IT, финансовые и медицинские компании, ритейлеры и e-commerce.