1. Почему важно быть data-driven организацией?
Как data-driven подход преобразует бизнес.
- Инвестиции в работу с данными. Как стать data-driven организацией?
- Этапы осознания бизнес-ценности данных. Переход на управление с помощью данных
- Тенденции на рынке труда. Какие специалисты нужны data-driven компаниям?
2. Зачем управлять данными?
Роль данных в компании и как ими управлять.
- Данные и их монетизация в цифровой экономике.
- Что такое управление корпоративными данными (УКД) и зачем оно нужно компаниям.
- Стратегические, организационные и технологические измерения УКД.
- Актуальные методологии и технологии УКД.
- Ключевые роли и компетенции специалистов по управлению данными.
- Примеры проектов и подходов.
- Тренды и перспективы развития.
3. Что такое управление данными? Практический пример Ростелекома.
Как управлять данными в большой госкорпорации.
- О роли данных в цифровой экономике.
- Почему важно быть data-driven организацией.
- Управление данными — это стратегическая бизнес-функция. Видение подходов на различных уровнях.
- Стратегический уровень управления данными — данные как актив, их влияние на рост бизнеса.
- Операционный уровень управления данными — новая оргструктура, новые бизнес-процессы, новые подходы к работе бизнес-подразделений.
- Реальные примеры применения и возможные результаты.
4. Хранилище данных
Как построить хранилище данных, так чтобы оно работало. Архитектурные подходы и современные тренды.
- Изменения в работе с данными за последние 10 лет. Новые вызовы и метрики, которыми эти вызовы измеряются (4V’s of Big Data) — то, о чём ещё не говорят в университете.
- Современная архитектура — зачем она нужна. Непохожие друг на друга практические кейсы, из объединения которых извлекается выгода для компаний.
- Ключевые тренды, связанные с DWH. Набирающие вес технологии и языки.
5. Data Governance
Решения и процессы для управления корпоративными данными.
- Что такое управления корпоративными данными (Data Governance), почему это важно.
- Управление метаданными: как создать бизнес глоссарий и каталог данных — корпоративный «Google» и «Wikipedia» по данным организации.
- Data linage: как управлять потоками данных и анализировать зависимости.
- Роли и процессы Data Governance.
6. Модели управления данными
Почему традиционные подходы к управлению данными перестают работать, и что с этим делать.
- причины смены парадигмы работы с данными
- новые вызовы и проблемы, возникающие перед ответственными за управление данными, существующие пути решения.
- особенностей управления данными в организациях, практикующих гибкие методологии ведения проектной деятельности
7. Качество данных
Данные стали новой нефтью. Но, как и в случае с нефтью напрямую обычно данные использовать нельзя — сначала надо переработать. Каким же образом надо обработать данные, чтобы они смогли стать топливом для вашего бизнеса?
- Почему недостаточно один раз обработать данные, чтобы привести их в порядок раз и навсегда?
- Являются ли государственные справочники (ЕГРЮЛ, ЕГРИП, ФИАС и т.п.) эталоном данных?
- Когда не работает принцип «Чем больше данных, тем лучше»?
- Что такое обратная ошибка — почему это самый важный показатель для бизнеса в алгоритмах DataQuality.
- Как легко создать проблемы бизнесу, отделив качественные данные от некачественных.
8. BI. Как заставить данные заговорить на понятном языке?
Как концепция DataOps помогает преодолеть препятствия, на пути понимания собственных данных.
- Что такое DataOps?
- Зачем и в чём отличие от классических методов управления?
- Основные принципы методологии.
- Успешные кейсы в России.
- Отражение в современных инструментах управления данными.