🪴 BLOG IT

DG Аналитическая сводка 7 Платформы и технологии

19 min read

Вопрос: Насколько вы удовлетворены текущими платформами и инструментами для работы с данными?

📌 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Полностью удовлетворён(а)2030005
Скорее удовлетворён(а)601001522
Скорее неудовлетворён(а)1000012
Совсем неудовлетворён(а)0000000

🧠 Основные выводы:

  • Более 85% респондентов выражают общую удовлетворённость текущими платформами и инструментами, включая 19% полностью довольных и 67% скорее довольных.

  • При этом только 8% участников отмечают неудовлетворённость, и ни один участник не выбрал вариант “совсем неудовлетворён(а)“.

  • Высокий уровень удовлетворённости особенно заметен среди аналитиков и инженеров данных, что говорит о достаточности базовых функциональных возможностей платформ.

✅ Рекомендации:

  1. Поддерживать текущую инфраструктуру:

    • Продолжать развитие платформ, ориентируясь на сценарии, которые уже работают хорошо.

  2. Изучить причины лёгкой неудовлетворённости:

    • Провести глубинные интервью или опрос, чтобы понять потребности небольшого числа недовольных респондентов.

  3. Акцентировать внимание на user experience:

    • Даже при высокой удовлетворённости стоит работать над улучшением удобства и снижением фрустрации от повседневной работы.

Вопрос: Достаточны ли технические средства для реализации политики управления данными?

📌 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Да1040016
Частично30501110
Нет3000025
Не знаю2040028

🧠 Основные выводы:

  • Только 19% участников уверены, что текущих технических средств достаточно для реализации политики управления данными.

  • Более 30% респондентов оценивают их как частично достаточные, указывая на наличие инфраструктуры, требующей доработки.

  • 26% затруднились с оценкой, что может свидетельствовать о недостатке прозрачности или знаний о применяемых инструментах.

  • Каждый пятый участник считает, что технических средств недостаточно, особенно среди аналитиков и других ролей, не вовлечённых в инженерные решения напрямую.

✅ Рекомендации:

  1. Провести оценку зрелости технической инфраструктуры:

    • Определить слабые места, мешающие реализации политики DG.

  2. Расширить информационную поддержку и обучение:

    • Повысить осведомлённость о доступных инструментах и их применении.

  3. Развивать интеграцию и автоматизацию:

    • Упростить доступ к функциям, обеспечивающим контроль, мониторинг и поддержку политики управления данными.

Вопрос: Какие платформы вы используете в работе с данными?

📌 Количественные итоги:

ПлатформаAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Data Catalog / Metadata Tools3010015
ETL/ELT платформы40500312
DWH (Data Warehouse)2040017
Data Lake0030115
BI-платформы0000000

🧠 Основные выводы:

  • ETL/ELT-платформы оказались наиболее распространёнными — ими пользуются более половины опрошенных.

  • Инструменты для метаданных и каталогов применяются гораздо реже — только около 22% респондентов используют их в повседневной работе.

  • BI-платформы не были упомянуты ни одним участником, что может свидетельствовать либо о низкой вовлечённости бизнес-пользователей, либо о разделении обязанностей (например, визуализация выполняется в других командах).

  • Data Lake и DWH используются примерно в равной степени — около 20–30% участников, в основном среди инженеров и аналитиков.

✅ Рекомендации:

  1. Провести инвентаризацию используемых платформ и инструментов:

    • Зафиксировать, какие технологии реально используются в разных командах и зачем.

  2. Продвигать использование каталогов и платформ для работы с метаданными:

    • Они критичны для повышения управляемости и согласованности данных.

  3. Оценить причины низкой вовлечённости в BI-платформы:

    • Возможно, требуется адаптация интерфейсов или повышение доступности данных для бизнес-пользователей.

Вопрос: Удовлетворяет ли производительность используемых систем требованиям вашей работы?

📌 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Да, полностью20900314
В большинстве случаев60301212
Часто возникают задержки1000012
Системы не справляются0010001

🧠 Основные выводы:

  • Более 60% респондентов считают, что производительность систем либо полностью, либо в большинстве случаев соответствует их рабочим требованиям.

  • 35% участников указывают на полное соответствие — особенно среди инженеров, что говорит о достаточной технической мощности платформ.

  • Лишь 4% сталкиваются с серьёзными проблемами производительности, но около 9% отмечают регулярные задержки, что может сигнализировать о точках роста в инфраструктуре.

✅ Рекомендации:

  1. Провести точечный анализ причин задержек:

    • Определить, в каких именно сценариях наблюдаются просадки производительности.

  2. Внедрить мониторинг производительности с оповещениями:

    • Особенно важно для критичных ETL-процессов и платформ, задействованных в оперативной аналитике.

  3. Обратная связь от пользователей:

    • Регулярно собирать информацию от команд о «узких местах» и включать в план развития ИТ-инфраструктуры.

Вопрос: Насколько легко интегрировать различные источники данных в вашей инфраструктуре?

📌 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Очень легко30401210
В целом возможно60900318
Сложно0000000
Практически невозможно0000000

🧠 Основные выводы:

  • 64% участников считают, что интеграция источников данных возможна, но требует усилий — это доминирующая точка зрения среди инженеров и аналитиков.

  • 36% опрошенных говорят, что интеграция реализуется легко, что указывает на зрелость части инфраструктуры и наличие эффективных инструментов.

  • Ни один респондент не сообщил о серьёзных трудностях с интеграцией, что может свидетельствовать о базовой зрелости архитектуры данных.

✅ Рекомендации:

  1. Оценить зрелость интеграционных решений:

    • Провести бенчмарк используемых подходов и инструментов с отраслевыми практиками.

  2. Автоматизировать повторяющиеся интеграции:

    • Использовать коннекторы, шаблоны и оркестраторы для типовых источников.

  3. Развивать архитектуру данных с фокусом на масштабируемость:

    • Учитывать рост числа источников при выборе новых решений и платформ.

Вопрос: Есть ли в компании централизованная платформа для управления данными?

📊 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Да20800313
Частично3020117
Не знаю4030018
Нет0000000

📌 Основные выводы:

  • Только 46% респондентов подтверждают наличие централизованной платформы управления данными в компании.

  • Ещё 25% указали, что платформа реализована частично, что говорит о недостаточной зрелости или фрагментированной инфраструктуре.

  • При этом более 28% участников не знают, существует ли такая платформа, что отражает низкую вовлечённость или слабую коммуникацию между командами.

✅ Рекомендации:

  1. Укрепить информирование сотрудников о наличии платформы и её возможностях — особенно среди аналитиков и смежных ролей.

  2. Если централизованная платформа действительно внедрена, важно обеспечить её доступность и удобство для всех участников работы с данными.

  3. При отсутствии единой платформы стоит рассмотреть приоритизацию её создания, особенно в контексте стандартизации, lineage, качества и безопасности данных.

Вопрос: Как осуществляется автоматизация процессов работы с данными в компании?

📊 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Используются скрипты и SQL40800416
Используются профессиональные инструменты40500110
Всё делается вручную1000102
Автоматизация отсутствует0000000

📌 Основные выводы:

  • 62% участников заявили, что автоматизация достигается за счёт скриптов и SQL, что указывает на преобладание ручной инженерной настройки.

  • Только 38% используют специализированные инструменты автоматизации, что свидетельствует о низком уровне зрелости технологического стека или отсутствии единого подхода.

  • Полное отсутствие автоматизации подтвердить никто не смог, однако ручной труд всё ещё присутствует в 8% случаев, что может тормозить масштабирование и устойчивость процессов.

✅ Рекомендации:

  1. Оценить возможности перехода от локальных скриптов к масштабируемым и управляемым инструментам автоматизации (например, Airflow, dbt, Prefect, Dataform).

  2. Обеспечить единые подходы к CI/CD и оркестрации процессов обработки данных.

  3. Разработать дорожную карту по автоматизации, включая обучение сотрудников и миграцию существующих решений в единый стек.

Хочешь — могу помочь составить шаблон оценки зрелости автоматизации процессов обработки данных.

Вопрос: Какие технологии вы считаете критичными для поддержки Data Governance?

📊 Количественные итоги:

ТехнологияAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Инструменты контроля качества данных30701213
Платформы хранения (DWH, Data Lake)30400310
Data Lineage2000002
Data Catalog1020003
BI-инструменты0000000

📌 Основные выводы:

  • 48% респондентов назвали инструменты контроля качества данных критически важными для реализации Data Governance, что подчёркивает стремление к системному управлению качеством.

  • 37% участников отметили важность хранилищ данных (DWH, Data Lake) как технологического фундамента для Data Governance.

  • Такие элементы, как data lineage и каталоги данных, оказались недооценёнными (всего 7% и 11% соответственно), что может свидетельствовать о низкой зрелости практик метаданных и управления происхождением данных.

  • BI-инструменты не рассматриваются как критические для поддержки DG, что логично: они чаще воспринимаются как потребители, а не компоненты управления.

✅ Рекомендации:

  1. Усилить акценты в стратегии DG на технологиях управления метаданными и lineage, включая их интеграцию с DQ-инструментами.

  2. Провести обучение или серию демо по Data Catalog и Lineage-платформам (OpenMetadata, Collibra, Atlan), чтобы повысить осознанность команды.

  3. Внедрить приоритизацию технологических решений с опорой на зрелость и критичность, адаптируя модель DAMA-DMBOK.

Хочешь — могу подготовить таблицу зрелости использования ключевых технологий Data Governance по уровням зрелости.

Вопрос: Насколько стабильно работают используемые платформы?

📊 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
В целом стабильно80901321
Очень стабильно1030015
Часто бывают сбои0010012
Сильно нестабильны0000000

📌 Основные выводы:

  • 84% участников считают, что используемые платформы работают в целом стабильно или очень стабильно, что подтверждает техническую зрелость инфраструктуры.

  • Лишь 8% респондентов указали на проблемы со сбоями, при этом ни один не отметил платформы как «сильно нестабильные».

  • Высокий уровень стабильности — важная предпосылка для масштабирования инициатив Data Governance и внедрения автоматизированных решений.

✅ Рекомендации:

  1. Поддерживать текущий уровень стабильности путём регулярного мониторинга SLA, особенно на фоне роста нагрузки.

  2. Провести анализ причин редких сбоев и точечно устранить уязвимости — особенно в пользовательских зонах (others), где фиксировались инциденты.

  3. На базе позитивной оценки стабильно работающих платформ — расширять автоматизацию, включая контроль качества и lineage.

Вопрос: Доступны ли вам инструменты для управления метаданными?

📊 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Да401100217
Частично4010117
Не знаю0010023
Нет1000001

📌 Основные выводы:

  • 68% респондентов имеют полный доступ к инструментам для управления метаданными.

  • Ещё 28% отметили частичный доступ, что может указывать на ограниченную функциональность или права.

  • Только 4% опрошенных не имеют доступа вовсе, и 12% затрудняются ответить.

✅ Рекомендации:

  1. Уточнить причины частичного доступа — возможно, часть пользователей имеет только роль просмотра или работает в разных системах.

  2. Обеспечить обучение и информирование, чтобы сократить долю тех, кто не знает о наличии таких инструментов.

  3. Стандартизировать и централизовать доступ, особенно для тех, кто регулярно работает с каталогом данных и качеством.

Вопрос: Какие технические ограничения мешают эффективному управлению данными?

📊 Количественные итоги:

ОграничениеAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Слабая интеграция4040019
Ограниченные ресурсы40301210
Сложные интерфейсы1030004
Устаревшие инструменты0020013
Нет автоматизации0010012

📌 Основные выводы:

  • 38% участников указали на ограниченность ресурсов как ключевое техническое препятствие.

  • 35% респондентов считают, что слабая интеграция систем мешает эффективному управлению данными.

  • Также отмечены сложности с интерфейсами (15%) и наличие устаревших решений и отсутствия автоматизации (11% в совокупности).

✅ Рекомендации:

  1. Провести аудит доступных ресурсов (инфраструктура, производительность, лицензии) и выявить узкие места.

  2. Уделить внимание интеграции систем — возможно, необходимо внедрение унифицированных интерфейсов или API-шлюзов.

  3. Расставить приоритеты на обновление интерфейсов и автоматизацию типовых процессов для снижения нагрузки на команды.

Вопрос: Используются ли в компании open-source инструменты для Data Governance?

📊 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Да20801415
Частично2010014
Не знаю5040009
Нет0000000

📌 Основные выводы:

  • 52% респондентов подтверждают, что open-source инструменты для DG применяются (полностью или частично).

  • При этом 31% участников затрудняются ответить, используются ли такие инструменты — это может указывать на недостаточную прозрачность инструментов и процессов.

  • Ни один респондент не выбрал вариант “Нет”, что говорит как минимум о потенциальном наличии таких решений в инфраструктуре.

✅ Рекомендации:

  1. Уточнить и задокументировать перечень open-source инструментов, используемых для Data Governance.

  2. Повысить информированность сотрудников о доступных решениях и принципах их применения (в том числе через onboarding и внутренние гайды).

  3. Рассмотреть расширение использования open-source инструментов (например, OpenMetadata, Apache Atlas) с учётом их масштабируемости и стоимости.

Вопрос: Есть ли внутренние разработки/инструменты для поддержки Data Governance (DG)?

📊 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Да2030139
Частично50400110
Не знаю2060019
Нет0000000

📌 Основные выводы:

  • 61% участников подтвердили, что в компании используются собственные разработки (полностью или частично) для поддержки Data Governance.

  • Однако порядка 39% сотрудников не осведомлены о наличии таких решений, что может указывать на недостаточную коммуникацию между командами, особенно в части внутренних инструментов.

  • Ни один из респондентов не заявил об отсутствии внутренних разработок, что косвенно подтверждает наличие как минимум фрагментарных решений.

✅ Рекомендации:

  1. Зафиксировать и централизовать информацию о существующих внутренних решениях в области DG.

  2. Организовать внутреннее информирование и демо-сессии для повышения осведомлённости сотрудников.

  3. Провести оценку зрелости внутренних инструментов и рассмотреть возможность их развития или замены open-source/коммерческими аналогами.

Вопрос: Поддерживают ли технологии в компании гибкую настройку прав доступа и разграничений?

📊 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Да2030128
Частично3010004
Не знаю30900214
Нет1000012

📌 Основные выводы:

  • Только 32% респондентов уверены, что технологии в компании поддерживают гибкую настройку прав доступа, ещё 16% считают, что такая возможность реализована частично.

  • В то же время 56% участников опроса не знают, поддерживается ли такая настройка, что указывает на низкую прозрачность или недостаточную осведомлённость.

  • Ответ “Нет” дал лишь незначительный процент (около 8%), что может указывать на редкость полного отсутствия функционала, но и на слабую вовлечённость.

✅ Рекомендации:

  1. Повысить прозрачность и документированность настроек прав доступа — включить информацию об этом в onboarding и обучающие материалы.

  2. Организовать сессии по демонстрации возможностей существующих платформ для инженеров и аналитиков.

  3. В рамках развития архитектуры DG внедрить централизованные механизмы контроля прав и провести их аудит.

Вопрос: Существуют ли проблемы с версионностью данных или пересечением источников?

📊 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Часто возникают3020106
Иногда2030016
Редко10500410
Никогда3030006

📌 Основные выводы:

  • 48% участников сталкиваются с проблемами версионности и пересечением источников — либо часто, либо иногда.

  • Лишь 24% респондентов заявили, что никогда не сталкивались с такими проблемами, ещё 40% отметили, что это происходит редко.

  • Таким образом, несмотря на наличие практик, риск конфликтов версий остаётся заметным, особенно среди инженеров и аналитиков.

✅ Рекомендации:

  1. Внедрить инструменты контроля версионности данных (например, data versioning через DVC, Git-like подходы или lineage-решения).

  2. Стандартизировать процессы публикации и обновления данных, особенно в кросс-функциональных командах.

  3. Создать реестр источников с указанием приоритетных и master-версий для минимизации конфликтов.

Вопрос: Используются ли средства визуализации lineage (происхождения) данных?

📊 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Да30500210
В некоторых системах3040119
Нет2020004
Не знаю1020025

📌 Основные выводы:

  • 43% опрошенных подтверждают, что визуализация lineage применяется (полностью или частично).

  • Вместе с тем, 21% не знают, используются ли такие средства, а 17% утверждают, что lineage вовсе не визуализируется.

  • Таким образом, инструменты lineage уже присутствуют, но их внедрение остаётся фрагментированным, а осведомлённость пользователей — недостаточной.

✅ Рекомендации:

  1. Унифицировать применение инструментов lineage — обеспечить охват не отдельных систем, а всех критически важных потоков данных.

  2. Проводить обучение сотрудников по работе с lineage-решениями.

  3. Интегрировать lineage в повседневные процессы аналитики и управления качеством данных.

Вопрос: Насколько просто вам получить доступ к нужной технологической платформе?

📊 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Нужно оформлять заявки501101421
В целом возможно3020005
Очень просто1000001
Очень сложно0000011

📌 Основные выводы:

  • 72% респондентов отметили, что получение доступа требует оформления заявок — это основной путь доступа к технологическим платформам.

  • Только 17% оценивают процесс как «в целом возможный», и лишь 3% — как «очень простой».

  • Доступ к платформам чаще всего воспринимается как процесс с бюрократической нагрузкой, а не как часть прозрачной и оперативной работы.

✅ Рекомендации:

  1. Упростить процедуру доступа — возможно, через автоматизированные workflow или преднастроенные роли.

  2. Обеспечить прозрачность и прогнозируемость процесса, особенно для новых сотрудников и проектных команд.

  3. Внедрить мониторинг времени получения доступа как одну из метрик пользовательского опыта.

Вопрос: Насколько системная архитектура вашей компании адаптирована к принципам Data Governance?

📊 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Частично601100421
Скорее не адаптирована2010104
Полностью адаптирована1010013
Не адаптирована0000000

📌 Основные выводы:

  • 75% участников считают, что архитектура их компании частично адаптирована под принципы Data Governance.

  • Только 11% оценивают архитектуру как полностью соответствующую этим принципам.

  • 14% респондентов воспринимают архитектуру как скорее не адаптированную.

✅ Рекомендации:

  1. Провести оценку зрелости архитектуры на соответствие ключевым принципам DG (lineage, контроль доступа, классификация).

  2. Обратить внимание на интеграционные компоненты, способные ускорить внедрение стандартов DG.

  3. Обеспечить вовлечённость архитекторов и data-инженеров в развитие архитектурных практик с ориентацией на данные.

Вопрос: Учитываются ли требования Data Governance при выборе новых технологий?

📊 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Всегда3030017
Не знаю50900317
Редко1000102
Иногда0010012

📌 Основные выводы:

  • Только 25% респондентов заявляют, что требования DG всегда учитываются при выборе технологий.

  • При этом 61% участников не знают, учитываются ли эти требования, что указывает на низкую прозрачность процесса выбора.

  • Лишь 14% отметили, что требования DG учитываются иногда или редко.

✅ Рекомендации:

  1. Включить требования DG в чек-листы и методики выбора технологий.

  2. Повысить осведомлённость команд о критериях, связанных с управлением данными.

  3. Обеспечить прозрачность процесса принятия технологических решений с участием архитекторов и data-специалистов.

Вопрос: Как осуществляется сопровождение платформ и инструментов для Data Governance?

📊 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Есть выделенная команда2030027
Поддержка ведётся по необходимости5020018
Не знаю20801213
Нет поддержки0000000

📌 Основные выводы:

  • Лишь 22% респондентов отмечают наличие выделенной команды для сопровождения DG-платформ.

  • Для 25% сопровождение осуществляется по необходимости, что может свидетельствовать о фрагментарности подхода.

  • При этом 41% участников не знают, как именно организована поддержка, что говорит о низкой прозрачности и вовлечённости пользователей.

✅ Рекомендации:

  1. Формализовать и коммуницировать подход к поддержке платформ DG: кто отвечает, как обращаться, какие уровни сервиса предусмотрены.

  2. Назначить ответственную команду или роли для сопровождения, чтобы обеспечить устойчивость и развитие решений.

  3. Обеспечить обратную связь от пользователей о проблемах и потребностях в работе с инструментами Data Governance.

Вопрос: Оцените зрелость технической платформы вашей команды по шкале от 1 до 5

📊 Количественные итоги:

Оценка зрелостиAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
5 – очень зрелая1020014
4 – зрелая50901217
3 – средняя2020015
2 – начальный уровень1000001
1 – незрелая0000011

📌 Основные выводы:

  • 65% участников оценивают зрелость своей платформы на уровне 4 или 5, что говорит о хорошем уровне технической оснащённости и устойчивости инфраструктуры.

  • 19% дают оценку 3 — средняя зрелость, что может отражать ограниченность функциональности или сложности в интеграции.

  • Только 6% респондентов считают платформу незрелой или на начальном уровне.

  • При этом немногочисленные оценки “1” и “2” встречаются в основном среди представителей смежных или вспомогательных ролей.

✅ Рекомендации:

  1. Для команд, оценивающих зрелость как среднюю или низкую, важно определить узкие места — например, интеграции, автоматизация или удобство инструментов.

  2. Командам с высокой зрелостью следует использовать это как основу для масштабирования Data Governance и трансляции лучших практик.

  3. Рассмотреть возможность самооценки зрелости платформ на регулярной основе в командах как часть Data Strategy Review.

Вопрос: Получаете ли вы техническую поддержку при работе с данными?

📊 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Всегда оперативно80900320
Иногда0040116
Поддержка недоступна1000012
Только через руководителя0000000

📌 Основные выводы:

  • 71% респондентов получают оперативную техническую поддержку при работе с данными, что является сильной стороной текущей инфраструктуры.

  • 21% указали, что поддержка бывает доступна, но не всегда — это сигнал о возможных перегрузках службы поддержки или недостатке внутренних ресурсов.

  • Лишь 7% участников сообщили об отсутствии технической поддержки, что остаётся зоной риска, особенно при работе с критичными данными.

✅ Рекомендации:

  1. Зафиксировать и масштабировать практики команд, которые получают оперативную поддержку, как референсную модель.

  2. Проанализировать причины нерегулярной поддержки — они могут быть связаны с дефицитом ресурсов, неочевидным процессом обращения, либо непрозрачностью ответственности.

  3. В случае полной недоступности поддержки — важно внедрить хотя бы базовую систему тикетов или FAQ, чтобы снизить операционные риски.

Вопрос: Существуют ли единые стандарты выбора и внедрения новых технологических решений?

📊 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Да2040028
Частично5030109
Не знаю20600311
Нет0000000

📌 Основные выводы:

  • Только 29% участников уверены, что в компании действуют единые стандарты выбора и внедрения технологий.

  • При этом ещё 32% отмечают, что такие стандарты частично присутствуют, что может указывать на локальные практики или инициативы отдельных команд.

  • 39% затруднились с ответом, что может свидетельствовать о низкой прозрачности процессов выбора технологий на уровне всей организации.

  • Никто из респондентов не заявил об отсутствии стандартов, что можно интерпретировать как возможность для формализации уже существующих практик.

✅ Рекомендации:

  1. Провести инвентаризацию существующих процедур выбора и внедрения технологий: выявить лучшие практики и объединить их в единый стандарт.

  2. Повысить осведомлённость сотрудников о том, какие процессы уже действуют, с помощью внутренних регламентов, гайдов или коммуникаций через платформы.

  3. Рассмотреть внедрение централизованного процесса архитектурного согласования, особенно для критичных решений в области данных и платформ.

Вопрос: Насколько быстро внедряются новые технологии для поддержки Data Governance?

📊 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
В рамках проектов80701420
Очень быстро0030003
Сильно задерживаются1010013
Почти не внедряются0020002

📌 Основные выводы:

  • 69% участников указывают, что новые технологии для поддержки Data Governance внедряются в рамках проектов, то есть точечно, при наличии запроса или инициативы.

  • Только 10% считают, что технологии внедряются быстро, что может говорить о недостаточной гибкости или ресурсоёмкости процессов.

  • Ещё 21% респондентов сообщили о заметных задержках или почти полном отсутствии внедрения, что сигнализирует о барьерах на уровне процессов, согласований или приоритизации.

✅ Рекомендации:

  1. Ускорить процесс адаптации технологий за счёт выделения стандартных сценариев внедрения DG-инструментов в рамках проектов.

  2. Внедрить бэклог по технологиям Data Governance с приоритетами и оценкой зрелости — это обеспечит управляемость и прозрачность прогресса.

  3. Создать методический подход (шаблоны, архитектурные паттерны, списки рекомендованных инструментов) для тиражирования успешных решений.

Вопрос: Насколько технологии Data Governance интегрированы с аналитическими инструментами?

📊 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Частично50901318
Слабо2010003
Не интегрированы2020004
Полностью0010012

📌 Основные выводы:

  • 62% участников считают, что технологии Data Governance частично интегрированы с аналитическими инструментами.

  • Только 7% оценивают текущую интеграцию как полную.

  • 31% опрошенных указывают на низкий уровень или отсутствие интеграции, что свидетельствует о фрагментарности решений или слабой архитектурной связке между системами DG и BI.

✅ Рекомендации:

  1. Анализировать текущие сценарии использования аналитических инструментов и точки взаимодействия с DG — это поможет определить ключевые зоны для интеграции.

  2. Использовать возможности API и коннекторов популярных платформ (например, Power BI, Tableau, Superset) для автоматического подтягивания метаданных, lineage и бизнес-глоссариев.

  3. Внедрить сквозной механизм отображения контекста данных (описание, источник, владелец, качество) прямо в аналитических интерфейсах.

Вопрос: Используются ли облачные технологии в реализации Data Governance?

📊 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Не знаю30700313
Нет3040108
Частично2010003
Да, активно1010013

📌 Основные выводы:

  • 46% опрошенных затрудняются ответить, используются ли облачные технологии в контексте Data Governance — это указывает на низкую прозрачность и недостаток информационного охвата внутри команд.

  • Только 11% респондентов заявили, что облачные технологии активно применяются.

  • В то же время, 29% считают, что такие технологии не используются вообще, что может свидетельствовать о преобладании on-premise решений или слабой цифровой зрелости в части DG.

✅ Рекомендации:

  1. Провести аудит текущего состояния облачных инициатив в контексте DG и сформировать карту зрелости.

  2. Организовать информационную сессию для сотрудников о преимуществах облака в управлении метаданными, lineage, качеством и безопасностью.

  3. При наличии облачных решений — обеспечить видимость и доступность информации о компонентах DG в облаке (например, через единую витрину инструментов).

Вопрос: Какой уровень автоматизации процессов работы с данными в вашей области?

📊 Количественные итоги:

Уровень автоматизацииAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Высокий50901217
Средний4040019
Низкий0000011
Отсутствует0000000

📌 Основные выводы:

  • 63% участников опроса оценивают уровень автоматизации процессов как высокий, что свидетельствует о зрелости инфраструктуры и использовании современных инструментов.

  • 33% респондентов указали на средний уровень автоматизации, что может говорить о наличии частичных решений, реализованных в рамках отдельных задач или подразделений.

  • Полное отсутствие автоматизации или крайне низкий уровень автоматизации упомянут лишь единичными респондентами, что демонстрирует общую направленность на цифровизацию.

✅ Рекомендации:

  1. Продолжать масштабировать автоматизацию на команды с «средним» уровнем зрелости — используя best practices от лидеров.

  2. Выявить оставшиеся ручные процессы и оценить их влияние на качество и скорость работы с данными.

  3. Регулярно проводить оценку зрелости автоматизации в разрезе бизнес-процессов, не только технических задач.

Вопрос: Есть ли внутренний реестр используемых технологий и систем?

📊 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Да50600112
Частично4030108
Не знаю0040026
Нет0000011

📌 Основные выводы:

  • 46% респондентов подтвердили наличие внутреннего реестра технологий и систем, что указывает на наличие базового ИТ-ландшафта и практик инвентаризации.

  • Ещё 31% участников отметили, что такой реестр существует частично, что может свидетельствовать о фрагментированности инициатив или недостаточной актуальности информации.

  • При этом 23% опрошенных затруднились с ответом — это говорит о недостаточной прозрачности или доступности информации о технической архитектуре.

✅ Рекомендации:

  1. Уточнить ответственных за ведение реестра и обеспечить его актуальность.

  2. Расширить доступ к реестру для команд, особенно технических — для повышения осведомлённости и сокращения дублирующих инициатив.

  3. Стандартизировать процесс регистрации новых технологий и включить контроль за их жизненным циклом.

Вопрос: Какие из текущих инструментов вы считаете устаревшими?

📊 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Всё устраивает60600315
Метаданные/каталоги2010115
BI1010002
Хранилища данных0030003
ETL/ELT0010001
Всё устарело0010001

📌 Основные выводы:

  • 55% участников считают, что текущие инструменты их полностью устраивают, что говорит о достаточно высоком уровне удовлетворённости ИТ-ландшафтом.

  • Тем не менее, 18% опрошенных указали на устаревание инструментов метаданных и каталогов, что может сигнализировать о потребности в их обновлении или улучшении функциональности.

  • Отдельные респонденты также упомянули BI-системы, ETL/ELT-платформы и хранилища данных как устаревшие — хотя это не является массовым мнением, сигналы о необходимости ревизии присутствуют.

✅ Рекомендации:

  1. Провести аудит ключевых инструментов, особенно в области метаданных, чтобы определить потребности в модернизации.

  2. Уточнить у респондентов, что именно не устраивает в указанных компонентах (функциональность, производительность, удобство).

  3. Привлечь пользователей к пилотированию новых решений, если планируется обновление технологий.

Вопрос: Что бы вы улучшили в технологической поддержке Data Governance?

📊 Количественные итоги:

ОтветAnalyticsBusinessData EngineersData ScientistsManagersOthersИтого
Внедрить каталог / lineage3010004
Улучшить интеграцию3040018
Обновить инструменты0030003
Автоматизировать процессы2030027
Повысить стабильность систем1020115

📌 Основные выводы:

  • 30% респондентов считают, что необходимо улучшить интеграцию между системами в рамках Data Governance — это наиболее часто упоминаемая потребность.

  • 26% участников акцентируют внимание на необходимости автоматизации процессов, что указывает на усталость от ручных операций и стремление к повышению эффективности.

  • Запрос на повышение стабильности платформ прозвучал от 19% респондентов, что может сигнализировать о технических сбоях или нестабильной работе отдельных решений.

  • 13% упомянули необходимость внедрения каталога данных и инструментов lineage, подтверждая тренд на развитие прозрачности и управляемости.

  • Обновление используемых инструментов как самостоятельный приоритет выделили лишь 11% участников, что может говорить либо о приемлемом уровне текущего стека, либо о неосведомлённости пользователей.

✅ Рекомендации:

  1. Инициировать проекты по интеграции ключевых систем (каталогов, платформ, источников), чтобы устранить разрозненность в инфраструктуре.

  2. Провести оценку уровня автоматизации текущих процессов DG и определить зоны, где её внедрение даст наибольший эффект.

  3. Проверить надежность и стабильность существующих систем, особенно в зоне хранения и обработки метаданных.

  4. Рассмотреть внедрение или развитие инструментов lineage и каталогов — особенно если они сейчас отсутствуют или используются фрагментарно.

Graph View