DG Аналитическая сводка 8 Обучение и культура

Вопрос: Считаете ли вы данные важным активом вашей компании?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Итого
Да, безусловно	9	0	13	0	1	3	26
Скорее да	0	0	0	0	0	0	0
Скорее нет	0	0	0	0	0	1	1
Нет	0	0	0	0	0	0	0

---

📌 Основные выводы:

• 96% опрошенных безусловно считают данные важным активом компании, что демонстрирует высокий уровень осознания ценности данных среди сотрудников.

• Скептицизм практически отсутствует: лишь 4% выразили сомнение (вариант “Скорее нет”), и никто не выбрал “Нет”.

• Поддержка этого утверждения особенно высока среди аналитиков и дата-инженеров, что подчёркивает их вовлечённость в культуру данных.

---

✅ Рекомендации:

1. Использовать этот высокий уровень осознанности как основу для формализации культуры данных и масштабирования Data Governance инициатив.

2. Вовлекать сотрудников, уже признающих ценность данных, в амбассадорские роли — они могут стать проводниками изменений в других командах.

3. Расширять осведомлённость на уровне бизнес-пользователей и управленцев, где нейтральные или отсутствующие ответы указывают на возможные пробелы в вовлечённости.

Вопрос: Насколько вы чувствуете ответственность за данные, с которыми работаете?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Итого
Полностью	7	0	12	0	0	3	22
Частично	2	0	1	0	1	0	4
Скорее нет	0	0	0	0	0	1	1
Нет	0	0	0	0	0	0	0

---

📌 Основные выводы:

• 81% респондентов заявляют, что полностью чувствуют ответственность за данные, с которыми работают.

• Дополнительно 15% выбрали вариант “частично”, что в целом свидетельствует о положительной культуре владения данными.

• Лишь 4% склонны не чувствовать ответственности, и таких респондентов — единицы.

---

✅ Рекомендации:

1. Укреплять и формализовать ответственность за данные через процессы и роли, особенно там, где сотрудники уже внутренне принимают эту ответственность.

2. Развивать поддерживающие механизмы (например, автоматические уведомления, чек-листы) для минимизации рисков, связанных с небрежным обращением с данными.

3. Обратить внимание на тех, кто выбрал “скорее нет”, — возможно, они не до конца понимают свою роль в управлении данными или сталкиваются с организационными барьерами.

Вопрос: Существует ли в вашей команде культура “владения данными”?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Итого
Да	1	0	9	0	0	1	11
В определённых зонах	5	0	2	0	1	2	10
Нет	1	0	0	0	0	1	2
Не знаю	2	0	2	0	0	0	4

---

📌 Основные выводы:

• 42% респондентов уверены, что культура “владения данными” уже существует в их команде.

• Ещё 38% отмечают, что такая культура сформирована частично, то есть в отдельных зонах ответственности.

• Однако 20% опрошенных либо не уверены, либо отрицают наличие этой культуры, что указывает на зону роста.

---

✅ Рекомендации:

1. Расширить и закрепить подход “владения данными” за счёт формализации зон ответственности и внедрения ролевой модели Data Steward/Data Owner.

2. Вовлечь сотрудников из команд, где культура ещё не укоренилась, через обучение, примеры и метрики.

3. Повысить осведомлённость — четверть участников не уверены в существовании культуры владения, что может говорить о недостаточной прозрачности процессов.

Вопрос: Как часто обсуждаются вопросы качества и управления данными на встречах команды?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Итого
Регулярно	6	0	11	0	0	2	19
Иногда	2	0	2	0	1	2	7
Редко	1	0	0	0	0	0	1
Никогда	0	0	0	0	0	0	0

---

📌 Основные выводы:

• 68% респондентов указали, что вопросы качества и управления данными регулярно обсуждаются на командных встречах.

• Ещё 25% отметили, что такие темы всплывают время от времени, чаще в нерегулярном формате.

• Лишь менее 10% упомянули, что такие вопросы обсуждаются редко, а случаев полного отсутствия обсуждений — не зафиксировано.

---

✅ Рекомендации:

1. Использовать положительную динамику: высокий процент регулярных обсуждений — это хорошая база для формирования устойчивой культуры Data Governance.

2. Тем, кто указывает на “редкие” или “иногда” — стоит предложить типовые повестки для митингов, включающие темы качества и владения данными.

3. Для закрепления результата — рекомендовано ввести регламентированное обсуждение качества данных, например, на ежемесячных ретроспективах или планёрках.

Вопрос: Считаете ли вы, что культура данных поддерживается на уровне руководства?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Итого
Да	5	0	10	0	1	4	20
Частично	1	0	0	0	0	0	1
Не знаю	3	0	2	0	0	0	5
Нет	0	0	1	0	0	0	1

---

📌 Основные выводы:

• 77% участников считают, что руководство поддерживает культуру работы с данными.

• 19% затрудняются с оценкой — ответили «не знаю».

• Только 4% указали, что культура данных не поддерживается, что является единичным мнением.

---

✅ Рекомендации:

1. Закрепить положительное восприятие — через видимую вовлечённость лидеров: регулярные обращения, метрики, примеры «data-driven» решений.

2. Для снижения доли неопределённости полезно провести разъяснительные сессии: зачем нужна культура данных, кто за неё отвечает, какие инициативы уже идут.

3. Уделить внимание локальной реализации культуры в командах: даже при поддержке сверху важно, чтобы сотрудники чувствовали это в ежедневной практике.

Вопрос: Получали ли вы обучение по управлению данными (Data Governance, качество, безопасность)?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Итого
Да, формальное обучение	3	0	3	0	1	2	9
Только ознакомительные материалы	4	0	5	0	0	0	9
Не помню	2	0	3	0	0	2	7
Нет	0	0	2	0	0	0	2

---

📌 Основные выводы:

• Только 36% опрошенных прошли формальное обучение по управлению данными.

• Ещё 36% получали ознакомительные материалы, но без полноценного курса.

• 28% респондентов либо не помнят, либо не проходили обучение вовсе — это может свидетельствовать о недостаточной системности или фиксации процесса.

---

✅ Рекомендации:

1. Стандартизировать и централизовать обучение — формализованный курс по Data Governance должен быть частью онбординга и развития сотрудников, особенно тех, кто работает с данными напрямую.

2. Обеспечить доступ к обучающим материалам в удобном формате (видео, интерактивные модули, внутренние гайды).

3. Внедрить метки прохождения обучения в кадровых и аналитических системах, чтобы отслеживать охват и управлять рисками неграмотного обращения с данными.

Вопрос: Насколько доступно обучение по работе с данными в вашей компании?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Итого
В целом доступно	6	0	12	0	1	4	23
Очень доступно	2	0	1	0	0	0	3
Скорее недоступно	1	0	0	0	0	0	1
Недоступно	0	0	0	0	0	0	0

---

📌 Основные выводы:

• 88% сотрудников считают обучение доступным или очень доступным, что говорит о хорошем уровне открытости и наличия обучающих ресурсов в компании.

• Лишь 4% считают, что обучение скорее недоступно — потенциальный сигнал для проверки локальных барьеров (например, отсутствие времени, сложности в регистрации, нехватка актуальных курсов).

---

✅ Рекомендации:

1. Укрепить и масштабировать текущие обучающие практики, особенно учитывая высокий спрос и положительную оценку.

2. Провести опрос среди тех, кто не использует обучение, чтобы выяснить барьеры доступа (время, формат, релевантность).

3. Для повышения охвата — внедрить гибридные форматы: короткие видео, микрокурсы, обучающие рассылки и интерактивные квизы.

Вопрос: Какие форматы обучения использовались?

---

📊 Количественные итоги:

Формат обучения	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Итого
Документация и статьи	6	0	4	0	0	2	12
Внутренние семинары	1	0	4	0	1	0	6
Онлайн-курсы	1	0	2	0	0	2	5
Вебинары	1	0	1	0	0	0	2
Не проходил(а) обучение	0	0	2	0	0	0	2

---

📌 Основные выводы:

• Самый популярный формат — это документация и статьи, ими пользовались 48% респондентов.

• Онлайн-курсы и внутренние семинары также востребованы, каждый из них применяли около 20–24% участников.

• Формат вебинаров использовался ограниченно, а отсутствие обучения указали только 8% — это позитивный сигнал.

---

✅ Рекомендации:

1. Продолжить развитие текстовых материалов, обеспечив их актуальность и структурированность.

2. Расширить практику внутренних семинаров и онлайн-курсов, особенно для новых сотрудников и команд с низкой вовлечённостью.

3. Рассмотреть возможность интерактивных форматов (симуляции, практикумы, воркшопы), чтобы усилить вовлечённость и закрепление знаний.

Вопрос: Хотели бы вы пройти дополнительное обучение по теме управления данными?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Итого
Да	6	0	6	0	1	1	14
Возможно	3	0	5	0	0	2	10
Не уверен(а)	0	0	2	0	0	1	3
Нет	0	0	0	0	0	0	0

---

📌 Основные выводы:

• 89% участников выразили заинтересованность в дополнительном обучении по теме управления данными: 58% — уверенно, 31% — потенциально.

• Только 11% сомневаются, и никто не ответил “Нет”, что говорит о высоком уровне мотивации к развитию компетенций в области Data Governance.

---

✅ Рекомендации:

1. Организовать дополнительные обучающие инициативы по приоритетным темам: качество данных, безопасность, владение данными.

2. Предусмотреть разные уровни сложности и форматы — от кратких воркшопов до углублённых курсов.

3. Уточнить предпочтения среди тех, кто ответил “возможно” или “не уверен(а)”, чтобы скорректировать программу под их ожидания.

Вопрос: Насколько хорошо вы понимаете, что такое Data Governance?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Итого
Полностью понимаю	1	0	3	0	0	0	4
В целом понимаю	6	0	6	0	1	3	16
Слышал(а), но не уверен(а)	2	0	4	0	0	1	7
Не знаю, что это	0	0	0	0	0	0	0

---

📌 Основные выводы:

• 64% респондентов в целом понимают, что такое Data Governance, ещё 16% — уверенно заявляют о полном понимании.

• Таким образом, 80% участников демонстрируют базовую или глубокую осведомлённость в теме.

• 20% признались, что слышали о концепции, но не уверены в понимании. Ни один участник не заявил, что не знает, что такое Data Governance.

---

✅ Рекомендации:

1. Продолжать укреплять базовое понимание DG среди команды, предлагая простые и понятные материалы.

2. Для группы «слышал, но не уверен» провести вводные сессии, используя практические примеры из их деятельности.

3. Углублённые мероприятия могут быть ориентированы на тех, кто уже «в целом» или «полностью» понимает принципы DG.

Вопрос: Применяются ли знания о Data Governance в вашей повседневной работе?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Итого
Да, постоянно	4	0	5	0	0	1	10
Иногда	2	0	5	0	1	3	11
Не понимаю, как применить	3	0	3	0	0	0	6
Нет	0	0	0	0	0	0	0

---

📌 Основные выводы:

• 43% участников применяют знания о Data Governance на постоянной основе.

• Ещё 48% используют их иногда, что указывает на частичную интеграцию DG в ежедневные процессы.

• Однако 26% признались, что не понимают, как применить эти знания в своей работе — это ключевая зона для обучения и поддержки.

• Ни один респондент не заявил, что сознательно игнорирует DG.

---

✅ Рекомендации:

1. Предусмотреть практические кейсы и обучение по применению DG в контексте конкретных рабочих задач.

2. Включить темы «как применять DG в моей роли» в образовательные программы.

3. Поддерживать и расширять практики обмена опытом внутри команд, где DG уже используется регулярно.

Вопрос: Насколько активно ваша команда делится знаниями о работе с данными?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Итого
Очень активно	5	0	8	0	0	3	16
Иногда	4	0	4	0	1	1	10
Редко	0	0	1	0	0	0	1
Не делится вообще	0	0	0	0	0	0	0

---

📌 Основные выводы:

• 57% респондентов считают, что их команда активно делится знаниями о работе с данными.

• 36% отметили, что это происходит иногда, что также указывает на наличие культуры обмена.

• Только один участник (около 4%) назвал обмен знаниями редким.

• Никто не указал, что знаний не передаётся вовсе — это положительный индикатор по сравнению с другими аспектами культуры данных.

---

✅ Рекомендации:

1. Закрепить и поддерживать практики обмена знаниями через регулярные встречи, внутренние чаты или базы знаний.

2. Рассмотреть запуск внутренних инициатив (вроде «спикерских пятниц» или «демо-дней») для формализации неформального обмена.

3. Выявить барьеры у тех, кто делится знаниями редко, и предложить им подходящие форматы (например, неформальные обсуждения или менторство).

Вопрос: Осуществляется ли наставничество по работе с данными для новых сотрудников?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Итого
Да	6	0	11	0	1	2	20
Частично	3	0	1	0	0	2	6
Не знаю	0	0	1	0	0	0	1
Нет	0	0	0	0	0	0	0

---

📌 Основные выводы:

• 74% опрошенных указали, что наставничество по работе с данными действительно осуществляется, что является сильной стороной культуры.

• Ещё 22% отметили, что оно проводится частично, что может означать локальные инициативы или неформальные практики.

• Лишь единичные респонденты не знают о существовании таких практик, и никто не заявил об их полном отсутствии.

---

✅ Рекомендации:

1. Стандартизировать практики наставничества и закрепить их в процедурах онбординга новых сотрудников.

2. Обеспечить видимость программы наставничества, чтобы избежать ситуации «не знаю» — например, через внутренние порталы или welcome-письма.

3. Поощрять участие опытных специалистов в менторстве через признание, оценку вклада и карьерные стимулы.

Вопрос: Есть ли в вашей команде люди, которых считают “экспертами по данным”?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Итого
Да	7	0	9	0	1	3	20
Возможно	1	0	1	0	0	0	2
Не уверен(а)	1	0	3	0	0	1	5
Нет	0	0	0	0	0	0	0

---

📌 Основные выводы:

• 77% участников уверены, что в их команде присутствуют эксперты по данным, которых так воспринимают коллеги.

• Дополнительно 8% респондентов считают, что такие эксперты возможно есть, но нет уверенности.

• Вместе с тем, 19% участников затрудняются ответить, что может указывать на отсутствие формализованного признания или роли эксперта в команде.

---

✅ Рекомендации:

1. Формализовать роль экспертов по данным — например, через обозначение в оргструктуре или в профилях сотрудников.

2. Развивать сообщества практик и внутренние мероприятия, где эксперты могли бы делиться знаниями и усиливать свою позицию.

3. При запуске новых проектов или инициатив по управлению данными — вовлекать этих экспертов в качестве амбассадоров и наставников.

Вопрос: Насколько легко получить помощь или консультацию по вопросам данных?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Итого
Очень легко	6	0	8	0	0	2	16
Иногда затруднительно	3	0	5	0	1	1	10
Сложно	0	0	0	0	0	1	1
Невозможно	0	0	0	0	0	0	0

---

📌 Основные выводы:

• 59% опрошенных считают, что получить консультацию по вопросам данных достаточно легко, что говорит о наличии внутренней поддержки и открытых коммуникационных каналов.

• Однако у 37% респондентов возникают затруднения с доступом к экспертной помощи, особенно в ситуациях, требующих уточнений или специфических знаний.

• Случаи, когда помощь получить невозможно, не зафиксированы, однако единичные упоминания сложности сигнализируют о точечных зонах для улучшения.

---

✅ Рекомендации:

1. Выявить и формализовать каналы поддержки по работе с данными, включая FAQ, менторов и чат поддержки.

2. Определить ответственных за консультации по типам данных и обозначить их роли в каталоге или внутреннем справочнике.

3. Проводить регулярные обучающие сессии и встречи, способствующие обмену знаниями и снижению зависимости от неформальных каналов.

Вопрос: Есть ли в компании внутреннее сообщество по работе с данными?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Итого
Да	4	0	7	0	0	3	14
Частично	2	0	1	0	0	0	3
Не знаю	2	0	4	0	0	0	6
Нет	1	0	1	0	1	1	4

---

📌 Основные выводы:

• 50% участников отметили, что в их компании действительно существует внутреннее сообщество, поддерживающее взаимодействие вокруг тем работы с данными.

• Вместе с тем, около 21% респондентов не уверены, существует ли такое сообщество, что говорит о недостаточной информированности сотрудников о текущих инициативах.

• 29% опрошенных сообщили, что сообщества нет или оно существует лишь частично, что указывает на потенциальную зону для роста культуры данных.

---

✅ Рекомендации:

1. Формализовать и активно продвигать сообщество практиков по работе с данными: создать внутренние каналы (чат, портал), запустить регулярные встречи, создать ядро активных участников.

2. Обеспечить вовлечённость новых сотрудников, информируя их о существующих инициативах в рамках адаптации.

3. Назначить координаторов сообщества, которые будут поддерживать регулярную активность и связь с заинтересованными командами (аналитика, ИТ, безопасность, бизнес).

Вопрос: Какие темы вы считаете важными для обучения?

---

📊 Количественные итоги:

Тема	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Итого
Качество данных	4	0	2	0	1	1	8
Каталог и метаданные	4	0	4	0	0	1	9
Роли и ответственность	0	0	7	0	0	0	7
Безопасность	0	0	0	0	0	2	2
BI / аналитика	1	0	0	0	0	0	1

---

📌 Основные выводы:

• Каталог и метаданные (32%), а также качество данных (29%) названы самыми приоритетными темами для обучения.

• Тема ролей и ответственности особенно актуальна для инженеров данных — она вошла в топ-3 с 25% упоминаний.

• Вопросы безопасности оказались менее востребованными (7%), но при этом явно актуальны для отдельных ролей, таких как специалисты поддержки.

• BI/аналитика интересует лишь отдельных участников, что может говорить о достаточном уровне владения этими инструментами или их меньшей значимости в текущем контексте.

---

✅ Рекомендации:

1. Сформировать приоритетную программу обучения, начиная с тем, связанных с каталогом, качеством данных и распределением ответственности.

2. Сегментировать обучение по ролям: инженерам важна чёткая структура ответственности, аналитикам — работа с метаданными, поддержке — безопасность.

3. Периодически уточнять потребности в обучении через опросы, чтобы своевременно адаптировать образовательную программу.

Вопрос: Как вы оцениваете зрелость культуры данных в вашей компании?

---

📊 Количественные итоги:

Оценка зрелости	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Итого
Высокая	4	0	4	0	0	2	10
Средняя	5	0	7	0	1	2	15
Низкая	0	0	2	0	0	0	2
Культуры нет	0	0	0	0	0	0	0

---

📌 Основные выводы:

• 54% респондентов оценивают зрелость культуры данных как среднюю, что указывает на наличие базовых процессов, но с потенциалом для развития.

• 36% считают, что культура данных находится на высоком уровне — это положительный сигнал о зрелых практиках в части осознанного использования и управления данными.

• Только 7% оценивают зрелость как низкую, и никто не сообщил об отсутствии культуры данных, что подтверждает общую тенденцию к формированию осознанного отношения к данным.

---

✅ Рекомендации:

1. Сосредоточиться на переходе от “среднего” к “высокому” уровню зрелости, внедряя регулярные практики обмена знаниями, роли владельцев данных и метрики по культуре.

2. Проводить целенаправленные сессии/обучения в командах, где зрелость воспринимается как низкая — особенно среди инженеров данных.

3. Закрепить лучшие практики в командах с высокой зрелостью через кейс-демонстрации или наставничество.

Вопрос: Кто продвигает культуру управления данными в организации?

---

📊 Количественные итоги:

Продвигает культуру	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Итого
Руководители команд	4	0	5	0	0	3	12
CDO / data office	2	0	6	0	1	0	9
Энтузиасты	3	0	1	0	0	0	4
Никто	0	0	1	0	0	1	2

---

📌 Основные выводы:

• 43% опрошенных отмечают, что продвижением культуры управления данными занимаются руководители команд, что говорит о высоком значении лидерства на уровне подразделений.

• 32% респондентов указывают на участие CDO или data office, что свидетельствует о формализации инициатив на уровне компании.

• В 14% случаев продвижением культуры занимаются энтузиасты, а в отдельных командах (7%) отсутствует кто-либо, кто бы занимался этим направлением.

---

✅ Рекомендации:

1. Закрепить ответственность за культуру данных на уровне CDO/data office, чтобы избежать изолированности инициатив.

2. Создавать механизмы поддержки энтузиастов, чтобы их энергия превращалась в устойчивые практики.

3. Проводить аудит вовлечённости руководителей, чтобы они несли флаг культуры данных не только на словах, но и в действиях.

Вопрос: Есть ли внутренние мероприятия, посвящённые данным (дни данных, хакатоны и т.п.)?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Итого
Да, регулярно	1	0	3	0	0	1	5
Были, но редко	3	0	3	0	1	1	8
Нет	2	0	0	0	0	0	2
Не знаю	3	0	7	0	0	2	12

---

📌 Основные выводы:

• Только 18% участников указали, что мероприятия проводятся регулярно, и ещё 29% — что такие активности были, но случаются редко.

• Более 40% респондентов не осведомлены о существовании внутренних мероприятий, посвящённых данным, что указывает на недостаточную коммуникацию и/или вовлечённость.

• Практически никто из опрошенных не сообщил о полном отсутствии инициатив — чаще всего проблема в отсутствии регулярности или прозрачности.

---

✅ Рекомендации:

1. Укрепить видимость и доступность мероприятий, связанных с данными — например, через календарь, внутренние рассылки или портал.

2. Регуляризовать формат (ежеквартальные дни данных, DG-демо, мини-хакатоны) для формирования устойчивой культуры обмена.

3. Привлекать команды данных к организации и фасилитации, чтобы мероприятия были релевантны и прикладны.

Вопрос: Насколько культура данных помогает вам работать эффективнее?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Итого
Очень помогает	1	0	3	0	0	0	4
Скорее помогает	7	0	5	0	1	2	15
Не влияет	0	0	1	0	0	0	1
Затрудняюсь ответить	1	0	4	0	0	2	7

---

📌 Основные выводы:

• 76% респондентов ощущают, что культура данных в той или иной степени помогает им в работе.

• Однако четверть опрошенных либо затрудняются ответить, либо не чувствуют влияния, что может указывать на:

  • слабую практическую связанность культуры данных с ежедневными задачами,

  • недостаточную осведомлённость о роли DG в эффективности.

---

✅ Рекомендации:

1. Превратить культуру данных в прикладной актив — через практики “data by design” в процессах, доступ к качественным источникам и поддержку команд.

2. Показать ценность на конкретных кейсах — через демонстрацию примеров, как культура данных сократила время, повысила точность или предотвратила ошибки.

3. Включить метрики восприятия в KPI инициатив DG — чтобы отслеживать рост вовлечённости и пользы от культурных инициатив.

Вопрос: Насколько в вашей команде принято «спрашивать про данные», уточнять источники и контекст?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Всего
Очень принято	9	0	9	0	0	2	20
Иногда	0	0	4	0	1	1	6
Скорее не принято	0	0	0	0	0	1	1
Не принято	0	0	0	0	0	0	0

---

📌 Основные выводы:

• 87% участников указывают, что в их команде принято уточнять данные и контекст — это важный индикатор зрелой культуры данных.

• 20% респондентов отметили, что это происходит лишь эпизодически, что может указывать на:

  • отсутствие формализованных каналов или процессов;

  • неопределённость в ролях и ответственности за качество данных.

---

✅ Рекомендации:

1. Поддержать уже существующую практику через инструменты (data lineage, описания, ссылки на источники).

2. Формализовать правила уточнения — внедрить чек-листы, каналы или шаблоны вопросов.

3. Поощрять вопросы и уточнения как проявление ответственности за качество решений на данных.

Вопрос: Насколько открыто обсуждаются ошибки в данных?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Всего
Открыто и конструктивно	9	0	11	0	1	3	24
Обсуждаются частично	0	0	2	0	0	1	3
Скрываются / Не обсуждаются	0	0	0	0	0	0	0

---

📌 Основные выводы:

• Открытость в обсуждении ошибок — сильная сторона культуры: 89% участников отметили, что ошибки обсуждаются конструктивно.

• Это говорит о доверии в командах и зрелости культуры continuous improvement.

• В то же время частичные обсуждения 10% могут сигнализировать о недостатке:

  • безопасной среды для признания ошибок;

  • форматов для ретроспектив и анализа инцидентов.

---

✅ Рекомендации:

1. Закрепить практику открытого анализа ошибок в регулярных встречах.

2. Внедрить шаблоны post-mortem отчётов и «без обвинений» формат обсуждения.

3. Поощрять конструктивные инициативы по выявлению и предотвращению ошибок — это снижает риски и усиливает культуру данных.

Вопрос: Как оценивается вовлечённость сотрудников в управление данными?

---

📊 Количественные итоги:

Способ оценки	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Всего
У нас есть метрики	1	0	4	0	0	0	5
Оценивается качественно	2	0	1	0	1	1	5
Не оценивается	3	0	3	0	0	0	6
Не знаю	3	0	5	0	0	3	11

---

📌 Основные выводы:

• Большинство участников (11 из 27) затрудняются ответить, как именно измеряется вовлечённость, что свидетельствует об отсутствии прозрачности или формализованного подхода.

• Только 5 участников сообщили о наличии конкретных метрик, что указывает на низкий уровень операционализации культуры данных.

• Ещё 6 участников заявили, что никакой оценки не проводится — сигнал о рисках для внедрения DG-практик.

---

✅ Рекомендации:

1. Внедрить базовые метрики вовлечённости, например:

   • доля заполненных описаний;

   • количество участников в инициативных группах;

   • активность в каталоге данных.

2. Коммуницировать существующие механизмы оценки через внутренние каналы.

3. Развивать качественные подходы (опросы, интервью) и трансформировать их в количественные показатели.

Вопрос: Применяются ли поощрения за вклад в качество или культуру данных?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Всего
Да	1	0	1	0	0	0	2
Иногда	2	0	1	0	0	0	3
Нет	3	0	4	0	1	0	8
Не знаю	3	0	7	0	0	4	14

---

📌 Основные выводы:

• Более половины участников (14 из 27) не знают, существует ли система поощрений, что говорит о низкой видимости и прозрачности практик мотивации.

• 8 респондентов указали, что поощрения отсутствуют — сигнал о слабой институционализации культуры данных.

• Только 2 участника подтвердили наличие формальных поощрений, что крайне мало для формирования устойчивой культуры.

---

✅ Рекомендации:

1. Разработать систему нематериального и материального поощрения, например:

   • признание на внутренних митингах;

   • рейтинги data champions;

   • бонусы или благодарственные письма.

2. Публично освещать такие примеры — формировать ролевые модели.

3. Интегрировать вклад в качество данных в оценку эффективности и performance review.

Вопрос: Что чаще всего мешает формированию культуры данных?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Всего
Низкая осведомлённость	6	0	6	0	0	2	14
Недостаток времени	2	0	4	0	0	1	7
Отсутствие обучения	1	0	3	0	1	0	5
Отсутствие инструментов	0	0	0	0	0	1	1
Отсутствие поддержки от руководства	0	0	0	0	0	0	0

---

📌 Основные выводы:

• Главный барьер — низкая осведомлённость (14 ответов). Это указывает на потребность в информационной кампании и образовательных инициативах.

• Второй по значимости барьер — нехватка времени, что отражает низкий приоритет культуры данных в повседневной работе.

• Обучение также фигурирует как тормоз, особенно среди инженеров и аналитиков.

• Почти никто не жалуется на руководство или отсутствие инструментов, что говорит о наличии инфраструктурных возможностей, но нехватке вовлечения и знаний.

---

✅ Рекомендации:

1. Повысить осведомлённость:

   • запустить серию коротких обучающих сессий (видео/вебинары);

   • включить культуру данных в onboarding новых сотрудников.

2. Интегрировать культуру в повседневную деятельность:

   • включать обсуждение качества и происхождения данных в регулярные встречи;

   • назначить data champions внутри команд.

3. Оптимизировать формат обучения — сделать его кратким, практичным и легко встраиваемым в рутину.

Вопрос: Какие темы вызывают наибольшее непонимание в области данных?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Всего
Стандарты качества	5	0	3	0	1	1	10
Владелец данных	1	0	4	0	0	0	5
Разграничение доступа	0	0	2	0	0	2	4
Lineage	2	0	2	0	0	0	4
Метаданные	1	0	2	0	0	1	4

---

📌 Основные выводы:

• Главный источник непонимания — стандарты качества данных (10 ответов). Это указывает на необходимость ясных критериев, примеров и процедур контроля качества.

• Роль владельца данных вызывает затруднение у многих инженеров, что мешает распределению ответственности и повышает операционные риски.

• Темы lineage, метаданных и разграничения доступа остаются сложными, особенно среди технических и смешанных ролей, что говорит о недостаточной визуализации, обучении или процессной поддержке.

---

✅ Рекомендации:

1. Формализовать и обучить стандартам качества данных:

   • разработать практические гайды с примерами и чек-листами;

   • включить тему качества в регулярные sync’и и ретро команды.

2. Упростить понимание ролей и ответственности:

   • визуализировать зоны ответственности владельцев данных;

   • включить эти темы в onboarding и техническую документацию.

3. Пояснить сложные технические концепции (lineage, метаданные, доступ):

   • внедрить живые примеры и визуальные схемы в систему документации;

   • организовать внутренние воркшопы по этим темам с практикой.

Вопрос: Ваша команда обсуждает метрики и улучшения в области данных?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Всего
Да, регулярно	4	0	6	0	0	2	12
Иногда	2	0	6	0	1	1	10
Редко	3	0	0	0	0	1	4
Никогда	0	0	1	0	0	0	1

---

📌 Основные выводы:

• Регулярные обсуждения ведутся в 12 случаях, что является положительным сигналом — однако доля «иногда» (10 ответов) почти такая же, что говорит о нестабильности этой практики.

• Редкие или отсутствующие обсуждения у части команд (5 ответов) указывают на отсутствие системного подхода к улучшениям и возможную потерю обратной связи.

---

✅ Рекомендации:

1. Закрепить регулярность обсуждений:

   • включить анализ метрик данных в стандартную повестку командных встреч;

   • использовать шаблоны для оценки улучшений (например, по направлениям: качество, доступность, актуальность).

2. Создать культуру обратной связи по данным:

   • назначить ответственных за подготовку и презентацию данных на встречи;

   • делиться успехами и проблемами — в том числе на уровне всей организации.

3. Обеспечить прозрачность метрик:

   • визуализировать данные и метрики через дашборды;

   • предоставить доступ командам к метрикам, которые их касаются напрямую.

Вопрос: Какие внутренние ресурсы вы используете для обучения по данным?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Всего
Wiki/порталы	1	0	9	0	0	1	11
Коллеги	4	0	2	0	1	1	8
YouTube, внешние статьи	3	0	0	0	0	2	5
Внутренние курсы	1	0	2	0	0	0	3
Ничего из перечисленного	0	0	0	0	0	0	0

---

📌 Основные выводы:

• Наиболее популярный ресурс — Wiki/порталы (11 ответов), особенно среди инженеров, что говорит о важности актуального и доступного внутреннего контента.

• Обращение к коллегам (8 ответов) подтверждает значимость неформального обмена знаниями и роли команды в обучении.

• Внешние источники (YouTube, статьи) используются чаще, чем внутренние курсы, что может говорить о недостаточной актуальности или узнаваемости внутренних программ.

---

✅ Рекомендации:

1. Развивать и поддерживать Wiki/порталы:

   • регулярно обновлять материалы;

   • добавить интерактивные элементы: мини-тесты, видеоинструкции;

   • встроить ссылки на документацию в повседневные инструменты (например, Jira, Confluence).

2. Усилить культуру обмена знаниями через коллег:

   • ввести формат «data-lunch» или «пятничные 15 минут по данным»;

   • поощрять сотрудников за обучение других.

3. Повысить узнаваемость внутренних курсов:

   • сделать каталог курсов доступным на внутреннем портале;

   • интегрировать прохождение обучения в онбординг и развитие компетенций.

Вопрос: Что бы вы улучшили в области обучения и культуры управления данными?

---

📊 Количественные итоги:

Ответ	Analytics	Business	Data Engineers	Data Scientists	Managers	Others	Всего
Сделать культуру DG частью стратегии	3	0	10	0	1	1	15
Мотивировать экспертов делиться опытом	4	0	2	0	0	0	6
Создать data-комьюнити	2	0	0	0	0	1	3
Добавить интерактивные курсы	0	0	1	0	0	1	2
Сделать обучение обязательным	0	0	0	0	0	1	1

---

📌 Основные выводы:

• **Ключевая потребность — интеграция культуры Data Governance в стратегию компании. Это подчёркивает необходимость институционального подхода и поддержки на уровне руководства.

• Также выделяется желание развивать знания через коллег и экспертов, что требует формальных и неформальных механизмов обмена опытом.

• Data-комьюнити и интерактивное обучение рассматриваются как важные, но пока второстепенные направления.

---

✅ Рекомендации:

1. Интегрировать культуру DG в стратегию:

   • закрепить цели и показатели в стратегических документах;

   • назначить владельцев направления в командах;

   • связать инициативы DG с KPI и OKR.

2. Запустить инициативы peer-to-peer обучения:

   • создать формат «внутренних экспертов»;

   • ввести менторство и обмен лучшими практиками по управлению данными.

3. Создать и поддерживать Data-комьюнити:

   • организовать регулярные митапы, демо-дни и обсуждения;

   • выделить площадку для вопросов/ответов и обмена материалами.

4. Упростить и модернизировать обучение:

   • внедрить микрообучение (короткие модули, видео, карточки);

   • сделать интерактивные курсы с обратной связью;

   • использовать игровые механики и тесты.