Поиск по сайту

bit.samag.ru

Web

Рассылка Subscribe.ru

подписаться письмом

Вход в систему


Запомнить меня
Регистрация Забыли пароль?

О журнале

Ваше мнение

Статьи

Общие тенденции и тренды

Архив

Мероприятия

Календарь мероприятий

март

2026

показать все

Новости партнеров

05.03.2026

МТС AdTech и MWS AI: 24% трудоспособного населения России регулярно пользуются генеративным ИИ в формате чатов

05.03.2026

Эксперт SafeERP Римма Кулешова: безопасность ERP больше не про ИТ, а про выживание бизнеса

05.03.2026

Не внедривший — жалеет: каждый третий предприниматель пожалел, что не внедрил автоматизацию раньше

03.03.2026

«Байкал Электроникс» и РЕГЛАБ заключили миллиардный контракт на поставку микроконтроллеров Baikal U-1000

02.03.2026

«СиСофт Девелопмент»: цифровая трансформация в строительстве и нефтегазе идет полным ходом

показать все

Статьи

06.03.2026

Как компьютеры понимают текст?

06.03.2026

Как компьютеры понимают текст?

30.12.2025

Как найти идею и перезапустить продукт в «красном океане»

30.12.2025

Интеграция как бизнес-задача

28.12.2025

Soft skills на руководящих должностях

29.07.2025

Точность до метра и сантиметра: как применяют технологии позиционирования

18.04.2024

Как искусственный интеллект изменит экономику

22.09.2023

Эпоха российской ориентации на Запад в сфере программного обеспечения завершилась

22.09.2023

12 бизнес-концепций, которыми должны овладеть ИТ-руководители

показать все

Управление мастер-данными в эпоху искусственного интеллекта

Главная / Архив номеров / 2025 / Выпуск №10 (153) / Управление мастер-данными в эпоху искусственного интеллекта

Рубрика: Тема номера / Искусственный интеллект

Юрий Слатин, эксперт в области AR, VR и MR, основатель и руководитель XR-агентства LikeVR

Управление мастер-данными
в эпоху искусственного интеллекта

ИИ не работает на «грязных» данных. Компании, внедряющие ML и аналитику, начинают с MDM, то есть создания единой и достоверной версии данных. Как эта практика реализуется в России и важно ли для нас это?

Компании, работающие с ИИ, быстро убеждаются на личном опыте, что основная проблема его внедрения заключается не в алгоритмах, а, в первую очередь, в качестве данных. Без единой версии данных любые AI-сценарии быстро теряют устойчивость. На разрозненной, противоречивой или устаревшей информации модели дают нестабильные результаты. Доверие к такой аналитике падает. Поэтому управление мастер-данными все чаще становится не вспомогательной ИТ-функцией, а базой для любых AI-инициатив.

Отмечу, что на российских предприятиях MDM обычно внедряется под конкретные бизнес-задачи. Как правило, начинают с наведения порядка в ключевых сущностях: клиентах, контрагентах, продуктах, услугах, оборудовании, сотрудниках. Это особенно заметно в банках, ритейле, промышленности, логистике, телекоме и госсекторе — там данные годами накапливались в CRM, ERP, 1С, самописных системах и внешних источниках.

Я считаю, что у российского рынка есть своя специфика. Например, многие компании долго полагались на ручные согласования и экспертизу отдельных сотрудников. Поэтому формализацию данных они часто воспринимают как лишнюю бюрократию. Проблема обострилась из-за импортозамещения, так как при переходе с зарубежных систем на отечественные качество данных нередко ухудшалось. Сейчас дополнительно сказывается нехватка специалистов, имеющих экспертизу одновременно в бизнесе, в ИТ и в работе с данными.

Интерес к MDM растет именно из-за практического опыта внедрения ИИ. Компании видят, что без нормальной базы невозможно масштабировать решения. Разовые пилоты еще могут работать на временных «костылях», но при переходе к промышленной эксплуатации качество данных становится критичным. Поэтому MDM все чаще рассматривается как инвестиция в устойчивость и предсказуемость, а не как формальная обязанность.

Важно понимать, что управление мастер-данными сегодня — это не только работа со справочниками и удаление дублей. Я считаю, что, в первую очередь, это введение правил и ответственности. Кто владеет данными? Какие значения считаются эталонными? Как вносятся изменения и как контролируется качество? Если этого нет, ИИ начинает опираться на противоречивую информацию, а бизнес получает неверные решения.

Отдельно отмечу, что в эпоху ИИ управление мастер-данными стало живой системой, где данные постоянно уточняются и проверяются. В этой работе начинает помогать сам ИИ, находя дубликаты, выявляя аномалии, подсказывая исправления и отслеживая деградацию качества данных. В итоге без выстроенного управления мастер-данными развитие ИИ в бизнесе быстро упирается в потолок.

Реальное конкурентное преимущество получат компании, которые уже сейчас наводят порядок в своих данных и правилах работы с ними.

Ключевые слова: искусственный интеллект, мастер-данные, MDM, управление, импортозамещение, ИТ, экспертиза.

Подпишитесь на журнал

В начало⇑

Комментарии отсутствуют

Комментарии могут отставлять только зарегистрированные пользователи