Клиентские данные в энтерпрайзе: от проектирования MDM-системы до Data Governance и аналитики

Практический офлайн-курс HFLabs

Чт 26 мая — сб 28 мая 2022,
Москва, Турчанинов пер. 6, стр. 2

«Клиентские данные в энтерпрайзе» — трехдневный практический курс для специалистов крупных компаний: банков, страховых, ритейла и телекомов.

На курсе покажем принципы работы с клиентскими данными: как их правильно хранить, обновлять, стандартизировать, сливать дубликаты, передавать в другие системы и анализировать.

Примером послужит MDM-система — Master Data Management. Но знания полезны, чтобы встроить любую другую систему в архитектуру компании.

10:00

19:00

начало занятий

конец занятий

Кому полезен курс

Курс пригодится всем, кто работает или будет работать с клиентскими данными в крупной компании. Специализация не имеет значения:

аналитики узнают, на какие особенности клиентских данных и интеграций обращать внимание в первую очередь;

архитекторы увидят способы, которыми MDM-системы встраивают в ландшафт организации. А еще узнают, как избежать граблей в циклических интеграциях;

тестировщики поймут специфику клиентских данных и узнают, как эффективнее с ними работать;

инженеры по данным увидят узлы MDM-системы с высоким риском ошибок;

представители бизнес-подразделений поймут общую картину работы с клиентскими данными.

В группе 16 человек, поэтому преподаватель успеет ответить на вопросы каждого участника. А еще — без проблем разберет все практические задания

Преподают люди из HFLabs, которые лучше всех разбираются в предметной области

Павел Абдюшев
Директор по развитию продуктов HFLabs

С 2012 года завершил восемь MDM-проектов. Внедрял CDI в MetLife, «Открытии», «Альфастраховании», «Росгосстрахе», «МВидео». Помогал «Бинбанку» и «Открытию» сопоставить клиентские базы, когда банки объединили.

Специализируется на анализе клиентских данных. Работал в IT-подразделении банка и знает, как все устроено внутри

Михаил Березин
Руководитель продукта «Единый клиент»

Четыре года развивает платформу клиентских мастер-данных как продакт и технический владелец. За это время «Единый клиент» вырос в 10 раз по объему обрабатываемых данных.

Знает, с какими сложностями сталкивается система в эксплуатации и как их решить на уровне платформы

Татьяна Бунто
Руководитель проектов внедрений, эксперт по клиентским данным

За четыре года внедрила «Единый клиент» в МТС, АСВ, запустила и развивает новый продукт «Единый адрес». Курирует проекты целиком: от модели данных до сопровождения и развития после запуска

Никита Назаров
Технический директор

За восемь лет в HFLabs участвовал в 11 проектах по внедрению CDI для крупного бизнеса. Строит для наших заказчиков интеграционные процессы между системами-источниками, потребителями и CDI.

Знаковые заказчики: «Ростелеком», «Газпромбанк»

Максим Серебро
Эксперт по анализу и качеству данных

Участвует в развитии продукта «Единый адрес», три года развивает модуль «ЕГРЮЛ Про».

Консультирует по источникам открытых и закрытых данных: справочникам, официальным реестрам и информационным системам

За 12 лет в HFLabs внедрял продукты в Barclays, CiV Life, «Альфастрахование» и «Бинбанк»

Анастасия Дудник
Руководитель команды сопровождения «Единого клиента»

За четыре года работы выстроила системы внутреннего мониторинга и анализа логов. С ними в HFLabs узнают о проблемах заказчиков раньше самих заказчиков.

Знает, с какими проблемами сталкиваются заказчики, когда интегрируют новые источники данных

Иван Арискин
Руководитель команды сопровождения «Фактора»

Два года отвечает за работу «Фактора» в «Альфабанке», ВТБ, «Госуслугах», «Ленте», «Тинькофф», «Ростелекоме» и РСХБ.

Знает, с какими проблемами заказчики сталкиваются в эксплуатации и как их решать инструментами «Фактора»

Мария Кушеверская
Архитектор внедрений

Курирует проекты от выявления проблем заказчика и постановки задачи, до внедрения и передачи команде поддержки.

Знаковые заказчики: «Росбанк», МКБ

Максим Тронин
Архитектор внедрений

Четыре с половиной года занимается клиентскими данными в крупных предприятиях.

Сопровождал внедрение трёх MDM-систем со стороны заказчика от проекта «на бумаге» до передачи в промышленную эксплуатацию

Предпосылки для создания MDM-системы по клиентам в организации. Проектирование модели данных

Модуль 1

Место MDM-системы в бизнес-процессах организации
Зачем нужен MDM, как встроить его в архитектуру процессов. Какие существуют источники и получатели данных, типы процессов с данными. Как выглядят потоки данных и процессы в страховых, телекомах, банках и ритейле.

Пути трансформации организации при внедрении MDM
Что изменить в компании, чтобы перейти от работы с учетными сущностями к работе с клиентами.

Критерии и правила построения модели данных для MDM
Каковы критерии успешного внедрения MDM. Какие сущности, кроме клиентов, загружать в MDM, с какой целью.

Практика. Создадим модель данных. Обсудим ее плюсы и минусы

Добавление новых источников в мастер-систему

Модуль 2

Анализ нового источника
Как определить, когда нужно отказаться от новой интеграции.

Способы подключения нового источника и последовательность загрузки данных
Как добавить новую интеграцию и ничего не сломать в процессе. Какие вопросы и кому задать, чтобы выбрать правильный способ интеграции.

Влияние новой интеграции на систему-источник, систему-получатель данных и окружающий их ландшафт
Как добавить новые эталонные данные и не испортить существующие.

Практика. Подключим пару новых источников к работающей системе и обсудим последствия

Типичные ошибки при подключении нового источника

Практические задания и нетворкинг

После блока теории участники выполняют практические задания, чтобы закрепить материал. Для этого объединяются в группы по четыре человека. Так слушатели из разных бизнес-отраслей и специальностей не только практикуются, но обмениваются опытом: обсуждают, что работает или не работает в их компаниях.

Участники подключают новый источник к MDM-системе

Построение MDM-системы: структура и правила работы с данными

Модуль 3

Порядок построения MDM-системы

Стандартизация данных и поиск дублей
Как на базовом уровне строить правила стандартизации, поиска дублей, слияния и обновления данных. Что такое обратная ошибка, ошибка второго рода, стандартизации и дедупликации. Как её выявлять.

Слияние записей
Почему правилам слияния важны гранулярные коды качества. Какие параметры помимо кодов качества учитывать, отбирая данные в «золотую» карточку клиента.

Практика. Спроектируем наборы правил для MDM. Разберем преимущества и недостатки

Жизнь системы в регулярном цикле и дальнейшее развитие

Получение данных из эталонной клиентской базы. Обратное распространение эталонных данных в системы-источники

Модуль 4

Получение данных из МДМ системами-потребителями (хранилище, BI, аналитические системы)
Какие «грабли», связанные с обработкой данных, существуют при проектировании распространения данных из MDM.

Подходы к стабилизации идентификаторов клиента, и почему они не работают
В каких процессах нужны стабильные идентификаторы клиентов и как интеграциям жить с изменяющимися идентификаторами.

Практика. Создадим стабильный идентификатор клиента и спроектируем обратный поток

Бесконечные циклы обновления данных в двусторонних интеграциях и способы борьбы с ними

Загрузка данных в системы, которые является одновременно и источниками, и потребителями данных от MDM
Какие есть альтернативы обратному распространению данных для решения основных бизнес-задач.

Управление качеством данных в MDM-системе: метрики, дашборды и мониторинг

Модуль 5

Основные принципы Data Governance

Метрики качества данных: что, где с какой детализацией и как часто собирать
Какие бывают типы метрик и почему только бизнесовых метрик недостаточно для выявления причин проблемы. В каких местах какие метрики надо собирать. Как не обмануться метриками и убедиться, что проблема решена.

Практика. Создадим набор бизнесовых и технических метрик, чтобы выявить проблемы с клиентскими данными

Организация мониторинга и оповещений, чтобы предотвращать проблемы и оперативно на них реагировать
Как организовать процесс управления качеством данных на основе метрик.

Влияние качества данных на бизнес-процессы

Поддержка после курса

Обычно самые важные вопросы возникают уже после курса, когда знания оседают в голове. Нет проблем: преподаватели проконсультируют участников в чате.

Отзывы участников

После курса видишь методологию, которую положили в основу MDM

Борис Эйдензон, «Открытие», руководитель направления

Учитывая, что для меня это новая область, то полезно всё. Теперь есть понимание, в каком направлении смотреть и куда двигаться.

Мне всё понравилось, потому что рассчитывала на такую подачу материалов. Возможно, что если была бы больше погружена в область, то курс превзошел ожидания, а так он им максимально соответствовал

Алиса Долженко, «Сибирская горно-металлургическая компания», начальник отдела RPA

После курса в голове остается готовый план взаимодействия с ЛПР-ами систем, которые будут подключаться к нашей MDM

Иван Комлев, АСВ, аналитик

Очень много практики, очень полезная штука

Геннадий Носков, Metro, бизнес-аналитик

Радует, что ведущие не теоретики, а практики, которые разрабатывают и внедряют MDM-системы

Константин Гусев, «Мегафон», ведущий бизнес-аналитик

После курса систематизировалась ранее разрозненная информация об устройстве MDM и его роли в структуре организации.

Полезной стала коллекция подводных камней: и в обратном потоке, и в качестве данных, и во внедрении/подключении нового источника. Наверняка пригодится в жизни

Владимир Каляжнов, «Газпромбанк»

Понравилось живое обсуждение и обмен мнениями, много практики и интересных кейсов. На курсе разобралась, что такое MDM и как лучше ее использовать в нашей организации

Светлана Кузнецова, EOS, начальник отдела управления качеством данных