Клиентские данные
в энтерпрайзе
в энтерпрайзе
От проектирования MDM-системы до Data Governance и аналитики
MDM
Data Governance
Data Governance
Практический курс HFLabs
Осень 2025
Москва, Турчанинов пер. 6, стр. 2
Трехдневный практический курс для специалистов крупных компаний. Покажем принципы работы
с клиентскими данными: как их правильно хранить, обновлять, стандартизировать, объединять дубликаты, передавать в другие системы и анализировать
с клиентскими данными: как их правильно хранить, обновлять, стандартизировать, объединять дубликаты, передавать в другие системы и анализировать
Примером послужит MDM-система — Master Data Management.
Наш подход
Что вас ждет
Интерактивные лекции
Не только теория, но и многолетний опыт, примеры из разных отраслей и обмен мнениями
Практический подход
Погружение в модели данных, нюансы создания MDM-системы, обратный поток
Профессиональный нетворкинг
Совместные групповые задания
и обсуждение работы с клиентскими данными в разных компаниях
и обсуждение работы с клиентскими данными в разных компаниях
Для кого
Кому полезен курс?
Представители бизнес-подразделений
Получат общее представление
о работе с клиентскими данными
о работе с клиентскими данными
Всем, кто работает или хочет работать
с клиентскими данными в крупных компаниях
с клиентскими данными в крупных компаниях
Тестировщики
Освоят специфику клиентских данных и поймут, как лучше тестировать интеграции с ними
Инженеры по данным
Увидят узлы MDM-систем с высоким риском ошибок
Аналитики
Узнают ключевые особенности клиентских данных и интеграций
Архитекторы
Поймут, как MDM-системы встраиваются в ландшафт и как избежать ошибок в циклических интеграциях
Программа
Из чего состоит курс
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 ретейле.
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
Критерии успешного внедрения MDM. Какие сущности, кроме клиентов, загружать в MDM и с какой целью.
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 ретейле.
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
Критерии успешного внедрения MDM. Какие сущности, кроме клиентов, загружать в MDM и с какой целью.
Практика. Создадим модель данных. Обсудим ее плюсы и минусы.
Анализ нового источника
Как определить, когда нужно отказаться от новой интеграции. Сформулируем: какие важные вопросы и кому задать, чтобы выбрать правильный способ интеграции.
Способы подключения нового источника и последовательность загрузки данных
Типичные ошибки при подключении нового источника
Влияние новой интеграции на систему-источник, систему-получатель данных и окружающий их ландшафт
Как добавить новые эталонные данные и не испортить существующие.
Как определить, когда нужно отказаться от новой интеграции. Сформулируем: какие важные вопросы и кому задать, чтобы выбрать правильный способ интеграции.
Способы подключения нового источника и последовательность загрузки данных
Типичные ошибки при подключении нового источника
Влияние новой интеграции на систему-источник, систему-получатель данных и окружающий их ландшафт
Как добавить новые эталонные данные и не испортить существующие.
Практика. Проанализируем новый источник данных. Подключим пару новых источников к работающей системе и обсудим последствия
Порядок построения MDM-системы
Стандартизация данных и поиск дублей
Как на базовом уровне строить правила стандартизации, поиска дублей, слияния и обновления данных. Расскажем, где проходит граница между Data Quality-системой и MDM. Поделимся секретами поиска дублей.
Слияние записей
Почему правилам слияния важны гранулярные коды качества. Какие параметры помимо кодов качества учитывать, отбирая данные в «золотую карточку» клиента.
Жизнь системы в регулярном цикле и дальнейшее развитие
Стандартизация данных и поиск дублей
Как на базовом уровне строить правила стандартизации, поиска дублей, слияния и обновления данных. Расскажем, где проходит граница между Data Quality-системой и MDM. Поделимся секретами поиска дублей.
Слияние записей
Почему правилам слияния важны гранулярные коды качества. Какие параметры помимо кодов качества учитывать, отбирая данные в «золотую карточку» клиента.
Жизнь системы в регулярном цикле и дальнейшее развитие
Практика. Спроектируем наборы правил для MDM. Разберем преимущества и недостатки.
Получение данных из MDM-системами-потребителями (хранилище, BI, аналитические системы)
Какие «грабли», связанные с обработкой данных, существуют при проектировании распространения данных из MDM.
Загрузка данных в системы, которые являются одновременно и источниками, и потребителями данных от MDM
Какие есть альтернативы обратному распространению данных для решения основных бизнес-задач.
Подходы к стабилизации идентификаторов клиента и почему они не работают
В каких процессах нужны стабильные идентификаторы клиентов и как интеграциям жить с изменяющимися идентификаторами.
Бесконечные циклы обновления данных в двусторонних интеграциях и способы борьбы с ними
Какие «грабли», связанные с обработкой данных, существуют при проектировании распространения данных из MDM.
Загрузка данных в системы, которые являются одновременно и источниками, и потребителями данных от MDM
Какие есть альтернативы обратному распространению данных для решения основных бизнес-задач.
Подходы к стабилизации идентификаторов клиента и почему они не работают
В каких процессах нужны стабильные идентификаторы клиентов и как интеграциям жить с изменяющимися идентификаторами.
Бесконечные циклы обновления данных в двусторонних интеграциях и способы борьбы с ними
Практика. Спроектируем обратный поток.
Основные принципы Data Governance
Влияние качества данных на бизнес-процессы
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 и какие метрики нужно собирать. Как не обмануться метриками и убедиться, что проблема решена.
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
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 и какие метрики нужно собирать. Как не обмануться метриками и убедиться, что проблема решена.
Организация мониторинга и оповещений, чтобы предотвращать проблемы и оперативно на них реагировать
Как организовать процесс управления качеством данных на основе метрик.
Практика. Создадим набор бизнесовых и технических метрик, чтобы выявить проблемы с клиентскими данными.
Определение клиентских согласий и их значимость для бизнеса
Какую роль согласия играют в деятельности бизнеса и на что могут повлиять.
Согласия в контексте клиентских данных
Как меняется жизненный цикл клиентских данных если учитывать согласия. Что нужно сделать, чтобы избежать ошибок.
Построение автоматизации согласий
Разберем что автоматизируется как у всех, а что точно придется кастомизировать под вашу отрасль.
Уровни зрелости процесса работы с согласиями
Простой и понятный способ оценить процессы своей компании и понять как еще больше усилиться в том, что уже хорошо и подтянуть то, что отстаёт.
Какую роль согласия играют в деятельности бизнеса и на что могут повлиять.
Согласия в контексте клиентских данных
Как меняется жизненный цикл клиентских данных если учитывать согласия. Что нужно сделать, чтобы избежать ошибок.
Построение автоматизации согласий
Разберем что автоматизируется как у всех, а что точно придется кастомизировать под вашу отрасль.
Уровни зрелости процесса работы с согласиями
Простой и понятный способ оценить процессы своей компании и понять как еще больше усилиться в том, что уже хорошо и подтянуть то, что отстаёт.
Практика. Оценим свою компанию по уровню зрелости работы с согласиями. Покажем, куда можно расти и что для этого нужно сделать.
Процесс
Посмотреть, как проходят лекции
Кто ведет
Преподаватели — эксперты, глубоко разбирающиеся
в предмете
в предмете
С 2012 года завершил восемь MDM-проектов. Внедрял CDI в MetLife, «Открытии», «АльфаСтраховании», «Росгосстрахе», «М.Видео». Помогал «Бинбанку» и «Открытию» сопоставить клиентские базы, когда банки объединили.
Развивает новые продукты HFLabs
и следит, чтобы наши решения приносили бизнесу максимум пользы
Развивает новые продукты HFLabs
и следит, чтобы наши решения приносили бизнесу максимум пользы
Павел Абдюшев
Директор по развитию продуктов HFLabs
Внедрила «Единый клиент» в МТС, запустила и развивает новый продукт «Единый адрес».
Курирует проекты целиком: от модели данных до сопровождения и развития после запуска.
Знаковые заказчики: МТС, «Деловые линии»
Курирует проекты целиком: от модели данных до сопровождения и развития после запуска.
Знаковые заказчики: МТС, «Деловые линии»
Татьяна Бунто
Директор по развитию продукта «Единый адрес»
Прошел путь от инженера поддержки
до продакта «Единого адреса» — мастер-системы по адресным данным.
Знает, с какими проблемами заказчики сталкиваются в эксплуатации, когда пора переходить от Data Quality к MDM-системе и какие задачи она решает.
Знаковые заказчики: МТС, Деловые Линии
до продакта «Единого адреса» — мастер-системы по адресным данным.
Знает, с какими проблемами заказчики сталкиваются в эксплуатации, когда пора переходить от Data Quality к MDM-системе и какие задачи она решает.
Знаковые заказчики: МТС, Деловые Линии
Иван Арискин
Продакт «Единого адреса»
Сопровождал внедрение трех MDM-систем со стороны заказчика и двух на стороне исполнителя от проекта «на бумаге» до передачи в промышленную эксплуатацию.
Более 7 лет занимается клиентскими данными крупного бизнеса.
Знаковые заказчики: ВТБ, Совкомбанк
Более 7 лет занимается клиентскими данными крупного бизнеса.
Знаковые заказчики: ВТБ, Совкомбанк
Максим Тронин
Архитектор внедрений
Курирует проекты от выявления проблем заказчика и постановки задачи до внедрения и передачи команде поддержки.
Знаковые заказчики: «Росбанк», МКБ
Знаковые заказчики: «Росбанк», МКБ
Мария Кушеверская
Архитектор внедрений
Контролировала интеграционные процессы подключения к продукту «Единый клиент».
Знаковые заказчики: «Сбербанк страхование», «ОТП Банк»
Знаковые заказчики: «Сбербанк страхование», «ОТП Банк»
Мария Степанькова
Аналитик
Стоял у истоков «Иннополиса». Изучил более 300 дел ФАС в части рекламы без согласий и знает, как повышать лояльность клиентов, не нарушая закон.
Знаковые заказчики: Министерство финансов, Правительство Москвы
Знаковые заказчики: Министерство финансов, Правительство Москвы
Тимур Сафиуллин
Продакт «Центра управления согласиями»
Практика и нетворкинг
В группе — не более 16 человек, поэтому преподаватель успеет ответить на вопросы каждого участника. А еще подробно разберет все практические задания
✓ На курсе будем
Обсуждать теорию в тесной связке с бизнес-задачами и кейсами, без воды
01
Объединяться в мини-группы, знакомиться и обмениваться опытом
02
Проводить разбор реальных кейсов
03
Получать обратную связь от экспертов и коллег по курсу
04
Есть пиццу и совмещать приятное с очень полезным
05
На курсе не будем
Показывать детальные алгоритмы Data Quality
01
Работать с базами данных
02
Учить работе с конкретными техническими фреймворками и их реализации в ИТ-ландшафте
03
Решать задачи по программированию
04
Рекламировать продукты HFLabs и учить работать с ними. При этом в лекциях опираемся на собственный продуктовый опыт и подходы
05
Отзывы
Студенты говорят
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, если бы я была больше погружена в область, курс превзошел бы ожидания, а так он им максимально соответствовал.
Алиса Долженко,
«Сибирская горно-металлургическая компания», начальник отдела RPA
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»
После прохождения курса я стал одним из главных экспертов по направлению CDI в своей компании. А аргумент «В подобных случаях ХФЛабс говорит следующее …» сэкономил очень много времени на обсуждение и согласование.
Шел за свои деньги и ни разу не пожалел.
Шел за свои деньги и ни разу не пожалел.
Евгений Драницын
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
Борис Эйдензон,
«Открытие»
Геннадий Носков,
«Metro»
Роман Телышев,
«СОГАЗ»
Константин Гусев,
«Мегафон»
Ухожу с пониманием того, какие бизнес-цели я поставлю компании, а каких точно не достигну с помощью CDI. Курс оказался в пять раз круче, чем я предполагал. Очень благодарен преподавателям, очень кайфовые лекции, получил удовольствие.
Сергей Шамарин,
ООО «Автодор — Платные дороги», заместитель начальника Управления по проектной деятельности
На курсе я пересобрал у себя в голове модель CDI. Только начинаю путь на новом месте работы и теперь с самого начала буду правильно работать с CDI, чтобы потом не пришлось ничего переделывать.
Борис Рожков,
ПАО «МТС», DQ аналитик
Осень 2025
Запишитесь на следующий поток
Онлайн-курс
Напишем, когда откроется запись
Хочу в следующий поток
Мы напишем, когда откроется запись
Место на онлайн-курсе
Точных дат пока нет. Но можно оставить заявку на участие — мы напишем, когда откроется запись.
© HFLabs, 2022—2024
Навигация
Послушать подкаст HFLabs
Связь и медиа