Сбой в данных = сбой в бизнесе: как избежать?

Об этом на Fintech Data Day рассказал Николай Шевцов, руководитель дирекции по управлению данными ОТП Банка.

За 2,5 года команде удалось:
— ускорить разработку, сократить количество ошибок, повысить качество отчётности и решений и улучшить клиентский опыт — потому что качество данных встроено в процессы по умолчанию.

— и главное — автоматизировать проверки качества. На живом дашборде видны проценты качества на каждом уровне. Для банков со сложной архитектурой АБС это критично: ответ находится мгновенно.

Суть проблемы на старте проекта:
- Некачественные данные — прямые бизнес-потери: неверный скоринг, необоснованные отказы, потеря клиента, риски в отчётности и сверках.
- Данные — ключевой актив на всех этапах: источники, хранилища, витрины, отчёты, ML. Ошибка на входе многократно усиливается к моменту принятия решения.
- Цена ошибки: поломанные процессы, упущенная выручка, ухудшение клиентского опыта.

Подход команды:
1. Все метаданные (домены, владельцы, бизнес-процессы, бизнес-глоссарий и каталог данных) хранятся в Data Governance Platform. В процессы встроено создание двух документов: бизнес-требований (BRD) и функциональной спецификации (FSD). Это не файлы и не ссылки — это полноценные объекты внутри платформы.

2. Структурированные BRD/FSD позволяют:
- Генерировать проверки качества данных.
- Генерировать SQL для создания витрин, выгрузок и других объектов данных. Разработчики на этом этапе не нужны, справляются аналитики.

3. Следующим этапом стала автоматизация проверки DQ:
- От ручных проверок отказались полностью.
- Технические автопроверки (полнота, уникальность, консистентность и т. п.) формируются при выводе в прод без участия людей.

В третьем квартале завершается MDP по бизнес-проверкам: зная тип поля (паспорт, ФИО, ДР), система предлагает релевантные проверки — пользователю остаётся подтвердить и сохранить.

17 сентября приглашаем вас на Scoring Day - будут обсуждаться не менее интересные темы!