Компании собирают информацию из десятков источников — от CRM и ERP-систем до Excel-файлов и IoT-датчиков. Но сами по себе данные не приносят пользы: их нужно консолидировать, очистить и превратить в основу для управленческих решений. Об этом мы поговорили с Евгением Кузьмичевым, директором по развитию бизнеса департамента Data Insights системного интегратора и разработчика Navicon.

🔘Какие бизнес-задачи чаще всего решают компании, когда приходят к внедрению ETL/ELT-решений?

Самая очевидная техническая задача, решаемая с помощью ETL/ELT, — сбор корпоративных данных из разных источников (CRM, ERP, Excel, SCADA и др.) с целью дальнейшего анализа.
Основная бизнес-задача — сокращение времени и трудозатрат на подключение к источникам данных и консолидацию.

В современных инструментах также есть возможность повышать качество данных, выполнять обработку с целью исключения аномалий, проверки на бизнес- и технические требования.

🔘Как использование ELT и гибридных моделей помогает бизнесу быстрее и эффективнее работать с данными по сравнению с классическим ETL?

ELT требует меньших затрат (как капитальных, так и переменных) для работы по сбору и обработке данных, так как большая часть вычислительных мощностей переиспользуется за счёт серверов СУБД или других продуктов.

🔘Low-code и встроенные механизмы контроля качества — как они влияют на скорость принятия решений и вовлечённость бизнес-подразделений?

Чем ниже порог входа при использовании no-code/low-code, тем с большей вероятностью бизнес-пользователи и аналитики смогут в режиме self-service пользоваться ELT-инструментами без привлечения дата-инженера. Это заметно увеличивает скорость формирования аналитических отчётов и, как следствие, принятия решений.

Но пользоваться low-code нужно с осторожностью: специалист с низким уровнем квалификации может допускать ошибки и получать некорректные данные в отчётах, что приведёт к негативным последствиям в управлении компанией.

🔘Искусственный интеллект в ETL/ELT: где компании получают ощутимую бизнес-ценность уже сегодня?

2 ключевых сценария, в которых ИИ может стать помощником:

▶️автоматизация простых рутинных операций, где участие дата-инженера может быть сведено к минимуму или вовсе остаться на уровне контроля, без написания кода;
▶️построение сложных запросов для сокращения трудозатрат и времени на написание кода и поиск оптимальных решений.

🔘Как, на ваш взгляд, изменится подход бизнеса к управлению данными в ближайшие 3-5 лет, и какие компетенции будут критичны для успеха?

Несмотря на всеобщий тренд частичной или полной замены сотрудников искусственным интеллектом, уже началась волна разочарований в возможностях ИИ. Поэтому в ближайшие 1-2 года будут повышаться требования к дата-инженерам, дата-стюардам, уровню компетенций бизнес-пользователей.

Если лавинообразный тренд развития ИИ и нейросетей сохранится, то через 3-5 лет вполне возможны их массовые внедрения для автоматизации процессов и контроля качества работы людей на всех уровнях: от написания кода, интеграций и разворачивания продуктов до принятия управленческих решений на основе ретроспективной и предиктивной аналитики.

#интервью в 📄 Дело в цифрах