SlideShare a Scribd company logo
1 of 9
Download to read offline
Управление качеством данных:
инструмент и процесс
на примере ВИНК
Сентябрь 2019 г.
ПАО «Газпром нефть»
a.ero@gazprom-neft.ru
Александр Ерофеев
2ПАО «Газпром нефть»
Ключевые направления трансформации ПАО «Газпром нефть»
70% ЦИФРОВЫХ ИНИЦИАТИВ ЗАВИСИТ ОТ КАЧЕСТВА И ДОСТУПНОСТИ ДАННЫХ
МЫ СТРОИМ ЦИФРОВУЮ НЕФТЯНУЮ КОМПАНИЮ – НЕФТЯНУЮ КОМПАНИЮ,
УПРАВЛЯЕМУЮ НА ОСНОВЕ ДАННЫХ И ЦИФРОВЫХ ДВОЙНИКОВ
3ПАО «Газпром нефть»
Система управления данными ПАО «Газпром нефть»
СИСТЕМА
УПРАВЛЕНИЯ
ДАННЫМИ
УПРАВЛЕНИЕ КАЧЕСТВОМ ДАННЫХ
Цель: соответствие данных требованиям
Потребителей
Результат: доверие к данным и получение
эффекта от их использования
СВД
7
1 2
3
45
6
Управление
архитектурой
данных
Управление
жизненным
циклом данных
Управление
контентом
Управление
безопасностью
данных
Внедрение и
поддержка бизнес-
и продвинутой
аналитики
Организация
управления
данными
Управление
качеством
данных
4Газпром нефть
Операционная
цепочка создания
ценности
Разработка
месторождений
Бурение
Развитие ресурсной
базы
Добыча нефти
Транспортировка
нефти
Переработка
нефти
Первичная
логистика
Управление
нефтебазами
Вторичная
логистика
Продажи
Процессы БРД Процессы БЛПС
Геолого-промысловые данные
План и факт
переработки УВС
Географическая и пространственная информация Технологические процессы по переработке и ТОиР объектов переработки
Движение нефти и НП (начиная с Транснефти)Лицензии и арендные договоры, связанные с добычей
План и факт добычи УВС
Взаимодействие
с поставщиками СТиУ
Энергетика РиД Маркетинг продаж
Управление объектами
инфраструктуры продаж
Газ
Скважины
Инженерные данные о сооружениях и оборудовании
БЛПС
Продукция
Инженерные данные о сооружениях и оборудовании РиД Клиенты – физ.лица Клиенты – юр.лица
Общие референтные данные (напр., справочник единиц измерения)Поставщики и подрядчики Справочные данные о МТР и закупаемых услугах
Продажи юр. лицам
Технологические процессы
по добыче и ТОиР обору-
дования для их реализации
Реализация
бурения
Внутренний аудит, контроль и управление рисками
Управление инвестиционной деятельностью
Внешние и внутрикорпоративные коммуникации
НИОКР и технологические/инновационные проекты
Управление персоналом
Управление ИТ-ландшафтом и техническая поддержка
Финансы – план и анализ (бизнес-планирование и упр. учет)
Юридическая и правовая информация
Финансы – финансирование и контроль (отчетность, казначейство)
Корпоративная безопасность
Управление МТРНетопливные закупки
Организационные проекты
Производственная безопасность
Стратегическое планирование Управление имуществом
Продажи физ. лицамКапитальное строительство РиД
Развитие ресур-
сной базы РиД
Планирование развития актива и реализация мероприятий по работе с
базовым фондом
Капитальное строительство БЛПС
Домены БРД Домены БЛПС
Домены производственных процессов
Домены объектов
Домены непроизводственных процессов
30
34
38
42
31
35
39
43
32
36
40
44
33
37
41
45
2927 28
21
22
23 24
25 26
17
16
18
19
20
13
12
15
144
11
1 2
9
5
3
8
10
7
6
Домены Компании
ДОМЕН ДАННЫХ – совокупность данных, взаимосвязанных на основании бизнес-
процессов
5ПАО «Газпром нефть»
Роли в процессе управления качеством данных
Потребители
данных
Архитектор
данных
Аналитик по
качеству данных
Ответственный
за домен
Коллегиальные органы
по управлению данными Компании
Ответственный
за данные
Специалисты
поддержки
Администратор
домена
ДОМЕННАЯ
МОДЕЛЬ
УПРАВЛЕНИЯ
ДАННЫМИ
6ПАО «Газпром нефть»
Процесс по управлению качеством данных
Смежный процесс
Архитектор данных обновляет
модель данных и проектирует
поток данных
Вход - бизнес-задача,
перечень данных
Потребители данных
формируют требования
к качеству данных
Аналитик по качеству данных
делает бизнес-правила и
проверку качества данных в
ИТ-системе
Администратор домена
выполняет мониторинг
качества данных из
соглашения
Ответственный за домен
и потребитель данных
заключают соглашение
по качеству данных
По выявленным несоответствиям
запускается процесс устранения
инцидентов:
§ Ответственные за данные
§ Аналитик по качеству данных
§ Специалист поддержки
Инциденты системно анализируются,
устанавливаются причины
возникновения, фиксируются проблемы
и формируется план повышения
качества данных домена, под
лидерством Администратора домена
Шаг 0.1 Шаг 0.2 Шаг 1 Шаг 2
Шаг 3 Шаг 4 Шаг 5 Шаг 6
7ПАО «Газпром нефть»
Охват системой управления качеством данных
Первичная
информация
Подготовленные
данные
Управление
качеством
данных
Результаты (QlikView)
§ Формирование аналитики
по результатам проверок
§ Получение детализации по
результатам проверки
Интерфейс
§ Сбор данных
§ Запуск проверок
§ Управление проверками
и исключениямиИсточник 1
Источник 5
Источник 2
Источник 3
Источник 4
Источник N
Верификационная БД
СУБД PostgresPRO
Инструменты
управления данными
8ПАО «Газпром нефть»
Система верификации данных
9ПАО «Газпром нефть»
Система верификации данных

More Related Content

Similar to Александр Ерофеев. Газпромнефть. Управление качеством данных, инструмент и процессы на примере ВИНК

Основания для применения стандартов в капиталоемких отраслях
Основания для применения стандартов в капиталоемких отрасляхОснования для применения стандартов в капиталоемких отраслях
Основания для применения стандартов в капиталоемких отрасляхSergey Gumerov
 
Примеры проектов КРОК
Примеры проектов КРОКПримеры проектов КРОК
Примеры проектов КРОККРОК
 
Russian: Webcast Security Anonymization (TDA)
Russian: Webcast Security Anonymization (TDA)Russian: Webcast Security Anonymization (TDA)
Russian: Webcast Security Anonymization (TDA)Patric Dahse
 
внедрение защиты пдн практикум
внедрение защиты пдн практикумвнедрение защиты пдн практикум
внедрение защиты пдн практикумa_a_a
 
управление мастер данными
управление мастер даннымиуправление мастер данными
управление мастер даннымиYury Kochubeev
 
MDM и решения КРОК по управлению нормативно-справочной информацией
MDM и решения КРОК по управлению нормативно-справочной информациейMDM и решения КРОК по управлению нормативно-справочной информацией
MDM и решения КРОК по управлению нормативно-справочной информациейКРОК
 
Внедрение СУИБ на основе ISO/IEC 27001
Внедрение СУИБ на основе ISO/IEC 27001Внедрение СУИБ на основе ISO/IEC 27001
Внедрение СУИБ на основе ISO/IEC 27001Dmitry Savchenko
 
Герард Костин, МТС
Герард Костин, МТСГерард Костин, МТС
Герард Костин, МТСconnectica-lab
 
перспективные технологии
перспективные технологииперспективные технологии
перспективные технологииOlena Sukhina
 
Опыт аудита контрагентов, задействованных в работе с персональными данными
Опыт аудита контрагентов, задействованных в работе с персональными даннымиОпыт аудита контрагентов, задействованных в работе с персональными данными
Опыт аудита контрагентов, задействованных в работе с персональными даннымиAcribia
 
Подход КРОК к построению MDM
Подход КРОК к построению MDMПодход КРОК к построению MDM
Подход КРОК к построению MDMКРОК
 
Консолидация информации при кооперации и франчайзинге
Консолидация информации при кооперации и франчайзингеКонсолидация информации при кооперации и франчайзинге
Консолидация информации при кооперации и франчайзингеMaxim Andreyev
 
Презентация СуперМаг плюс
Презентация СуперМаг плюсПрезентация СуперМаг плюс
Презентация СуперМаг плюсОникс Софт
 
Аналитический обзор рынка Больших Данных от IPOboard
Аналитический обзор рынка Больших Данных от IPOboardАналитический обзор рынка Больших Данных от IPOboard
Аналитический обзор рынка Больших Данных от IPOboardIpo Board
 
асу пик 1
асу пик 1асу пик 1
асу пик 1pic-g
 
асу пик
асу пик асу пик
асу пик pic-g
 

Similar to Александр Ерофеев. Газпромнефть. Управление качеством данных, инструмент и процессы на примере ВИНК (20)

Основания для применения стандартов в капиталоемких отраслях
Основания для применения стандартов в капиталоемких отрасляхОснования для применения стандартов в капиталоемких отраслях
Основания для применения стандартов в капиталоемких отраслях
 
1
11
1
 
Data Integration Software
Data Integration Software Data Integration Software
Data Integration Software
 
Примеры проектов КРОК
Примеры проектов КРОКПримеры проектов КРОК
Примеры проектов КРОК
 
Russian: Webcast Security Anonymization (TDA)
Russian: Webcast Security Anonymization (TDA)Russian: Webcast Security Anonymization (TDA)
Russian: Webcast Security Anonymization (TDA)
 
внедрение защиты пдн практикум
внедрение защиты пдн практикумвнедрение защиты пдн практикум
внедрение защиты пдн практикум
 
управление мастер данными
управление мастер даннымиуправление мастер данными
управление мастер данными
 
MDM и решения КРОК по управлению нормативно-справочной информацией
MDM и решения КРОК по управлению нормативно-справочной информациейMDM и решения КРОК по управлению нормативно-справочной информацией
MDM и решения КРОК по управлению нормативно-справочной информацией
 
Внедрение СУИБ на основе ISO/IEC 27001
Внедрение СУИБ на основе ISO/IEC 27001Внедрение СУИБ на основе ISO/IEC 27001
Внедрение СУИБ на основе ISO/IEC 27001
 
Герард Костин, МТС
Герард Костин, МТСГерард Костин, МТС
Герард Костин, МТС
 
перспективные технологии
перспективные технологииперспективные технологии
перспективные технологии
 
перспективные технологии
перспективные технологииперспективные технологии
перспективные технологии
 
Опыт аудита контрагентов, задействованных в работе с персональными данными
Опыт аудита контрагентов, задействованных в работе с персональными даннымиОпыт аудита контрагентов, задействованных в работе с персональными данными
Опыт аудита контрагентов, задействованных в работе с персональными данными
 
Подход КРОК к построению MDM
Подход КРОК к построению MDMПодход КРОК к построению MDM
Подход КРОК к построению MDM
 
Informatica datawarehouse
Informatica datawarehouseInformatica datawarehouse
Informatica datawarehouse
 
Консолидация информации при кооперации и франчайзинге
Консолидация информации при кооперации и франчайзингеКонсолидация информации при кооперации и франчайзинге
Консолидация информации при кооперации и франчайзинге
 
Презентация СуперМаг плюс
Презентация СуперМаг плюсПрезентация СуперМаг плюс
Презентация СуперМаг плюс
 
Аналитический обзор рынка Больших Данных от IPOboard
Аналитический обзор рынка Больших Данных от IPOboardАналитический обзор рынка Больших Данных от IPOboard
Аналитический обзор рынка Больших Данных от IPOboard
 
асу пик 1
асу пик 1асу пик 1
асу пик 1
 
асу пик
асу пик асу пик
асу пик
 

More from Global Innovation Labs

Наталья Полковникова. Кардио ИИ. Построение системы распознавания коронарных ...
Наталья Полковникова. Кардио ИИ. Построение системы распознавания коронарных ...Наталья Полковникова. Кардио ИИ. Построение системы распознавания коронарных ...
Наталья Полковникова. Кардио ИИ. Построение системы распознавания коронарных ...Global Innovation Labs
 
Ольга Перепелкина. NeurodataLab. Особенности машинного распознавания эмоций
Ольга Перепелкина. NeurodataLab. Особенности машинного распознавания эмоцийОльга Перепелкина. NeurodataLab. Особенности машинного распознавания эмоций
Ольга Перепелкина. NeurodataLab. Особенности машинного распознавания эмоцийGlobal Innovation Labs
 
Павел Бахтин. ВШЭ. Использование state-of-the-art эмбеддинговых моделей для а...
Павел Бахтин. ВШЭ. Использование state-of-the-art эмбеддинговых моделей для а...Павел Бахтин. ВШЭ. Использование state-of-the-art эмбеддинговых моделей для а...
Павел Бахтин. ВШЭ. Использование state-of-the-art эмбеддинговых моделей для а...Global Innovation Labs
 
Артем Артемов. Когнитивные системы. Учет неизвестных признаков нейромодели на...
Артем Артемов. Когнитивные системы. Учет неизвестных признаков нейромодели на...Артем Артемов. Когнитивные системы. Учет неизвестных признаков нейромодели на...
Артем Артемов. Когнитивные системы. Учет неизвестных признаков нейромодели на...Global Innovation Labs
 
Евгений Линник. БКС. GIGO — секреты очистки данных
Евгений Линник. БКС. GIGO — секреты очистки данныхЕвгений Линник. БКС. GIGO — секреты очистки данных
Евгений Линник. БКС. GIGO — секреты очистки данныхGlobal Innovation Labs
 
Егор Матешук. МаксимаТелеком. Не Spark’ом единым — полезные инструменты для с...
Егор Матешук. МаксимаТелеком. Не Spark’ом единым — полезные инструменты для с...Егор Матешук. МаксимаТелеком. Не Spark’ом единым — полезные инструменты для с...
Егор Матешук. МаксимаТелеком. Не Spark’ом единым — полезные инструменты для с...Global Innovation Labs
 
Петр Ермаков. LAMODA. Автоматическая валидация контента в e-commerce
Петр Ермаков. LAMODA. Автоматическая валидация контента в e-commerceПетр Ермаков. LAMODA. Автоматическая валидация контента в e-commerce
Петр Ермаков. LAMODA. Автоматическая валидация контента в e-commerceGlobal Innovation Labs
 
Андрей Коняев. ArenaData. Построение аналитики на ClickHouse — преимущества и...
Андрей Коняев. ArenaData. Построение аналитики на ClickHouse — преимущества и...Андрей Коняев. ArenaData. Построение аналитики на ClickHouse — преимущества и...
Андрей Коняев. ArenaData. Построение аналитики на ClickHouse — преимущества и...Global Innovation Labs
 
Илья Чухляев. OWOX. Как с помощью ML и BigQuery находить зоны роста в выполне...
Илья Чухляев. OWOX. Как с помощью ML и BigQuery находить зоны роста в выполне...Илья Чухляев. OWOX. Как с помощью ML и BigQuery находить зоны роста в выполне...
Илья Чухляев. OWOX. Как с помощью ML и BigQuery находить зоны роста в выполне...Global Innovation Labs
 
Артемий Козырь. Сибур. Лучшие способы убить производительность аналитической ...
Артемий Козырь. Сибур. Лучшие способы убить производительность аналитической ...Артемий Козырь. Сибур. Лучшие способы убить производительность аналитической ...
Артемий Козырь. Сибур. Лучшие способы убить производительность аналитической ...Global Innovation Labs
 
Александр Сербул. 1С Битрикс. Массовый скоринг в CRM — секреты и подводные камни
Александр Сербул. 1С Битрикс. Массовый скоринг в CRM — секреты и подводные камниАлександр Сербул. 1С Битрикс. Массовый скоринг в CRM — секреты и подводные камни
Александр Сербул. 1С Битрикс. Массовый скоринг в CRM — секреты и подводные камниGlobal Innovation Labs
 
Ксения Александрова. Independent Media. Рекомендательные технологии в Digital...
Ксения Александрова. Independent Media. Рекомендательные технологии в Digital...Ксения Александрова. Independent Media. Рекомендательные технологии в Digital...
Ксения Александрова. Independent Media. Рекомендательные технологии в Digital...Global Innovation Labs
 
Максим Годзи. Retentioneering. Искуственный интеллект помогает банку оптимзир...
Максим Годзи. Retentioneering. Искуственный интеллект помогает банку оптимзир...Максим Годзи. Retentioneering. Искуственный интеллект помогает банку оптимзир...
Максим Годзи. Retentioneering. Искуственный интеллект помогает банку оптимзир...Global Innovation Labs
 
Екатерина Артюгина. ex MAIL.ru. Что выбирают женщины
Екатерина Артюгина. ex MAIL.ru. Что выбирают женщиныЕкатерина Артюгина. ex MAIL.ru. Что выбирают женщины
Екатерина Артюгина. ex MAIL.ru. Что выбирают женщиныGlobal Innovation Labs
 
Александр Кузнецов. Lanit Digital. Что будет если маркетологи начнут вести се...
Александр Кузнецов. Lanit Digital. Что будет если маркетологи начнут вести се...Александр Кузнецов. Lanit Digital. Что будет если маркетологи начнут вести се...
Александр Кузнецов. Lanit Digital. Что будет если маркетологи начнут вести се...Global Innovation Labs
 
Андрей Анисимов. ВТБ. Построение моделей машинного обучения для увеличения пр...
Андрей Анисимов. ВТБ. Построение моделей машинного обучения для увеличения пр...Андрей Анисимов. ВТБ. Построение моделей машинного обучения для увеличения пр...
Андрей Анисимов. ВТБ. Построение моделей машинного обучения для увеличения пр...Global Innovation Labs
 
Даниил Терентьев. Conventus. Как и зачем искусственный интеллект оценивает мы...
Даниил Терентьев. Conventus. Как и зачем искусственный интеллект оценивает мы...Даниил Терентьев. Conventus. Как и зачем искусственный интеллект оценивает мы...
Даниил Терентьев. Conventus. Как и зачем искусственный интеллект оценивает мы...Global Innovation Labs
 
Илья Мунерман. Интрефакс Лаб. Вычисление исковой нагрузки российских компаний
 Илья Мунерман. Интрефакс Лаб. Вычисление исковой нагрузки российских компаний Илья Мунерман. Интрефакс Лаб. Вычисление исковой нагрузки российских компаний
Илья Мунерман. Интрефакс Лаб. Вычисление исковой нагрузки российских компанийGlobal Innovation Labs
 
Павел Соболев. BSH Group (BOSCH/Siemens) . Машинное обучение для прогнозирова...
Павел Соболев. BSH Group (BOSCH/Siemens) . Машинное обучение для прогнозирова...Павел Соболев. BSH Group (BOSCH/Siemens) . Машинное обучение для прогнозирова...
Павел Соболев. BSH Group (BOSCH/Siemens) . Машинное обучение для прогнозирова...Global Innovation Labs
 
Тарас Пустовой. Университет 2035. Как ИИ отвечает на вопрос «Чему пойти учить...
Тарас Пустовой. Университет 2035. Как ИИ отвечает на вопрос «Чему пойти учить...Тарас Пустовой. Университет 2035. Как ИИ отвечает на вопрос «Чему пойти учить...
Тарас Пустовой. Университет 2035. Как ИИ отвечает на вопрос «Чему пойти учить...Global Innovation Labs
 

More from Global Innovation Labs (20)

Наталья Полковникова. Кардио ИИ. Построение системы распознавания коронарных ...
Наталья Полковникова. Кардио ИИ. Построение системы распознавания коронарных ...Наталья Полковникова. Кардио ИИ. Построение системы распознавания коронарных ...
Наталья Полковникова. Кардио ИИ. Построение системы распознавания коронарных ...
 
Ольга Перепелкина. NeurodataLab. Особенности машинного распознавания эмоций
Ольга Перепелкина. NeurodataLab. Особенности машинного распознавания эмоцийОльга Перепелкина. NeurodataLab. Особенности машинного распознавания эмоций
Ольга Перепелкина. NeurodataLab. Особенности машинного распознавания эмоций
 
Павел Бахтин. ВШЭ. Использование state-of-the-art эмбеддинговых моделей для а...
Павел Бахтин. ВШЭ. Использование state-of-the-art эмбеддинговых моделей для а...Павел Бахтин. ВШЭ. Использование state-of-the-art эмбеддинговых моделей для а...
Павел Бахтин. ВШЭ. Использование state-of-the-art эмбеддинговых моделей для а...
 
Артем Артемов. Когнитивные системы. Учет неизвестных признаков нейромодели на...
Артем Артемов. Когнитивные системы. Учет неизвестных признаков нейромодели на...Артем Артемов. Когнитивные системы. Учет неизвестных признаков нейромодели на...
Артем Артемов. Когнитивные системы. Учет неизвестных признаков нейромодели на...
 
Евгений Линник. БКС. GIGO — секреты очистки данных
Евгений Линник. БКС. GIGO — секреты очистки данныхЕвгений Линник. БКС. GIGO — секреты очистки данных
Евгений Линник. БКС. GIGO — секреты очистки данных
 
Егор Матешук. МаксимаТелеком. Не Spark’ом единым — полезные инструменты для с...
Егор Матешук. МаксимаТелеком. Не Spark’ом единым — полезные инструменты для с...Егор Матешук. МаксимаТелеком. Не Spark’ом единым — полезные инструменты для с...
Егор Матешук. МаксимаТелеком. Не Spark’ом единым — полезные инструменты для с...
 
Петр Ермаков. LAMODA. Автоматическая валидация контента в e-commerce
Петр Ермаков. LAMODA. Автоматическая валидация контента в e-commerceПетр Ермаков. LAMODA. Автоматическая валидация контента в e-commerce
Петр Ермаков. LAMODA. Автоматическая валидация контента в e-commerce
 
Андрей Коняев. ArenaData. Построение аналитики на ClickHouse — преимущества и...
Андрей Коняев. ArenaData. Построение аналитики на ClickHouse — преимущества и...Андрей Коняев. ArenaData. Построение аналитики на ClickHouse — преимущества и...
Андрей Коняев. ArenaData. Построение аналитики на ClickHouse — преимущества и...
 
Илья Чухляев. OWOX. Как с помощью ML и BigQuery находить зоны роста в выполне...
Илья Чухляев. OWOX. Как с помощью ML и BigQuery находить зоны роста в выполне...Илья Чухляев. OWOX. Как с помощью ML и BigQuery находить зоны роста в выполне...
Илья Чухляев. OWOX. Как с помощью ML и BigQuery находить зоны роста в выполне...
 
Артемий Козырь. Сибур. Лучшие способы убить производительность аналитической ...
Артемий Козырь. Сибур. Лучшие способы убить производительность аналитической ...Артемий Козырь. Сибур. Лучшие способы убить производительность аналитической ...
Артемий Козырь. Сибур. Лучшие способы убить производительность аналитической ...
 
Александр Сербул. 1С Битрикс. Массовый скоринг в CRM — секреты и подводные камни
Александр Сербул. 1С Битрикс. Массовый скоринг в CRM — секреты и подводные камниАлександр Сербул. 1С Битрикс. Массовый скоринг в CRM — секреты и подводные камни
Александр Сербул. 1С Битрикс. Массовый скоринг в CRM — секреты и подводные камни
 
Ксения Александрова. Independent Media. Рекомендательные технологии в Digital...
Ксения Александрова. Independent Media. Рекомендательные технологии в Digital...Ксения Александрова. Independent Media. Рекомендательные технологии в Digital...
Ксения Александрова. Independent Media. Рекомендательные технологии в Digital...
 
Максим Годзи. Retentioneering. Искуственный интеллект помогает банку оптимзир...
Максим Годзи. Retentioneering. Искуственный интеллект помогает банку оптимзир...Максим Годзи. Retentioneering. Искуственный интеллект помогает банку оптимзир...
Максим Годзи. Retentioneering. Искуственный интеллект помогает банку оптимзир...
 
Екатерина Артюгина. ex MAIL.ru. Что выбирают женщины
Екатерина Артюгина. ex MAIL.ru. Что выбирают женщиныЕкатерина Артюгина. ex MAIL.ru. Что выбирают женщины
Екатерина Артюгина. ex MAIL.ru. Что выбирают женщины
 
Александр Кузнецов. Lanit Digital. Что будет если маркетологи начнут вести се...
Александр Кузнецов. Lanit Digital. Что будет если маркетологи начнут вести се...Александр Кузнецов. Lanit Digital. Что будет если маркетологи начнут вести се...
Александр Кузнецов. Lanit Digital. Что будет если маркетологи начнут вести се...
 
Андрей Анисимов. ВТБ. Построение моделей машинного обучения для увеличения пр...
Андрей Анисимов. ВТБ. Построение моделей машинного обучения для увеличения пр...Андрей Анисимов. ВТБ. Построение моделей машинного обучения для увеличения пр...
Андрей Анисимов. ВТБ. Построение моделей машинного обучения для увеличения пр...
 
Даниил Терентьев. Conventus. Как и зачем искусственный интеллект оценивает мы...
Даниил Терентьев. Conventus. Как и зачем искусственный интеллект оценивает мы...Даниил Терентьев. Conventus. Как и зачем искусственный интеллект оценивает мы...
Даниил Терентьев. Conventus. Как и зачем искусственный интеллект оценивает мы...
 
Илья Мунерман. Интрефакс Лаб. Вычисление исковой нагрузки российских компаний
 Илья Мунерман. Интрефакс Лаб. Вычисление исковой нагрузки российских компаний Илья Мунерман. Интрефакс Лаб. Вычисление исковой нагрузки российских компаний
Илья Мунерман. Интрефакс Лаб. Вычисление исковой нагрузки российских компаний
 
Павел Соболев. BSH Group (BOSCH/Siemens) . Машинное обучение для прогнозирова...
Павел Соболев. BSH Group (BOSCH/Siemens) . Машинное обучение для прогнозирова...Павел Соболев. BSH Group (BOSCH/Siemens) . Машинное обучение для прогнозирова...
Павел Соболев. BSH Group (BOSCH/Siemens) . Машинное обучение для прогнозирова...
 
Тарас Пустовой. Университет 2035. Как ИИ отвечает на вопрос «Чему пойти учить...
Тарас Пустовой. Университет 2035. Как ИИ отвечает на вопрос «Чему пойти учить...Тарас Пустовой. Университет 2035. Как ИИ отвечает на вопрос «Чему пойти учить...
Тарас Пустовой. Университет 2035. Как ИИ отвечает на вопрос «Чему пойти учить...
 

Александр Ерофеев. Газпромнефть. Управление качеством данных, инструмент и процессы на примере ВИНК

  • 1. Управление качеством данных: инструмент и процесс на примере ВИНК Сентябрь 2019 г. ПАО «Газпром нефть» a.ero@gazprom-neft.ru Александр Ерофеев
  • 2. 2ПАО «Газпром нефть» Ключевые направления трансформации ПАО «Газпром нефть» 70% ЦИФРОВЫХ ИНИЦИАТИВ ЗАВИСИТ ОТ КАЧЕСТВА И ДОСТУПНОСТИ ДАННЫХ МЫ СТРОИМ ЦИФРОВУЮ НЕФТЯНУЮ КОМПАНИЮ – НЕФТЯНУЮ КОМПАНИЮ, УПРАВЛЯЕМУЮ НА ОСНОВЕ ДАННЫХ И ЦИФРОВЫХ ДВОЙНИКОВ
  • 3. 3ПАО «Газпром нефть» Система управления данными ПАО «Газпром нефть» СИСТЕМА УПРАВЛЕНИЯ ДАННЫМИ УПРАВЛЕНИЕ КАЧЕСТВОМ ДАННЫХ Цель: соответствие данных требованиям Потребителей Результат: доверие к данным и получение эффекта от их использования СВД 7 1 2 3 45 6 Управление архитектурой данных Управление жизненным циклом данных Управление контентом Управление безопасностью данных Внедрение и поддержка бизнес- и продвинутой аналитики Организация управления данными Управление качеством данных
  • 4. 4Газпром нефть Операционная цепочка создания ценности Разработка месторождений Бурение Развитие ресурсной базы Добыча нефти Транспортировка нефти Переработка нефти Первичная логистика Управление нефтебазами Вторичная логистика Продажи Процессы БРД Процессы БЛПС Геолого-промысловые данные План и факт переработки УВС Географическая и пространственная информация Технологические процессы по переработке и ТОиР объектов переработки Движение нефти и НП (начиная с Транснефти)Лицензии и арендные договоры, связанные с добычей План и факт добычи УВС Взаимодействие с поставщиками СТиУ Энергетика РиД Маркетинг продаж Управление объектами инфраструктуры продаж Газ Скважины Инженерные данные о сооружениях и оборудовании БЛПС Продукция Инженерные данные о сооружениях и оборудовании РиД Клиенты – физ.лица Клиенты – юр.лица Общие референтные данные (напр., справочник единиц измерения)Поставщики и подрядчики Справочные данные о МТР и закупаемых услугах Продажи юр. лицам Технологические процессы по добыче и ТОиР обору- дования для их реализации Реализация бурения Внутренний аудит, контроль и управление рисками Управление инвестиционной деятельностью Внешние и внутрикорпоративные коммуникации НИОКР и технологические/инновационные проекты Управление персоналом Управление ИТ-ландшафтом и техническая поддержка Финансы – план и анализ (бизнес-планирование и упр. учет) Юридическая и правовая информация Финансы – финансирование и контроль (отчетность, казначейство) Корпоративная безопасность Управление МТРНетопливные закупки Организационные проекты Производственная безопасность Стратегическое планирование Управление имуществом Продажи физ. лицамКапитальное строительство РиД Развитие ресур- сной базы РиД Планирование развития актива и реализация мероприятий по работе с базовым фондом Капитальное строительство БЛПС Домены БРД Домены БЛПС Домены производственных процессов Домены объектов Домены непроизводственных процессов 30 34 38 42 31 35 39 43 32 36 40 44 33 37 41 45 2927 28 21 22 23 24 25 26 17 16 18 19 20 13 12 15 144 11 1 2 9 5 3 8 10 7 6 Домены Компании ДОМЕН ДАННЫХ – совокупность данных, взаимосвязанных на основании бизнес- процессов
  • 5. 5ПАО «Газпром нефть» Роли в процессе управления качеством данных Потребители данных Архитектор данных Аналитик по качеству данных Ответственный за домен Коллегиальные органы по управлению данными Компании Ответственный за данные Специалисты поддержки Администратор домена ДОМЕННАЯ МОДЕЛЬ УПРАВЛЕНИЯ ДАННЫМИ
  • 6. 6ПАО «Газпром нефть» Процесс по управлению качеством данных Смежный процесс Архитектор данных обновляет модель данных и проектирует поток данных Вход - бизнес-задача, перечень данных Потребители данных формируют требования к качеству данных Аналитик по качеству данных делает бизнес-правила и проверку качества данных в ИТ-системе Администратор домена выполняет мониторинг качества данных из соглашения Ответственный за домен и потребитель данных заключают соглашение по качеству данных По выявленным несоответствиям запускается процесс устранения инцидентов: § Ответственные за данные § Аналитик по качеству данных § Специалист поддержки Инциденты системно анализируются, устанавливаются причины возникновения, фиксируются проблемы и формируется план повышения качества данных домена, под лидерством Администратора домена Шаг 0.1 Шаг 0.2 Шаг 1 Шаг 2 Шаг 3 Шаг 4 Шаг 5 Шаг 6
  • 7. 7ПАО «Газпром нефть» Охват системой управления качеством данных Первичная информация Подготовленные данные Управление качеством данных Результаты (QlikView) § Формирование аналитики по результатам проверок § Получение детализации по результатам проверки Интерфейс § Сбор данных § Запуск проверок § Управление проверками и исключениямиИсточник 1 Источник 5 Источник 2 Источник 3 Источник 4 Источник N Верификационная БД СУБД PostgresPRO Инструменты управления данными
  • 8. 8ПАО «Газпром нефть» Система верификации данных
  • 9. 9ПАО «Газпром нефть» Система верификации данных