Data Driven Culture: управление компанией на основе данных

Цель проекта Data Driven Culture – переход от разрозненной, преимущественно ручной подготовки аналитики к единой корпоративной системе управления данными, обеспечивающей принятие обоснованных управленческих решений.

До реализации проекта информация находилась в различных системах и локальных файлах, подготовка отчётности требовала значительных трудозатрат, а различия в методиках расчёта показателей затрудняли сопоставление результатов.

Проект направлен на решение этих проблем за счёт создания корпоративного хранилища данных, автоматизации интеграционных процессов, внедрения единых правил обработки и контроля качества информации, а также развития BI-аналитики и самостоятельной работы сотрудников с данными.

Ключевая бизнес-задача – сократить время получения достоверной информации, снизить зависимость подразделений от ручной подготовки отчётов и сделать данные доступным инструментом ежедневного управления.

2026

Осуществлён переход от разрозненной отчётности и ручной обработки информации к централизованной аналитике на единых данных. Созданы КХД, ETL/ELT-процессы и витрины данных, внедрены Data Quality-контроль, BI-аналитика и единые методики расчёта KPI.

Ключевые результаты:

• В 10 раз сокращено время подготовки аналитической отчётности за счёт автоматизации обработки данных.

• В 3 раза сокращено количество повторных запросов благодаря централизованному доступу к данным.

• Обеспечено автоматическое обновление аналитики по транспортным, кадровым и управленческим направлениям.

• Повышены достоверность, прозрачность и сопоставимость показателей между подразделениями.

Главный эффект – руководители и сотрудники самостоятельно работают с актуальными данными и принимают решения без ручной подготовки отчётов.

Технологическую основу проекта составляют:

• PostgreSQL – хранение и обработка структурированных данных.

• ClickHouse – аналитическая обработка больших объёмов данных.

• Apache Airflow – оркестрация и автоматизация ETL/ELT-процессов.

• Apache Superset – визуализация данных, разработка BI-дашбордов и самостоятельная аналитика.

• OpenMetadata – каталогизация и описание корпоративных данных.

• Great Expectations – инструменты проверки качества данных.

В составе решения используются корпоративное хранилище данных, аналитические витрины, интеграционные механизмы, единые справочники и средства мониторинга процессов обработки данных.

Разработка, внедрение и сопровождение осуществляются преимущественно силами внутренней команды.

В проекте не используются решения из каталога Global CIO

Основная сложность проекта заключалась не во внедрении отдельных технологических компонентов, а в объединении разрозненных корпоративных данных в единую управляемую аналитическую среду.

Источники информации различались по структуре, форматам, периодичности обновления и качеству данных. Требовалось обеспечить их корректное сопоставление, разработать единые правила расчёта показателей и сохранить достоверность информации при автоматизированной обработке.

Дополнительной задачей стало согласование методологии между подразделениями, поскольку одни и те же показатели могли интерпретироваться по-разному. При этом проект развивался без остановки действующих бизнес-процессов, с постепенным подключением новых источников и пользователей.

Отдельной особенностью стала реализация комплексной архитектуры силами внутренней команды с использованием open-source-технологий, что потребовало собственных компетенций в разработке, интеграциях, сопровождении и управлении данными.

Исходная ситуация

ГБУ «МосТрансПроект» решает комплексные задачи транспортного планирования и проектирования, требующие анализа значительных объёмов разнородной информации. Для принятия управленческих решений используются данные о проектах, производственных процессах, кадровых ресурсах и других направлениях деятельности организации.

Исторически информация формировалась в различных корпоративных системах, электронных таблицах и локальных отчётах. Это приводило к дублированию операций, необходимости ручной консолидации, дополнительным проверкам корректности показателей и высокой зависимости от специалистов, непосредственно готовивших аналитику. По мере роста количества данных и управленческих запросов существующий подход ограничивал скорость подготовки отчётности, прозрачность показателей и возможности самостоятельного анализа. 

Реализованное решение

В рамках проекта Data Driven Culture сформирована централизованная среда управления корпоративными данными. Создано корпоративное хранилище данных, обеспечивающее консолидацию информации из различных источников. Разработаны автоматизированные ETL/ELT-процессы для извлечения, преобразования и загрузки данных. Внедрены аналитические витрины и единые подходы к формированию управленческих показателей.

На базе Apache Superset развёрнута корпоративная BI-платформа, позволяющая создавать интерактивные дашборды, анализировать показатели в различных разрезах и предоставлять сотрудникам доступ к актуальной информации в соответствии с их задачами.

Аналитические решения развиваются для руководства и функциональных подразделений, включая направления проектной деятельности, управления персоналом, контроля реализации программ и мониторинга ключевых показателей.

Параллельно развивается система управления качеством и описанием данных, обеспечивающая повышение прозрачности их происхождения, обработки и использования. Проект реализуется поэтапно силами внутренней команды, объединяющей компетенции в области аналитики, разработки, инженерии данных и инфраструктуры. 

Изменения после внедрения

В результате внедрения изменился сам подход к работе с управленческой информацией. Вместо многократной ручной подготовки однотипных отчётов сотрудники получили доступ к централизованным данным и интерактивным аналитическим инструментам. Руководители могут отслеживать показатели, анализировать динамику и выявлять отклонения без необходимости каждый раз инициировать отдельный сбор информации.

Единые витрины и методологии расчёта сокращают риск расхождения показателей между подразделениями, а автоматизация обработки данных уменьшает операционные трудозатраты.

Созданная инфраструктура позволяет развивать новые аналитические продукты на общей технологической основе, последовательно расширяя охват подразделений и формируя культуру принятия решений на основе данных.

Москва