Методология важнее технологий: почему госсектору не всегда нужен ИИ для работы с данными

Цифровые платформы, которые активно внедряет госсектор в последние годы, накопили значительные массивы данных, но переход к реальному использованию данных и принятию управленческих решений на их основе часто затягивается. Главная проблема не в технологиях или устаревших серверах, а в отсутствии методологии и компетенций. Дина Филюшина, директор по развитию в сфере здравоохранения «БАРС Груп», рассказала журналу RUБЕЖ, какие сложности сохраняются в регионах при работе с аналитикой и почему ответственность за данные нельзя передавать подрядчикам. 

Разрыв между инфраструктурой и компетенциями 

Сегодня государственный сектор в целом готов к работе с аналитикой данных, но уровень зрелости регионов заметно различается. Во многих субъектах уже накоплены значительные массивы данных, внедрены информационные системы и создана необходимая инфраструктура. У властей есть запрос на цифровизацию, нопока больше в части понимания ценности, чем в части практической реализации. Это нормальная стадия: осознание приходит раньше, чем выстраиваются процессы.

При этом ключевой вызов связан не столько с технологиями, сколько с методологией и компетенциями.

Сложность в том, что многие ведомства ещё только учатся работать даже с базовой аналитикой на тех данных, которые уже есть. При этом инфраструктура во многих регионах вполне готова, данные накоплены, системы стоят. Не хватает другого: понимания, как собрать аналитику под конкретную управленческую задачу, как читать цифры так, чтобы они давали реально полезную информацию, а не просто красивую картинку. Когда этого понимания нет, данные визуализируются, но не работают. У людей складывается ощущение, что аналитика не даёт результата. Хотя проблема не в аналитике. Это, наверное, самое опасное следствие.

Для управленческих решений аналитику сегодня применяют в основном продвинутые региональные команды, те, кто уже выстроил внутри себя культуру работы с данными и понимает, какие задачи она реально помогает решать. Остальные регионы идут следом, и это закономерный процесс. Вопрос в том, как его ускорить: через обучение, через правильно выстроенные первые проекты, через наглядные примеры того, как цифры меняют качество решений.

Что касается прогнозной аналитики, то здесь уже есть регионы-первопроходцы, которые озадачились этой темой и делают первые шаги. Пока это всегда совместная работа заказчика и технологического партнёра как единой команды. И важный момент, который часто упускают: для прогнозной аналитики совсем необязательно использовать системы на основе искусственного интеллекта. На текущем этапе большинство задач, которые стоят перед заказчиками, вполне решаются средствами BI-систем, без дополнительных вложений в ИИ-инструменты. Главное условие: накопленная ретроспектива данных и чёткая методология: на каких данных делается выборка, на что можно опираться, работают ли эти данные для прогноза. Это всегда итеративный процесс: собрали данные, показали результат, обсудили с методологами, скорректировали подход.

Сейчас прогнозная аналитика в госсекторе только набирает обороты. Я уверена, что в течение 2-3 лет, опираясь на опыт первых проектов, она станет вполне распространённой практикой.

Главная проблема интеграции — не подрядчики, а отсутствие единой методологии данных

При объединении данных из различных государственных информационных систем сложности возникают прежде всего из-за различий в данных, которые накапливают ведомства в своих системах. Каждая система создаётся под собственные задачи и развивается по своим правилам и при построении единой аналитической картины региона такие различия становятся серьёзным препятствием.

Подрядчик не определяет, что будет в системе и как данные будут считаться. Это всегда решение того ведомства, которое является заказчиком и владельцем системы. Поэтому, когда возникают сложности при сведении данных из разных источников, корень проблемы именно в том, что у ведомств нет единой методологии. Каждое работает в своей логике, и это нормально, пока не приходит задача объединить данные в общую картину. Вот тут и начинается главный вопрос: где мастер-данные? В какой системе хранится та самая «правда», на которую все должны ориентироваться? Это зона ответственности операторов и ведомств, а не подрядчиков.

Именно поэтому, когда мы говорим об аналитике на уровне региона, на уровне команды губернатора, здесь критически важен единый интегратор. Не множество участников, каждый из которых отвечает за свой кусок, а один, который возьмёт на себя задачу собрать данные со всех ведомств, выстроит работу с теми, кто отвечает за методологию на стороне заказчика, и в итоге представит единую, а самое главное — правдивую картину. «БАРС Груп» как раз работает в этой роли. У нас за плечами проекты в здравоохранении, социальной сфере, региональном управлении, в общем, там, где данные исторически разрознены и где цена методологической ошибки высока. Мы понимаем, как устроена эта кухня изнутри, и умеем говорить на одном языке и с ИТ-блоком, и с командой, которая принимает управленческие решения.

Аналитическую систему можно построить и без единых стандартов данных, но это будет сложнее и увеличит затраты

И первая сложность даже не в том, что данные разрозненны, а в том, что на старте зачастую вообще непонятно, разрозненны они или нет. Это нужно сначала увидеть. И здесь аналитическая система как раз помогает: она позволяет обнаружить расхождения, выявить, где данные дублируются, где противоречат друг другу, и постепенно, шаг за шагом, двигаться к стандартизации.

Но чтобы понять, какие данные нужно собирать и как их структурировать, нужно сначала ответить на другой вопрос: какую задачу мы решаем и что хотим получить? Методология всегда строится от задачи. Именно поэтому мы рекомендуем заказчикам начинать с описания ключевых показателей, методик расчёта и регламентов обновления, ещё до того, как запускать любую техническую работу. Это не самая захватывающая часть проекта, но именно она определяет, будет ли система работать через три года и приносить реальный эффект.

Если единый стандарт данных есть с самого начала, то аналитика будет правдивой сразу. Если нет — это не приговор, но дополнительный путь, который всё равно придётся пройти. Опыт показывает: те, кто инвестирует время в методологию на старте, в итоге получают систему, которой доверяют и которой реально пользуются для принятия решений. Те, кто пропускает этот этап, рано или поздно возвращаются к нему, только уже с накопленным техническим долгом.

Ранее установленные системы как правило, не становятся серьёзной проблемой для аналитики

Устаревшая инфраструктура пугает больше снаружи, чем является реальным барьером на практике.

Да, есть базы данных, которые не обновлялись много лет, есть серверы с ограниченными мощностями. Но данные в них есть, и их можно забрать. Вопрос не в том, насколько современна инфраструктура, а в том, умеет ли аналитический инструмент работать с разными видами баз и источников. Если умеет, то устаревшая система не становится препятствием.

Единственный случай, когда инфраструктура действительно может создавать сложности — это оперативная аналитика в режиме реального времени. Там требования к серверным мощностям выше. Но для большинства управленческих задач это некритично.

Хорошая новость в том, что современные аналитические платформы научились работать с legacy-инфраструктурой без её полной замены. Мы нередко строим аналитический контур поверх существующих систем, не трогая их ядро. Это компромисс, но рабочий.

Ответственность за данные должна оставаться на стороне государства

Здесь у меня однозначное мнение: управление данными и владение ими – прямая обязанность оператора данных. Кто может быть оператором данных закреплено законом. В регионах, как правило, операторами государственных информационных систем являются органы исполнительной власти. 

С управлением архитектурой чуть сложнее, но не так, как принято думать. У регионов есть свои администраторы, есть подрядчики, которые работают с инфраструктурой. Внутренняя компетенция, как правило, есть. Другое дело, что не все задачи можно закрыть самостоятельно, иногда не хватает специфических компетенций, иногда просто ресурса и времени. И вот здесь особую ценность представляет командная работа: когда заказчик и технологический партнёр решают задачи совместно, результат принципиально другой. Это касается и архитектуры, и данных. А когда каждый сам по себе — результаты соответствующие.

При этом, какой бы ни была модель взаимодействия, должно быть чёткое разграничение ответственности. Координатор со стороны заказчика должен быть обязательно. Он держит фокус на цели, определяет функции, понимает, кто за какие задачи отвечает. Управление отдельными задачами можно делегировать подрядчику, но контроль всегда остаётся за заказчиком. Всегда.