Максим Зацепин, директор Департамента систем управления данными БФТ-Холдинга, в эксклюзивном интервью для TAdviser раскрывает ключевые тренды и вызовы российского рынка MDM-систем.
Многие владельцы бизнеса четко понимают, что система управления мастер-данными (MDM) — это основа корпоративной ИТ-инфраструктуры компании, без которой невозможно выстроить эффективные бизнес-процессы и их дальнейшую цифровую трансформацию. Поэтому они рассматривают инвестиции в MDM как стратегический шаг, который обеспечит компании измеримые конкурентные преимущества — повышение операционной эффективности, снижение рисков и усиление доверия клиентов и партнеров. О возможностях современных MDM-систем рассказывает директор Департамента систем управления данными БФТ-Холдинга Максим Зацепин.
Максим, как бы вы оценили современное состояние российского рынка MDM, его динамику и основные тенденции? Изменились ли требования рынка к функциональным возможностям MDM-систем за последнее время?
Российский рынок MDM продолжает активный рост. Мы по-прежнему фиксируем повышение спроса на решения по управлению мастер-данными от компаний самых разных отраслей. Среди доступных на рынке решений, безусловно, сейчас преобладают российские разработки. При этом дальнейшее использование зарубежных систем часто связано с серьезными дополнительными рисками. Кроме того, российские программные продукты лучше учитывают локальную специфику и особенности регулирования. Поэтому одним из направлений, подогревающих рынок, остаются проекты по миграции на отечественные MDM-системы.
С развитием цифровой зрелости бизнес-процессов заказчиков их требования к функциональным возможностям MDM тоже растут. Сегодня наиболее востребованы универсальные платформенные решения, способные к гибкой кастомизации посредством low-code, масштабированию и интеграции с максимально возможным количеством внешних источников и внутренних корпоративных систем-потребителей мастер-данных. Также усиливается интерес компаний к технологиям на базе искусственного интеллекта. Всё больше компании используют ИИ для автоматизации работы с данными в MDM: их обработки, очистки, обогащения и прогнозирования значений атрибутов.
В чем заключается универсальность MDM-системы? Только ли в готовности закрыть задачи предприятий разных отраслей?
Применимость в разных отраслях — это, скорее, следствие других преимуществ MDM-системы. Говоря об универсальности, я больше имею в виду, например, централизованное управление кросс-доменными данными, то есть данными о клиентах, продуктах и услугах, поставщиках, материально-технических ресурсах и других. Например, наш продукт «БФТ.ЕНСИ» может работать с различными доменами по принципу «одного окна», предоставляет возможность гибкой настройки справочников для этих доменов.
Также важным преимуществом системы становятся ее широкие интеграционные возможности и поддержка непрерывной загрузки, предоставления необходимых данных. Данные должны автоматически загружаться из внешних источников, таких как CRM, ERP. Например, наше решение поддерживает все актуальные сегодня архитектурные стили интеграции с информационными источниками: ETL, API, работу с очередями сообщений, прямое подключение к базам данных. Есть варианты готовых интеграций с государственными сервисами (от ФНС, Минфина России, ФСА, Росстата, Банка России и других владельцев данных).
Инструментарий MDM-системы должен обеспечивать высокое качество, доступность, целостность, актуальность и безопасность мастер-данных компании на протяжении всего их жизненного цикла, а также постоянный контроль изменений. При этом применяемый инструментарий должен быть настраиваемым. Например, в нашем решении есть возможность визуально настраивать процессы согласования изменений данных с помощью BPM-движка. Также имеется интерактивный конструктор для настройки сценариев обработки данных, настройки правил проверки качества данных, инструменты формирования отчетности.
Наряду с универсальностью часто встречается запрос на комплексный подход, создание экосистемы управления данными. Какие элементы ИТ-ландшафта должны входить в такие экосистемы?
Безусловно, только управлением мастер-данными компания не ограничивается: в ее системах консолидируется множество другой информации, которая должна использоваться с максимальной выгодой.
Руководствуясь нашим видением экосистемы для управления данными, мы разрабатываем ряд продуктов, позволяющих компаниям выстраивать целевую архитектуру ИТ-ландшафта для сбора, хранения и обработки, а также анализа данных. В этот перечень входят система для долгосрочного хранения электронных документов и организации оперативного доступа к ним «БФТ.ХЭД», BI-система «БФТ.Хранилище» с инструментами анализа и визуализации данных на базе платформы Polymatica.
Как low-code помогает настраивать систему, адаптировать под индивидуальные требования?
Подход low-code позволяет гибко настраивать ее функциональные модули с учетом специфики заказчика. Причем чаще всего компания может это делать своими силами, не привлекая специалистов вендора или ИТ-подрядчика. Продвинутые системы имеют большое количество готовых инструментов, предназначенных для реализации различных сценариев управления мастер-данными, а также для визуального создания моделей данных. Это позволяет быстро создавать необходимые модели данных, после чего переходить к их наполнению, обогащению и распространению в корпоративные системы. Так, программный продукт «БФТ.ЕНСИ» создан на low-code платформе «БФТ.Платформа» нашей разработки, благодаря чему ее инструментарий дает возможность формировать в режиме конструктора новые категории данных, формы и шаблоны, новые процедуры согласования заявки на изменение данных, сценарии обработки и преобразования данных, правила проверки качества данных.
Какой путь выбирает крупный бизнес при импортозамещении MDM-систем? Переходить на готовые отечественные продукты или разрабатывать собственные решения?
Этот выбор сугубо индивидуален. Например, если компания имеет большое количество специфических процессов и может позволить себе мощную команду квалифицированных ИТ-специалистов, которые будут заняты разработкой и поддержкой самописной MDM-системы, проведением всех интеграций, управлением данными, — возможно, для нее оптимальным вариантом будет именно такой. Но в большинстве случаев, по нашему опыту, заказчики выбирают среди уже имеющихся на рынке зрелых решений, тем более, что такие решения уже есть в достаточном количестве и под широкий спектр задач.
Как вы относитесь к облачным сервисам управления мастер-данными? Какие у них преимущества и недостатки по сравнению с развертыванием в контуре компании?
Как и любой облачный сервис, качественная MDM-система в облаке обладает такими преимуществами, как большая доступность, высокая масштабируемость, снижение нагрузки на внутреннюю ИТ-инфраструктуру, упрощённое обновление и сопровождение, а также более быстрая интеграция с внешними источниками данных. Это особенно важно, если компания работает с распределённой структурой.
Однако и ограничения такого подхода известны: зависимость производительности от пропускной способности сети, риски, связанные с доступностью облачного провайдера, и — ключевое — вопросы информационной безопасности. Для государственных заказчиков и крупных корпораций сохранение критичных данных в периметре остаётся обязательным условием.
Если компания готова рассматривать облачные модели, мы обычно рекомендуем гибридный сценарий: общедоступные справочники и неконфиденциальные вспомогательные данные размещаются в облаке, а стратегические данные — остаются в защищённом контуре. Такой подход мы сейчас активно отрабатываем в новой версии «БФТ.ЕНСИ», представленной в 2025 году.
Для каких целей могут применяться ИИ-ассистенты в MDM-системах? Какой эффект пользователи получают от таких инструментов? Используете ли вы ИИ в своем продукте?
ИИ сегодня играет ключевую роль в автоматизации рутинных задач внутри MDM-систем. Прежде всего, это нормализация нормативно-справочной информации (НСИ): определение категорий, сопоставление с классификаторами, извлечение атрибутов из ненормализованных описаний, обогащение данными из внешних источников. Всё это значительно повышает полноту и качество данных справочников, кратно сокращая трудозатраты специалистов.
Отдельно стоит отметить задачи, связанные с нормализацией данных по материально-техническим ресурсам (МТР). Речь идёт о:
- поиске существующих позиций и устранении дублей,
- автоматическом исправлении орфографических и синтаксических ошибок,
- классификации записей по стандартам (ОКПД-2, ТН ВЭД и др.),
- извлечении из ненормализованных описаний и уточнении технических характеристик по каталогам производителей,
- заполнении атрибутов справочника стандартизированными значениями.
Эта работа при большом объеме записей справочника МТР традиционно занимает месяцы ручного труда. Именно поэтому в «БФТ.ЕНСИ» мы используем решение AI MasterData, разработанное нашим технологическим партнёром — компанией НОРБИТ. В рамках совместных проектов оно позволяет нормализовать справочник МТР из 100 000 записей всего за 10 дней, тогда как вручную на это уходит до 15 месяцев. Один эксперт тратит на запись в среднем 5 минут — ИИ-ассистент справляется за 6 секунд. Такой результат невозможно достичь без применения современных LLM и ИИ-инструментов.
Эффект очевиден: снижение трудозатрат, повышение точности и скорости, масштабируемость. А главное — рост доверия к данным, который необходим при цифровизации сложных бизнес-процессов в компании.
Как вы реагируете на новые вызовы и развиваете свой продукт «БФТ.ЕНСИ»?
Современная MDM-система — это не просто набор мастер-данных, а архитектурный элемент зрелой цифровой платформы. Она даёт бизнесу ощутимые эффекты: снижение затрат на обработку и сопровождение НСИ и мастер-данных, повышение качества и согласованности информации, ускорение аналитики, надёжную интеграцию и прозрачность процессов. Сегодня «БФТ.ЕНСИ» решает эти задачи комплексно и гибко.
Ключевая особенность — развитый low-code инструментарий: бизнес-пользователи и администраторы могут самостоятельно настраивать и адаптировать систему под процессы компании — от структуры справочников до бизнес-правил и визуальных форм. Это позволяет оперативно вносить изменения без привлечения разработчиков и быстро реагировать на регуляторные или внутренние изменения в компании.
Решение поддерживает разноуровневые иерархии, версионирование моделей данных, сложные структуры с переменным атрибутным составом, встроенные механизмы загрузки и обогащения данных из внешних источников (в том числе — автоматизированные через облачные сервисы). Всё это — не просто технические возможности, а основа эффективного управления данными в компании.
Мы постоянно развиваем «БФТ.ЕНСИ» с учётом обратной связи от заказчиков. В мае 2025 года представлена новая версия, в которой расширены возможности кастомизации с применением low-code, появился мощный ETL-инструмент на базе Apache Spark, улучшены механизмы импорта, версионирования, визуализации, правил обработки данных и контроля качества.
На текущий момент «БФТ.ЕНСИ» — зрелое, конкурентоспособное решение, которое выдерживает требования к масштабу, отказоустойчивости и гибкости. Мы видим, как спрос на MDM-системы растёт, — и двигаемся в направлении расширения экосистемы, в том числе в сочетании с BI, SRM, ИИ-решениями.
Источник: TAdviser