6.37M

Category:

economics

Навыки и компетенции для управления данными в обеспечении задач экономики

1.

ИНФРАСТРУКТУРА ПРОСТРАНСТВЕННЫХ
ДАННЫХ
Навыки и компетенции для управления
данными в обеспечении задач экономики
• Профессиональные навыки и требуемые компетенции
Серебряков
Сергей Владимирович
Доцент к.т.н.
Доцент,
2025 г.

2.

Темы лекционного материала
Стратегия и принципы построения национальной системы пространственных
данных Российской Федерации (НСПД РФ)
Новый технологический уклад – «Индустрия 4.0»
Роль данных в «цифровой экономике»
Стратегия и принципы построения НСПД РФ
Термины и определения.
Система информационного обеспечения задач управления Активом –
Земельные ресурсы
Информационная модель Объекта управления
Система информационного обеспечения задач управления ОГВ и ОМСУ
Источники информации и условия использования
Средства информационного обеспечения и взаимодействия
Сертификация. Верификация. Валидация.
Навыки и компетенции для управления данными в обеспечении задач
экономики
• Профессиональные навыки и требуемые компетенции
• Система нормативно-правового и нормативно-технического регулирования в управлении
данными
• Цифровые активы
• Жизненный цикл данных
2

3.

УСЛОВИЕ И ОКРУЖЕНИЕ
3

4.

УСЛОВИЕ И ОКРУЖЕНИЕ
3

5.

Уровень компетенций кадрового обеспечения отраслей
в условиях цифровой трансформации
Низкий уровень цифровых компетенций, в частности, государственных гражданских и муниципальных
служащих, а также сотрудников подведомственных организаций и учреждений является одним из
факторов, сдерживающих развитие цифровой экономики в России.
Государству необходимы специалисты принципиально нового качества, которых сейчас объективно
недостаточно, однако негибкая, за регламентированная кадровая система государственной службы не
позволяет быстро реагировать на динамичные изменения. Поэтому подготовка управленческих кадров
сопряжена с большой ответственностью в части формирования востребованных компетенций и
развития компетентности в цифровой сфере. Важность применения компетентного подхода и создания
модели компетенций команды цифровой трансформации в системе государственного управления
подтверждается, с одной стороны, потребностями цифровой экономики и технологическими трендами,
а с другой — отсутствием осознанного подхода к решению этого вопроса в нормативных и методических
документах по отбору кадров для замещения должностей государственной гражданской службы*.
Основными целями по кадрово-образовательному направления
являются:
cоздание ключевых условий для подготовки кадров ЦЭ;
совершенствование системы образования, которая должна обеспечивать
ЦЭ компетентными кадрами;
рынок труда, который должен опираться на требования ЦЭ;
создание системы мотивации по освоению необходимых компетенций и
участию кадров в развитии ЦЭ России.
3

6.

Кадры для цифровой экономики
Новые экономические и технологические условия требуют создания и реализации подходов по
содействию гражданам в освоении ключевых компетенций цифровой экономики, обеспечении массовой
цифровой грамотности и персонализации образования.
В этих целях реализуется федеральный проект «Кадры для цифровой экономики» национальной
программы «Цифровая экономика Российской Федерации».
С 2021 года куратором мероприятий федерального проекта «Кадры для цифровой экономики» выступает
Минцифры России. Под его руководством предстоит решить актуальные для страны задачи, связанные с
укреплением человеческого потенциала. Кадровое направление является одним из показателей
«цифровой зрелости» ключевых отраслей экономики.
Минцифрой разработана и утверждена приказом от 18.11.2020 N 600 «Методика расчета показателя
«достижение «цифровой зрелости» ключевых отраслей экономики и социальной сферы, в том числе
здравоохранение и образования, а также государственного управления».
3

7.

Кадровые проблемы
Актуальность кадровой проблемы неоднократно подчеркивалась вице-премьером Д.
Чернышенко, который неоднократно заявлял, что она является самой большой болью ИТотрасли.
Сейчас в ней задействовано не так много специалистов. Непосредственно программистов меньше
миллиона, по разным оценкам, 600—700 тысяч. В компаниях потребительского сегмента — 1,2
миллиона. В общем и целом, где-то 1,8 миллиона специалистов задействовано в ИТ-отрасли.
Появляются и вводятся такие новые бюджетные специальности, например, дата-саентисты. Есть
программы, по которым уже сейчас компенсируется 50% стоимости обучения на популярных ИТкурсах Geekbrains, «Яндекс.Практикума», Иннополиса, «СберУниверситета», «Нетологии» и еще
нескольких десятков образовательных организаций. Многое делается и для стимулирования
образовательных программ, рассчитанных не на людей, которые будут «кодить», а на
пользователей современных цифровых систем.
В 100 вузах предполагается открыть цифровые кафедры (по аналогии с военными), на которых
студенты, обучающиеся на разных направлениях смогут получить дополнительную
квалификацию в сфере ИТ, параллельно с получением высшего образования.
3

8.

Кадровые проблемы
На недостаток квалифицированных кадров указывают результаты опроса в 2019 году Аналитическим
центром при правительстве РФ региональных органов власти. Эта проблема главный барьер на пути
развития ЦЭ в России.
По результатам исследования АПКиТ и Минкомсвязи России в 2019 году число ИТ-специалистов
оценивалось в 1,8 млн. — 2.5% занятых. Это сравнимо с положением дел на рынке рабочей силы Италии
(2,8% ИТ-специалистов среди всех занятых), но намного меньше, чем в Финляндии (7,2%) и Швеции
(6,8%). В среднем по ЕС этот показатель равен 3,9%.
При этом, по данным АПКиТ и Минкомсвязи России, годовая потребность национальной экономики в
ИТ-специалистах высшей квалификации 2019 году оценивалась в 222 тыс. человек, а в 2024 году
достигнет 290-300 тыс. ИТ-специалистов средней квалификации при этом будет требоваться 76 и 90 тыс.
соответственно. Цифровая трансформация отраслей резко повышает востребованность профессионалов в
области данных, особенно это касается искусственного интеллекта и машинного обучения.
Количество вакансий для специалистов, владеющими технологиями работы с большими данными
(исследователей данных, «data scientist»), на сайте крупнейшей в России рекрутинговой онлайн-службы
hh.ru ежегодно удваивается. За последние два года на 234% вырос спрос на специалистов в сфере данных
(Data Science). Востребованность специалистов по большим данным (Big Data) увеличилась на 89%,
машинному обучению (Machine Learning) — на 55%, блокчейну (Blockchain) — на 16%.
3

9.

Кадровые проблемы
Согласно исследованию Академии больших данных MADE Mail.ru Group и службы исследований
компании HeadHunter (hh.ru), около 90% соискателей работы в области анализа данных имеют
высшее образование, полученное в МГТУ им. Н.Э. Баумана, МГУ им. М.В. Ломоносова, МФТИ, НИУ
ВШЭ, СПбГУ и нескольких др. сильнейших вузов. При этом 43% специалистов в области анализа
данных помимо высшего получили хотя бы одно дополнительное образование, в том числе на
онлайн-курсах.
Рис. — Прирост вакансий и резюме /Россия, 1 полугодие 2019 к 1 полугодию 2018
3

10.

Кадровые перспективы
Компания Strategy Parners провела в 2021 году совместно с рядом консалтинговых компаний
исследование по теме развития цифровых кадров для транспортной отрасли. В процессе
исследования было выявлено, что нехватка кадров является основным барьером внедрения
цифровых технологий. Опрос руководителей предприятий отрасли показал, что ключевыми для них
являются анализ больших данных и облачные вычисления, планируемые к внедрению в
транспортной отрасли.
Перечень профессиональных направлений для отрасли включает в себя:
Анализ больших данных.
Интернет вещей и подключенные устройства.
ИИ: машинное обучение, нейронные сети, обработка естественного языка.
Облачные вычисления.
Шифрование и кибербезопасность.
Электронная торговля.
Негуманоидная робототехника: промышленная автоматизация, дроны.
Обработка текста, изображения и голоса.
Дополненная и виртуальная реальность.
Аддитивные технологии: 3D / 4D печать и моделирование.
3

11.

Кадровые перспективы
Наиболее значимые барьеры внедрения цифровых технологий связаны с нехваткой кадров и
компетенций. Эти проблемы выглядят таким образом:
Отсутствие компетентных специалистов с требуемыми навыками на рынке труда.
Невозможность привлечь талантливых специалистов (при их наличии).
Пробелы в навыках руководства организаций.
Нехватка гибкости найма и увольнения.
Исследование показывает, что 15% работников отрасли могут потерять свои рабочие места
(административные работники, служащие почтовых служб и др.).
Сократится спрос на работников по специальностям:
Административные и исполнительные секретари
Специалисты по вводу данных
Архитекторы и топографы
Бухгалтеры, специалисты по начислению заработной платы и т.д.
Специалисты по продажам, оптовая торговля и производство и т.д.
Служащие почтовых служб
Менеджеры по бизнес-услугам и администрированию
Бухгалтеры и аудиторы
Специалисты по продажам на дому, уличной торговле
Делопроизводители по учету и хранению материалов
3

12.

Кадровые запросы
49% составляет доля работников, которые могут быть переведены на более востребованные
специальности в своих компаниях после перепрофилирования и прохождения переобучения.
Будут востребованы работники по специальностям:
Специалисты по искусственному интеллекту и машинному обучению
Специалисты по цифровому маркетингу и стратегии
Аналитики данных и дата-саентисты
Архитекторы и топографы
Разработчики программного обеспечения и приложений
Специалисты по цепочке поставок и логистике
Эксперты по защите окружающей среды
Специалисты по организационному развитию
Менеджеры по продукту
Капитаны судов.
3

13.

Навыки сотрудников
По мнению компаний отрасли, самыми востребованными навыками будут обучаемость,
problem-solving и аналитическое мышление. Навыки сотрудников, которые по мнению компаний
транспортной отрасли, будут востребованы в их организации:
Способность к активному обучению и умение применять обучающие стратегии
Умение находить комплексное решение проблем
Способность к аналитическому мышлению и инновациям
Навыки применения технологий, умение осуществлять мониторинг и контроль
Умение разрабатывать дизайн и программировать технологические решения
Анализ и оценка систем
Сервисная ориентация
Контроль качества и осведомленность о правилах безопасности
Лидерские качества и способность оказывать воздействие на окружающих
Эмоциональный интеллект.
3

14.

Навыки сотрудников
Категории рабочей силы, сгруппированные по уровню цифровых компетенций, который будет
требоваться от них в будущем, выглядя следующим образом:
1) Разработчики цифровых решений
Специалисты по искусственному интеллекту и машинному обучению
Аналитики данных и дата-саентисты
Разработчики программного обеспечения и приложений
Инженеры данных
Специалисты по анализу больших данных
Специалисты по автоматизации процессов
Специалисты Интернета вещей
Наиболее дефицитная категория специалистов. Компаниям необходимы стратегии по привлечению и
удержанию данных сотрудников
2) Активные пользователи разработанных цифровых решений
Специалисты по цифровому маркетингу и стратегии
Специалисты по цепочке поставок и логистике
Эксперты по защите окружающей среды
Специалисты по организационному развитию
Менеджеры по продукту
Профессионалы по развитию бизнеса
Архитекторы и топографы
Менеджеры по бизнес-услугам и администрированию
3

15.

Навыки сотрудников
3) Основная рабочая сила с базовыми цифровыми навыками и пониманием работы технологий
Капитаны судна
Административные и исполнительные секретари
Специалисты по вводу данных
Бухгалтеры, специалисты по начислению заработной платы и т.д.
Служащие почтовых служб
Бухгалтеры и аудиторы
Специалисты по продажам на дому, уличной торговле
Делопроизводители по учету и хранению материалов
Компаниям нужно будет прогнозировать квалификацию и число сотрудников требуемых
специальностей. Им потребуется организовать массовое обучение сотрудников по
специализированным программам через недорогие и эффективные форматы: онлайн образование
и контроль знаний.
3

16.

Определение модели базовых компетенций
Решение задач по обеспечению подготовки высококвалифицированных кадров для цифровой
экономики проводится в рамках мероприятий Федерального проекта «Кадры для цифровой
экономики», направленного на достижение цели, определенной Указом Президента Российской
Федерации от 7 мая 2018 г. N 204 «О национальных целях и стратегических задачах развития
Российской Федерации на период до 2024 года». Эти решения направлены на реализацию
«Стратегии научно-технологического развития Российской Федерации», утвержденной Указом
Президента Российской Федерации от 1 декабря 2016 г. N 642, согласно которой одним из главных
вызовов современности является «исчерпание возможностей экономического роста России,
основанного на экстенсивной эксплуатации сырьевых ресурсов, на фоне формирования цифровой
экономики и появления ограниченной группы стран-лидеров, обладающих новыми
производственными технологиями и ориентированных на использование возобновляемых
ресурсов. Цифровая трансформация экономики выступает не самоцелью, а способом повышения
национальной конкурентоспособности и занятия должного места среди современных развитых
государств.
В экспертном сообществе сложилось устойчивая позиция относительно того, что успехи в развитии
современных стран лежат на пути их движения к высокотехнологичной и творческой экономике –
экономике знаний.
3

17.

Целевая модель компетенций 2025 (BCG)
В докладе* утверждается, что экономика России соответствует сегодня этапу 2 (деньги, природные
ресурсы) и не добилась успехов в конкуренции за место в экономике знаний. Доля
высокотехнологичного производства мала, не более 17% рабочих мест страны можно отнести к
категории «Знания» при 25% в наиболее развитых странах. От 9 до 50% всех ныне существующих
профессий могут исчезнуть в ближайшее десятилетие по причине цифровизации, а 19% всех рабочих
могут быть замещены роботами на 81%. В России роботизация пока остается экзотикой: на 10 тыс.
работников предприятий в 2017 году приходится 1 промышленный робот.
*Обозначенная проблема исследована
международной консалтинговой компанией The
Boston Consulting Group (BCG) в партнерстве с
ПАО «Сбербанк» и Благотворительным фондом
Сбербанка «Вклад в Будущее», Союзом «Молодые
профессионалы (Ворлдскиллс Россия)» и Global
Education Futures. Результаты исследования
изложены в докладе «Россия 2025: от кадров к
талантам».
Рис. Этапы мирового развития и рост ВВП в XX – XXI веках
3

18.

Целевая модель компетенций 2025 (BCG)
Сложившаяся ситуация вызвана тремя ключевыми причинами: - нет критической массы спроса
на знания; - система образования не готовит в достаточном количестве и нужном
качестве кадры для экономики знаний; - не создана среда, необходимая для развития и
самореализации творческого человека. Подчеркивается, что по уровню привлекательности
рынка труда для талантов Россия отстает не только от развитых, но и от многих развивающихся стран,
продолжая терять ценный человеческий капитал. Во многом это связано с преимущественно сырьевым
характером российской экономики, которая ориентирована на экспорт природных ресурсов. Спрос на
труд в целом остается примитивным, а среди работодателей доминирует государство, реализующее
модель «социальной занятости» с сохранением неэффективных рабочих мест.
Изложенные положения доклада указывают на необходимость увязывания моделей компетенции с
социально-экономическими реалиями и мерами по созданию условий, которые позволяют
специалистам реализовывать приобретаемые компетенции. Но условия в стране пока остаются
неблагоприятными: в стране медленно растет доля предприятий малого и среднего бизнеса (16%),
стагнирует цифровая экономика (2–2,5%), в зачаточном виде представлен венчурный рынок (в сотни
раз меньше американского, в 12 раз меньше израильского, в 6 раз меньше японского). Большие
проблемы с мотивацией населения: 98% отдает приоритет безопасности и стабильности, а не
ценностям роста; доминирующей ролевой моделью российской молодежи и их родителей является
успешный чиновник, а не высококвалифицированный профессионал или предприниматель. Эти
факторы ухудшают конкурентные позиции России в глобальной экономике знаний и возможности
догнать передовые страны.
3

19.

Целевая модель компетенций 2025 (BCG)
В то же время авторы доклада «Россия 2025: от кадров к талантам» выражают уверенность в том, что
предлагаемые ими меры позволят трансформировать подход к формированию человеческого
капитала в стране и способствовать развитию сегментов экономики, ориентированных на знания. Из
числа мер, относящихся к системе образования, в предложения включены:
создание образовательной системой опережающего предложения кадров – носителей целевых
компетенций;
перенос фокуса образовательных программ с предметных знаний и информации на развитие
личностных и метапредметных компетенций;
стимулирование притока талантов в сферу образования;
продвижение ценностей роста и профессионального развития на уровне страны и, в частности,
внутри компаний.
Реализация предлагаемых шагов способна, по мнению их авторов, вывести Россию не только на
среднемировые, но и на опережающие темпы роста с вхождением к 2025 году в группу передовых
стран экономики знаний. Методологическую основу классификации рынка труда и решаемых кадрами
задач составляет подход датского ученого в области человеческого капитала Йенса Расмуссена,
который условно разделил всех занятых в экономике на три категории – «Умение», «Правило» и
«Знание».
3

20.

Целевая модель компетенций 2025 (BCG)
Категория «Знание» подразумевает преимущественно аналитическую работу, импровизацию,
творчество, действия в условиях неопределенности с высокой автономностью при принятии
решений. Это требует высокого уровня образования, длительной подготовки и широкого кругозора
(преподаватели, врачи, ученые, квалифицированные инженеры, руководители). Доля работников
категории «Знание» является одним из ключевых показателей глобальной конкурентоспособности
при возрастающей значимости.
3

21.

Целевая модель компетенций 2025 (BCG)
Когнитивные навыки включают в себя: саморазвитие (самосознание, обучаемость, восприятие
критики и обратная связь, любознательность); организованность (организация своей деятельности,
управление ресурсами), управленческие навыки (приоритизация, постановка задач, формирование
команд, развитие других, мотивирование других, делегирование); достижение результатов
(ответственность, принятие риска, настойчивость в достижении целей, инициативность); решение
нестандартных задач (креативность, в том числе умение видеть возможности, критическое мышление);
адаптивность (работа в условиях неопределенности).
Социально-поведенческие навыки включают в себя: коммуникационные навыки
(презентационные, письменные, переговорные, открытость); межличностные навыки (работа в команде,
этичность, эмпатия, клиентоориентированность, управление стрессом, адекватное восприятие критики);
межкультурное взаимодействие (осознанность, социальная ответственность; кросс-функциональное и
кросс-дисциплинарное взаимодействие, иностранные языки и культуры).
Цифровые навыки включают в себя: создание систем (проектирование производственных систем,
программирование, разработку приложений,); управление информацией (обработка и анализ данных).
3

22.

Надпрофессиональные навыки в Атласах 2014 г. и 2020 г.
Навыки: Атлас профессий (2014)
Навыки: Атлас профессий 3.0 (2020)
1. Системное мышление
10. Системное мышление
2. Межотраслевая коммуникация
2. Навыки межотраслевой коммуникации
3. Управление проектами
4. Умение управлять проектами и процессами
4. Бережливое производство
9. Навыки бережливого производства
5. Программирование /Робототехника / ИИ
8. Программирование ИТ-решений / управление сложными
автоматизированными комплексами / работа с ИИ
6. Клиентоориентированность
3. Клиентоориентированность
7. Мультиязычность и мультикультурность
1. Мультиязычность и мультикультурность
8. Работа с людьми
7. Умение работать с людьми
9. Работа в условиях неопределенности
5. Работа в режиме неопределенности и быстрой смены
условий задач
10. Навыки художественного творчества
6. Способность к художественному творчеству
11. Экологическое мышление
12. Управление вниманием
13. Осознанность
14. Эмоциональный интеллект
3

23.

Сравнение Атласов профессий будущего 2014 г. и 2020 г.
Атлас профессий будущего (2014)
1. Биотехнологии
2. Медицина
3. Энергогенерация и накопление энергии
4. Энергосети и управление энергопотребл.
Атлас профессий будущего 3.0. (2020)
8. Биотехнологии
1. Медицина
19. Электроэнергетика
5. Наземный транспорт
6. Водный транспорт
7. Авиация
8. Космос
9. Новые материалы и нанотехнологии
10. ИТ-сектор
11. Наземный транспорт
17. Водный транспорт
16. Авиация
22. Космос
18. Новые материалы и нанотехнологии
10. ИТ-сектор
11. Добыча и перераб. полезных ископаемых
21. Добыча и перераб. полезных ископаемых
12. Строительство
13. Робототехника и машиностроение
14. Финансовый сектор
15. Экология
16. Менеджмент
17. Социальная сфера
18. Образование
19.Индустрия детских товаров и сервисов
6. Строительство
15. Робототехника
7. Финансовый сектор
12. Экология
24. Менеджмент
14. Социальная сфера
27. Образование
2. Медиа и развлечения
3. Индустрия туризма и гостеприимства
4. Промышленность
5. Индустрия моды
9. Безопасность
13. Пищевая промышленность
20. Сельское хозяйство
23. Нейронет
25. Металлургия
26. Культура и искусство
3

24.

Модель компетенций команды цифровой трансформации
в системе государственного управления
Модель компетенций включает в себя четыре связанных между собой блока:
Базовые цифровые компетенции.
Личностные компетенции (выделено шесть личностных компетенций).
Профессиональные компетенции (выделено шесть профессиональных компетенций).
Цифровую культуру.
3

25.

Цифровая грамотность
Цифровая грамотность (далее — ЦГ) — это технические и когнитивные навыки, позволяющие
ориентироваться в современных информационных технологиях, удовлетворяя личные,
образовательные и профессиональные потребности.
Примерами таких навыков являются:
умение работать с информацией в цифровой среде,
способность алгоритмизировать и оптимизировать свои действия,
умение взаимодействовать в цифровой среде с учетом норм этики и правового регулирования
цифрового пространства,
знание основ информационной безопасности на уровне пользователя и способность защищать
цифровые устройства и персональные данные,
понимание технических возможностей современных цифровых устройств и интернет-технологий,
способность решать простые технические проблемы,
умение работать в офисных приложениях и т.д.
навыки Анализа данных:
знание типов данных и способов их представления,
элементарная работа с числовыми данными, в том числе дескриптивная статистика,
визуализация с помощью базовых видов диаграмм,
проведение простейшей аналитики на текстовых данных, в том числе использование
регулярных выражения для работы с текстами.
3

26.

Цифровая грамотность
Уровень – Навыки, умения, знания
способность осуществлять сбор данных из баз данных и интернет-источников (с помощью обработки
неструктурированных данных или использования открытых API);
Навыки Анализа данных:
способность применять статистические методы для подготовки данных, выявления
закономерностей, проверки гипотез и принятия решений,
способность применять методы машинного обучения (в базовом виде, без доработки и
модификации) для решения практических задач анализа данных,
владение полноценными навыками визуализации данных.
способность выполнять полный цикл решения задач с помощью машинного обучения и
продвинутой аналитики: подготовить данные, разработать признаки, выбрать метрику качества,
выбрать и обучить модель, провалидировать модель,
понимание принципов работы методов интеллектуального анализа данных и умение их
адаптировать с учётом специфики данных, критериев качества и требований к модели
(интерпретируемость, быстродействие и т.д.),
умение визуализировать результаты анализа и моделирования с помощью веб-приложений или
других инструментов.
3

27.

Цифровая грамотность
Профессиональный – в дополнение к навыкам продвинутого уровня:
знание теоретических основ современного машинного обучения,
знание специализированных методов машинного обучения и обработки данных, которые могут
применяться в профессиональной области (обработка сигналов, нейросетевые методы и глубинное
обучение, компьютерное зрение, обработка естественного языка и т.д.) и понимания специфики их
применения,
способность решать задачи анализа данных в любых предметных областях при поддержке экспертов.
Экспертный – в дополнение к навыкам профессионального уровня:
знание современного состояния наук о данных и смежных областей,
способность вести исследовательскую деятельность в сфере наук о данных, разрабатывать новые
методы анализа данных.
3

28.

Термины и определения
•Директор по данным (Chief Data Officer, CDO)
•Наука о данных (Data Science)
•Специалист по изучению данных (data scientist)
•Директор по цифровым технологиям Chief Digital
Officer, CDO
•Директор по цифровым технологиям (Chief Digital
Officer, CDO) в России
•ИТ-директор (CIO - Chief Information Officer)
•Директор по информационной безопасности (Chief
information security officer, CISO)
•Финансовый директор (CFO - Chief Financial Officer)
•Системный администратор
•DataOps (data operations, конвейер данных)
•Большие данные (Big Data)
•Большие данные (Big Data) в России
•Большие данные (Big Data) мировой рынок
•Специалист по работе с большими данными (big data)
•Data Mining
3

29.

Для чего нужен Chef Digital Officer ?
Те, кто погружен в тему цифровой трансформации прекрасно понимают, что переход в «Digital» для
трансформируемой компании, это не просто косметический ремонт, а коренная перестройка всех
бизнес-процессов, и даже изменение бизнес-модели компании.
Без «жесткого» управления программой цифровой трансформации, с выделением всех необходимых
финансовых и организационных ресурсов, достичь результатов в требуемые сроки будет
затруднительно, ведь это серьёзное изменение, которое будет встречать сопротивление на всех уровнях
организации.
Существенный масштаб необходимых изменений требует дополнительных механизмов координации
внутри компании, и именно поэтому все чаще и чаще можно увидеть назначение специализированных
менеджеров, отвечающих за цифровую трансформацию организации, с соответствующими правами и
полномочиями.
Итак, снова в бизнес-лексиконе появилось новое трехбуквенное сочетание CDO — Chief Digital Officer
– менеджер, отвечающий за цифровую трансформацию, или в переводе на русский язык – директор по
цифровым технологиям. Его миссию в компании можно определить следующим образом – помочь
3
организации, преобразовать традиционные «аналоговые» продукты и услуги в “цифровую” форму.

30.

Зона ответственности CDO
Так как CDO отвечает за цифровую трансформацию, то ключевой его задачей является именно
преобразование компании, при этом, если директор по информационным технологиям (CIO — Chief
Information Officer), как правило, больше ориентирован на информационную поддержку существующих
бизнес-процессов с помощью типовых ИТ-решений, то CDO сфокусирован в первую очередь на фронтофис компании, сбор и анализ клиентских данных, и самое главное, на оцифровку существующих услуг
компании или создание новых в формате «Digital».
Фактически CDO должен вместе с топ-менеджментом сформировать видение, стратегию и детальный
план действий по трансформации бизнес-процессов, продуктов и услуг компании в цифровой формат, с
возможностью предоставления клиентам сервисов в цифровом виде.
Основная сложность при поиске кандидата на должность CDO заключается в том, что очень непросто
найти сотрудника со столь разносторонним опытом, ведь он должен иметь опыт в интернетмаркетинге, социальных медиа, электронной коммерции, транзакционном бизнесе, цифровых каналах
продаж, а также знать возможности технологий цифровой трансформации, цифровые стратегии и
бизнес-модели, построенные на цифровых технологиях. И еще одно ключевое качество которое редко
встречается в российских условиях – это умение и реальный опыт цифровой трансформации в
российских или зарубежных компаниях.
3

31.

Граница между CDO и CIO
Можно сказать, что CDO является ответственным за внедрение цифровых технологий в процессы
взаимодействия с клиентами, а также за предоставление клиентам цифровых сервисов, тогда как за
CIO остаются все решения по информационным технологиям и ИТ-инфраструктуре компании.
Грань между CDO и CIO условна, и требует отдельной договоренности, ведь роли CIO и CDO должны
не только дополнять друг друга, но и тесно сотрудничать для успешной реализации цифровой
трансформации в компании. CDO больше сфокусирован на бизнесе и развитии, тогда как CIO больше
уделяет внимания построению надежной и безопасной ИТ-инфраструктуры компании.
Главное для CDO — это техническая экспертиза в новых технологиях, понимание бизнеса и
возможность не только сформировать видение того, куда организация должна двигаться, но и
возможность через определенный промежуток времени привести организацию в эту точку. Есть
примеры компаний, где CIO совмещает в себе как свою роль, так и роль CDO, имея соответствующую
экспертизу, однако данный случай не является массовым.
Аналитики компании Deloitte выделили три типа CDO:
Ex-agency – Цифровой маркетинг и взаимодействие с заказчиком
Digital transformation strategists – Агенты изменений и переосмысления своей организации (в
отраслях, где цифровая трансформация уже началась — медиа, развлечения, обучение)
Technologists – те кто считают, цифровизацию первоочередной задачей организации, чаще всего
подотчетен CIO
3

32.

ФУНКЦИОНАЛЬНАЯ СТРУКТУРА ПО ЦИФРОВОЙ
ТРАНСФОРМАЦИИ
CDTO
3

33.

ФУНКЦИОНАЛЬНАЯ СТРУКТУРА ПО ЦИФРОВОЙ
ТРАНСФОРМАЦИИ
3

34.

ФУНКЦИОНАЛЬНАЯ СТРУКТУРА ПО ЦИФРОВОЙ
ТРАНСФОРМАЦИИ
3

35.

Наука о данных
Ведущей профессией и ключевой компетенцией ЦТ экономики выступает управление данными. В
ведущих странах ОЭСР это направление обретает научную основу в виде активно и стремительно
формирующейся науки о данных — Data Science. Появилась и новая профессия Data Scientist. Data
Scientist — это эксперт по аналитическим данным, который обладает техническими навыками для
решения сложных задач, а также умением эти задачи ставить. Они частично математики, частично
компьютерные ученые и частично трендспоттеры .
Data Scientist требует реальных и практических знаний методов статистического анализа данных,
навыков построения математических моделей (от нейронных сетей до кластеризации, от факторного до
корреляционного анализов), работы с большими массивами данных и уникальной способности находить
закономерности. Это человек, умеющий не только добывать и анализировать, но и обрабатывать
большие массивы данных творческим использованием множества инструментов.
Data Scientist создаёт и обучает предиктивные модели с помощью алгоритмов машинного обучения и
нейросетей, помогая бизнесу находить скрытые закономерности, прогнозировать развитие событий и
оптимизировать ключевые бизнес-процессы. Обучение по этому профилю позволяет получить знания и
навыки работы с аналитикой, нейронными сетями, Big Data, помочь компаниям и продуктам расти с
помощью технологий, а также освоить ключевые «мягкие навыки»: коммуникацию в команде,
целеполагание и эмоциональный интеллект. Программа Нетологии рассчитана на новичков,
разработчиков и аналитиков.
3

36.

Компетенции цифровой экономики
3

37.

Метауниверситет как технологическая платформа ЦЭ
Вопросам компетенций по цифровой трансформации экономики уделяет внимание Комиссия по ИТ ЕвразЭС,
которой прорабатывается проект метауниверситета, концепция которого показана на рисунке.
3

38.

Управление данными - концептуальное моделирование
Управление данными начинается, в свою очередь, с построения концептуальных и логических моделей
данных. Эта область лежит ближе к сфере управления сложными системами, чем к их технологическому
обеспечению. По этой причине подготовка по концептуальному моделированию представляется
обязательным квалификационным требованием к руководителям ЦТ — CDO/CDTO. Образовательный
курс по концептуальному моделированию подготовлен Кафедрой концептуального анализа и
проектирования МФТИ (КАиП).
Кафедра КАиП готовит аналитиков, концептуалистов-разработчиков, специалистов по онтологическому
моделированию систем, способных решать задачи разного уровня сложности в различных предметных
областях:
восстановление и повышение управляемости больших и сверхбольших организаций —
промышленных и научных компаний, федеральных и региональных органов власти;
проектирование, внедрение и сопровождение крупных комплексных информационных и
аналитических систем управления;
разработка и реализация государственных национальных программ, федеральных и региональных
проектов развития страны, федерального, отраслевого, регионального законодательства;
разработка и реализация систем организационного управления бизнесом, включая корпоративные
стратегии, концепции, документарное обеспечение деятельности и эффективные средства и методы их
внедрения в практику.
3

39.

Управление данными - концептуальное моделирование
Методология КАиП основана на синтезе знаний кибернетики, теории систем, системного
анализа, математической логики, онтологического моделирования систем и включает в
себя подготовку в области:
теории систем и системного анализа;
онтологического моделирования и проектирования информационных и
организационных систем;
концептуального проектирования систем организационного управления;
методологии управления развитием социально-экономических систем;
методологии проектирования целостных нормативных правовых актов;
структурной математики.
Следует подчеркнуть, что многие проблемы создания и функционирования
сложных информационных систем уходят свои корнями в невнимание к
вопросам построения концептуальных моделей данных, которые реализуют
стратегический замысел системы, определяют ее архитектуру, структуру баз данных и
логику из обработки. Нерешенность этой проблемы все чаще дает о себе знать в мировой
практике развития сферы ИКТ. Занятие лидирующих позиций на этом направлении может
явиться основой для лидерства по многочисленным прикладным направлениям цифрового
развития.
3

40.

Место и роль оператора данных
в их коммерциализации и доведении до потребителя
Можно уверенно утверждать, что проблема семантической интероперабельности информационных
систем не решена, а предпринимаемые в течение долгих лет усилия на уровне государственных структур
и глобальных лидеров ИТ-индустрии не дали удовлетворительного результата. По этой же причине
буксует реализация проекта создания Национальной системы управления данными при неплохих
результатах построения технологической инфраструктуры. Причина заключается в отсутствии
эталонной модели метаданных, которая послужила бы общим правилом для разработки и сведения
отраслевых и предметных моделей данных в целостную картину формируемой цифровой реальности.
Ниже приводится фрагмент ее отчета по базе данных «Семантическая топология» (Идентификатор
отчета: G00250574).
3

41.

Концепция построения и применения Базы знаний
«Семантическая топология»
Показанный фрагмент представляет собой не суммативный набор универсальных понятий, а
упорядоченную систему со строгой логикой их взаимосвязей по принципу смысловой близости и
динамики раскрываемых процессов. Это вполне соответствует позициям других авторов относительно
того, что смысловая сущность архитектуры должна быть близка к понятию системности. Модель
соответствует и положению о том, что управление разработкой архитектуры должно выполняется
через установку единых на всех уровнях системы принципов, руководств и соглашений о
моделировании. Показанный фрагмент можно использовать в качестве основы о подобном
моделировании.
3