Когда сбой в данных — это сбой в бизнесе

Ошибка в данных — это не просто локальный сбой в отдельном процессе.

Это снежный ком, который затрагивает сразу несколько направлений: от скоринга и клиентских заявок до регуляторной отчётности и репутационных рисков. И чем позже её обнаружат, тем дороже обойдётся исправление.

Ошибки в данных ведут к каскаду проблем: некорректным решениям по клиентам и потере лояльности, сбоям в операционных процессах, неверной отчётности перед регуляторами и, в итоге, прямым финансовым потерям.

“Качество данных (Data Quality) — не абстракция, а фундаментальная основа банковского бизнеса, напрямую влияющая на бизнес-процессы, корректность отчетности, аналитику и финансовые результаты,” — Николай Шевцов, руководитель дирекции по управлению данными ОТП Банка.

Рассказываем, как ОТП Банк подошёл к вопросу системно: какие принципы заложены в платформенный подход, как выстроена автоматизация и зачем работу с качеством данных превращают в полноценный управляемый процесс.

Принцип 1: Единый источник истины

Качество начинается с понятной структуры. В банке для этого используется централизованная Data Governance-платформа — единая точка для всех метаданных. Здесь фиксируются бизнес-глоссарии, владельцы, каталоги данных и процессы. Но главное — архитектура построена не на документах в Word или Confluence, а на формализованных объектах: BRD (Business Requirements Document) и FSD (Functional Specification Document). Это позволяет не просто хранить требования, а управлять ими в живой среде с историей изменений и привязкой ко всем витринам.

Принцип 2: Сквозная автоматизация на основе структуры

FSD в системе не просто описывает набор данных, он становится основой для генерации кода. Без участия разработчиков. Аналитик формирует FSD, и на его основе создаются витрины, выгрузки и технические DQ-проверки: полнота, уникальность, консистентность. Создание такой проверки занимает 5–10 минут, вместо нескольких дней. Это снижает нагрузку, ускоряет работу и делает качество данных частью процессов, а не финальным этапом.

Платформа отслеживает lineage — сквозной путь данных от отчета до исходной системы, и подсвечивает, где логика не совпадает с реальностью. Это даёт возможность не просто реагировать на ошибку, а предупреждать её появление.

Принцип 3: Прозрачность и управляемость

Показатели качества данных (DQ-метрики) визуализируются на всех уровнях — от отчета до исходной системы. Это критично для сложной банковской инфраструктуры: ошибка на входе должна быть видна сразу, иначе она распространится по всем слоям. Такой контроль снижает операционные риски и позволяет команде не тратить время на ручные разборы.

За два с половиной года в ОТП Банке удалось встроить контроль качества в саму архитектуру процессов. Теперь DQ — не надстройка, а часть инфраструктуры. Ошибки фиксируются до того, как они станут бизнес-проблемой, а автоматизация позволяет не тратить ресурсы там, где раньше уходили часы и дни.

В третьем квартале 2025 года ОТП Банк планирует запустить MVP автоматической генерации бизнес-проверок: система будет анализировать смысл данных, например, “паспорт” или “дата рождения”, и самостоятельно предлагать подходящие проверки, а роль аналитика — согласовать. Это означает, что управление качеством становится не просто быстрее, а по-настоящему умным. И чем раньше это станет нормой, тем устойчивее будет бизнес.