Использование больших данных в государственном управлении

Big Data: московские госслужащие узнали, как и для чего управлять большими данными

f13fdbf4e352b5bff113304d42eefac2

Со стороны бизнеса и правительств сегодня наблюдается повышенный интерес к науке о данных (Data Science) и большим данным (Big Data). Развиваются технологии для сбора, обработки и анализа огромного объема информации, которую затем используют не только для отчетов. Создаются цифровые портреты клиентов и избирателей, прогнозируется будущее, формируются команды и профили лояльности клиентов. Как работать с большими данными и чем они могут помочь в городском управлении? Об этом госслужащим столицы рассказали на семинаре «Большие данные в современном городе». В нем приняли участие более 100 человек.

«В 2022 году объем данных в интернете будет составлять более 44 зеттабайт. С чем это сравнить? Все пляжи земли содержат 700 500 000 000 000 000 000 (семь квинтильонов пять квадриллионов) песчинок. 44 зеттабайт превосходят это число в 57 раз. Чтобы представить себе этот размер, возьмем обычные жесткие диски для компьютера. Для хранения 1 зеттабайта требуется около 83 миллионов жестких дисков емкостью 12 терабайт. С одного жесткого диска на 1 зеттабайт можно 63 миллиона лет смотреть видео с высоким разрешением 4K. А 44 зеттабайта — это уже 3 652 000 000 жестких дисков и 2 772 000 000 лет в 4К», — сказал он.

«Big Вata помогает предсказать будущее»

2 Polkovnikova

Более подробно о том, что же такое большие данные и как с ними работать, рассказала Наталья Полковникова — руководитель новых направлений Global Innovation Labs LLC, автор первых в России онлайн-курсов по обучению большим данным в АПК.

Big Data характеризуют пять элементов: объем (сейчас он превосходит то, что может обработать наш мозг), высокая скорость изменения данных, их разнообразие, достоверность и ценность.

Чего ждут от больших данных? На их основе делается предсказательная аналитика (поиск причинно-следственной связи). Можно спрогнозировать, как люди, техника, природа поведут себя в будущем. Например, большие данные могут быть предвестниками эпидемий. Есть сервисы, которые анализируют соцсети (посты, настроение, статус), ключевые слова в поисковике (какие лекарства ищут, способы лечения). Таким образом, можно понять, в каких районах пик заболеваемости. Эту информацию, к примеру, используют для активной рекламы лекарственных средств.

3

Большие данные помогают создать цифровой портрет гражданина (сколько энергии он потребляет в день, какое у него эмоциональное состояние, здоровье, что покупает и т. д.). Банки, например, выявляют сомнительных клиентов (с помощью больших данных анализируются платежи). HR-специалисты могут выявлять лидеров компании, подбирать команды, просчитывать ее слаженность и эффективность.

Город тоже видит и оценивает информацию о жителях. С проездных билетов, которые мы прикладываем в общественном транспорте, через камеры видеорегистрации, через сервисы госуслуг и т. д.

«Мы, например, работали с Департаментом науки и промышленности г. Москвы. Проводили анализ эффективности распределения субсидий. Мы взяли данные от компаний, получавших субсидии за последние 5 лет, и сделали идеальный профиль тех, кто может их эффективно использовать. Также выделили компании, которым не стоит давать субсидии», — рассказала Наталья Полковникова.

Она привела много примеров других стран, которые используют большие данные в госсекторе. Например, в Китае работает система оценки благонадежности. В США с помощью искусственного интеллекта повышают занятость иммигрантов, помогают им устроиться на ту работу, где они лучше адаптируются и выполняют свои функции эффективнее.

«Для начала мы должны накопить опыт и нужную базу данных, чтобы разрабатывать полезные рекомендательные системы жителям»

4 Anisimova

О том, как искусственный интеллект может помогать в управлении городом и стоит ли сегодня полностью полагаться на него, рассказала Мария Анисимова — заместитель руководителя продукта «Большие данные» Департамента информационных технологий г. Москвы.

«Применение искусственного интеллекта в решении городских задач не всегда является панацеей. Зачастую во всех промышленных решениях больше используются математические модели, таблицы в Excel (для предоставления оперативной отчетности и проверки гипотез) и, в редких случаях, нейросети. Почему? У них есть минус: непонятно, почему нейросетка приходит к тому или иному выводу, то есть остается неизвестным, какие факторы значимы. Это допустимо в анализе текстовой информации или изображений. Но, например, стоит задача выяснить, почему пациент пришел к одному терапевту, а не к другому. Нейросетка не даст ответа, почему. Таким образом, чтобы выбрать оптимальную модель прогнозирования, необходимо сначала конкретизировать итоговую цель, для которой вы разрабатываете решение», — сказала спикер.

Но при этом преимущества анализа больших данных очевидны. Он позволяет увидеть скрытые закономерности, незаметные человеческому восприятию. Это дает хорошие возможности оптимизации всех сфер жизни: государственного управления, медицины, безопасности, финансов, транспорта, образования и т. д. Большие данные могут обрабатываться в режиме реального времени, что повышает качество и скорость принятия решений.

Отдельно Мария Анисимова остановилась на теме накопления данных.

«Сейчас все хотят данные накопить впрок, и никто не знает, когда и где они понадобятся. 80% времени занимает нормализация, очистка, структурирование собранных данных, и далеко не всегда это можно решить IT-методами. Например, когда вы боту пишете какой-то вопрос, а он не может качественно найти на него ответ, это значит, что в базе данных нет накопленных ответов по этой тематике. Поэтому мы не можем использовать и выводить их жителям Москвы, т. к. репутационный риск намного выше. Для начала мы должны накопить опыт и нужную базу данных, чтобы на вопрос, куда сегодня пойти вечером, ответ от бота был полезным и расширенным».

По мнению участников, семинар помог расширить кругозор, узнать больше про Big Data, дал понимание, какие технологии используются в Москве для сбора, обработки и анализа данных и как это влияет на социальную и экономическую ситуацию. Некоторые отметили, что использование специальных сервисов для сбора информации о жителях может помочь повысить качество предоставляемых услуг.

Источник

Использование цифровых технологий в государственном управлении

На сегодняшний день главной движущей силой применения на практике прорывных информационных технологий является государственное и муниципальное управление. Информационные технологии при этом дают возможность повышения качества предоставления государственных услуг и результативности и эффективности госуправления, а также более полно задействовать потенциал удаленных территорий.

53(1)

Цифровые технологии в государственном управлении

Использование цифровых технологий в государственном управлении обеспечивает решение задач:

Внедрение цифровых технологий в государственное управление является нацелено на предоставление гражданам и организациям доступа к приоритетным государственным услугам и сервисам в цифровом виде, создание национальной системы управления данными, развитие инфраструктуры электронного правительства («Умное правительство», smart government), применение сквозных платформенных решений в государственном управлении.

24209

Наиболее востребованными в системе государственного управления являются такие технологии, как:

искусственный интеллект (ИИ), который делится на сильный и слабый. В области слабого искусственного интеллекта сейчас наиболее популярны технологии распознавания образов, распознавания и синтеза речи, распознавания паттернов промышленных и других данных, а также нейросети. Эта технология в госуправлении выступает инструментом работы с большими данными: нейронные сети и другие методы машинного обучения на основании данных, собранных за прошедший период, пытаются спрогнозировать ближайшее будущее. Сильный ИИ находится в стадии разработки;

системы распределенного реестра (блокчейн). Технология блокчейн в госуправлении позволяет существенно упростить управление доверенной информацией о физических лицах, организациях, активах и осуществляемой деятельности, повысить защиту систем государственных услуг и государственных баз данных от злоумышленников, повысить прозрачность бюджетного процесса и снизить коррупционный риск, облегчить и ускорить взаимодействие граждан с органами власти и межведомственное взаимодействие;

квантовые коммуникации (квантовые сети). На основании квантовых эффектов возможно построение и вычислительных систем, которые рассматриваются как перспективные схемы связи и информационной защиты. В «государственном» аспекте существует целый ряд применений квантовых технологий: создание надежной защиты для IoT, организация квантового интернета, развитие новой элементной базы (переход государственных дата-центров на оптическую связь).

Цифровые технологии в так называемом «новом государственном управлении» позволяют эффективно принимать решения, разрабатывать цифровые административные кодексы и машиночитаемые законы, выстраивать сообщества государственных IT-разработчиков.

60085b2c8780c926100541

Внедрение цифровых технологий в государственное управление

Цифровая команда, как правило, имеет следующую структуру:

главный архитектор платформы, который отвечает за проведение практической автоматизации, обеспечивает целостность платформы, включая поддержку системы управления бизнес-процессами, единство бизнес-процессов и интеграцию процессов всех участников платформы на взаимовыгодной основе. Также он создает единый подход к построению системы управления данными, включая интеграцию с внешними источниками, разработку релевантных механизмов обмена данными и контроля целостности данных, интеграции и синхронизации данных внутри всех систем платформы и внешних систем;

При этом специалисты цифровых команд должны обладать знаниями и компетенциями, необходимыми для процессного управления и управления изменениями при использовании цифровых технологий в госуправлении, в управлении регионом или в муниципальном управлении. Получить все необходимые знания можно в рамках курсов по программам MBA IT, которые проводит ЦРК БИ (ЦЕНТР РАЗВИТИЯ КОМПЕТЕНЦИЙ В БИЗНЕС-ИНФОРМАТИКЕ) НИУ ВШЭ. Записаться на курсы можно здесь.

Источник

Большие данные в государственном секторе

Содержание

Big data для государства

Например, в Лондоне пожарная служба использует социально-демографические данные для оценки и профилактики пожарных рисков. Такие показатели жителей как возраст, образование, доход, тип занятости, тип жилья и другие позволяют построить предиктивную модель, повышающую качество оценок риска пожара по районам города. Когда мэром Нью-Йорка стал Майкл Блумберг, подход к борьбе с пожарами тоже был «перезагружен»: для определения объектов противопожарных инспекций начали использовать профили риска зданий, разработанные на основе данных генплана, строительного, финансового и противопожарного департаментов.

Другая задача в области пожарной безопасности – географически оптимальное размещение ресурсов для ликвидации уже наступившего пожара. По накопленным данным, характеризующим выезды пожарной бригады на место пожара в прошлом, информации о пробках и доступности транспортных магистралей, осуществляется моделирование зависимости между географической удаленностью пожарной станции и временем, которое требуется бригаде, чтобы доехать до места пожара. Затем решается обратная задача: где должна быть расположена станция, чтобы соблюдались целевые показатели времени?

Еще одни пример – использование больших данных для профилактики преступности. На основе фактов совершенных преступлений разрабатывается график патрулирования местности. Своевременное наличие патрульной машины может помочь предотвратить преступление. Данные о количестве преступлений, их месте, времени, типе и числе пострадавших позволяют определить, сколько требуется машин, где и в какое время, а затем оптимизировать маршрут с учетом этой информации.

Также на основе социальных данных можно разработать профили риска детей, подверженных жестокому обращению. Эти профили позволяют идентифицировать семьи, в отношении которых требуется проведение профилактической работы.

Аналитика на службе городской безопасности

Применение аналитики в области городской безопасности позволяет повысить эффективность уже существующих процессов – инспекций, патрулирования и других. Процесс управления совершенствуется непосредственно в организации, которая осуществляет управление. Решение на поверхности: данные уже есть, их нужно только добавить в анализируемый массив. Для этого не требуется дополнительных вложений в инфраструктуру.

Но оснащение городской инфраструктуры датчиками и ее технологическая модернизация позволяют вывести качество функционирования системы на новый уровень. Водоснабжение, электросеть, транспортную и другие системы оснащают датчиками, которые передают данные о работе конкретного участка системы. Датчик не взаимодействует с другими датчиками, как это происходит в концепции M2M, при которой вся логика обработки сигнала и алгоритмы управляющего воздействия «зашиваются» в непосредственно в устройство.

Основные отличия принципа работы М2М и интернета вещей (SAS)

840px %D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D0%BD%D1%8B%D0%B5 %D0%BE%D1%82%D0%BB%D0%B8%D1%87%D0%B8%D1%8F %D0%BF%D1%80%D0%B8%D0%BD%D1%86%D0%B8%D0%BF%D0%B0 %D1%80%D0%B0%D0%B1%D0%BE%D1%82%D1%8B %D0%9C2%D0%9C %D0%B8 %D0%B8%D0%BD%D1%82%D0%B5%D1%80%D0%BD%D0%B5%D1%82%D0%B0 %D0%B2%D0%B5%D1%89%D0%B5%D0%B9

Датчики нового типа, а точнее счетчики (smart meters), вообще ни с чем не взаимодействует, кроме центральной системы в которую они передают данные. Потоковые технические данные со всех счетчиков анализируют в режиме «скользящего окна», чтобы в онлайн-режиме выделить важную информацию для оперативного управляющего воздействия на систему. Обычно это предполагает выполнение простого набора функций, таких как поиск экстремумов за временное окно (максимальная температура воды в системе), агрегация (количество отпущенных кубометров), инкрементальное обновление метрик с поступлением новых данных (нет ли аномальных показателей за «окно»?). Наибольший положительный эффект достигается при возвращении этих результатов в хранилище данных и их дальнейший углубленный анализ в офлайн режиме.

Сочетание двух типов аналитики для обработки данных датчиков позволяет понять, что происходит с городской системой, какие операционные решения сейчас нужны, как реагировать на возникшие ситуации. Такая концепция называется интернетом вещей в городской инфраструктуре, позволяющим организациям увеличить прибыль за счет улучшения операционной эффективности, а потребителям сэкономить за счет оптимизации потребления.

IDC: ЖКХ в США в самом начале использования Big data

Эксперты IDC выделили ключевые критерии, по которым можно оценивать способность компании работать с технологиями Big Data. В докладе также содержатся рекомендации по улучшению ситуации с технологиями больших данных в этой индустрии в краткосрочной и долгосрочной перспективах.

Авторы доклада считают, что готовность к применению технологии Big Data складывается из пяти составляющих: желание, накопленные данные, адаптация технологий, отлаженные процессы и персонал. Успех компании в области больших данных в равной степени зависит от зрелости компании во всех этих областях.

По оценке IDC, коммунальный сектор находится на начальных стадиях освоения технологий Big Data. Так, готовность двух третей компаний к работе с большими данными IDC оценивает как «среднюю». «Низкую» оценку зрелости получило в четыре раза больше компаний, чем «высокую».

Сегодня Big Data и аналитика применяются в сфере коммунальных услуг для решения целого ряда задач. Эти технологии помогают оптимизировать производство энергии, операционную эффективность и работу с клиентами. Аналитика позволяет заблаговременно готовиться к отключениям, а также оценивать энергетический рынок, прогнозировать спрос и вести подсчет финансовых показателей.

2019: Московские власти закупают у операторов данные о перемещениях горожан

4 марта 2019 года стало известно о том, что московские власти уже несколько лет закупают у мобильных операторов данные о перемещении горожан. На основе этой информации мэрия меняет транспорт и инфраструктуру в городе. Подробнее здесь.

Источник

Большие данные в системе госуправления

Есть ли большие данные в госсекторе? Такой провокационный вопрос был поставлен ребром на заседании круглого стола в Аналитическом центре при Правительстве РФ, в рамках которого эксперты, представители органов власти и бизнеса попытались оценить перспективы использования технологий больших данных (Big Data) в государственном управлении.

Скептическим отношением к внедрению технологий Big Data в госуправлении было пронизано выступление начальника управления информационных технологий Аналитического центра при Правительстве РФ Александра Малахова. Допускаю, что сделано это было с расчетом задать дискуссионный характер обсуждения темы. Однако приведенные им аргументы заставили отбросить предположения, что выступавший намеренно сгустил краски. Заметим, что речь шла о внедрении технологий больших данных не в отдельных регионах-мегаполисах, а в масштабах страны на федеральном, региональном и муниципальном уровнях.

По оценкам экспертов, привычный способ передачи данных на региональном уровне – бумажный, несмотря на то, что электронные системы развиваются в нашей стране с начала 2000-х, и процесс постепенно набирает обороты. Однако данные, генерируемые в большинстве российских регионов, пока не попадают в системы. Позитивной тенденцией на этом фоне можно считать понимание представителями органов власти того, что нам предстоит переход от бумажного документа к электронному, а затем и к записям в электронных базах данных.

При этом эффективности использования новых технологий, к числу которых относятся BI и большие данные, препятствует отношение к ним в органах власти, как к волшебной палочке, способной решить все имеющиеся проблемы. Внедрения ИТ-инструментов для сбора, обработки и анализа данных недостаточно, если не привести в порядок работу с данными.

На заседании круглого стола отмечалось, что до 90% отчетности в некоторых отраслях, например лесной, могут дублировать друг друга. Отчеты, составляемые в лесничествах, повторяются как под копирку, зачастую документы различаются лишь несколькими показателями в конкретный период времени.

Между тем перспективы использования больших данных есть не только на транспорте, в энергетике, маркетинге, телекоммуникациях, финансовой сфере, здравоохранении, но и в госуправлении. Но для реализации этого потенциала необходимо осознание того, что многое зависит не столько от наличия данных, сколько от их полноты, достоверности, визуализации, своевременного предоставления. При этом решающая роль отводится профессиональным аналитикам. Без наличия компетенций в предметной области, без умения пользоваться инструментами больших данных вряд ли удастся выполнить анализ с пользой для дела, даже если собрать все данные, генерируемые на региональном уровне.

Не во всех российских регионах готовы и считают обязательными инвестиции в развитие технологических платформ для работы с базами данных. Впрочем, такая ситуация характерна не только для нашей страны. Как показывают международные опросы, примерно половина руководителей уверены в том, что у подчиненных (исполнителей) достаточно данных для проведения анализа. При этом только 23% респондентов среди подчиненных (исполнителей) на такой же вопрос ответили утвердительно.

Анализ данных невозможен без технологических инструментов, внедрение которых требует немалых инвестиций. Однако не только нехватка финансов, но и сроки отпугивают руководителей регионов от реализации подобных проектов. Для приведения данных в порядок необходимо, по разным оценкам, три-четыре года, а время, которое высшие руководители регионов находятся у власти, составляет четыре-шесть лет. Так что едва ли они могут рассчитывать на получение эффекта от применения технологии в период нахождения их у власти. И это лишь некоторые трудности, препятствующие продвижению технологий больших данных в регионах.

В подобных обстоятельствах участники обсуждения не могли не затронуть и другой вопрос: большие данные – это действительно самостоятельный технологический тренд, как еще недавно прогнозировали консалтинговые компании, или маркетинговый термин? В свое время Gartner связывал с этой технологией немалые надежды, но в прошлом году исключил ее из отчета «Цикл зрелости технологий 2015». Если ситуация не изменится, то к термину «большие данные» будет такое же отношение, как к ситуационным центрам и «электронному правительству», которые пока едва ли оправдывают ожидания. Согласно прогнозам, прозвучавшим за круглым столом, произойдет это уже в следующем году, причем в силу непроработанности решений, а не технологической слабости больших данных.

По словам Александра Малахова, «у нас нет данных, культуры их использования и обработки, понимания того, что и как мы хотим прогнозировать и что получить в итоге. Пока есть просто термин. Если не удастся обеспечить качественную работу с данными, эффекта от использования технологии не будет».

Заместитель руководителя Аналитического центра при Правительстве РФ Василий Пушкин напомнил о портале открытых данных, объединяющем данные органов власти разных уровней. Имеющиеся 10 тыс. наборов данных можно использовать для создания сервисов, приложений и обогащения коммерческих предложений. Пользуясь случаем, представители коммерческих структур напрямую обратились к чиновникам с вопросом, почему госорганы собирают только данные, поступающие по традиционным каналам. Для госуправления могут представлять интерес и другие источники данных, которые, например, есть в коммерческих организациях. Однако в момент обмена мнениями на этот счет выяснилось, что ограничения установлены законодательством – строгие требования предъявляются к используемым источникам. Несоблюдение этих норм, расширение источников отрицательно скажутся на достоверности информации, которая должна быть подтверждена, обоснована методикой и т. д.

Под занавес дискуссии выяснилось, что скептическое отношение к перспективам технологии больших данных в госуправлении не нашло поддержки у участников круглого стола. Любопытное замечание прозвучало в выступлении представителя Минэкономразвития, отвечающего за взаимодействие с ОЭСР (Организацией экономического сотрудничества и развития) Андрея Игнатьева, который обратился к зарубежному опыту в данной сфере. В том, что информационные технологии – один из драйверов экономического роста, сомневаться не приходится. Большие данные следует рассматривать не изолированно, а в совокупности с развитием искусственного интеллекта, машинного обучения, Интернета вещей, облачных вычислений. Попытки привести к единому знаменателю известные определения больших данных вряд ли можно назвать продуктивными, поскольку на очередном витке развития ИТ нужно думать о комплексном развитии и внедрении технологий в рамках новой промышленной революции. Поэтому на первый план выходит вопрос цифровой трансформации, а не обособленного рассмотрения технологии, пусть даже связанной с умной аналитикой.

В заключение остается напомнить, что до конца этого года планируется утвердить системный проект развития «электронного правительства» в РФ, которым предусматривается использование данных бизнеса и некоммерческого сектора для целей государственного и муниципального управления. Осталось дождаться реализации проекта.

Источник

Большие данные как новая форма государственного управления

0043d32f176a9f4a485b3d3145fc6ca3

Накопленные госорганами данные — важный инструмент развития бизнеса и улучшения госуправления

«Эффективную национальную стратегию не реализовать без активной позиции государства именно в направлении гармонизации данных, открытия больших массивов данных для использования бизнесом, для построения как раз супер-сервисов И мы верим, что впоследствии это приведет уже к возможности принимать решения государством на основе тех выводов, которые мы можем делать как раз по накопленным данным», — Михаил Насибулин, директор департамента Минкомсвязи по координации и реализации проектов по цифровой экономике.

«Одна из причин, почему мы начинаем говорить о национальных стратегиях такого рода, — это взрывной рост количества данных. 90% данных, которыми мы сегодня оперируем, появились лишь за последние 2 года Если посмотреть на десяток компаний, которые имеют самую большую капитализацию, я имею в виду глобальные компании, то 7 из этой десятки — это компании, работа которых основана на данных, и 5 из них — это компании, которые используют платформенные решения», — Андраш Хорваи, директор, постоянный представитель в Российской Федерации, Европе и Центральной Азии Группы Всемирного банка.

«Мы вступили в эпоху беспрецедентного накопления, беспрецедентных объемов данных, и мы понимаем, что ценность человека во многом уже определяется теми данными, которые он способен передать в этот безбрежный океан, на основе анализа которого принимаются очень многие решения — от диагностики заболеваний до выдачи банковского кредита Государство сегодня — прежде всего беспрецедентное хранилище данных», — Николай Усков, редакционный директор Forbes.

«Рынок больших данных к 2024 году достигнет 300 млрд руб. Сейчас он составляет, по разным оценкам, от 10 до 30 млрд руб. Это по сути взрывной рост. От использования различных моделей с использованием больших данных и искусственного интеллекта вырастет ВВП за этот же период на 1,5%», — Анна Серебрянникова, президент Ассоциации Больших Данных; член совета директоров ПАО «МегаФон».

Государство в России — законодатель мод во внедрении цифровых технологий

«В этом году предполагается реализация пяти базовых экспериментов Это позволит в следующем году приступить к более масштабным внедрениям элементов Национальной системы управления данными. В течение этого года в рамках правовой песочницы, в рамках вполне конкретных отдельных информационных источников будет попытка реализовать механизм, который потом можно будет, если он покажет себя успешными, реализовать во всех информационных системах, доступных государству», — Владислав Онищенко, руководитель Аналитического центра при Правительстве Российской Федерации.

«Индекс внедрения цифровых технологий: мы проанализировали порядка 180 стран, и из них Российская Федерация по этому индексу заняла 28 место. С точки зрения государства и его готовности к внедрению цифровых технологий, Россия заняла 18 место из 180 стран. Мы видим, что государство достигло неплохих результатов. Следующим этапом будет попытка подтянуть до этого уровня население и бизнес», — Андраш Хорваи, директор, постоянный представитель в Российской Федерации, Европе и Центральной Азии Группы Всемирного банка.

Вопрос качества данных становится ключевым

«Роль данных — ключевая в цифровом государственном управлении. В первую очередь все внедрение, все супер-сервисы, которые мы можем осуществить, все это упирается в качество данных, в системы, которые их записывают. Мы, как, наверное, главный идеолог национальной системы управления данными, будем в первую очередь обращать внимание на качество данных, гармонизировать те данные, которые уже записаны в разных информсистемах, и наводить порядок», — Михаил Насибулин, директор департамента Минкомсвязи по координации и реализации проектов по цифровой экономике.

Проблемы качества данных и связи между информационными системами

«Проблема качества данных в государственно-информационных системах и в системах, к которым бизнес обращается, когда пытается проверить требуемые по закону сведения, не решена, и без создания национальной системы не будет работать», — Владислав Онищенко, руководитель Аналитического центра при Правительстве Российской Федерации.

«В Москве мы сталкиваемся с тем, что не использовать данные разных государственных и информационных систем — склеивая, перепроверяя, моделируя, перепроверяя потом на федеральных данных — невозможно. Просто физически теряется смысл накапливать их если не будем все границы эти преодолевать. Наша надежда заключается в том, что Национальная система управления данными состоится. И главная надежда — на то, что у Национальной системы управления данными будет лидер, который пробьет все эти ведомственные барьеры», — Эдуард Лысенко, Министр Правительства Москвы; руководитель департамента информационных технологий города Москвы.

Несоответствие нормативной базы задачам цифровой экономики

«Много нормативных проблем стоит, которые препятствуют или, так скажем, существенно снижают в случае ее реализации инициативу по созданию Национальной системы управления данными, снижают эффективность ее реализации», — Владислав Онищенко, руководитель Аналитического центра при Правительстве Российской Федерации.

Недостаточное количество квалифицированных кадров

«Госорганы не готовы пока работать на основе цифровых данных, нам нужны компетентные кадры с точки зрения цифровизации, нам нужны компетентные кадры те, кто работает с данными», — Антон Дроздов, председатель правления Пенсионного фонда Российской Федерации.

Создание децентрализованной системы, но по общим правилам

«Мы ратуем за создание децентрализованной системы, которая будет называться Национальная система управления данными и объединять все децентрализованные системы, которые действуют на общих правилах, единых требованиях к информационным источникам, единых правилах информационного обмена», — Владислав Онищенко, руководитель Аналитического центра при Правительстве Российской Федерации.

«Мы хотим выработать единые правила, по которым все данные будут записываться и использоваться и с помощью которых разные ведомства смогут обмениваться», — Михаил Насибулин, директор департамента Минкомсвязи по координации и реализации проектов по цифровой экономике.

«Наличие больших массивов данных — и даже в цифровом формате — не равно настоящим большим данным. Требуется большая работа с точки зрения создания единых хранилищ, создания каталогов, создания интеграций различных источников», — Сергей Эмдин, генеральный директор Tele2.

«[Необходимо] попытаться выстроить общую методологическую основу, разработать по крайней мере в первом варианте единые требования к данным внутри информационных систем. В ходе экспериментов также надо разработать методологию оценки качества данных», — Владислав Онищенко, руководитель Аналитического центра при Правительстве Российской Федерации.

Создание единого принципа взаимодействия Национальной системы управления данными с другими системами больших данных

«Мы большой держатель данных обрабатываем сейчас уже 350 млн запросов от 2,5 тыс. контрагентов. Это федеральные, региональные органы власти и где-то 40 млн запросов граждан Мы объединили в базы свои собственные данные Сейчас у нас 155 млн индивидуальных лицевых счетов и единый идентификатор Следующим этапом является искусственный интеллект — и мы уже для себя видим такие платформы. В прошлом году мы протестировали систему назначения пенсий на основе искусственного интеллекта Это единый контакт-центр, то есть, когда бы и откуда человек ни обратился, он идентифицируется благодаря тем идентификаторам, которые применяются», — Антон Дроздов, председатель правления Пенсионного фонда Российской Федерации.

«Информация, которой мы обладаем, а мы доставляем в год 450 млн посылок, около 2 млрд писем вся эта информация у нас содержится. Мы обладаем информацией о 86 млн адресов — это знание вывело нас на такое активное взаимодействие с ФНС, когда мы помогаем чистить базу данных ФИАС таким образом, чтобы делать ее более корректной Мы создали систему ГИС ЖКХ, в которой содержится информация о 95% жилых домов всей нашей страны, куда есть возможность загружать данные о потреблении ресурсов Вклад в Национальную систему управления данными мы могли бы внести, в частности, и на стыке цифрового и реального мира, чтобы можно было получить информацию о правильном расположении тех или иных объектов», — Николай Подгузов, генеральный директор ФГУП «Почта России».

Источник

Adblock
detector