Опрос, проведённый экспертами Группы Arenadata в рамках конференции ArenaDAY, показал, что 57% российских финансовых организаций серьёзно относятся к вопросу качества используемых данных, на основе которых принимаются бизнес-решения: они назначают за него ответственных. У 44,8% ответственность распределена между ИТ и аналитикой без отдельной структуры; 27,6% создали полноценный отдел или роль, а 6,9% планируют это в 2026 году. При этом 20,7% считают качество данных общей задачей без фокуса. 

«Технически за качество данных отвечает отдельная команда (дата-офис). При этом сейчас компания развивает роль владельцев данных в подразделениях, а также внедряет договорённости между бизнесом и дата-офисом, которые закрепляют ответственность за качество данных», — комментирует Евгений Жилов, руководитель департамента управления и аналитики данных «Национальной Лотереи». 

Data Governance (DG) и качество данных остаются ключевыми для надёжной работы ИИ: так считают более 60% опрошенных. При этом 52,4% доверяют своим данным, отмечая мелкие проблемы, но общую надёжность. Ещё 31,3% сомневаются в них из-за частых ошибок и неполноты. 

44% российских организаций в 2026 году тестируют ИИ для анализа данных, запуская пилоты или эксперименты. Этот показатель мало изменился: в 2025 году аналогичными проектами занимались 40,4% респондентов, а 26% только изучали возможности технологии. Более того, доля активно использующих ИИ даже слегка снизилась — с 23,1 до 21%. В финансовом секторе ИИ чаще всего используют для чат-ботов и виртуальных ассистентов (36,7% опрошенных), а также для других задач (33,3%). Он помогает выявлять мошенничества и проводить прогнозную аналитику (по 10%), автоматизировать документооборот (6,7%), а также выполнять кредитный скоринг и оценку рисков (3,3%). 

«Банк активно пилотирует ИИ-технологии для автоматизации рутинных задач, в том числе для аналитики текстовых данных. О конкретных процессах пока рано говорить, так как пилоты не завершены. Организация поставки данных надлежащего качества — важный этап пилотирования и продуктивизации ИИ-решений. Отлаженные процессы Data Governance, безусловно, здесь помогают», — отмечает Ян Гузов, CDO банка «Санкт-Петербург». 

В «Национальной Лотерее» при внедрении искусственного интеллекта большое внимание уделяется качеству данных и их управлению: используются автоматические проверки, а также единый каталог данных, где можно проверить их корректность. «ИИ применяется в разных направлениях: для автоматизации аналитики (self-service); в качестве цифровых помощников для работы с данными; для генерации текста, изображений и видео; автоматизации работы с клиентской базой. При этом качество данных напрямую влияет на то, насколько можно доверять результатам ИИ», — считает Евгений Жилов. 

Лишь треть компаний (33,3%) считают себя полностью data-driven: они основывают более 70% бизнес-решений на данных (включая KPI и стратегии). У 31,3% доля data-driven решений составляет 30–70% (в аналитике и операциях). 22,9% оценивают её ниже 30%, предпочитая интуицию, а 12,5% не измеряют вовсе из-за отсутствия метрик. 

В 51% организаций ролевая модель доступа к данным внедрена частично: она охватывает ключевые системы вроде DWH и аналитики, но не все. Полностью её реализовали 30,6% респондентов, вместе с аудитом и принципом наименьших привилегий на всех уровнях. А в 14,3% случаев доступы не формализованы и управляются вручную. 

«Ролевая модель — это важный этап при внедрении аналитических инструментов. Без ролевой модели невозможно централизованно контролировать права пользователей и доступы в информационные системы. Если говорить о платформе Исследования данных на базе Arenadata DB, то мы разработали отдельную ролевую модель, которая отражает текущую потребность всех пользователей платформы. Под каждое подразделение выделяется схема или несколько схем. Мы создали три основные роли для каждой схемы: разработчик, аналитик и владелец схемы — и наделили каждую роль набором прав (грантов). Если у пользователей есть необходимость чтения данных, ему выделяется роль аналитика, если необходимость создания объектов — роль разработчика. К примеру, роль разработчика или владельца схемы также позволяет выдать доступ к созданному объекту внутри схемы без обращения к администратору. Это упрощает работу команд.

В ходе проекта возникали потребности, когда пользователю необходим был доступ на чтение отдельных таблиц в разных схемах, для этого совместно с владельцами схем был определён набор таблиц и создана отдельная гостевая роль с правами на чтение. Все новые пользователи получают доступы только при согласовании владельцев объектов», — объясняет Кристина Проскурина, управляющий директор управления бизнес-анализа данных Блока больших данных РСХБ, команда РСХБ.Цифра. 

Опрошенные выделили ключевые барьеры на пути внедрения data-проектов. На первом месте стоит неготовность бизнеса инвестировать в такие инициативы (36,2% респондентов). Почти столько же (34%) сталкиваются с внутренним сопротивлением изменениям. Третьей по значимости проблемой участники опроса считают дефицит квалифицированных специалистов (19,1%). А четвёртой — трудности интеграции с существующей ИТ-инфраструктурой (10,6%). 

35,4% респондентов сообщают о полноценной дата-стратегии в своих компаниях: это дорожная карта на 1–3 года с чёткими целями по данным, утверждённая руководством, KPI и ежегодным пересмотром. У 29,2% она частично разработана в виде концепции или плана на год. 25% организаций обходятся без формальной стратегии, а 10,4% планируют её создать в 2026-м после аудита зрелости данных. 

«Результаты опроса подтверждают нашу практику: рост ИИ-проектов тормозят не технологии, а недостаточная зрелость данных и отсутствие выстроенных процессов Data Governance. Без качественных данных и чётких процессов даже лучшие ИИ-модели дают ненадёжные результаты. Платформа Arenadata One, включающая продукты для работы с качеством данным, помогает клиентам быстро строить Data Governance: автоматизировать контроль качества, внедрять ролевые модели доступа и готовить данные для ИИ», — считает Максим Власюк, директор по работе с корпоративным сектором Группы Arenadata. 

ArenaDAY — ведущая отраслевая конференция для специалистов по работе с данными, проводимая Группой Arenadata. Это место встречи data‑инженеров, архитекторов, CDO, CIO, CTO и всех, кто умеет превращать данные в реальную выгоду: снижать издержки, находить новые точки роста и внедрять масштабируемые решения. Своими кейсами и результатами внедрения проектов в области данных на ArenaDAY 2026 поделились ВТБ, Департамент информационных технологий правительства Москвы, Т-Банк, «Полюс Диджитал», ПСБ, Hoff Tech, ДОМ.РФ, «Купер», «Арнест ЮниРусь», «Комус», «Агропромцифра», ГПБ, «Росатом». Партнёрами конференции стали К2ТЕХ, Скала^р (Группа Rubytech), Т1 ИИ, «Инфосистемы Джет», Sapiens Solutions, Норбит, Selectel, Axenix, РЕД СОФТ, Navicon, IBS, ДАР («КОРУС Консалтинг»).