Методика управления корпоративными данными для применения искусственного интеллекта в торгово-промышленном предприятии

В статье представлена авторская методика управления корпоративными данными для применения искусственного интеллекта (AI-driven) в торгово-промышленных предприятиях. Актуальность исследования обусловлена ростом объёмов и разнородности данных, необходимостью интеграции с государственными информационными системами (ФГИС) и развитием платформенной экономики. В отличие от классических подходов к управлению данными, методика ориентирована на практическую реализацию и включает пять взаимосвязанных компонентов: протоколы и интеграции (data integration), обработка (моделирование) данных (data modelling), оркестрацию сервисов и прослеживаемость (data orchestration and lineage), управление и безопасность данных (data governance and security), а также слой бизнес-аналитики и моделей искусственного интеллекта (self-service analytics и artificial intelligence).

В обзоре литературы рассмотрены современные международные подходы (DAMA-DMBOK, Gartner Data Fabric/Data Mesh, DataOps/MLOps) и российская специфика цифровой экономики, включающая национальную модель бизнеса, проект цифрового рубля и развитие ФГИС. Согласно анализу, ключевым вызовом становится необходимость повышения вычислительных ресурсов и усложнение технологий обработки данных при снижении их структурированности.
Практическая апробация методики проведена в ряде крупных проектов цифровой трансформации для торгово-промышленных компаний. Результаты показали, что использование методики позволяет повысить качество данных, обеспечить прозрачность сквозных процессов и снизить проектные риски. В перспективе развитие методики связано с углублением процессов управления данными, автоматизацией интеграций с государственными системами и применением моделей искусственного интеллекта для построения интеллектуальных и адаптивных цифровых архитектур.