Cost-effective-подход к данным в промышленности: как сохранить ИТ-проекты, когда приоритеты становятся жёстче

Сейчас многие промышленные компании находятся в состоянии, когда планов и задач меньше не стало, но требования к понятной отдаче от инвестиций выросли. На этом фоне руководители начинают аккуратнее относиться к инициативам, где эффект трудно быстро показать и закрепить. В их число регулярно попадают ИТ-проекты, связанные с данными. Не потому, что данные не нужны, а потому, что их ценность часто формулируется слишком общими словами: сначала сделаем основу, потом появятся кейсы, затем посчитаем эффект.

В период, когда решения принимаются быстрее, такая логика звучит слабо, и CDO (Chief Data Officer — директор по данным) тратит много энергии на защиту портфеля проектов, а не на развитие. Помочь в решении этой задачи может cost-effective-подход (экономически эффективный подход) — управление инициативами по данным аналогично производственными улучшениями.

Most cost-effective: суть подхода для промышленности

Cost-effective — это не про экономию и дешевизну в проектах. Речь про осознанные вложения: мы берём только то, что даёт измеримый результат, и строим так, чтобы результат можно было повторить на других линиях, участках и заводах. Ключевое отличие подхода от классических data-проектов простое: эффект задаётся вначале. Данные и платформа — средство, а не цель. Если эффект нельзя заранее описать и проверить, проект почти всегда проигрывает более понятным инициативам.

Однако в промышленности легко сделать один удачный пилот, но сложно масштабировать его на весь периметр. Причина обычно одна: отсутствует минимальный фундамент данных. Поэтому его нужно строить, но не как отдельный большой проект на несколько лет, а как часть каждого кейса: маленькими полезными шагами, которые сразу начинают работать в проде.

Что должно быть у каждого бизнес-кейса, чтобы он пережил пересмотр приоритетов:

• понятный владелец результата в бизнесе;
• метрика эффекта в понятных единицах (рубли, часы простоя, процент брака и т. п.);
• заранее зафиксированная базовая линия (baseline), чтобы было с чем сравнивать;
• срок проверки результата (период, по истечении которого можно сказать, работает или нет);
• минимальный набор данных для эксплуатации: идентификаторы оборудования, связка режимов/партий/качества, контроль качества данных, доступ и права.

Данные в промышленности распределены между разными системами.

1. На уровне цеха это АСУ ТП (автоматизированные системы управления технологическими процессами) и SCADA-системы (диспетчерское управление и сбор данных), которые управляют оборудованием и собирают телеметрию с датчиков.
2. Отдельно используются промышленные историки — специализированные системы для хранения истории технологических параметров (температуры, давления, расхода, вибрации) с высокой частотой и за длительные периоды.
3. Производственный контур дополняют MES-системы (системы управления производственным исполнением), лабораторные информационные системы (LIMS) и системы управления ремонтами и активами (EAM/CMMS).
4. На уровне бизнеса данные консолидируются в ERP-системах (системах планирования ресурсов предприятия).

В пилоте можно «склеить» информацию вручную и получить эффект. Но при тиражировании вскрываются проблемы: одинаковое оборудование называется иначе на разных участках, показатели считаются по несхожим формулам, а доступ к данным каждый раз требует отдельных усилий.

Cost-effective-подход решает это практично: фундамент формируется внутри реальных кейсов с минимальными правилами, без которых эффект невозможно повторить. Например:

• Считаете простои и параллельно нормализуете события с классификатором причин.
• Оптимизируете энергию, приводите телеметрию к единому виду и привязываете к режимам.
• Реализуете предиктивный ремонт, выстраивая цепочку от сигнала до действия в процессе обслуживания.

Почему эффект часто не засчитывают, даже если он есть?

Даже при реальном улучшении показателей внутри компании его часто не признают. Обычно проблема не в недоверии, а в методике.

• Первая типовая ошибка: baseline не зафиксирован. Пока проект внедряется, меняются сырьё, планы, режимы, сезонность. В итоге эффект проекта сливается с естественными колебаниями.
• Вторая ошибка: аналитика не превращается в действие — модель выдаёт рекомендацию, но регламент не меняют, окно ремонта не появляется, ответственность не назначают.
• Третья ошибка: размыто владение — эффект пытаются «поделить» между разными отделами или никто не готов отвечать за результат.

Роли CDO, CIO и производства: как это выглядит в реальной внутренней коммуникации

Производственные руководители отвечают за результат на земле. Для них проект ценен, если он снижает простои, потери, перерасход энергии и не превращает смену в заполнение лишних форм. Поэтому именно производство должно владеть эффектом, а иначе проект выглядит как внешняя инициатива.

CIO (директор по ИТ) отвечает за устойчивость, безопасность и стоимость владения. Его главный риск — разрастание «зоопарка» решений и интеграций, которые потом тяжело поддерживать. Здесь cost-effective-подход помогает, потому что задаёт стандарты и повторяемость: каждый следующий кейс должен быть дешевле и быстрее.

CDO связывает эти миры: переводит производственные задачи в язык данных, фиксирует единые определения показателей, обеспечивает минимальный фундамент и управляемость портфеля. В итоге данные перестают быть «стройкой» и превращаются в поток улучшений с понятной экономикой.

Примеры cost-effective-подхода в промышленности

Хорошие примеры cost-effective-работы с данными почти всегда начинаются не с платформы или с модного термина, а с понятной статьи затрат и заранее заданной экономики.

Например, кейс металлургической компании ArcelorMittal Belval совместно с Energiency. Здесь экономику задали ещё до начала проекта. Объектом стала конкретная печь с годовым потреблением газа около 5 млн евро. Были зафиксированы: целевой показатель снижения затрат, понятный горизонт окупаемости и критерии успеха.

Лишь после этого подключались данные и аналитическая модель. По данным Energiency, менее чем за два года площадка достигла экономии более 3% по энергосчетам и превысила изначально поставленную цель. Такой подход хорошо иллюстрирует cost-effective-логику: один агрегат, одна статья затрат, измеримый эффект и короткий цикл проверки гипотез.

В более крупном масштабе та же логика работает у компании Shell, где предиктивное обслуживание было развёрнуто на более чем 10 тысячах единиц оборудования по всей глобальной базе активов. Здесь экономический эффект достигался не «красотой модели», а масштабом: когда архитектура и процессы уже выстроены, подключение каждого нового актива становилось быстрее и дешевле, а результат выражался в предотвращённых незапланированных остановках и снижении потерь. По сути, подобная экономика строится на тиражировании, а не на единичных пилотах.

Характерно, что аналогичный подход всё чаще применяется и к инфраструктуре. Данные исследования Nokia и GlobalData за 2025 год свидетельствуют, что:

• 89% компаний, внедривших частные беспроводные сети и локальные edge-платформы (инфраструктуру для периферийных вычислений), отметили эффект в энергосбережении,
• 87% заявили о достижении возврата инвестиций в течение одного года,
• 86% — о снижении операционных затрат.

Для промышленности это важный сигнал: технологии начинают «проходить» не тогда, когда они технологически совершенны, а когда упакованы в понятную экономику и допускают масштабирование без экспоненциального роста затрат.

Если говорить честно, будущее промышленной аналитики — именно за такими сценариями, где данные являются инструментом управления деньгами, а не самоцелью. И чем раньше экономика станет частью постановки задачи, тем выше шанс, что эффект будет принят не только ИТ-блоком, но и финансовой службой.

Как CDO выстраивать портфель cost-effective-проектов

Внутри компании полезно показывать, что работа с данными — не набор разрозненных инициатив, а экономическая программа с понятной проверкой.

Практическая схема:

• выбрать несколько кейсов с быстрым и понятным эффектом (энергия, простои, брак, запасы);
• заранее договориться о метриках и baseline;
• выстроить минимальный фундамент данных именно под эти задачи;
• внедрить решения и проверить результат в согласованный срок;
• после первого успеха тиражировать подход так, чтобы каждый следующий кейс стоил дешевле.

Финансовый отдел принимает эффект тогда, когда он описан как расчёт. Рабочая формула почти всегда одна: сравнение до и после на одном и том же периметре, в сопоставимых режимах, с заранее согласованными исключениями, умноженное на понятный денежный коэффициент.

Самое важное — зафиксировать методику до старта проекта. Тогда обсуждение превращается из спора в разговор по согласованным правилам.

Cost-effective-подход помогает CDO перестать защищать проекты про данные как отдельную тему и начать говорить про экономику: эффект, сроки, повторяемость, стоимость владения. В промышленности это решает главный вопрос: почему инициатива должна жить и масштабироваться даже тогда, когда приоритеты пересматриваются чаще обычного.

Текст: Максим Власюк, директор по работе с корпоративным сектором Группы Arenadata.