Нельзя делиться, повторно использовать или эксплуатировать то, что неизвестно и не регулируется. В эпоху, когда все государственные органы стремятся участвовать в экономике данных, внедрять сценарии использования искусственного интеллекта или присоединяться к европейским пространствам данных, первый шаг остается самым сложным. И у этого первого шага есть название: управление данными.
Искушение всё связать воедино и почему это ошибка.
Когда администрация решает открыть свои данные или пополнить корпоративный каталог, возникает большой соблазн: напрямую подключить транзакционные системы или хранилища данных к общедоступному порталу и предоставить гражданам, компаниям или агентам доступ к ним.eresСпутник с этим справляется. Он выглядит быстрым, эффективным и современным.
Однако раскрытие необработанных данных без предварительной инвентаризации, очистки и семантического обогащения — это идеальный рецепт для трех проблем, хорошо известных нам в государственном секторе: несоответствия, подрывающие доверие, юридические риски, связанные с ненадлежащим раскрытием персональных данных, и, наконец, хранилища, которые никто не использует, потому что никто не понимает, что в них содержится. Создание совместимой экосистемы данных — это не техническая проблема экспорта, а стратегический путь, который превращает информационный хаос в реальную общественную ценность.
Думайте в рамках предметных областей, а не систем.
Парадоксальным образом, этот путь начинается с отказа от технологий. Прежде чем сканировать базы данных или внедрять инструменты, организация должна понять свою информационную среду с помощью так называемых информационных доменов: групп данных вокруг согласованной и четко определенной тематической области, такой как мобильность, здравоохранение, образование, устойчивое развитие или социальные услуги.
Определение этих областей позволяет нам ответить на фундаментальный вопрос управления: кто несет ответственность за эту информацию? Когда ответственность возлагается на бизнес-подразделения, а не на ИТ-отделы, мы обеспечиваем устойчивость управления при организационных изменениях и неизбежных миграциях систем. Это шаг, который позволяет нам разрушить барьеры и перейти к федеративным моделям управления, таким как те, которые предлагаются в рамках парадигмы Data Mesh.
Технический обзор и роль искусственного интеллекта
После составления плана обязанностей пора приступать к делу.eres: техническая инвентаризация информационных ресурсов. Системы, таблицы, файлы, API, хранилища документов. Выполнение этой работы вручную в организации средней сложности — а административные структуры именно такие — нецелесообразно. Автоматизация — это не вариант, а необходимость. Инструменты самопознания (сканеры данных), которые подключаются к базам данных для извлечения схем и метаданных, необходимы для поддержания актуальности записей.
Однако здесь необходимо помнить об одной из самых распространенных ловушек управления данными: технологии — это необходимое условие, но никогда не достаточное. Приобретение платформы для каталогов не означает наличие системы управления данными. Специалисты по управлению данными и руководители предприятий должны обеспечивать контекст, который ни один инструмент не может определить самостоятельно.
Именно здесь генеративный искусственный интеллект меняет правила игры. Если раньше человеку приходилось расшифровывать непонятное техническое понятие, то сегодня инструменты с поддержкой ИИ анализируют структуры, примеры данных и скудную документацию, предлагая автоматические семантические сопоставления. ИИ не только помогает создавать бизнес-глоссарии, но и может сопоставлять потребительский спрос с существующим ассортиментом и предлагать, какие комбинации активов имеют наибольший потенциал стать готовыми к использованию в качестве данных продуктами.
От исходных данных до готового продукта.
Автоматизированная и управляемая инвентаризация — важный шаг, но инвентаризация — это инструмент для внутреннего использования. Не всё, что мы инвентаризируем, заслуживает каталогизации или публикации. Необходим процесс отбора и проектирования, который преобразует необработанные активы в настоящие информационные продукты.
При разработке любого продукта, основанного на данных, всегда учитываются потребности потребителя, поэтому он редко бывает... còpia Точная форма таблицы. Ее создание — это процесс отбора: перевод технического языка на деловой язык, привязка каждого поля к однозначному корпоративному глоссарию, применение структурных преобразований, агрегирование микроданных для получения полезных статистических показателей и часто объединение нескольких ресурсов для обеспечения полного контекста.
Эта трансформация неотделима от принципа конфиденциальности на этапе проектирования. Перед любой публикацией крайне важно применить методы повышения конфиденциальности (Privacy Enhancement Techniques, PET), такие как анонимизация или псевдонимизация, чтобы снизить этические и юридические риски. Только таким образом мы получаем стандартизированный ресурс, надежно упакованный и сопровождаемый показателями качества и четкими договорами об использовании.
DCAT-AP-ES: общий язык для общения с миром.
После того как данные созданы, их необходимо представить публике. Каталог данных является вспомогательным сервисом, но если мы хотим, чтобы наш каталог не был изолированным, он должен говорить на универсальном языке. Именно здесь вступает в игру внедрение DCAT-AP-ES и его отраслевых производных.
Этот профиль приложения, как структурный стандарт для метаданных, гарантирует совместимость. Он позволяет описывать не только содержимое продукта данных, но и то, кто его редактирует, как часто он обновляется и под какими лицензиями распространяется (с использованием таких словарей, как ODRL). Принятие этого стандарта открывает доступ к европейским пространствам данных. Хорошо построенный каталог на этой основе перестает быть простым инструментом поиска файлов и становится фундаментом цифрового доверия: он обеспечивает проверяемую идентичность, наблюдаемость и, в конечном итоге, автоматизацию транзакций между организациями.
На пути к агентному искусственному интеллекту и рынкам знаний.
Путешествие не заканчивается публикацией. Организации, доминирующие в этой производственной цепочке, закладывают основы для ближайшего будущего, в котором каталог превратится в настоящий рынок знаний. В этом сценарии потребителями нашего каталога будут уже не просто люди-аналитики: ими станут агенты искусственного интеллекта и смарт-контракты, способные находить информацию в федеративных экосистемах, понимать ее правовые ограничения, согласовывать доступ к ней и составлять сложные ответы автономным и управляемым образом.
Для государственного управления этот горизонт — не научная фантастика: это логическое следствие хорошо проделанной предыдущей работы.
Вывод: правильного решения нет.eres
Энтузиазм в отношении участия в Data Spaces, обмена информацией с другими администрациями или внедрения передовых сценариев использования ИИ не должен заставлять нас забывать об основах. Пропуск этапа внутреннего анализа и управления — верный путь к созданию неустойчивых разрозненных систем и подверганию наших организаций юридическим и репутационным рискам.
Автоматизация и искусственный интеллект сегодня предоставляют нам бесценный инструмент для управления техническими активами со скоростью и в масштабах, немыслимых еще несколько лет назад. Однако переход от технического учета к бизнес-каталогу по-прежнему требует клиентоориентированного подхода, тщательного проектирования продукта и приверженности открытым стандартам.
Данные перестают быть технической проблемой, скрытой на сервере, когда они проходят весь путь до места назначения: домены → инвентарь → продукт → каталог → экосистемаТолько тогда оно станет надежным, управляемым активом, готовым к взаимодействию с миром.
В AOC мы считаем, что это тот путь, по которому должны идти все каталонские администрации, если они хотят быть активными участниками, а не пассивными наблюдателями, в экономике данных. И этот путь нельзя пройти в одиночку: он требует общих стандартов, общей инфраструктуры и национального видения, которое ставит управление данными в центр цифровой трансформации государственного сектора.
Таким образом, в рамках сети «Умные местные органы власти» мы уже работаем над тем, чтобы сделать этот путь доступным для всех местных органов власти, независимо от их размера и технических возможностей. Цель состоит в том, чтобы предоставить местному сообществу минимальный набор общих и многократно используемых инструментов для управления данными: эталонные модели, методологические критерии, общие словари, руководства по инвентаризации и каталогизации, а также общие сервисы, которые избавят каждую администрацию от необходимости начинать с нуля. Для городских советов, окружных советов и зависимых организаций эти совместные усилия должны означать меньшую неопределенность, меньшую разрозненность, меньшую зависимость от закрытых решений и большую реальную возможность преобразовывать свои данные в знания, лучшие государственные услуги и более эффективную политику на благо граждан.
примечаниеДанная статья вдохновлена статьей о Карлос Алонсо ПеньяДиректор отдела Главного управления данных опубликовал в LinkedIn в мае 2026 года статью под заголовком «От скрытых данных к скрытым активам: путь к продуктам на основе данных».
