Дашборд CDO: «Качество данных»

Назначение

Дашборд директора по данным — фундамент data driven культуры. CDO мониторит не хранение, а качество решений на основе данных — доверие бизнеса к цифрам. Плохие данные сильно хуже, чем отсутствие данных.

Метрики (часть 1)

Метрика	Формула	Частота	Референс (Min/Max)	Визуализация
Completeness	Заполнено полей / Всего	Ежедневно	95%/100%	Bar Chart
Accuracy Rate	Валидных / Всего записей	Ежедневно	98%/100%	Time Series
Data Freshness	Задержка обновления	Ежечасно	< 1 часа/-	Line Chart
Model Drift	Стат. дистанция (PSI)	Недельно	< 0.1/-	Time Series
Feature Usage	Используется в моделях / Всего	Месячно	50%/100%	Network
Lineage Coverage	Полей с линией / Критические	Квартально	100%/100%	Sankey

Метрики (часть 2)

Метрика	Формула	Частота	Референс (Min/Max)	Визуализация
Master Data Consist	Расхождения / Всего	Недельно	0%/1%	Heatmap
Model Performance	AUC/F1 Score	Каждый деплой	>0.8/-	Leaderboard
Access SLA %	В срок / Запросы	Недельно	95%/100%	Bar Chart
Anomaly Rate	Аномалии / Проверки	Ежедневно	0%/5%	Control Chart
Catalog Adoption	Юзеры каталога / Аналитики	Месячно	80%/100%	Line Chart
Trust Score	Опрос доверия	Квартально	80/100	Gauge

Алерты

• Data Freshness >SLA — данные для отчетов устарели
• Completeness <90% в критических таблицах — низкое качество данных
• Model Drift >0.2 — модель требует переобучения

Бизнес-контекст

Базовое качество данных

Метрики: Completeness, Accuracy Rate, Data Freshness, Anomaly Rate.

• Completeness <95% — решения на основе неполной картины
• Accuracy Rate <98% — каждая 50-я запись ошибочна
• Data Freshness >1 часа — решения на вчерашних данных, критично для real-time бизнеса
• Anomaly Rate >5% — проблемы с ETL, изменение поведения пользователей или качества данных

Когда полезно: Data Quality Monitoring, обоснование инвестиций в Data Governance, аудит источников.

Управление данными и доверие

Метрики: Lineage Coverage, Master Data Consistency, Trust Score, Access SLA.

• Lineage Coverage 100% критических полей — ответ на вопрос «Откуда взялась эта цифра?». Критично для аудита и комплаенс
• Master Data Consistency >1% расхождений — тратите время на сверку вместо анализа
• Trust Score <80 — сотрудники принимают решения по интуиции, игнорируя аналитиков
• Access SLA % — задержки >5% означают, что аналитики простаивают в ожидании доступов

Когда полезно: система управления данными, комплаенс-аудит, измерение ROI дата-инициатив.

ИИ- и ML-эффективность

Метрики: Model Drift, Model Performance, Feature Usage.

• Model Drift PSI >0.1 — модель работает на устаревших паттернах, нужно переобучение
• Model Performance AUC/F1 <0.8 — модель не готова к продакшену или деградировала
• Feature Usage <50% — мёртвые фичи, трата ресурсов на сбор и хранение ненужных данных

Когда полезно: ML model monitoring, feature store optimization, MLOps maturity assessment.

Data-культура и адаптация

Метрика: Catalog Adoption.

• Catalog Adoption <80% — сотрудники не находят данные или не знают о каталоге. Data discovery не работает

Когда полезно: программы дата-грамотности (Data literacy), измерение Adoption дата-инструментов, обоснование инвестиций в Data catalog.

Связанные страницы

• Обзор: дашборды для топ-руководителей
• Лучшие BI-платформы для дашбордов — обзор платформ для реализации data driven

Материалы и источники

• Оригинал: 10 шаблонов дашбордов для топ-руководителей — Cloud.ru, 2025