Николай Валиотти, Chief Data Officer и основатель международной компании Valiotti Data. Более 17 лет в аналитике, прошёл путь от аналитика до директора по данным, с опытом в крупнейшем российском онлайн-ритейле, телекоме и международных технологических компаниях. Сегодня консультирует глобальных игроков уровня Worldcoin, Aircall и Sniffspot и создаёт продукты на основе ИИ. Автор двух книг, «Аналитика для руководителей» (Бомбора) и англоязычной Your Fractional CDO (Amazon), судья международных премий (Globee Awards for AI 2026, MassChallenge 2026), основатель Cyprus Data Community, автор канала LEFT JOIN и ведущий подкаста Data Heroes.
Вы успели поработать в крупных компаниях, возглавить аналитические направления, создать собственную консалтинговую компанию и международный профессиональный бренд. Какое свое карьерное достижение вы считаете самым значимым — и почему?
Если честно, самым значимым я считаю не какой-то один проект, а то, что за годы работы построил функцию данных, от которой реально зависят решения и рост бизнеса в десятках компаний. В данных я уже больше 17 лет, с 2009 года, и за это время поработал с 50+ компаниями в США, Европе, Австралии, Азии и России.
Были заметные роли. В Юлмарте (один из крупнейших российских e-commerce) я возглавлял отдел клиентского маркетинга. В Airnow отвечал за данные и BI. Параллельно занимался наукой, окончил магистратуру по аналитике в Georgia Tech в США и защитил диссертацию в области машинного обучения в Санкт-Петербургском госуниверситете. Позже собрал вокруг темы аудиторию, в LEFT JOIN (Телеграм-канал) около пятидесяти тысяч подписчиков, в LinkedIn уже больше двадцати двух тысяч, написал книгу «Аналитика для руководителей», она вышла в Бомборе в прошлом году.
Но если свести все к общему знаменателю, главное достижение звучит скучнее. Я много раз входил в компанию, где данные лежали мертвым грузом, и превращал их в то, на что руководитель может опереться, принимая решение. Сейчас я делаю это как директор по данным для нескольких бизнесов. Метрики клиентов раскрывать не буду, но именно эта работа, а не громкие названия в резюме, для меня и есть результат.
Если посмотреть на ваш профессиональный путь со стороны, он прошел от корпоративной аналитики к роли международного советника по данным. Какие решения, риски или даже ошибки сильнее всего повлияли на то, где вы находитесь сегодня?
Самая честная история про риск связана с концентрацией. В 2023 и 2024 годах у нас был крупный аутстафф-контракт. Он приносил большую часть всей нашей выручки, около половины, чуть больше. Ощущение было прекрасное, стабильный поток, можно выдохнуть.
А потом контракт закончился внезапно. В один момент больше половины выручки просто исчезло. Выкручивались руками, плотно занялись лидогенерацией и искали новые проекты, перестраивая работу на ходу. Справились, но урок остался на всю жизнь.
С тех пор у меня есть жесткое правило. Ни один клиент не должен давать основную часть выручки, каким бы удобным он ни казался. Это история не про слабость, а про устойчивость. Бизнес, который держится на одной ноге, живет в иллюзии стабильности ровно до того момента, пока эту ногу у него не выбьют.
Вы работали и внутри крупных компаний, и как консультант. Какие ошибки в работе с данными вы чаще всего видите у руководителей — независимо от индустрии и масштаба бизнеса?
Ошибки почти всегда одни и те же, и они не технические. Первая: руководитель думает, что проблема в инструментах. Кажется, что стоит купить еще один дашборд или новую систему и всё наладится. На деле проблема почти никогда не в софте.
Вторая ошибка глубже. В компании не договорились, что означают ключевые цифры. Что такое выручка, что считать активным клиентом. Пока этих определений нет, любой отчет можно оспорить, и каждый отдел приходит со своей версией правды.
Третья, данные воспринимают как отчётность для галочки, а не как основу для решений. Их собирают, показывают на совете директоров и забывают.
И четвертая, самая дорогая, в компании нет человека, который отвечает за цифры «головой». Есть аналитики, есть инструменты, но нет владельца, который говорит, что вот это определение верное, и я за него отвечаю. Без такого человека сколько инструментов ни подключай, решения всё равно принимаются вслепую.
Зачем компании директор по данным со стороны? В чём ценность внешнего или интерим-руководителя по данным?
Директор по данным со стороны видит то, что замылено изнутри. Когда человек годами работает в одной компании, он привыкает к ее цифрам и к ее способу их считать, даже если способ неверный. Взгляд снаружи это первое преимущество.
Второе, честность. Внутренний руководитель встроен в политику компании, ему тяжело сказать собственнику, что его любимая метрика считается неправильно. Человеку со стороны это сказать проще, за это его и зовут.
И третье, опыт множества компаний. Я видел, как устроены данные в десятках бизнесов в разных странах, и знаю, какие грабли ждут впереди. Штатному специалисту такой насмотренности взять негде, он видит только свою компанию. При этом полноценный директор по данным в штате многим просто не нужен по масштабу. Им нужен доступ к такому уровню мышления и решений, а не полноценная позиция в штате с соответствующей зарплатой. Вот эту задачу внешний формат и закрывает.
Сегодня генеративный AI способен анализировать данные, писать SQL, строить отчеты и даже предлагать управленческие решения. Какие профессии в аналитике действительно находятся под угрозой, а какие, наоборот, становятся более ценными?
Под угрозой те роли, что сводятся к механической работе. Написать простой SQL-запрос, собрать типовой отчет по шаблону. Все это генеративный ИИ уже делает быстро и дешево, и спрос на людей, которые умеют только это, будет падать.
А ценнее становится ровно противоположное. Люди, которые определяют, что вообще считать и зачем, и которые проектируют архитектуру данных и переводят с языка бизнеса на язык цифр. И, самое главное, те, кто умеет усомниться в результате. ИИ выдает ответ уверенно, он всегда скажет, что вы правы. Ценность человека в том, чтобы посмотреть на красивую цифру и сказать: «здесь что-то не так, давайте перепроверим».
Если совсем коротко, дешевеет исполнение и дорожает суждение. Аналитик, который был руками, проиграет. Аналитик, который стал головой, наоборот, станет нужнее.
Сейчас компании стремятся внедрять AI как можно быстрее. Видите ли вы риск появления нового класса дорогостоящих корпоративных проектов, которые выглядят инновационными, но практически не создают бизнес-ценности?
Это моя любимая тема, я про это постоянно говорю. Больше не значит лучше, и очень часто больше это ловушка. Компании покупают дорогие модные проекты, потому что так делают все, а не потому, что им это нужно.
Классика жанра выглядит так: бизнес внедряет тяжелую платформу или подключает большую AI-систему, тратит огромные деньги, все довольны и ставят галочку про инновации; а через полгода оказывается, что решения как принимались на глаз, так и принимаются, потому что под красивой надстройкой нет фундамента; нет согласованных определений и чистых данных, нет человека, который за это отвечает.
Мой принцип простой. Ответ почти никогда не в еще одном инструменте. Сначала надо навести порядок в том, что у тебя уже есть, договориться о смыслах и назначить владельца, и только потом что-то докупать. Дорогая технология поверх сломанного фундамента не решает проблему, она делает ее дороже и просто разгоняет хаос быстрее.
Вы работали с компаниями из разных стран и индустрий. Насколько различается культура работы с данными в США, Европе и странах постсоветского пространства?
Разница есть, и она заметная. США и Европа гораздо охотнее доверяют функцию данных и аналитику специалистам со стороны. Именно поэтому еще с 2019 года мне было проще строить бизнес, ориентированный на западные рынки, там нормально относятся к тому, что эксперт приходит извне.
При этом российская и вообще постсоветская школа очень сильна в математике и компьютерных науках. Это всегда играло мне на руку, особенно с диссертацией по машинному обучению и магистратурой Georgia Tech, такой бэкграунд вызывает доверие в любой стране.
Если обобщить культурно, то в США данные воспринимают как конкурентное оружие, там любят эксперименты и готовы рисковать. В Европе на первом месте приватность и регламенты, все аккуратно и предсказуемо. А на постсоветском пространстве очень сильная техническая база, но данные пока чаще видят как отчетность, а не как стратегию. И вот этот последний сдвиг, от отчетности к стратегии, для региона сейчас самый важный.
Казахстан сейчас активно развивает финтех, цифровые государственные сервисы и собственную технологическую экосистему. Какие возможности вы видите для Казахстана в глобальной экономике данных и AI?
Возможности у Казахстана серьезные, и, что важно, страна двигается быстро и осознанно. 2026 год объявлен Годом искусственного интеллекта и цифровизации, создано отдельное министерство, принят закон об AI, строится большой дата-кластер под Экибастузом с десятками тысяч чипов NVIDIA. Это очень смелая ставка, и государство ведет ее сверху, системно.
Но я смотрю на это глазами практика, и здесь у меня есть некоторое предостережение. Инфраструктура и вычислительные мощности это важно, но само по себе это еще не экономика данных. Можно построить лучшие в регионе дата-центры и все равно принимать решения на глаз, если внутри компаний нет порядка в данных и согласованных определений, нет людей, которые за эти данные отвечают.
Поэтому главная возможность Казахстана не в том, чтобы купить больше железа, а в том, чтобы вырастить культуру работы с данными и своих директоров по данным. Государство уже дало фундамент и импульс. Теперь ключевой вопрос не в скорости внедрения, а в зрелости тех, кто будет всем этим пользоваться. Выиграет страна не за счет количества мощностей, а за счет качества управления ими.
Какие отрасли в Казахстане, на ваш взгляд, могут получить наибольший эффект от качественной аналитики и AI — финансы, энергетика, добывающая промышленность, ритейл, логистика, государственный сектор?
Больше всего выиграют отрасли, где уже много данных и где ошибка стоит реальных денег, потому что там ценность от аналитики видно сразу.
Первое, это финансы и финтех. В Казахстане очень сильный финтех, тот же Kaspi — это пример мирового уровня. Такие компании уже живут на данных, и AI для них естественное продолжение, не революция, а следующий шаг.
Второе, ресурсный сектор, нефть, газ, металлы, добыча. Здесь данные дают огромный эффект на предсказании поломок оборудования и оптимизации процессов, каждый процент эффективности это большие суммы. Дальше идут сельское хозяйство, где данные помогают с урожайностью и логистикой, и транспорт, где Казахстан как транзитный узел между Китаем и Европой может серьезно выиграть на умной логистике и обработке потоков.
И отдельно государственный сектор. Курс на управление государством на основе данных, который сейчас взяли, способен изменить качество услуг для миллионов людей. Но принцип везде один. Выиграет не та отрасль, которая громче всех говорит про AI, а та, которая наведет порядок в своих данных и научится принимать на них решения.
Вы создали LEFT JOIN и Data Heroes, написали книги и много выступаете публично. Почему для технического специалиста сегодня важно не только обладать экспертизой, но и уметь объяснять сложные идеи широкой аудитории?
Для меня это вообще ключевой навык, и весь мой публичный проект про это. Я веду LEFT JOIN, делаю Data Heroes, написал «Аналитику для руководителей», каждый день публикуюсь на своих англоязычных ресурсах. И все это об одном — о способности объяснять сложное просто.
Почему это так важно. Директор по данным по сути переводчик между миром технологий и миром бизнеса. Можно построить гениальную модель, но если ты не можешь объяснить собственнику, что она значит и почему ей стоит доверять, она не повлияет ни на одно решение. Непонятая аналитика бесполезна, какой бы умной она ни была.
Есть и второй эффект. Когда пытаешься объяснить что-то новичку или написать понятную статью, сразу видно, где ты сам не до конца разобрался. Если не получается объяснить просто, значит, ты еще не понял тему по-настоящему. Поэтому все это «объяснение» это не столько про пиар и бренд (хотя, безусловно, на эти цели оно тоже работает), сколько про еще один способ принести пользу другим, и способ проверить собственное мышление на прочность.
Какие профессиональные качества сегодня отличают просто сильного data-специалиста от человека, способного стать лидером индустрии и влиять на то, как компании используют данные?
Сильный специалист отлично решает задачу, которую ему поставили. Лидер индустрии сам определяет, какие задачи вообще стоит решать. Это главная разница — уровень вопроса, а не уровень исполнения.
Дальше добавляется несколько вещей. Лидер мыслит в контексте бизнеса, а не только в контексте технологии. Его интерес — решения и деньги, стоящие за той или иной моделью, а не модель сама по себе. Он берет на себя ответственность за результат.
И еще лидер умножает себя через других. Он делится ими и обучает, поднимая уровень всего рынка вокруг. Сильных специалистов много, и это прекрасно. Лидеров мало именно потому, что лидерство это не про то, чтобы знать больше всех, а про то, чтобы брать ответственность и вести за собой, когда правильного ответа еще нет ни у кого.
Если представить бизнес через десять лет, что изменится сильнее всего благодаря AI и данным — структура компаний, роль руководителей, рынок труда или сам способ принятия решений?
Через десять лет, я думаю, исполнение почти полностью автоматизируется. Рутинную работу с данными, отчеты и простые модели, первые прототипы будет делать AI, и делать это мгновенно. Спорить с этим бессмысленно, это уже происходит.
Но именно поэтому ценность человеческого сместится наверх, к решениям и смыслам. Данные станут базовой грамотностью, как сегодня умение пользоваться почтой, и это только повысит цену тех, кто умеет задавать правильные вопросы и отвечать за ответы. Я уверен, что через десять лет человек, отвечающий за данные, будет в каждой серьезной компании так же обязательно, как сегодня финансовый директор.
И один парадокс никуда не денется. Инструментов станет еще больше, соблазн решить все покупкой новой технологии будет ещё сильнее. Но выиграют не те, у кого больше всего инструментов, а те, у кого больше всего порядка. Через десять лет, как и сейчас, побеждать будет не количество, а дисциплина и ясность в том, что и зачем ты считаешь.
