 |
Softline внедрила технологию управления программными активами SAM в ОАО «Ангарский завод полимеров»
Компания Softline сообщает об успешном завершении проекта по внедрению технологии управления программным обеспечением – Software Asset Management (SAM) – для ОАО «Ангарский завод полимеров». Внедрив технологию SAM, завод получил не только систему управления программным обеспечением, но и основу для снижения и минимизации финансовых и юридических рисков, связанных с использованием ПО.
ОАО «Ангарский завод полимеров» является крупным промышленным предприятием, играющим одну из основных ролей в выпуске полимерных материалов в России. На территории завода расположено четыре производства с основными и вспомогательными цехами. На предприятии работает свыше 1600 человек. На сегодняшний день «Ангарский завод полимеров» – единственное предприятие на территории от Новосибирска до Владивостока, выпускающее полистирол и полиэтилен высокого давления. Все марки этих продуктов сертифицированы, соответствуют санитарным нормам и разрешены к контакту с пищевыми продуктами. ОАО «Ангарский завод полимеров» входит в состав НК «Роснефть».
«Основной задачей в этом проекте для себя мы видели наведение порядка в области управления программными активами. Положение дел в компании на тот момент, когда мы начали выполнение проекта, позволяло определить уровень SAM как базовый, который характеризуется отсутствием налаженных процессов. Наши специалисты провели серьёзную работу по выстраиванию данных процессов, что, уверены, позволит ОАО «Ангарский завод полимеров» выйти на новый уровень управления существующими в компании программными активами», – рассказывает Владимир Разуваев, руководитель департамента SAM компании Softline.
В ходе реализации проекта специалисты Softline выполнили инвентаризацию используемого ПО и внедрили технологию управления программными активами (SAM), что позволит предприятию не только сократить юридические риски и грамотно планировать ИТ-бюджет в будущем, но и повысить уровень безопасности и продуктивности работы ИТ-инфраструктуры завода в целом. По завершении проекта специалисты Softline обучили сотрудников ИТ-подразделения завода необходимым навыкам и приемам работы с используемым средством автоматизированной инвентаризации.
На момент завершения внедрения технологии SAM в организации, согласно международному стандарту ISO/IEC 19770-1: SAM Processes, регулирующему требования к управлению лицензиями, уровень соответствующей системы ОАО «Ангарский завод полимеров» был определен как рационализированный.
«Внедрение технологии SAM на нашем предприятии решило поставленную перед ИТ отделом завода задачу по полному исключению рисков неправомерного использования лицензируемого ПО. Проведенный аудит дал полную картину используемого предприятием ПО как в количественном, так и в качественном отношении. Разработанные специалистами Softline для нашего предприятия модуль Softline Asset Management Module, «Положение об управлении ПО», а также списки стандартного и специализированного ПО сильно упростили процесс контроля программного обеспечения предприятия», – отметил Евгений Крылов, начальник службы заказов по ИТ ОАО «Ангарский завод полимеров».
По итогам проекта можно утверждать, что приоритетные задачи, стоящие перед ИТ-подразделением ОАО «Ангарский завод полимеров», были выполнены полностью. В результате внедрения технологии SAM был произведен полный аудит используемого программного обеспечения завода, создана единая база правоустанавливающих документов на него на основе программного модуля Softline Asset Management Module. Специалисты Softline разработали и внедрили «Положение об управлении программным обеспечением» и все сопутствующие процедуры и политики, составили и утвердили список стандартного и специализированного программного обеспечения, разрешенного к использованию в компании. Кроме того, был выделен постоянный сотрудник ИТ-подразделения завода для поддержания и развития технологии управления лицензиями с целью достижения компанией следующего уровня зрелости SAM – динамического.
Контактное лицо: Наталья Вьюникова
Компания: Softline
Добавлен: 03:28, 20.03.2012
Количество просмотров: 979
| Транспортные документы от Платформы ЭПД можно будет подписать в смартфоне, Платформа ОФД, 17:06, 17.08.2026, Россия602 |
| «Платформа ОФД» присоединилась к соглашению Минцифры России о развитии и внедрении мобильной электронной подписи «Госключ». Сотрудничество направлено на проработку новых сценариев использования сервиса, обмен технологической экспертизой и поддержку интеграции в продукты электронного документооборота. |
| UDV Group: банки столкнутся с ИБ-рисками из-за нейросетей без правил, UDV Group, 17:04, 17.08.2026, Россия593 |
| Российский разработчик решений в области киберустойчивости UDV Group прокомментировал рекомендации Банка России по безопасному использованию искусственного интеллекта финансовыми организациями. По оценке эксперта компании, ИИ постепенно становится для банков не только инструментом автоматизации, но и отдельным объектом управления информационной безопасностью. |
| ActiveCloud запустил в России услугу частного облака, ActiveCloud, 20:34, 16.08.2026, Россия671 |
| Облачный провайдер ActiveCloud запустил в России услугу частного облака для размещения критически важных систем, ресурсоемких приложений и инфраструктуры с повышенными требованиями к безопасности. |
| «НОБИЛИС» ПРЕДСТАВИТ ЦИФРОВУЮ ЭКСПЕРТИЗУ В СФЕРЕ КОРПОРАТИВНОГО ЗДОРОВЬЯ НА ВНОТ-2026, Нобилис ООО, 14:07, 14.08.2026, Россия791 |  |
| ООО «Нобилис», разработчик российской платформы управления корпоративным здоровьем TouchMED, объявляет об участии в ключевом отраслевом событии - XI Всероссийской неделе охраны труда (ВНОТ-2026). В фокусе презентации компании - практические инструменты цифровизации медосмотров, в том числе профилактических и предиктивной аналитики для снижения операционных рисков и повышения эффективности персонала. |
| Nexign: российский бизнес не спешит использовать ИИ для поиска аномалий, Nexign, 14:03, 14.08.2026, Россия134 |  |
| Почти 80% российских компаний уже применяют инструменты мониторинга своей ИТ-инфраструктуры, но лишь каждая шестая использует модели машинного обучения для обнаружения аномалий. Мешают нехватка внутренней экспертизы, низкое качество данных и сложность подсчета окупаемости инвестиций. |
|
|
