Фото: пресс-служба
— Как сегодня выглядит мировой и российский рынок управления данными и аналитики? Какие тренды будут определять его развитие?
— По оценкам Fortune Business Insights, объем мирового рынка аналитики больших данных в 2025 году составил $394,7 млрд, в 2026‑м он может достигнуть $447,7 млрд, а к 2034 году — почти $1,2 трлн при среднегодовом темпе роста около 12,8%. Рынок переходит от классической BI‑аналитики (business intelligence — сбор, обработка и наглядное представление данных для принятия бизнесом решений на основе фактов. — «РБК Отрасли») к интегрированным платформам, где данные, семантика, управление доступом и ИИ‑агенты работают как единый контур. Gartner прогнозирует, что к 2029 году ИИ‑агенты будут генерировать в десять раз больше данных из физической среды, чем все цифровые ИИ‑приложения, вместе взятые. Данные становятся основой для автономных решений в производстве, логистике и инженерии.
В России рынок больших данных растет опережающими темпами: к 2030 году его объем составит не менее 1,2 трлн руб. против 528 млрд руб. в 2025 году, прогнозируют в Ассоциации больших данных. Для этого нужны надежные данные для аналитики и ИИ, масштабирование отечественных технологий, безопасность и доверие к национальным данным.
— Насколько крупные российские промышленные компании готовы к управлению на основе данных?
— Мы не изобретаем принципиально нового, а переводим исторически сложившуюся культуру работы с данными на рельсы актуального технологического уклада.
Напомню, что в отечественной атомной отрасли, отметившей в прошлом году 80‑летие, подход к принятию решений на основе данных, то, что мы сейчас называем data-driven decisions, был заложен изначально. Еще в начале 1950‑х годов сотрудники Минсредмаша в машинно‑счетных бюро вручную считали дифференциальные уравнения, организовывали параллельные вычисления. К концу 1950‑х появились первые компьютеры, а к концу 1980‑х — началу 1990‑х Минсредмаш располагал одним из самых мощных вычислительных центров СССР.
Тем не менее и сегодня необходимо развивать новый взгляд на данные, подчеркивать, что они сами по себе — огромная ценность и основа управленческих решений.
Я четыре года руковожу профильным отраслевым проектом корпоративного хранилища данных (КХД 2.0) «Росатома» и постоянно общаюсь с представителями IТ-отрасли, вендорами, руководителями крупных государственных и частных компаний. Компании находятся на разной стадии готовности к переходу к data-driven. Те, кто изначально стремился к технологической независимости, начали внедрять системы управления данными еще до 2022 года и сегодня успешно реализуют свои проекты. «Росатом» является одним из ведущих игроков в этой области: первые идеи появились у нас в 2018 году, а проекты были запущены в 2019-м.
Кто-то относится к процессу консервативно: проекты технологического суверенитета требуют крупных инвестиций, бизнес внимательно оценивает зрелость продукта и сравнивает стоимость сопровождения импортных систем с эффектами от перехода на отечественные решения.
А некоторые компании пока не планируют переход, считая, что российские вендоры не достигли уровня ушедших западных компаний.
— Что является драйвером, а что тормозит переход?
— Главный драйвер — государственная политика по переходу на отечественные IТ‑решения, а также дополнительные стимулы после ухода иностранных вендоров с нашего рынка, когда они прекратили поддержку, а российские компании в отдельных случаях были вынуждены в месячный срок выгружать данные из зарубежных облаков. Таким образом, стратегия технологического суверенитета «Росатома», которая была сформирована задолго до этих событий, подтвердила свою актуальность.
Основной барьер — уровень российских продуктов и особенно сервиса далеко не всегда соответствует запросам бизнеса, для которого критичны сопровождение, плановые релизы, порталы самообслуживания, четкие SLA (service level agreement — соглашение об уровне обслуживания. — «РБК Отрасли») по устранению инцидентов. Можно сказать, что российские производители постепенно приближаются к высокой планке, которую долгое время задавали западные компании, но рынку еще нужно время для полного выравнивания стандартов.
Нужно отметить, что отечественный стек решений, включая системы управления базами данных (СУБД), платформы MDM (master data management — необходимы для централизованного управления справочниками и мастер‑данными. — «РБК Отрасли»), BI‑платформы и инструменты интеграции данных, в последние годы стал заметно более зрелым. По функциональным и эксплуатационным характеристикам российские решения все чаще соответствуют требованиям корпоративного сегмента.
Еще одна проблема — дефицит кадров в сфере data‑driven. Ситуация напоминает середину 2000‑х, когда специалисты по SAP (systems, applications and products in data processing — системы, приложения и продукты для обработки данных. — «РБК Отрасли») были на вес золота. Компетенции по новым отечественным платформам есть либо у вендоров, либо у ограниченного круга интеграторов, поэтому специалисты стоят дорого.
Важно, чтобы вендоры участвовали в подготовке специалистов — открывали кафедры в ведущих университетах. Мы, например, когда стало ясно, что развитие КХД 2.0 силами внешнего интегратора сделает проект вдвое дороже, создали собственный отраслевой центр компетенций. Часть сотрудников с сильной SAP‑экспертизой прошли переобучение на отечественные решения по BI и СУБД и принесли в новые продукты лучшие практики. Вторую волну проекта мы внедряли уже собственными силами, в том числе с участием отраслевой консалтинговой компании.
— Почему для корпоративного хранилища данных понадобилась новая система?
— Когда мы начали проект в 2021 году, в отрасли уже существовало корпоративное хранилище на импортном решении — SAP BW на Oracle. Перед нами стояли три задачи: заместить импортную систему, уйти от устаревшей и дорогой архитектуры и внедрить новые блоки отчетности.
Старое хранилище ограничивало масштабирование, производительность и развитие современных задач. «Росатом» движется к экономике данных и датацентричной архитектуре, а следующим шагом должно стать извлечение ценности из данных с помощью машинного обучения и ИИ. Новое решение лучше соответствует этому вектору.
Кроме того, КХД 2.0 реализовано в защищенном исполнении для объектов критической информационной инфраструктуры (ОКИИ) с четвертым уровнем доверия. Для импортных решений такой уровень недостижим.
Для КХД 2.0 мы делали прототипирование на небольшом бизнес‑процессе, проводили нагрузочное тестирование, оценивали требования к инфраструктуре. С экономической точки зрения смотрели стоимость внедрения и совокупную стоимость владения на горизонте десяти лет — включая лицензии и инфраструктуру. Отдельным критерием была доступность специалистов и наличие обучающих центров: мы изначально хотели получить внутреннюю отраслевую компетенцию, чтобы реализовывать последующие волны самостоятельно.
— Это единая система или конструктор из отдельных модулей? Какие данные в ней консолидируются, какие блоки уже работают и какой эффект они дали?
— Это единая система, которая после реализации проекта будет состоять из 16 блоков. Но это лишь видимая часть КХД, в котором, как и в любом хранилище, есть слой сырых данных, интегрированный с корпоративными и дивизиональными IТ-системами.
Проект развивается очередями: у каждого блока — свой функциональный заказчик, объем отчетности, дашбордов и бизнес-логики. Данные собираются, загружаются и трансформируются на разных уровнях хранилища, а затем выстраиваются в цепочки наполнения витрин. Блок — это обособленная функция, но не изолированный модуль: например, финансовая отчетность нужна прежде всего финансово-экономическому блоку, однако ею пользуются также, например, аудит и закупки.
В КХД консолидируются данные по финансам и бухгалтерии, персоналу, научно-производственным проектам и программам, закупкам, управлению качеством и документообороту. Это прежде всего задачи управления бизнес-процессами на уровне госкорпорации и управляющих компаний дивизионов. Когда разные виды данных находятся в одной системе, можно связывать показатели между собой, повышать достоверность и ускорять получение информации. Например, в пилоте для инжинирингового дивизиона мы соединили календарно-сетевой график строительства с закупками: стало видно, когда оборудование прибудет на площадку, и можно заранее управлять сроками и отклонениями.
К концу этого года в постоянной эксплуатации будут девять блоков. Первая волна включала отчетность по цифровому подбору персонала, управлению качеством, налоговому планированию и документообороту. Затем мы сфокусировались на замене хранилища на базе SAP: запустили пилотный блок отчетности по импортозамещению, на котором внутренняя команда научилась и отработала новую платформу и типовые задачи.
После этого началась вторая волна — финансовая и кадровая отчетность, на которые приходится около 90% нагрузки прежнего решения.
Эффекты по сравнению с той ситуацией, которая была в начале реализации проекта, уже измеримы. В консолидированной финансовой отчетности участвуют более 400 предприятий: цикл «загрузка — проверка — корректировка» сократился с четырех-пяти часов до 15 минут, загрузка данных — с двух-трех часов до шести минут, а контрольных процедур — с получаса — полутора часов до восьми минут. Впервые за многие годы все данные удалось собрать и подтвердить за два дня. Пользователи оценивают финансовый блок, который делал наш отраслевой IТ-интегратор «Гринатом», на 4,76 из 5 — это один из лучших результатов среди наших блоков на текущий момент.
В документообороте, где работают порядка 115 тыс. пользователей, скорость формирования отчетов выросла в три раза. В налоговом планировании подготовка отчетности сократилась с 18 до девяти рабочих дней.
— С какими сложностями вы столкнулись при внедрении системы?
— Главной сложностью оказалась совместимость отечественных решений. До 2022 года рынок работал с привычными экосистемами западных вендоров, где решения были заранее адаптированы друг к другу. У российских разработчиков такая практика пока формируется.
Например, выбранная отечественная СУБД не работала в нашем корпоративном облаке, построенном на технологии VK. Проблему решали совместно: наша инфраструктурная команда и специалисты «Форсайта», Arenadata и VK.
Параллельно поставщики дорабатывали продукты под наши задачи. Так, в отечественном BI-решении появились интеграция с системой управления учетными записями и беспарольный вход. Также улучшились интерфейс и визуализация, стал удобнее перенос обновлений между средами.
— Как ИИ помогает подбирать аналоги оборудования для закупок и насколько точны его рекомендации?
— Для этой задачи мы разработали модуль «Когнитрон», который сейчас проходит опытную эксплуатацию. Предприятие загружает техническое задание, а система анализирует требования и предлагает аналоги оборудования на основе данных о прежних закупках. Раньше эксперт вручную сравнивал характеристики, теперь значительную часть этой работы выполняет ИИ. Следующий шаг — расчет начальной максимальной цены контракта на основе накопленных данных.
Качество подбора проверяем по оценкам пользователей и экспертов. Пользователи оценивают предложенные аналоги и могут указать, какие характеристики система не учла. Сейчас точность подбора составляет 69%, наша цель — 85–95%.
Важное условие — безопасность: данные должны оставаться внутри защищенного контура, а ИИ-модуль — соответствовать требованиям информационной безопасности. Поэтому мы выбрали собственную разработку, а не внешнее решение.
— Как вы планируете развивать корпоративное хранилище данных, какие задачи оно поможет решать и как вы оцените результат?
— Сейчас в хранилище в основном структурированные данные. Следующий шаг — создание озера данных для работы с неструктурированной информацией, а затем — применение ИИ для ее анализа.
В ближайшие год-два будем развивать самостоятельную аналитику, так называемый self-service BI: подразделения смогут сами строить отчеты и дашборды на основе проверенных данных. Важно, чтобы во всех отчетах использовались единые, верифицированные показатели. Пилоты уже идут в блоках закупок и научно-технического развития.
При условии выделения ресурсов до 2028–2029 годов рассчитываем завершить внедрение основных блоков, для которых есть заказчики. Впереди — подключение дивизионов и предприятий и более глубокая интеграция производственных данных. Успех будем оценивать по экономическому эффекту, удовлетворенности пользователей и тому, насколько широко хранилище используется в работе.
Мы видим, как именно данные могут быть полезны дивизионам «Росатома». Для этого необходимы их достоверность, актуальность и постоянное обновление — это помогает принимать быстрые и точные решения.