Роман Баранов: «Технологии Big Data перестали быть уделом больших бюджетов»

Управленцы нового времени все чаще интересуются извлечением прибыли из накопленного объема различных данных. В получении дополнительного дохода и оптимизации расходов помогают решения бизнес-аналитики и технологии анализа Больших Данных (далее просто бизнес-аналитики). К тому же стандартный пятилетний жизненный цикл информационных систем рано или поздно завершается, и необходимо присматриваться к передовым решениям. По мнению Романа Баранова, руководителя направления бизнес-аналитики и Big Data компании КРОК, в последнее время заказчики интересуются возможностями предиктивной аналитики. Однако внедрять ее не спешат из-за устаревшей программной и/или технической части, а также – нормативной базы в случае государственного сектора.

- Какие драйверы роста рынка обеспечивают в последнее время развитие сегмента бизнес-аналитики?

- Аналитики IDC спрогнозировали, что к 2020 году произойдет десятикратный рост мирового объема цифровой информации до 44 зеттабайт (по сравнению с 2014). За последние два года, по оценкам IBM, было создано 90% существующих цифровых данных, от 70 до 80% из них являются неструктурированными. Мало того, по мнению IDC, их невозможно использовать в коммерческих целях. Однако DMP-платформы давно опровергли это мнение.

В то же время менеджмент компаний начинает интересоваться: как использовать накопленные данные, чтобы получить большую прибыль, оптимизировать производство и т.д. Также на некоторых предприятиях происходит омоложение кадров или просто ротация, повышение квалификации персонала. Новые управленцы, как правило, достаточно скептически относятся к использованию устаревших инструментов бизнес-аналитики и стараются модернизировать их.

- Что тормозит развитие бизнес-аналитики?

- Тормозит внедрение бизнес-аналитики в основном персонал. Собственники, генеральные директоры, ТОП-менеджмент, как правило, ратуют за цифровую трансформацию бизнеса. Часто приходилось наблюдать такую картину: принципиальное решение руководителями принято, а сотрудники объявляют бойкот. Например, среднее звено или простые специалисты всячески саботируют установочные встречи, обучение, повышение квалификации, боятся возможных увольнений и т.д. Хотя персоналу стараются доступно объяснить, что никто никого увольнять не собирается, а произойдет только смена профиля нагрузки: не нужно будет вручную переносить из одной электронной таблицы информацию в другую, а просто больше данных «прогонять» через машину. Машины же используют технологии искусственного интеллекта, глубокое обучение и позволяют оптимизировать бизнес-процессы. Объясняешь сотрудникам на местах о всех преимуществах новых технологий, те вроде бы не возражают, а через некоторое время они в курилке говорят, что «не надо, оставь всё, как есть».

- Какими отраслями наиболее востребованы BI и Big Data?

- Если говорить об отраслях российской экономики, то это ритейл, банки и телеком. В этих сферах есть два-три лидера, которые быстрее остальных осознают необходимость использования чего-то нового, в данном случае бизнес-аналитики. Остальные, как правило, к этому приходят только через 3–5 лет.

- Как вы оцениваете динамику роста рынка Big Data в частности?

- Бизнес-анализ применяется для учета, отчетности и процессов. С учетом и отчетностью у российских предприятий все обстоит скорее хорошо, чем плохо. С процессами же дела идут неплохо по большей части у банков, которые внедрили или внедряют системы единого фронт-энда и сквозные процессы.

В то же время технологии Big Data доступны не только банкам: они перестали быть уделом больших бюджетов. Маркетинг вендоров и понимание заказчиков важности анализа не структурируемой информации привели к осознанию того, что затраты на Big Data по сравнению с возможными преимуществами – не такие уж и большие.

Замечу, что документы с упоминанием Big Data на бюджетных комитетах принимаются профильными руководителями куда охотнее, чем с использованием каких-либо других терминов. Динамика роста рынка Big Data в последнее время составляет 100% и останется таковой.

- Какие события определили развитие бизнес-аналитики в последние два-три года?

- Основным фактором, обеспечившим развитие бизнес-аналитики в том виде, чем она является сейчас, стали интернет-продажи (в крупном ритейле и в некоторых банках они могут достигать 100%). Кто, если не машина, будет принимать решения об оформлении кредита? Пользователь дистанционно заполнил небольшую анкету, нажал на кнопку в ожидании получения результата за 5-15 минут. Большинство пользователей не привыкли долго ждать, и после даже такого непродолжительного отрезка времени интерес к кредиту у потенциального клиента может пропасть.

Коренные изменения несут технологии машинного обучения и нейронных сетей, а также их доступность на мобильных платформах.

Еще одной тенденцией можно назвать миграцию эффективных менеджеров из коммерческого в государственный сектора и в компании с госучастием. Есть примеры, когда новый менеджмент в очень крупных госкомпаниях побуждает всех белых воротничков использовать новые технологии, в том числе и продвинутую аналитику.

- Как изменились бюджеты заказчиков на бизнес-аналитику и Big Data?

- Бюджеты российских заказчиков на бизнес-аналитику упали по всем отраслям. Первые снижения мы увидели еще пять–семь лет назад, когда началось массовое внедрение решений класса Self Sevice BI/Data Discovery.

Первое внедрение таких продуктов происходит всегда очень дешево. Однако сейчас завершается стандартный пятилетний жизненный цикл информационных систем. Заказчики понимают необходимость обновления используемых решений и выделяют точечные бюджеты на эти цели. Сейчас ситуация такая: бюджеты на продвинутую аналитику и Big Data, как правило, в среднем выше (чем на внедрение аналогичных проектов по аналитике без приставки Deep learning, Big Data, Data Science). Они начинаются от 5 млн для малого бизнеса и от 10-20 млн для больших компаний. Это объясняется тем, что экспертов в этой области в России не так и много.

- Насколько активно ваши заказчики интересуются решениями для предиктивной аналитики?

- Достаточно активно. Особенно это касается сфер логистики (в ритейле, производстве, транспорте) и промышленности. Так, набор логистических бизнес-процессов присутствует даже в банках: необходимо перевозить банкоматы, деньги, персонал. Не менее важно знать о предстоящей поломке техники банка, лизинговой техники и т.д.

К нам поступает много запросов на предиктивную аналитику, и мы всегда внимательно подходим к каждому из них. По нашей внутренней статистике, порядка 90% из поступивших к нам обращений по этой теме представляют собой «пилот ради пилота». Мы не всегда видим реального проекта за такими запросами или не верим в его ценность для бизнеса обратившегося к нам заказчика.

Представить эффективную логистику без прогнозирования и оптимизационного моделирования невозможно. Интерес есть, но заказчики боятся. Внедрению предиктивной аналитики в отраслях, где используется множество оборудования (энергетика, нефтедобыча, газодобыча и т.д.), препятствуют особенности нормативной базы. Инициативы руководства в таком случае могут быть наказуемы условным или реальным сроком. В некоторых случаях нормативная база может допускать использование инноваций наряду с плановостью, например, при профилактике и ремонте оборудования. Предиктивная аналитика используется и даже отображает сегменты инфраструктуры, которые требуют срочного ремонта или замены. Однако представители обслуживающих департаментов вынуждены игнорировать предупреждения и заменять оборудование только после его выхода из строя – строго по плану, как требуется регламентом.

- Как бы вы оценили активность государства в сфере бизнес-аналитики?

- Государство неплохо продвигает Интернет вещей. Здесь можно говорить и о «Платоне», и о начинаниях ЦОДД (Центр организации дорожного движения). Но важно понимать: представить Интернет вещей без аналитики нельзя. Например, «Платон» внедряли не для того, чтобы оснастить грузовики различными датчиками, а для того, чтобы знать реальные объемы рынка грузоперевозок и свести к минимуму черный рынок в этой сфере. В Москве работает ЦОДД. Датчики скорости и дорожные камеры уже сгенерировали более 2 Пбайт информации, она анализируется в режиме реального времени в прямом смысле слова. Интернет вещей здесь работает в связке с бизнес-аналитикой. Поэтому перед тем, как приступить к реализации любого проекта с использованием таких технологий, нужно осознать, что Интернет вещей без бизнес-аналитики – пустая трата денег.