BI в России: бизнес хочет максимум пользы из «свежевыжатых» данных

В ближайшие два-три года рынок бизнес-аналитики будет расти, проекты становиться более сложными, а конкуренция – увеличиваться, особенно в узких сегментах. Традиционные тренды сохранятся: спросом по-прежнему пользуются визуализация данных и BI-самообслуживание, практически не изменился набор отраслей, где бизнес-аналитика особенно востребована. Вместе с этим значительно вырос уровень понимания заказчиком возможностей BI, что позитивно сказывается на уровне проектов.

Согласно исследованиям IDC, мировой рынок бизнес-аналитики и больших данных планомерно растет: в 2015 г. он достиг $122 млрд, в 2016 г. – уже $130 млрд. К 2020 г. аналитики прогнозируют рост объема рынка до $203 млрд.

Отечественные поставщики BI также положительно оценивают динамику российского рынка, исходя из внутренних показателей роста выручки по направлению. «Дать объективную оценку сложно, так как на этом рынке немало «закрытых» заказчиков, в первую очередь банки и ряд нефтяных предприятий. Бюджеты таких организаций на внедрение BI-решений формируют больше половины всего рынка.

Бизнес осознал ценность данных

Ключевой тенденцией рынка BI и больших данных в 2016 г. и начале 2017 г. стало то, что бизнес начал более широко смотреть на применение новых технологий. Соответственно, разработчиков и консультантов просят решить не локальные, а глобальные задачи, которые оказывают влияние на эффективность всей организации, а не отдельных ее участков.

«Для нас это вполне определенное, хоть и несколько неожиданное заключение: заказчики осознанно начали смешивать Data Mining, Big Data, подходы к построению традиционных хранилищ данных и отчетности воедино – они не разделяют это, – поясняет Роман Баранов. – То есть решаются не узкие задачи, а ставится четкий запрос на построение сквозного управление данными».

Похожую ситуацию наблюдают эксперты в компании «РДТех», отмечая более тесное взаимодействие бизнес-анализа, больших данных и науки о данных. Теперь все чаще встречаются задачи с открытой формулировкой, когда требуется не просто показать цифру и нарисовать график, а буквально найти ранее неизвестные зависимости и предложить максимально эффективное решение. Такие задачи требуют широкого круга знаний во всех технологиях, связанных с данными.

За прошедшие годы интенсивной автоматизации компании накопили массивы самых различных данных и в последнее время стали задумываться об их монетизации. Этот фактор рождает спрос на модели использования данных. Многие компании находятся в активном поиске методик использования отраслевых данных и моделей машинного обучения.

С точки зрения роста выручки такая тенденция выгодна поставщикам бизнес-аналитики. Даже в условиях спада количества проектов, средний чек будет расти за счет увеличения их качества. Это отличное окно возможностей для системных интеграторов. Кто сможет предложить более комплексный подход к работе с данными – тот в горизонте 2–3 лет станет безусловным отраслевым лидером, и его имя, как минимум на национальном рынке, будет звучать наравне с именами известных вендоров.

Еще одним подтверждением повышения ценности данных для бизнеса стали частые запросы в ИТ-компании на приведение данных в порядок. Так в этот период наблюдался новый всплеск интереса к систематизации нормативно-справочной информации (НСИ).

Складывается впечатление, что топ-менеджмент крупных компаний, воодушевленный общей волной четвертой промышленной революции, стал самостоятельно изучать вопрос: с одной стороны – на конкретных примерах, с другой – в теории. Большую роль тут играют ИТ-компании, ведущие просветительскую работу. И теперь ИТ – это не абстрактные сервера и ПО, а конкретные данные, применив которые, можно получить дополнительную прибыль. «Растет уровень подготовки заказчика. Если раньше BI внедряли в основном как систему отчетности, то сейчас бизнес четко понимает, что хочет получить в результате.

Однако рост интереса к данным выявил новую проблему рынка – отсутствие высококвалифицированных специалистов, способных грамотно с ними работать. При этом именно ученых в области больших данных пока не существует, не создан тот класс специалистов, который может эффективно и быстро не просто собрать данные, но, проанализировав их, сформулировать значимые выводы для деятельности компании.