Спрос на Big Data: от инвестиций «на перспективу» к реальному результату
Спикер: Дмитрий Красников, руководитель направления Big Data & BI в К2Тех
Рынок больших данных демонстрирует устойчивый рост – около 30% ежегодно. Наибольший спрос наблюдается в банковском секторе, промышленности, ритейле и FMCG. Согласно исследованию К2Тех, более 60% компаний планируют увеличить инвестиции в Big Data в ближайший год, причем каждая четвертая готова наращивать бюджеты минимум на 30%.
Руководитель направления Big Data & BI в К2Тех Дмитрий Красников объясняет, как компаниям перейти от экспериментальных проектов к промышленному использованию данных, трансформируя устаревшие платформы в современные data-решения.
Рост спроса на Big Data: от амбиций к прагматике
За последние 2–3 года подход бизнеса к Big Data кардинально изменился. Если раньше компании рассматривали их как долгосрочные инвестиции с туманной окупаемостью, то сегодня запросы стали предельно прагматичными: клиенты ждут быстрых и измеримых результатов в виде роста доходов или снижения издержек. Сроки реализации проектов также сократились с нескольких лет до нескольких месяцев – высокая стоимость капитала требует быстрой окупаемости инвестиций.
В промышленности это проявляется в росте спроса на системы прогнозного обслуживания, которые позволяют сокращать простои оборудования. Энергосбытовые компании применяют аналитику для оптимизации денежных потоков – изучают причины просроченных платежей, чтобы точнее прогнозировать поступления и минимизировать кассовые разрывы. В ритейле могут использоваться системы сценарного анализа для управления товарно-оборотным капиталом. Банки внедряют AI-скоринг и антифрод-системы для снижения кредитных рисков.
Тренд на большие данные во многом обусловлен стремительным развитием технологий искусственного интеллекта, которые становятся драйвером цифровой трансформации. И бизнес понимает: эффективное внедрение ИИ невозможно без качественной data-основы – тщательно структурированных, очищенных и согласованных данных из всех доступных источников.
Значительное влияние на развитие отрасли оказывает и государственная политика. Запуск национального проекта «Экономика данных» в 2025 году обозначил приоритеты: технологический суверенитет и массовое внедрение решений на основе Big Data и ИИ. Показательный пример – инициатива Банка России, согласно которой системообразующие банки должны перейти на предиктивные модели оценки кредитных рисков (ПВР) до 2030 года.
На этом фоне мы отмечаем растущий спрос на услуги российских интеграторов, поскольку после ухода международных вендоров многим компаниям пришлось в срочном порядке пересматривать архитектуру своих data-платформ. Из ключевых требований на первый план выходят гибкость решений, отраслевая экспертиза и способность адаптировать технологии под существующую ИT-инфраструктуру. Полная замена систем уступает место постепенной трансформации с акцентом на бесшовную интеграцию новых решений в текущие бизнес-процессы. В целом это отражает общий тренд: Big Data перестает быть «технологией ради технологии», превращаясь в инструмент для решения конкретных бизнес-задач.
Модернизация – больше не вопрос выбора
На фоне этих изменений особенно остро встает задача модернизации data-инфраструктуры, и откладывание этого процесса чревато серьезными последствиями. Устаревшие системы создают три ключевые проблемы:
- тормозят технологическое развитие;
- требуют редких и дорогостоящих специалистов;
- приводят к неэффективному использованию ресурсов.
Ситуация усугубляется тем, что многие иностранные решения больше не получают обновлений, а найти квалифицированных сотрудников для работы с устаревшими технологиями становится все сложнее. Все это ставит компании перед необходимостью срочных изменений.
Компании, откладывающие модернизацию, несут двойные финансовые потери. До 80% ИТ-бюджета уходит на поддержку устаревших систем, лишая организации возможности инвестировать в инновации. При этом бизнес теряет потенциальную прибыль, которую мог бы получить за счет более эффективного использования данных.
В этих условиях переход на современные облачные и гибридные решения становится не просто желательным, а обязательным шагом. Он позволяет не только сократить эксплуатационные расходы, но и решить критически важные вопросы информационной безопасности, поскольку устаревшие системы часто содержат неисправленные уязвимости.
Вам также может быть интересен материал Компас CIO:
Проблемы при внедрении и использовании дата-решений
CIO ритейл-группы делится опытом внедрения data-driven решений: критерии выбора точек внедрения, два работающих подхода к получению финансирования (партизанский метод MVP и обоснование через статистику ошибок), факторы культуры работы с данными. На примерах из практики показано, как выстраивать взаимодействие с бизнесом и почему готовность компании меняться важнее технологий.
С чего начать data-трансформацию
Важно понимать, что успешная модернизация data-платформ – это не только технический, но и организационный процесс. Эффективная работа с данными требует тщательной методологической проработки и тесного взаимодействия между ИТ- и бизнес-подразделениями. Основой успеха служит разработка четких стандартов Data Quality, метрических показателей, регламентов обработки информации и распределения зон ответственности.
Три ключевых принципа успешного старта:
- Диагностика прежде всего. Преобразование работы с данными следует начинать не с выбора технологий, а с всесторонней оценки существующей ИТ-среды. Приоритетная задача – диагностика уровня зрелости процессов управления данными, которая определяет стартовые условия для будущих изменений. Такой аудит можно организовать как собственными силами, так и с помощью внешних специалистов – технологических партнеров или консалтинговых компаний.
- Организационный фундамент. Особое внимание следует уделить формированию эффективной организационной модели. Оптимальным решением становится учреждение корпоративного Data Office во главе с CDO (Chief Data Officer). Принципиально важно, чтобы этот руководитель выступал связующим звеном между технологическими решениями и практическими нуждами компании.
- Стратегия с измеримыми целями. Лишь после решения этих фундаментальных вопросов стоит приступать к формированию стратегии цифровой трансформации и детального плана реализации. Ключевой критерий качества стратегии – прикладная направленность. Вместо абстрактных целей вроде «внедрить big data» необходимо четко определить, какие конкретные бизнес-задачи будут решаться с помощью данных. План реализации должен содержать последовательные этапы перехода к целевой архитектуре с измеримыми показателями эффективности и четкими временными рамками.
Оптимальным подходом является адаптивная методология, предполагающая поэтапное внедрение с регулярным контролем результатов и гибкой корректировкой планов. Это позволяет оперативно реагировать на изменения и активно вовлекать бизнес-пользователей с самых ранних стадий проекта.
Не менее важно формировать корпоративную культуру данных: обучать персонал, внедрять KPI, связанные с качеством информации, и создавать сквозную систему подотчетности на всех уровнях организации. Только такой комплексный подход обеспечивает устойчивую и эффективную экосистему работы с данными.
В итоге главным критерием успеха становится способность превращать данные в конкретные бизнес-результаты. Наш опыт показывает: даже базовое структурирование данных дает измеримый эффект. Построение дата-платформ сокращает время доступа к информации на 60-80%, что напрямую влияет на скорость принятия решений и time-to-market продуктов.