Анастасия Михалицина — Старший PR-менеджер
тел.: +7 (495) 748-05-75 | доб. 3053
E-mail: amikhalitsina@at-consulting.ru

Интервью TAdviser c партнером AT Consulting, директором блока BI Андреем Нугмановым

2 ноября 2016 , TAdviser

Андрей Нугманов, партнер AT Consulting, директор блока BI, в интервью TAdviser рассказал о том, в каком направлении движется отечественный рынок BI и какие перспективы имеют технологии Big Data в России.

_______

Как вы оцениваете текущее состояние российского рынка BI? В каком направлении движется рынок?

Андрей Нугманов:
— Несмотря на кризис, российский рынок BI в целом позитивен – в 2015 году мы оцениваем его в 10–12 млрд рублей. AT Consulting является крупнейшим игроком с точки зрения услуг по внедрению, развитию и поддержке BI-решений. На своем примере мы можем констатировать заметное увеличение спроса в 2016 году по сравнению с 2015 годом. За полгода у нашего блока BI появилось семь новых клиентов, представляющих различные индустрии, такие как производство, ритейл, энергетика, финансы и перевозки. Как говорил Фред Смит: «Вам непременно придется проводить инновации, если перед вами будет стоять проблема выживания». Без инвестиций в аналитику сложно, а порой невозможно выбрать правильный курс для развития.

За последние два года рынок сильно изменился, если говорить о правилах игры. Компании, которые чисто потребительски относятся к своему бизнесу, уходят. Сейчас недостаточно быть просто партнером, предоставляющим качественные сервисы по разумной цене, – рынок требует большего. Нужно садиться в одну лодку с клиентом, брать весло и грести, совместно принимая имеющиеся вызовы. Если ты не заполняешь все свободные ниши, если не проявляешь гибкость, то тебе находят замену. Твердость в достижении цели и гибкость в выборе формата взаимодействия – текущая парадигма успеха.

Какие основные задачи сегодня решают BI-технологии?

Андрей Нугманов:
— Мы видим три основных задачи: обеспечение прозрачности бизнеса, оптимизация бизнеса, создание новых цифровых продуктов.

Задача обеспечения прозрачности наиболее классическая по своей сути. Но сейчас необходимо подходить к ее решению на качественно ином уровне. Особенно это актуально для крупных госкорпораций и холдингов в части сбора коммерческой информации – финансовой и логистической. В состав таких корпораций входит большое количество различных организаций, каждая из которых в каком-либо виде уже решила задачу формирования отчетности, как правило, в ручном или полуручном режиме. Переход на следующий уровень зрелости подразумевает полностью автоматизированный сбор отчетной информации по единой методологии и в кратчайшие сроки. Это исключает любые манипуляции с данными и позволяет своевременно принимать обоснованные решения.

Это наиболее актуально для промышленного, энергетического, добывающего и государственного секторов. В данном случае используется весь перечень BI-технологий для сбора и визуализации информации, включая Big Data. Правда, не как источник новых знаний, а как недорогое средство хранения разнородной информации.

Задача оптимизации бизнеса также не нова, но и она сейчас проходит стадию существенных изменений и является основным драйвером роста рынка. Большинство айтизависимых компаний в телекоме, финансах, ритейле выбрали курс трансформации в Data Driven парадигму бизнеса. На смену классическим хранилищам приходят платформы Data Management, умеющие в режиме реального времени собирать огромные объемы информации, проводить аналитику и формировать правила для цифровых платформ, обеспечивающих коммуникации и взаимодействие с клиентами.

На чем делается акцент? Прежде всего, это максимально полный сбор информации о клиентах и ее верификация из всех доступных для интеграции источников. Взгляд на 360 градусов, открывающий уникальные знания для построения новых сервисов и совершенствования текущих. Кроме того, повышение эффективности основного бизнеса предприятия с помощью оптимизации внутренних процессов. Например, повышение целевых продаж путем увеличения процента откликов на предложения благодаря более четкому профилированию клиента и работе в режиме Just in Time, борьба с мошенничеством, удержание клиентов, планирование развития сети (офисных и торговых помещений, банкоматов, сетевого оборудования), повышение качества и снижения затрат на коммуникации с клиентами. Наконец, это построение умного производства. Ряд промышленных и энергетических компаний приступили к тестированию возможности использования продвинутой аналитики для определения технологических параметров производственных линий, обеспечивающих снижение брака или увеличение срока бесперебойной работы оборудования.

Ключевой стек технологий составляют Big Data, Machine Learning, in-memory processing, online streaming. Big Data используется как средство оптимизации расходов для хранения увеличивающихся объемов информации, а в связке с решениями Machine Learning – для добывания новых знаний и верификации информации.

Третья большая задача, которую можно решать с помощью BI, это создание новых цифровых продуктов для потребителей. В их основе лежит торговля знаниями, которые получены с помощью глубокого анализа информации. Это рынок, который зарождается сейчас в России, и на нем доминируют интернет-компании. Выходят новые игроки, как правило, из телекоммуникационного и финансового секторов. Для этого рынка наиболее важны следующие направления: геоаналитика, скоринг, цифровая реклама (с использованием RTB). Причем фокус смещается с клиентов классического B2C-рынка на B2B и B2G.

Государственным органам необходимо знать о потоках перемещения граждан для оптимального развития инфраструктуры. Коммерческие организации планируют развитие своей розничной сети, оптимизируют логистику, планируют наружную рекламу и так далее. Банки при выдаче очередного кредита используют информацию об абоненте для расчета его платежеспособности и т.п. Рекламные компании предлагают информацию, релевантную текущим потребностям потенциального клиента. И все это возможно благодаря покупке знаний о том, кто их клиенты, где и когда они бывают, что им интересно именно в данный момент. Операторы связи становятся провайдерами таких знаний и выводят на рынок новые продукты, причем в строгом соответствии с законами, защищающими персональные данные клиентов. В этом процессе используются все технологии, описанные выше. Причем ряд интернет-компаний создает аналитические продукты самостоятельно, а телеком и финансы инвестируют в различные стартап-команды для вывода новых продуктов и решений.

Что можно сказать о перспективах Big Data в России?

Андрей Нугманов:
— В секторе «нового BI» – анализа больших данных, процессинга событий и принятия решений в реальном времени – стек СПО активно теснит продукты традиционных вендоров. Оно развивается в свете обновленного видения функциональных требований к BI и технологически во многом догнало проприетарный стек.

Открытый код, транспарентность развития, правовая чистота и доступность, гарантированная и не замкнутая на одного вендора поддержка, толерантность к оборудованию, высочайшая популярность СПО, в первую очередь среди молодых и перспективных специалистов, – все это становится причинами активного вытеснения и вымывания «старого» проприетарного стека из традиционных ниш. Вендоры пытаются если не оседлать волну, то хотя бы не быть погребенными ею. Кто-то открывает код и переходит на СПО-модель бизнеса, пытаясь возродить интерес у публики, а значит и у лидеров мнений в среде покупателей, к своим традиционным продуктам. Другие активно интегрируются с крупными поставщиками сервисов по поддержке стека Hadoop, стараясь снизить стоимость владения своими традиционными продуктами за счет использования открытых возможностей Big Data и достичь синергетических эффектов гибридного решения.

Клиент не всегда готов сразу платить за лицензии вендору и пытается самостоятельно протестировать технологию, понять степень ее применимости и набрать необходимую экспертизу для дальнейшей эксплуатации. Выбор СПО позволяет обеспечить быстрое внедрение интересующей функциональности без лицензионных платежей и – благодаря отсутствию закупочных процедур – в минимальные сроки. Каких-то серьезных препятствий в развитии данных технологий у клиентов мы не видим. И экспертиза присутствует на рынке, и как минимум есть внятный бизнес-кейс, обеспечивающий сокращение операционных затрат на хранение значительных объемов информации.

С точки зрения технологий, мы видим, что на первый план выходят решения использующие In-Memory Data Grid (IMDG). Hadoop позволяет собрать разнородную информацию и хранить. Теперь пришло время следующего шага – проводить сложные аналитические расчеты в онлайн-режиме. Классические MPP-платформы уже не могут обеспечить быстрой реакции по причине наличия операций чтения и записи на диски и специфики операционной среды. Также важен и вопрос стоимости таких технологий.

Мы видим, что для серьезных аналитических задач все чаще применяются in-memory решения. Они обеспечивают возможность высокопроизводительного параллельного выполнения запросов на сильно нагруженных аналитических системах для обслуживания тысяч пользователей в режиме высокой доступности.

Отзывы

Сбербанк

Виктор Орловский, член правления, старший вице-президент ОАО «Сбербанк России»

Мне нравится работать с AT Consulting в первую очередь потому, что эксперты компании нацелены на получение требуемого результата, не останавливаются перед трудностями, ищут новые решения и, как следствие, растут профессионально.

Отзывы

Сбербанк

Виктор Орловский, член правления, старший вице-президент ОАО «Сбербанк России»

Мне нравится работать с AT Consulting в первую очередь потому, что эксперты компании нацелены на получение требуемого результата, не останавливаются перед трудностями, ищут новые решения и, как следствие, растут профессионально.

Представительства