Сегодня для большинства отечественных компаний данные — основа для выстраивания бизнес-процессов, принятия решений и прогнозирования. Проектов внедрения российских аналитических систем, способных работать с внушительным объемом сведений, становится все больше. Однако при их реализации заказчики сталкиваются с рядом сложностей, среди которых — нехватка специалистов, в особенности архитекторов данных, аппаратных решений, в частности, графических ускорителей, а также необходимость в значительных инвестициях.
Отечественный рынок: драйверы и барьеры
Российский рынок больших данных и аналитических решений системно развивается. Один из драйверов — государственная политика. На протяжении года в России реализуется национальный проект «Экономика данных». Он направлен на глубинную цифровую трансформацию всего государства, начиная от управления, развития различных социальных сервисов, заканчивая автоматизацией государственной статистики.
По таком же пути идут российские компании. Без качественных данных невозможно строить надежные аналитические модели, развивать персонализацию, применять генеративный ИИ и обеспечивать устойчивость кибербезопасности. 49% опрошенных CNews Analytics экспертов уверены, что отечественные предприятия будут и дальше усиливать работу с данными.
«Российский рынок решений для работы с данными уверенно растет. По экспертным оценкам, в 2024 году его объем составил порядка ₽ 433 млрд, а в 2025-м приблизился к отметке в ₽ 500 млрд. Большинство долгосрочных прогнозов сходятся: к 2030 году рынок превысит отметку в ₽ 1 трлн, то есть удвоится менее чем за пять лет», — отмечает Егор Филиппов, владелец продуктовой линейки больших данных «Скала^р» (группа Rubytech).
На отечественный рынок больших данных и аналитических решений позитивно влияют несколько факторов, один из которых — развитие технологии искусственного интеллекта. Внедрение инструментов на основе ИИ значительно повышает требования к качеству используемой информации, а также к инфраструктуре для ее обработки. Принципиально важно обучать модели на корректных, верифицированных сведениях, чтобы избежать ошибок на выходе.
«Мы наблюдаем переход от «пилотного» энтузиазма к жесткому прагматизму: рынок в реальном секторе экономики масштабирует системы, доказавшие свою экономическую эффективность на конкретных производственных активах. Основной фактор сейчас — не просто сбор данных, а потребность в сквозной аналитике для принятия решений в реальном времени и даже где-то в возможности прогнозировать. В горизонте до 2030 года ключевым драйвером станет конвергенция больших данных с технологиями промышленного интернета вещей и цифровыми двойниками, что потребует перехода к платформенным решениям, способным обрабатывать потоки информации с тысяч единиц оборудования без потери производительности», — отмечает Андрей Гончаров, директор по развитию бизнеса компании «Цифра».
Вместе с тем существует ряд барьеров, которые пока не удалось преодолеть. Первый, который затронул всю российскую ИТ-отрасль, — нехватка специалистов. В контексте сегмента аналитических решений особенно не хватает архитекторов данных и инженеров распределенных систем. Еще один фактор, который не дает рынку совершить качественный скачок, — сложность современных архитектур. Платформа данных представляет собой совокупность различных компонентов, начиная от СХД, заканчивая средствами контроля качества и безопасности. Еще одно препятствие — дороговизна проектов.
«Те инвесторы, которые вложили немалые деньги в 2022–2024 годах в развитие отечественных систем бизнес-аналитики, платформ данных, интеграционных платформ, уже очень хотят видеть результаты. Многие из них не готовы и дальше наращивать объем инвестиций, особенно если за прошедшие годы так и не получили четкого понимания о перспективах и сроках окупаемости продуктов. Такие инвесторы либо сокращают команды, рассчитывая за счет снижения затрат и сохранения выручки выйти на окупаемость, либо ищут внешнего якорного инвестора. Полагаю, что крупные госкорпорации, такие как «Росатом», «Ростех», «Сбер» могут в этих условиях получить целый ряд перспективных активов», — резюмирует Юлий Гольдберг, руководитель направления компании GlowByte.
Миграция с помощью цифровых двойников
На протяжении последних нескольких лет в России активно реализуются проекты по импортозамещению аналитических систем. По словам опрошенных лидеров отрасли, именно эти проекты — одни из наиболее трудоемких. Сложность заключается не в большом количестве сведений. При переносе информации также необходимо перестроить аналитические модели, инструменты для отчетности, сами бизнес-процессы. Поэтому главная задача при внедрении российских решений не миграция данных как таковых, а «пересборка» множества операций, чтобы новая платформа корректно функционировала.
«Дополнительный вызов — зависимость от инструментов западных разработчиков. Например, при миграции с Oracle Exadata заказчики сталкиваются с тем, что логика обработки данных реализована через внутренние сервисы системы, аналогов которым в отечественных решениях нет. Все приходится переписывать вручную под каждый конкретный случай. У одного из наших заказчиков работает порядка 60 приложений, и каждое требует индивидуального подхода при переносе», — указывает Егор Филиппов, владелец продуктовой линейки больших данных «Скала^р» (группа Rubytech).
На фоне этих рисков, чтобы избежать потенциальных простоев, заказчики все чаще внедряют российские системы работы с данными в несколько этапов: новая платформа разворачивается параллельно со старой, информация синхронизируется через потоковую репликацию, а нагрузка постепенно переводится на новое решение. Это позволяет выстроить логику работы с данными до полного переключения.
«Сегодня барьер преодолевается за счет поэтапной миграции с созданием «цифровых двойников» процессов. Мы применяем подход, при котором новая российская платформа встает в параллель с существующей системой, накапливает данные и «обучается» у экспертов, и только после подтверждения адекватности модели происходит замещение. Это снижает риски остановки производства», — отмечает Андрей Гончаров, директор по развитию бизнеса компании «Цифра».
«Дефицит графических ускорителей — реальность, но не тупик»
При перестройке цифрового контура российским предприятием необходимы не только функциональные отечественные системы, но и аппаратные решения. Нехватка электронных комплектующих для производства того или иного оборудования — один их ключевых барьеров, который тормозит развитие всего отечественного ИТ-рынка.
По словам лидеров отрасли, для традиционных аналитических задач локальной серверной инфраструктуры достаточно. Значительно сложнее ситуация в сегменте инфраструктуры для искусственного интеллекта. Спрос на ИИ-серверы стремительно растет. По итогам 2025 г., денежный объем закупок серверов для ИИ в России достиг ₽ 60 млрд и может продолжить увеличиваться на 25%–40% год к году, сообщают в компании Yadro. Не меньше отечественные предприятия нуждаются в графических ускорителях. Подобная ИИ-инфраструктура потребляет много ресурсов и нуждаются в дата-центрах соответствующего класса, что толкает крупных заказчиков к созданию или расширению собственных ЦОДов.
«Дефицит графических ускорителей — реальность, но не тупик. Мы видим, как клиенты успешно смещают фокус с «тяжелых» больших языковых моделей на более эффективные и интерпретируемые модели машинного обучения и специализированные доменные модели, которые требуют меньше ресурсов. Основная проблема сегодня — совместимость компонентов и софта. Решение видится в тесной кооперации заказчика и вендора на этапе проектирования архитектуры решения, чтобы оптимизировать нагрузку на доступное оборудование и использовать гетерогенные вычисления», — обращает внимание Андрей Гончаров, директор по развитию бизнеса компании «Цифра».
Технологические тренды: чего ожидать к 2030 г.
Во многих отраслях наступает эра искусственного интеллекта. В сфере работы с данными появляется все больше инструментов на основе ИИ. Один из ключевых трендов, который будет оставаться актуальным вплоть до 2030 г., — использование ИИ-агентов.
«В 2026–2030 годах на российском рынке больших данных и аналитики будут развиваться агентские и автономные системы на базе искусственного интеллекта, интернет вещей, облачные и распределенные вычисления, а также роботизация процессов. Это создаст новые возможности для сбора, обработки и анализа данных в реальном времени и потребует качественной интеграции данных из разных источников», — отмечает Станислав Лазуков, генеральный директор компании TData.
Топ-10 поставщиков решений для анализа данных в России
Агентство CNews Analytics сравнило выручку участников рынка аналитических средств за 2025 г.
Наряду с искусственным интеллектом усиливается тренд, который наметился на рынке еще несколько лет назад, — переход с классических хранилищ и озер данных на гибридную модель «озера-хранилища», объединяющую оба подхода. Ранее эту архитектуру применяли лишь крупные предприятия, которые располагали объемом данных не менее нескольких сотен терабайт. Сегодня, когда использование такой технологии перестало быть экспериментом, LakeHouse становится вполне актуален для тех компаний, у которых данных куда меньше — в диапазоне 30–50 ТБ.
«Кроме того, мы видим значительное увеличение числа компаний, которые используют объектное S3-хранилище в своих дата-платформах, даже если это не LakeHouse. Безусловно, еще один тренд — требование к развертыванию платформы данных поверх кластера в Kubernetes. Сейчас такой критерий стали указывать прямо в тендерной документации. Это, как минимум, дает большие преимущества в гибкости предоставления ресурсов для неравномерной нагрузки, которая характерна для современных систем обработки больших данных», — обращает внимание Юлий Гольдберг, руководитель направления компании GlowByte.
Еще один отчетливый тренд — переход к платформенному инжинирингу, созданию внутренних платформ самообслуживания для команд внутри предприятий. Лидеры отрасли уверены, что в перспективе до 2030 г. все названные тренды будут усиливаться.
«Подход, при котором ключевые решения принимаются на основе данных в реальном времени, — превратится в стандарт для крупного бизнеса. ИИ станет более зрелым и сможет анализировать бОльшие объемы данных и выдавать рекомендации практически в реальном времени. Параллельно будет развиваться аппаратная база: на рынок выйдут более энергоэффективные серверы с существенно более высокой производительностью», — резюмирует Егор Филиппов, владелец продуктовой линейки больших данных «Скала^р» (группа Rubytech).
Несмотря на необходимость в значительных инвестициях, все еще высокую ключевую ставку ЦБ, нехватку кадров, а также аппаратных решений, российские компании, в особенности крупные, не откладывают реализацию проектов по миграции или масштабированию отечественных аналитических систем. Для многих организаций данные превратились не просто в ценный актив, а в стратегический ресурс, без которого выстраивать дальнейшую стратегию развития попросту нецелесообразно.
Поделиться
