Растущий спрос на решения класса бизнес-аналитики (Business Intelligence, BI) — это глобальный тренд, который подпитывается процессами сбора и консолидации больших данных. По оценкам исследовательской компании Fortune Business Insights, объем мирового рынка бизнес-аналитики вырастет к 2028 г. до 43,03 млрд долл., демонстрируя темпы среднегодового роста на уровне 8,7%. Влияние пандемии, в целом, оказалось позитивным: ситуация бизнес-неопределенности стимулировала интерес заказчиков к инструментам поддержки принятия решений на основе данных.
На российском рынке ситуация еще интереснее. По разным оценкам, объем отечественного рынка BI в 2021 г. составил до 40 млрд руб. При этом большую долю рынка захватили зарубежные BI-платформы: Tableau, Power BI, Qlik. Но в 2022 г. глобальные вендоры приняли решение покинуть Россию, что остро поставило вопрос импортозамещения продуктов BI.
Сегодня эксперты отмечают значительное укрепление сегмента российских BI-продуктов и высокие темпы распространения аналитических Open Source приложений.
BI-системы vs Excel.
Excel сочетает в себе удобные и развитые инструменты редактирования, форматирования и визуализации данных с гибкими возможностями вычислений и поэтому лидирует по массовости и популярности как в мире, так и в России. Но даже Excel имеет предел возможностей, в особенности в кейсах работы с большими объемами данных (миллион и более строк), с разграничением доступа к ним и т.д.
BI-системы в свою очередь представляют собой специализированные решения для обработки и анализа данных, частично пересекающиеся с функционалом офисных табличных редакторов, и имеющие расширенную функциональность, востребованную на многопользовательских проектах со сложным ИТ-ландшафтом. Рустем Ибрагимов, заместитель генерального директора «БАРС Груп». отмечает, что BI как класс ИТ-систем создан под четыре группы задач, отличающихся уровнем сложности, степенью интеллектуальности и эффектом для пользователя. У них большой диапазон решаемых задач аналитики: от примитивной описательной до предсказывающей и предписывающей.
Продвинутые BI-платформы и сервисы, создаваемые с их помощью, постепенно приближаются к уровню полноценных ассистентов в принятии решений, способных собирать данные, анализировать их, подсвечивая неочевидные закономерности, формировать сценарии развития ситуации и давать рекомендации в качестве второго мнения, — уверен эксперт.
И все же аналитические сервисы играют вспомогательную роль, и на текущем этапе развития технологии не заменят человека. Особенно в государственном секторе, где требуется управление сложнейшими социально-экономическими системами. К примеру, для прогнозирования валового регионального продукта или избирательной активности требуются модели, основанные на анализе достоверной первичной информации и большого числа факторов. При этом качественная первичка — важнейшее, но зачастую невыполнимое условие.
Коммерческий vs государственный сектор
Модель, построенная на основе искаженных первичных данных, оказывается бесполезной. В таких условиях специалист, обладающий критическим мышлением и достаточной экспертизой, формирует более корректное аналитическое заключение, чем алгоритм. Поэтому в госсекторе пока потенциал внедрения предсказательной и предписывающей аналитики раскрывается медленнее, чем в бизнесе. Однако активно автоматизируется сбор данных, внедряются единые версии нормативно-справочной информации, очищаются и публикуются витрины данных, автоматизируются рутинные процедуры подготовки отчетности, популяризируются практики self-service диагностической аналитики.
В коммерческом сегменте процессы автоматизации стартовали раньше, здесь изначально лучше была поставлена работа с накоплением качественных данных и их коммерциализацией, используются более продвинутые методы и технологии анализа данных, а использование ИИ для некоторых отраслей стало стандартом. Например, кассовые чеки — максимально достоверные данные, удобные для машинного анализа: можно выявить, какие товары чаще приобретаются вместе и стоит ли их размещать рядом, когда выгоднее выставлять акционные ценники, какие персональные предложения рассылать держателям карт лояльности.
Госсектор перенимает лучшие практики у бизнеса, и первые кейсы для госзаказчиков на основе технологий ИИ тоже носят прикладной характер. Например, классификация обращений граждан и направление их по инстанциям, настройка диалогов через чат-боты, автоматическая выписка штрафов при считывании номера автомобиля технологиями машинного зрения.
Российский бизнес уже использовал решения диагностической аналитики и внедрял предсказательную аналитику в то время как госсектор осваивал инструменты базовой, описательной категории. Однако, по мнению представителя «БАРС Груп», последние несколько лет ситуация начинает кардинально меняться: в госорганы приходят специалисты, которые уже работали с BI-системами и формулируют релевантные требования к аналитическим решениям. Они подбирают под нужды ведомств развитые инструменты диагностической аналитики и создают условия для повышения качества собираемых первичных данных. В то же время встречаются запросы от b2g клиентов на прогностическую аналитику при нерешенных проблемах сбора первичных данных. В таких случаях эксперт советует эволюционный подход step-by-step к развитию культуры управления данными с последовательным освоением все более продвинутых методов и инструментов анализа. В частности, здесь применим целый класс решений, например, продукт «Своды», которые обеспечивают иерархический сбор данных, консолидируют информацию и подготавливают ее для дальнейшей глубокой аналитической обработки.
«Своды» — это один из элементов экосистемы решений работы с данными, которые мы создали в нашей компании, — рассказывает Рустем Ибрагимов. — В нее, помимо аналитических платформ AlphaBI и AnalyticWorkspace (AW), входит также Low-code платформа BarsUp.Net. Она позволяет создавать самые разные приложения: от простых порталов до сложных финансовых систем — силами самих аналитиков, в то время как код генерируется платформой автоматически. Еще один элемент экосистемы — NXTCore, микросервисная платформа для разработчиков с сервис-ориентированной архитектурой и самым современным технологическим стеком, позволяющая реализовывать функциональность любой сложности для разных предметных областей.
В рамках экосистемы у каждого «кубика» есть своя специализация. Это позволяет комплектовать платформу под потребности заказчика и наращивать ее по мере необходимости.
Заключение.
Ушедший год показал, что российский рынок BI-решений начал процесс динамичной перестройки, появились профессиональные BI-комьюнити с возможностью развивать общение между заказчиками, интеграторами, экспертами и вендорами. Усилился тренд на запуск новых успешных кейсов импортозамещения, который начался еще в 2014 году, но до 2022 года не получал массового распространения.