В 2015 году объем мирового рынка технологий Big Data, по оценкам IDC, превысил $21 млрд. По-прежнему здесь доминирует доход от инфраструктурных решений (52%), а основную долю инвестиций генерируют США (55%). В России этот сегмент, по предварительным данным, составляет около $190 млн.
«Проектов Big Data стало больше как глобально, так и в России. Рынок зреет, — отмечает Андрей Алексеенко, гендиректор Teradata в России. — Тренды в мире и России очень схожи, и некоторые отечественные компании даже обгоняют в своем развитии довольно продвинутых западных игроков». В SAP тоже отмечают значительный рост запросов на решения, связанные с Big Data, за последние два года. По-прежнему наиболее востребованы они в ретейле, телекоме, транспорте и финансовом секторе. Усиливается интерес и со стороны нефтегаза, металлургии, химпрома. Кроме того, технологии Big Data релевантны и интересны для стартапов.
Как признаки зрелости рынка провайдеры выделяют оформившееся предложение поставщиков, достаточный уровень осведомленности заказчиков, а также перемены в отношении к собственно данным. «Рынок Big Data стал более открытым, — комментирует Борис Вольфсон, директор по развитию HeadHunter. — Если пару лет назад компании держались за свои данные, то теперь они ими обмениваются. На законодательном уровне рынок становится более проработанным и понятным для игроков, поэтому появляются успешные проекты с использованием данных разных систем».
При построении моделей с внешними данными их точность повышается не менее чем на 20%, а в ряде кейсов без внешних данных положительного результата просто нельзя было бы достичь, отмечают в CleverDATA. Компания запустила первую технологическую Биржу данных 1DMP.IO, позволяющую участникам обмениваться данными, обогащая свои базы за счет внешних данных и получая новые бизнес-результаты.
Что теперь делают с Big Data
Внедрение технологий стимулируется взрывным ростом объемов данных и стремлением конвертировать их в новое конкурентное преимущество. От Big Data ждут не только улучшения качества обслуживания клиентов, более точного прогнозирования и более эффективных маркетинговых кампаний, но и новых возможностей по управлению рисками, предотвращению мошенничества и обеспечению соблюдения требований законодательства. Рынок изучает всевозможное применение существующего предложения к конкретным задачам.
Фокус смещается в сторону решений, ориентированных на извлечение ценности из данных. Сегодня предметом рассмотрения становится уже не платформа сама по себе, но разнообразные прикладные модели и подходы к бизнес-задачам. «Big Data переходит в качественно иное состояние — Smart Data, когда сбор данных опирается уже на определенное представление о том, что с ними предполагается делать, — поясняет Алексей Благирев, директор по развитию систем аналитики и отчетности Банка «Открытие». — Работа с данными перестает быть прерогативой развития хранилища данных и расширяется в область управления данными на всем ландшафте. Фиксируются ожидания для каждой из систем (фронт — миддл — бэк) по качеству информации, выделяются ответственные владельцы от бизнес-подразделений, отвечающие за корректный ввод информации».
Все больше компаний задумываются о необходимости управления собственными данными: формируются отделы, отвечающие за поиск кейсов и способов повышения эффективности за счет данных, отмечают в ЛАНИT. «Ключевой вопрос — как понять клиента и выстроить с ним максимально эффективные коммуникации, — комментирует Денис Реймер, вице-президент ЛАНИT по цифровой трансформации, председатель совета директоров CleverDATA. — Идет развитие двух ключевых направлений: сбор всех возможных «цифровых следов» клиентов, их объединение и применение искусственного интеллекта для извлечения новых знаний. В маркетинге это задачи более качественного сегментирования клиентской базы, в продажах — понимание предпочтений клиентов и вероятности их оттока, в подборе персонала — понимание на этапах собеседования, насколько новый сотрудник будет способен показать в ней хороший результат».
Борис Вольфсон отмечает рост направления HRDigital, в котором накопленные и проанализированные данные начинают играть все большую роль применительно к рекрутменту. В 2015 году HeadHunter начал разработку продуктов, основанных на машинном обучении и больших данных. Из пилотов в компании выделяют проект определения навыков соискателя по данным из резюме, а также подбор подходящих вакансий на основе поведения соискателей. Базовые аналитические инструменты позволят оптимизировать рекрутинговые процессы, а предиктивные модели значительно экономят время HR-специалистов за счет автоматизации скрининга резюме, считают в компании.
Машинное обучение применяют при анализе больших объемов данных в Yandex Data Factory (проект «Яндекса» по работе с большими данными). Компания разработала поисковый индекс событий, происходящих в Большом адронном коллайдере, и проанализировала петабайты данных на жестких дисках ЦЕРНа, чтобы оптимизировать их хранение. А по заказу Росавтодора была создана система прогнозирования заторов и ДТП, которая может предсказывать ситуацию на дорогах и показывать ее на интерактивной карте, обновляемой в реальном времени.
Опыт, накапливаемый при осуществлении проектов, позволяет рассматривать не только преимущества и ограничения решений, но, главное, получать практические результаты. Так, в Teradata констатируют прямую отдачу от промышленных внедрений: рост вторичных продаж в три раза после внедрения CRM в ВТБ24 или рост отклика от маркетинговых кампаний на 100% благодаря внедрению системы управления такими кампаниями в «МегаФоне».
Развитие спроса
Заказчики из разных отраслей все более четко понимают возможности технологий Big Data, детализируя и повышая требования к ним. Большинство российских компаний хотят анализировать не только структурированную информацию, но и данные из соцсетей, новостных лент, чтобы быстро реагировать на них и управлять ожиданием клиентов, комментирует Дмитрий Шепелявый, замгендиректора SAP СНГ. Еще один тренд — по мере роста числа клиентов, которые начали использовать открытую технологию Hadoop, появились требования интеграции с ней промышленных систем. Помимо этого, отмечают в SAP, растет интерес к направлению интернета вещей, где наиболее интересные инициативы связаны с ретейлом и телекомом. Интеграция с различными устройствами и датчиками позволяет получать новые объемы информации для анализа и формировать новые предложения (например, новые тарифы) для клиентов.
В Teradata отмечают рост спроса на небольшие исследовательские проекты как своего рода часть аналитического консалтинга. Такой проект, например, был реализован для компании «Газпром нефть». «В зависимости от сложности поставленных задач и объемов данных сроки здесь могут исчисляться неделями. А на выходе получается понятная для бизнеса инструкция к действию, будь то некая цифра дополнительной прибыли, или сокращение операционных затрат, или удержание клиентов — в зависимости от целей», — рассказывает Андрей Алексеенко.
Наконец, следующий шаг в аналитических инициативах — переход к модели Analytics-as-a-Service, когда привычную отчетность заменяет услуга, которую бизнес «покупает» для поддержки принятия решений, добавляет Алексей Благирев. Рост распространения аналитических сервисов связан в том числе с сохраняющимся дефицитом специалистов в области анализа и управления большими данными на российском рынке.