CNews: Приживается ли data-driven (подход к принятию решений с опорой на анализ данных) в России? И что будет стимулировать распространение этого подхода
Сергей Мацоцкий:
Сергей Мацоцкий
Основными инициаторами использования подхода data-driven должны быть именно те, кто отвечает за функционал, — бизнес-лидеры

Когда говорят «большие данные», обычно имеют в виду новые формы анализа данных, но важно понимать, что в действительности за этим понятием стоят глубокие изменения самих принципов построения ИТ-систем. Они касаются и вычислительной инфраструктуры, которая приспосабливается к новым объемам и информационным потокам. Возникают новые архитектурные решения для корпоративных ИТ, появляются огромные универсальные хранилища данных, которые позволяют просто и быстро выполнять интеграцию между различными приложениями на уровне данных. И, конечно, возникает возможность анализа информации новыми средствами – то, что мы называем «аналитика больших данных». Но в целом мы в IBS предпочитаем говорить не просто о «больших данных», а о дата-центричном подходе в построении корпоративных ИТ.

Сегодня вопрос о том, приживется ли подход data-driven, по большому счету, не стоит: эволюция происходит на наших глазах. Вопрос в том, насколько это будет быстро и насколько конкретная компания научится эффективно его применять.

Я на сто процентов уверен, что несмотря на то, что инженерия корпоративных данных — это зона ответственности, скорее, ИТ-специалистов, но основными инициаторами использования подхода data-driven должны быть именно те, кто отвечает за функционал, — бизнес-лидеры. Просто пока они еще не вполне понимают, какие широкие возможности открывают для них технологии. В результате их требования заключаются либо в том, чтобы сделать старые отчеты более красивыми, либо «сделайте, чтобы можно было вести любой анализ, быстро, надежно и дешево», а это тоже невозможно. Возвращаясь к вопросу о том, приживется ли data-driven, скажу так: у успешных компаний приживется, а у неуспешных — не успеет, они разорятся до этого.

CNews: Может быть такое, что для текущих потребностей большинства компаний просто хватает функционала BI, поэтому они не стремятся внедрять технологии больших данных?
Сергей Мацоцкий:

Если хватает функционала BI, значит, компания находится в своей зоне комфорта. Но это не будет продолжаться вечно. И, может быть, кризис послужит толчком к тому, чтобы начать что-то менять. Посмотрите: экономить сейчас вынуждены даже те, кто 2-3 года назад чувствовал себя совершенно стабильно и уверенно.

CNews: И это повод бизнесу взяться за большие данные?
Сергей Мацоцкий:

Получить проблемы — это самое лучшая мотивация. Или увидеть конкурента, который тебя догоняет, почувствовать, что тебе дышат в спину. Конкуренция — двигатель любого прогресса. Те, кто стремится улучшить что-то: свою экономику, качество изделий, уровень сервиса, — будут думать, как использовать все что угодно, в том числе и парадигму больших данных.

CNews: Какие отрасли, по вашим наблюдениям, сейчас лидируют в России по использованию технологий больших данных?
Сергей Мацоцкий:
Сергей Мацоцкий
Я вижу, что в некоторых индустриях рост применения больших данных неизбежен. И даже в очень традиционных индустриях возникают процессы, которые можно существенно улучшить с применением новых технологий

Я думаю, что, прежде всего, это все, что связано c В2С-сегментом. Во-первых, потому что именно потребительский сегмент производит колоссальное количество данных, во-вторых, в простых житейских проблемах люди быстрее всего готовы ориентироваться на приблизительные, не точные решения, которые предлагают «большие данные».

Есть огромное количество вещей, которые мы каждый день используем и не задумываемся, как это устроено: например, поисковые алгоритмы в «Яндексе» или Google, навигаторы в картах, электронные магазины, которые дают рекомендации, скоринговые системы, которые оценивают кредитные риски в банках.

Есть индустрии, которые целиком изменили свою модель с приходом технологий больших данных. Это, скажем, автоматизированные системы перевода, которые отказываются от сложных лингвистических алгоритмов в пользу перевода фраз целиком с помощью статистической модели.

Или, например, посмотрите на рынок такси. С появлением интернет-посредников, таких как «Яндекс-такси», Uber, Get Taxi, бизнес-модель принципиально изменилась. Это не просто диспетчер, который ищет заказы, там работает целая модель взаимодействия, с рейтингованием, маршрутами, отслеживанием качества, прогнозированием — огромная мешанина данных. В этой мешанине точно невозможно работать с классическими транзакционными моделями: эта задача требует эмпирической модели. Те, кто научится работать с данными  эффективно, выживут, а те, кто не научится, скорее всего, просто уйдут с рынка. Похожая ситуация складывается с бронированием отелей. Смотрю на Booking.com и на наш «Островок»: окажется ли его технология более эффективной? В этой отрасли конкурентные цены и почти нет резерва маржинальности, чтобы играть в демпинг. Это означает, что идет абсолютно честная конкуренция в области сервиса, основанного на обработке данных. Работа с данными для таких компаний — часть основной бизнес-технологии. 

CNews: Видите ли перспективы роста проектов больших данных в России сейчас?
Сергей Мацоцкий:

Я вижу, что в некоторых индустриях рост применения больших данных неизбежен. И даже в очень традиционных индустриях возникают процессы, которые можно существенно улучшить с применением новых технологий.

Могу привести хороший пример: скажем, в энергетике есть потребность во взвешенном планировании ремонта оборудования. Для крупных сетевых компаний это большая проблема. Ремонтно-восстановительные работы составляют существенную долю операционных затрат. Традиционно в этой индустрии ремонт идет по наработке: допустим, одну деталь нужно менять раз в шесть месяцев, а другую — раз в два года. Регламенты такого ремонта всегда составлены с приличным запасом по износостойкости. Однако они не могут учесть все реальные условия, в которых работает оборудование. Есть и другой подход: ремонт по текущему состоянию, когда ты смотришь на износ деталей и принимаешь решение, менять их или не менять. Это, с одной стороны, экономически эффективнее, поскольку агрегат в благоприятных условиях может проработать без ремонта дольше. Но это предполагает большую долю ответственности для тех, кто планирует эти ремонты.

CNews: Потому что автоматически попадаешь в зону риска?
Сергей Мацоцкий:

Конечно, нужно самостоятельно точно оценивать риски, брать на себя ответственность. При современном распространении датчиков, электронных контроллеров и так далее, компьютерная аналитика позволила бы рассчитывать надежность оборудования более точно, чем это было много лет назад, когда разрабатывались регламенты планово-предупредительных ремонтов.

Конечно, проще всего исполнять регламент, спущенный сверху. Но в энергетике, где это возможно, с ее трансформаторами, с подстанциями, с линиями электропередач переход на ремонты по состоянию может дать колоссальный эффект. Об этом говорили еще лет 15 назад, но до сих пор не реализовали. И большие данные как раз дают правильный инструмент решения этой задачи.

Наверное, одними из следующих к большим данным обратятся страховщики. В страховании риски — это база для расчета страховой ставки. И чем больше ты можешь факторов принять во внимание при расчете, тем больше ты можешь выиграть. Пока наше страхование идет по немножко «жлобскому» пути: раз у них убытки, они поднимают ставки всем. Индивидуальные ставки никто особенно не считает. И для многих людей ставки стали запретительными. Страховщикам, на мой взгляд, нужно перейти к другому качеству расчета страховых рисков. В мире это достаточно активно применяется.

CNews: Какие еще интересные применения можно найти для больших данных?
Сергей Мацоцкий:
Сергей Мацоцкий
Если цена управленческого решения соразмерима со стоимостью внедрения технологий больших данных, есть смысл об этом задуматься

Взрыв технологий больших данных мы сейчас наблюдаем в управлении персоналом. На западе появляется огромное количество стартапов в этой области: решения позволяют проводить тестирование, автоматизированные собеседования, выявлять способности, потенциал людей, склонности к той или иной работе людей, использовать все это при массовом найме.

Вторая огромная область в HR — это все, что связано с оценкой продуктивности персонала. Еще несколько лет назад лучшей практикой считалась, допустим, модель дерева KPI, когда цели компании декомпозируются на сотрудников и актуализируются раз в год. Сегодня уже совершенно очевидно, что все это каменный век. Сегодня технология позволяет использовать микс самых разных производственных данных из систем, с датчиков, из интернета, персональных данных, чтобы выявлять наиболее производительных сотрудников и привязывать к этой модели мотивационную схему. Мы как большой HR-внедренец с большим интересом смотрим на все эти технологии.

Отдельная большая тема — это все, что связано с безопасностью, особенно с противодействием терроризму. В мире эта сфера является колоссальным драйвером роста для технологий обработки разнородных данных из различных источников, неструктурированной информации – видео, звука, текстов.

CNews: Как можно посчитать реальную пользу от вложений в проекты с использованием больших данных? И в чем ее измерить?
Сергей Мацоцкий:

Я думаю, ровно так же, как от внедрения любых других инноваций. Где-то это сделать легко, где-то очень сложно.

Например, в случае с кредитными рисками довольно легко. Вы внедрили механизм, и процент невозврата уменьшился — вот и ваш бенефит от внедрения. А вот как, например, посчитать эффект от того, что раньше переводчик сидел и переводил со словарем, а теперь с Google Translator? Я думаю, что в данном случае большие данные не отличаются ничем от любых других технологий. Как померить эффективность лифта в многоэтажном доме? Можно, наверное, придумать какую-то очень сложную модель. Но в реальности для нас лифт — это стандарт, так что мы даже не задумываемся о том, что надо считать эту эффективность. Так же и некоторые технологии становятся просто частью жизни, а не вопросом экономической целесообразности.

Могу повторить свой ответ на похожий вопрос, который я сформулировал очень давно. В конце 90-х или начале 2000-х меня спросили, когда есть смысл задумываться о создании BI-системы. Я подумал и ответил, что тогда, когда цена управленческого решения соразмерима со стоимостью внедрения BI-системы. Абсолютно то же самое я могу повторить сейчас о больших данных: когда цена решения находится хотя бы в тех же порядках, что и цена внедрения системы, тогда имеет смысл рассматривать возможность такого внедрения.

CNews: Какие факторы вы считаете главным препятствием для развития технологий больших данных в России?
Сергей Мацоцкий:

Препятствий много. Это довольно молодая технология, и в ней нет еще ни технической, ни организационной зрелости. Технической зрелости нет, прежде всего, потому что слишком маленький срок прошел от появления продукта. Большие данные — очень молодая индустрия, где еще не сложились лучшие практики.

Но самая большая проблема и самый большой вызов, конечно, связан с методологией и с людьми, которые умеют эту методологию применять. Для людей это отказ от классического дедуктивного мышления в пользу эмпирического, опытного мышления и использования статистики в качестве основы для реального бизнеса. Это все-таки не совсем типично для нас: нам хочется сначала объяснить тренд или закономерность, а потом их массово применять. А в этой индустрии нужно, чтобы люди могли мыслить эмпирически, и при этом прекрасно владели математическим аппаратом. И вот сочетание этих двух характеристик встречается редко.

Сергей Мацоцкий:

«Сегодня вопрос о том, приживется ли подход data-driven, по большому счету, не стоит: эволюция происходит на наших глазах. Вопрос в том, насколько это будет быстро и насколько эффективно конкретная компания научится его применять».
«От аналитиков больших данных требуется сочетание взаимоисключающих ментальных факторов: интуиции, широкого кругозора и «математичности» в мозгах и образовании. Таких людей не готовят в институтах».
CNews: Как готовить таких людей, аналитиков больших данных?
Сергей Мацоцкий:

Это очень непростой вопрос. Мы приходим к тому, что, с одной стороны, здесь требуется сочетание взаимоисключающих ментальных факторов: интуиции, широкого кругозора и «математичности» в мозгах и образовании. Таких людей не готовят в институтах. Конечно, это пока штучный «товар», который мы стараемся готовить сами внутри компании, на опыте реальных проектов и мировом учебном материале. В том числе мы спонсировали перевод ряда курсов про большие данные на Coursera, и мы надеемся, что таким образом еще немало людей сможет получить образование в этой сфере. Но это будет происходить не мгновенно. Я думаю, дефицит таких специалистов пока что будет только нарастать.

CNews: Как развивается ваша практика использования технологий больших данных?
Сергей Мацоцкий:

Ровно с теми же детскими болезнями: проблемами с поиском кадров, незрелостью технологий — общим методом проб и ошибок, как и во многих странах, у многих компаний, которые этим занимаются. Но уже есть команда, есть пилотные проекты, есть интерес клиентов, и это очень увлекательно и необычно. Иногда просто захватывает дух от тех возможностей, которые открываются!

CNews: Сейчас очень много говорят об импортозамещении, в технологическом секторе экономики в частности. Планирует ли IBS разрабатывать продукты, нацеленные на замещение импорта?
Сергей Мацоцкий:

Да, и даже активно этим занимается. Мы разработали целую методологию для наших клиентов: с чего начинать и как строить дорожные карты планомерного снижения зависимости от импортных технологий.

Сергей Мацоцкий
Главная проблема импортозамещения в России в том, что его часто понимают очень вульгарно. Принято считать, что импортозамещение — это «мы построим все свое от первого до последнего винтика»: свою операционную систему, свою базу данных, свои чипы. Я противник такого подхода

Мне кажется, что главная проблема импортозамещения у нас в том, что его часто понимают очень вульгарно. Принято считать, что импортозамещение — это «мы построим все свое от первого до последнего винтика»: свою операционную систему, свою базу данных, свои чипы и т.д. Я, честно говоря, противник такого подхода. Во-первых, потому что все-таки Россия не такой большой рынок, чтобы можно было перейти на натуральное хозяйство. Во-вторых, мне кажется, прежде всего, нужно заняться тем, что создает реальные риски. Понимаете, мы можем начать выпускать аналог чипа X86. Но эти чипы продаются по всему миру и никуда не исчезнут, санкции на них распространить нельзя. Чего мы тогда беспокоимся? Я плохо себе представляю, допустим, зачем нам надо разрабатывать свой iPhone. Есть по-настоящему критические для государства технологии, и при этом они уникальные и закупаются за рубежом — вот это действительно риск, потому что отключить поставки уникальной технологии очень просто.

Мне кажется, что вопрос импортозамещения надо перевести в практическую плоскость. Каждому крупному заказчику нужно понять, где сосредоточены самые большие риски и каков быстрый, надежный и недорогой путь от этих рисков избавиться. Мы для своих заказчиков разработали методику такой оценки и предлагаем интеграционные решения, построенные на базе отечественных компонентов. В таком практическом ключе, как мне кажется, и нужно решать эту проблему.

Татьяна Ковлягина
Техноблог | Форумы | ТВ | Архив
Toolbar | КПК-версия | Подписка на новости  | RSS