Бо­лее тре­ти (36%) оп­ро­шен­ных ру­ково­дите­лей про­мыш­ленных пред­прия­тий со­об­щи­ли о внед­ре­нии тех­но­логий сбо­ра, об­ра­бот­ки и ана­лиза боль­ших дан­ных. Пла­ны по их даль­ней­ше­му ис­поль­зо­ванию име­ет поч­ти каж­дая пя­тая ор­га­низа­ция (18,5%): в 2020 г. – 5%, в те­чение бли­жай­ших пя­ти лет – 14,2%. Наи­бо­лее вос­тре­бова­ны эти тех­но­логии в до­бываю­щей про­мыш­леннос­ти: их при­меня­ют 39,8% ор­га­низа­ций, еще 28% пла­ниру­ют внед­рить в бу­дущем.

Институт статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ оценил уровень использования технологий сбора, обработки и анализа больших данных в организациях российской промышленности и ИТ-отрасли и готовность к внедрению таких технологий в будущем. Оценки основаны на результатах опроса в 2019 г. руководителей 1784 организаций (1163 организации промышленности и 621 ИТ-компания) из 30 регионов России, представляющих все федеральные округа. Авторы исследования: директор центра ИСИЭЗ Гульнара Абдрахманова, директор центра ИСИЭЗ Константин Вишневский, ведущий эксперт ИСИЭЗ Кристина Утятина, стажер-исследователь ИСИЭЗ Екатерина Левен.

Авторы исследования отметили, что свыше четверти (28,5%) организаций промышленности используют большие данные в бизнес-процессах. Об их применении в управлении и администрировании (бухгалтерия, финансы, кадры и др.) сообщили 20% респондентов, при производстве продукции и услуг – 12%. Не более 10% руководителей отметили использование таких технологий в других бизнес-процессах: в обработке заказов, транспортировке и хранении продукции, комплектующих – 9,7%, маркетинге и продажах – 7,4%, обслуживании информационно-телекоммуникационных систем – 5%, разработке продукции, услуг, бизнес-процессов – 4%.

Исследователи ИСИЭЗ НИУ ВШЭ выяснили, что разработка решений на основе технологий сбора, обработки и анализа больших данных ведется в 44,6% ИТ-компаний, еще 6,9% планируют заниматься этим в ближайшие пять лет. Немногим более 30% ИТ-компаний разрабатывали данные технологии для российского бизнеса. Заказы для органов власти и других отечественных организаций поступали гораздо реже – 10,6% и 11% соответственно. Около 8% руководителей ИТ-компаний сообщили о выполнении заказов для зарубежных компаний, 5,5% – для физических лиц.

Авторы отчета отметили, что структура источников больших данных, как внутренних, так и внешних, в организациях промышленности и ИТ-компаниях практически одинакова. Чаще всего представители обеих индустрий указывали на использование собственных больших данных. Немногим менее половины организаций промышленности (43,7%) и ИТ-компаний (43,6%) применяли в аналитических целях сведения учетных систем организации, таких как ERP, CRM, SCM, HRIS. Обработку данных корпоративного портала (веб-сайта) проводили четверть (27,8%) организаций промышленности и более чем 40% ИТ-компаний. Активность применения данных геолокации, получаемых в том числе с портативных устройств, и сведений, считываемых с цифровых датчиков или радиочастотных меток различного оборудования организации (интернет вещей), сопоставима: в промышленных организациях – 12,2% и 13,4% соответственно, ИТ-компаниях – 15% и 17,4%.

Что касается внешних источников, информацию из социальных сетей и других информационных ресурсов используют 20,8% организаций промышленности, операторов связи – 21,1%. Структура востребованности внешних данных ИТ-компаниями несколько иная – 31,2% и 24,8% соответственно.

Исполнительный директор Ассоциации больших данных Алексей Нейман сказал, что многие компании начали движение в сторону аналитики больших данных, в частности начали подключаться и промышленные организации, и корпорации, новые для этого рынка игроки, но все они находятся на разных стадиях развития работы с данными.

“Хочется отметить, что считаем этот вектор очень перспективным. Так, в прошлом году Ассоциация больших данных исследовала российский рынок данных и обозначила пути для его развития в “Стратегии развития рынка больших данных до 2024 г.”. В ходе исследования выяснили, что, помимо развития рынка БД за счет новых игроков из промышленности, внедрение БД в различных отраслях даст еще и существенный рост доходов и окажет влияние на ВВП страны. Например, в нефтехимической отрасли ожидаемый эффект на ВПП от внедрения продуктов и технологий БД составит 1,5% к 2024 г., далее ожидается более высокий прирост. В машиностроении, аналогично нефтехимической отрасли, в настоящее время – стадия экспериментов, здесь ожидаемый эффект – 1,5% в 2024 г. В энергетике благодаря использованию продуктов и технологий больших данных для оптимизации спроса и потребления может быть достигнут эффект на ВВП в размере 1,3%. Что касается добычи полезных ископаемых, в отрасли больше внимания уделяется производственному процессу, но существуют возможности увеличения эффекта на 1,5% к 2024 г. при внедрении аналитики данных в части ценообразования/продаж покупателями”, – рассказал корреспонденту ComNews Алексей Нейман.

И.о. директора по развитию бизнеса “SAS Россия/СНГ” Александр Ефимов в целом согласен с результатами исследования. “Рынок инструментов для работы с большими данными становится более зрелым. Уже сформировалось понимание, какие задачи можно решать, как строить системы, появились специалисты с кросс-индустриальным опытом, вендоры накопили экспертизу, в том числе локальную, – говорит он. – Бесспорно, у больших данных в промышленности огромные перспективы. Производство становится все более технологичным, предприятия – все более автономными, в процессе их работы генерируются гигантские объемы данных, и от того, насколько эффективно будут собираться и анализироваться эти данные, зависит эффективность и бесперебойность работы самого предприятия”.

Александр Ефимов привел примеры: с помощью больших данных можно следить за жизнеспособностью оборудования, заранее видеть риски, предупреждать износ, избегать сбоев. “Сейчас сенсоры и датчики, которые ведут такое отслеживание, отправляя данные для анализа, – уже не редкость. Но это, конечно, не единственное направление. Большие данные также, к примеру, служат основой для построения цифрового двойника предприятия и оборудования – виртуальной модели производства или его отдельного узла. Цифровой двойник позволяет реализовать решения в виртуальной плоскости, чтобы увидеть, к чему приведет их внедрение, и только потом, после такого цифрового моделирования, воплощать их в жизнь. Сейчас цифровые двойники активнее всего применяются в энергетической промышленности – и это согласуется с данными исследования НИУ ВШЭ, где указывается, что технологии сбора, анализа и обработки больших данных чаще всего внедряют или планируют внедрить добывающие предприятия. Во-первых, в добывающей промышленности ошибки стоят очень дорого, поэтому превентивное виртуальное “бурение” скважины или моделирование других процессов может помочь избежать серьезного ущерба. Во-вторых, цифровизация требует инвестиций, а у добывающих предприятий, как правило, средства для этого есть. Но большие данные используются и в других промышленных секторах, причем не только в промышленных – оно становится повсеместным, и я уверен, что в обозримом будущем вопрос о том, собирать или не собирать, анализировать или нет, отпадет сам собой – этот процесс будет восприниматься как нечто естественное и само собой разумеющееся”, – рассказал Александр Ефимов корреспонденту ComNews.

Руководитель группы IoT компании Softline Валерий Милых тоже согласен с исследователями, потому что большие данные изначально связанны с тремя основными понятиями – большим объемом, большой скоростью и большим разнообразием. “Эти свойства накладывают целый ряд ограничений на потребителей Big Data. Но тот, кто обладает инструментами для сбора и обработки неструктурированных, разнородных данных, получает возможность создавать товары и услуги с высокой долей добавленной стоимости, принимать эффективные управленческие решения, исключать посредников между производителями услуг и их потребителями в самом широком смысле понятия “услуга” и “потребитель”.

Таким образом, большие данные могут применяться во всех стадиях производства. Уже сейчас эти технологии активно используются для оптимизации таких ключевых процессов, как выявление мест и устранение потерь внутри производственного процесса, повышение устойчивости производственных процессов с точки зрения качества продукции, минимизация расхода энергии, оптимизация ТОиР, прогнозирование отказов оборудования (априорный анализ) и др. Подобные решения на базе Big Data, даже внедряемые точечно, обеспечивают рост эффективности производственных процессов, – рассказал Валерий Милых. -Перспективы у Big Date огромные, и это объективная реальность. Проникновение больших данных в производственные сферы продолжает расти, среди них сбор и анализ параметров физических объектов, анализ материальных ресурсов, учет операционных и юридических данных, учет предпочтений пользователей, анализ общемировых тенденций и др. Однако на этом пути есть некоторые сложности: высокая скорость обработки информации и влияние на производственный процесс приводит к тому, что может нарушиться устойчивость технологических процессов. Предприятиям нужно уметь это видеть и принимать соответствующие меры. Кроме этого, пока что наибольшую выгоду от использования больших данных получают крупные компании, имеющие значительные ресурсы и способные обеспечить себе доминирование на рынке. Тем не менее уверен, что в будущем будут найдены эффективные пути снижения стоимости владения инструментами для работы с большими данными и созданы доступные сервисы для использования Big Data даже небольшими компаниями”.

По мнению технического директора DIS Group Олега Гиацинтова, пока не все промышленные предприятия в России до конца определили для себя оптимальные сценарии применения технологий Big Data. “Сейчас компании много экспериментируют, чтобы понять, в каком направлении большие данные принесут максимальную выгоду. Естественно, применение технологий Big Data на производстве будет активно расширяться. Задач, которые можно решить с помощью больших данных, в любой отрасли предостаточно: от управления производством до развития бизнеса. Перспективным для промышленности мне представляется создание “умных озер данных”. Такое озеро сочетает в себе технологии Big Data для обработки и хранения данных и решения для управления данными. Первое “умное озеро данных” уже реализовала у себя компания “Газпром нефть”, – прокомментировал Олег Гиацинтов.