Дата-инновации — 2026: ключевые факторы, барьеры и стимулы

Какие факторы сейчас сильнее всего влияют на внедрение и развитие технологий работы с данными? Что сегодня тормозит, а что, напротив, ускоряет дата-проекты в российских организациях? Какие из них критичны, а какие вполне преодолимы? Свои ответы на эти вопросы предлагают эксперты, готовящиеся выступить на очередном форуме «Данные+ИИ — 2026».

Согласно единодушному мнению экспертов, ключевыми факторами, которые необходимо учитывать в проектах по внедрению и освоению дата-инноваций, сегодня являются государственное регулирование, сложности с формированием необходимых компетенций и доступом к новейшим инфраструктурным технологиям. Также необходимо принимать во внимание нынешние требования бизнеса в отношении окупаемости и стоимости владения решениями для работы с данными и особенности имеющегося на российском рынке предложения дата-технологий и связанных с ними услуг.

Ключевые факторы, влияющие на освоение дата-технологий

Денис Смирнов: «Главной движущей силой дата-инициатив в России сегодня является возрастание цены управленческой ошибки»

«Разговор о данных в 2026 году все меньше связан с технологиями как таковыми и все больше — с их использованием в задачах управления, — отмечает Денис Смирнов, генеральный директор компании «Денвик Аналитика». — Далеко не все российские компании умеют преобразовывать активы данных в стабильно эффективные управленческие решения. Главной движущей силой дата-инициатив в России сегодня является не цифровая повестка и не следование трендам, а возрастание цены управленческой ошибки. Пока бизнес стабилен и маржинален, аналитика часто воспринимается как вспомогательная функция. Потребность в данных резко возрастает в двух случаях: при появлении риска снижения эффективности и при наличии амбициозных целей роста. Дата-проекты возникают тогда, когда компании нужно понять, в каком она состоянии находится, куда движется и какие решения ей следует принимать. Если проблемы становятся критическими, то бизнес нередко переходит в режим ручного управления, и тогда времени на развитие аналитики уже не остается. Дополнительным стимулом к развитию дата-технологий становится рост стоимости трудовых ресурсов. В целом тенденция такова, что процессы усложняются, и управление, основанное исключительно на интуиции, перестает быть устойчивым — это усиливает спрос на данные как на инструмент повышения эффективности».

Павел Егоров, руководитель направления Big Data компании «Инфосистемы Джет», делится своими наблюдениями: «Первый ключевой фактор — это понятный экономический результат: когда бизнес видит, что конкретные кейсы дают измеримую отдачу, его интерес к дата-инструментам быстро растет. Чтобы ускорить процессы и повысить качество управленческих решений, бизнес внедряет десятки решений — от ML-помощников до оперативной аналитики. А запустить, к примеру, модель машинного обучения гораздо быстрее можно, если в компании есть каталог данных и настроенные интеграционные интерфейсы. В результате запуска модели заказчик получает экономически выгодный дата-инструмент — он помогает извлечь выгоду быстрее и дешевле. Второй ключевой фактор развития технологий работы с данными — участие в ключевых процессах компании. В отраслях, где без данных уже невозможно поддерживать работу важнейших функций, технологии развиваются быстрее всего. Яркий пример — маркетплейсы: они анализируют и консолидируют клиентский опыт сотен тысяч пользователей, без этих больших данных продавцы и покупатели фактически лишаются информации друг о друге. Еще один пример — банки: их кредитные конвейеры практически мгновенно анализируют данные о клиентах и кредитные риски».

Евгений Осьминин: «Благодаря развитию ИИ данные становятся продуктом, критически важным ресурсом, высоколиквидным активом»

По мнению Евгения Осьминина, директора по развитию и цифровой трансформации компании РДТЕХ, дата-инновации — это, без преувеличения, необходимое сегодня условие повышения конкурентоспособности и выживания: «Его следует рассматривать как важную часть процесса цифровой трансформации бизнеса за счет использования качественных данных. Движущими силами дата-инноваций можно назвать господдержку, осознание и принятие необходимости изменений при работе с данными, развитие отечественных облачных технологий и сервисов. Кроме того, сейчас формируется новая культура отношения к данным: благодаря развитию ИИ данные становятся продуктом, критически важным ресурсом, высоколиквидным активом».

Даниил Макас, директор дивизиона развития технологий ИИ направления Т1 ИИ (ИТ-холдинг Т1), выделяет два ключевых фактора — это импортозамещение и стоимость владения: «В условиях необходимости включения решений в российские реестры, такие как ЕРРП, переход на отечественные продукты становится приоритетом. В свою очередь, стоимость владения становится решающим критерием, поскольку инфраструктура, необходимая для работы с данными, часто оказывается дорогой и плохо масштабируемой — это заставляет компании выбирать решения с более низкими эксплуатационными расходами».

Ярослав Славченко, директор по продажам компании CedrusData, ключевой движущей силой развития считает государственную политику импортозамещения и технологического суверенитета: «Она формирует обязательный спрос на отечественные решения. Дополнительный стимул задают растущие объемы данных и потенциал ИИ. Успех сегодня главным образом зависит от способности компаний адаптировать стратегию в области данных к нормативным требованиям и умения решать инфраструктурные и кадровые задачи. Для этого нужно развивать внутреннюю экспертизу, использовать доступные решения и тесно сотрудничать с российскими производителями ПО».

Евгений Кузьмичев: «На рынке наблюдается тенденция к созданию экосистем, консолидации продуктов и платформ — это расширяет предложение в целом»

Евгений Кузьмичев, директор по развитию бизнеса департамента Data Insights в компании Navicon, предлагает разделить все факторы на две условные группы — внутренние, связанные с российским рынком, и внешние, определяемые глобальным рынком: «На глобальном уровне мы находимся в роли догоняющих по большинству направлений, следуем за мировыми трендами, внедряем уже доказавшие свою эффективность технологии. Тем не менее, в последние годы наш разрыв постепенно сокращается. На внутреннем, российском рынке наблюдается несколько важных факторов, влияющих на развитие технологий. В их числе — господдержка производителей и интеграторов российского ПО, растущая конкуренция продуктов для работы с данными, консолидация и снижение числа их вендоров, а также повышение уровня зрелости бизнеса в области работы с данными. Кроме того, наблюдается тенденция к созданию экосистем, консолидации продуктов и платформ — это расширяет предложение в целом: облачные провайдеры активно идут “на землю”, производители операционных систем осваивают рынок хранилищ данных, интеграторы создают собственные продукты, а поставщики бизнес-систем (BPM, CRM, ERP и пр.) стремятся развивать функции, связанные с BI и визуализацией данных. Кстати, у нашего рынка и ряд особенностей. Так, в США и Европе технология Greenplum не могла похвастаться очень широким применением в качестве ядра DWH, зато в России она сохраняет лидирующие позиции даже после ухода в архив версии с открытым исходным кодом. А популярная у нас концепция Lakehouse уже давно апробирована крупными мировыми компаниями и наравне с размещением в облаках является стандартом. Что касается переноса обработки данных в облако, то в России этот тренд не очень популярен».

Дмитрий Красников: «Развитие инноваций теперь зависит от построения надежного фундамента: промышленных хранилищ или единых дата-платформ, внедрения процессов управления качеством данных, актуальностью и ответственностью за данные»

Дмитрий Красников, руководитель направления Big Data & BI в компании К2Тех, ключевым фактором видит переход от изолированных экспериментов и «песочниц» к созданию производственной среды для данных: «Развитие инноваций теперь зависит не от поиска самой передовой модели ИИ, а от построения надежного фундамента — промышленных хранилищ или единых дата-платформ, внедрения процессов управления качеством данных, актуальностью и ответственностью за данные. Цель этих усилий — превратить данные в управляемый, готовый к масштабированию актив. Прагматичный запрос бизнеса на быструю отдачу, продиктованный высокой стоимостью капитала, вынуждает компании выбирать проекты с измеримой и быстрой окупаемостью. Этот тренд поддерживается и государственной политикой: национальный проект “Экономика данных” и регуляторные инициативы стимулируют долгосрочные инвестиции в технологическую базу. Одновременно происходит демократизация аналитики благодаря развитию BI-платформ и встраиванию в них механизмов запросов на естественном языке, что резко снижает барьер входа для конечных пользователей и ускоряет принятие решений на всех уровнях организаций. Наконец, мы видим возрождающийся интерес к уже знакомым технологиям, в частности к MDM, как к инструменту операционной оптимизации и снижения издержек, что делает его актуальным в условиях поиска внутренних резервов».

«Не стоит бежать за хайповыми технологиями, если у вас нет хорошего фундамента — стабильного КХД и качественных данных, — дополняет коллег Андрей Телюков, технический директор компании TData. — Это необходимый технологический минимум для дальнейшего развития. Несомненно, стоит инвестировать в новые технологии и ИИ, но делать это нужно прагматично: инновации должны решать конкретные бизнес-задачи».

Барьеры и стимулы для дата-инноваций

Андрей Евтихов: «На рынке сказывается ограниченное предложение специализированных услуг сбора и анализа внешних данных»

Согласно выводам Андрея Евтихова, управляющего директора направления GigaData в «Сбербанке», факторами, тормозящими развитие дата-инноваций, являются сегодня усиление ответственности коммерческих компаний за утечки персональных данных клиентов и возрастание правовой неопределенности в будущем регулировании рекомендательных систем, динамического ценообразования и др. «Также сказывается ограниченное предложение на рынке специализированных услуг сбора и анализа внешних данных (дата-брокеров) — оно вызвано, в частности, высокими правовыми рисками данного вида коммерческой деятельности, — продолжает Евтихов. — Пока еще ограничено и предложение на рынке специализированных консалтинговых услуг по практическим сценариям применения данных в коммерческом секторе. Кроме того, затруднено приобретение современной вычислительной инфраструктуры для управления данными, в первую очередь СХД».

Среди факторов, ускоряющих дата-инновации, Евтихов называет расширение доступа коммерческих компаний к данным государства и удобство их использования, развитие национальных технологий управления данными и увеличение возможностей доступа к технологиям, которые развивают у себя облачные провайдеры. «Также радует динамичное развитие образовательных продуктов в области управления данными — в частности, значительно выросли возможности повышения квалификации сотрудников», — добавляет эксперт.

Даниил Макас: «Основным сдерживающим фактором для дата-проектов сегодня является экономия бюджетов»

Макас полагает, что основным сдерживающим фактором для дата-проектов сегодня является экономия бюджетов: «В целом компании сейчас подходят ко всем новым проектам с большей осторожностью, тщательно оценивая их эффективность и целесообразность. Кроме того, рост цен на инфраструктурные комплектующие, например на оперативную память, также оказывает влияние на реализацию дата-проектов. Ускоряет внедрение дата-проектов потребность в автоматизации: проекты, связанные с данными, продолжают развиваться даже в условиях экономии, поскольку они значительно повышают общую эффективность бизнеса».

Андрей Телюков: «Главное препятствие — дефицит ресурсов и сложность доступа к современным вычислительным мощностям»

«Главное препятствие — дефицит ресурсов и сложность доступа к современным вычислительным мощностям, — считает Телюков. — С другой стороны, компании активно мигрируют в облака, переосмысливая архитектуру классических хранилищ, что в итоге делает инфраструктуру эффективнее и дешевле. Вторая серьезная проблема — нехватка компетенций. Экспертиза консолидируется вокруг крупных игроков, а среднему и малому бизнесу все сложнее собирать у себя сильные команды — часто это экономически нецелесообразно. Мы видим решение в синергии вендоров и заказчиков: дефицит компетенций мы преодолеваем, реализуя образовательные программы для партнеров и клиентов, а инфраструктурные риски нивелируем за счет того, что наши продукты уже полностью адаптированы для работы в облаках».

По мнению Славченко, главным вызовом остается дефицит экспертизы в области использования новых технологических решений — нехватка архитекторов и инженеров, способных проектировать и поддерживать гибридные системы, серьезно тормозит процесс внедрения. «Кроме того, экономические и инфраструктурные ограничения не только делают капитальные затраты на инфраструктуру для больших данных чрезмерно высокими, но и ставят под вопрос приемлемость долгосрочной стоимости владения ею, — рассуждает Славченко. — Таким образом, успех в построении современных КХД сегодня зависит от способности совместить стратегические цели бизнеса с практической гибкостью архитектур Lakehouse. Это требует планомерного развития внутренней экспертизы и построения процессов управления данными, полностью соответствующих новым технологическим реалиям».

Ярослав Славченко: «Успех в построении современных КХД сегодня зависит от способности совместить стратегические цели бизнеса с практической гибкостью архитектур Lakehouse»

Как наиболее критичные и трудно преодолимые факторы Славченко рассматривает, прежде всего, регуляторные требования по импортозамещению и локализации: «Впрочем, ими можно эффективно управлять, учитывая необходимые сроки и бюджеты на сертификацию и выбирая решения из реестра Минцифры». Второй барьер — это дефицит и дороговизна инфраструктурного оборудования. Также необходимо учитывать дефицит квалифицированных кадров: «Эту проблему можно решить благодаря системным инвестициям в переобучение существующих аналитиков и инженеров с акцентом на отечественный ИТ-стек и DataOps, создание внутренних центров компетенций, партнерство с вузами и привлечение вендоров с глубокой экспертизой». Другие непростые факторы — экономическая неопределенность и требование быстрой окупаемости: «Преодолеть их можно за счет изменения подхода к реализации проектов: вместо масштабных многолетних программ следует делать ставку на инкрементальные внедрения, в которых каждый этап должен приносить измеримую бизнес-ценность и окупаться, создавая основу для следующего шага».

Рекомендация Славченко такова: «Критичность факторов определяет последовательность действий. В первую очередь необходимо соблюсти регуляторные рамки и выбрать стратегию с учетом инфраструктурных ограничений. Параллельно следует запускать программу развития внутренних компетенций, включая обучение силами вендоров-партнеров. Такой подход позволяет планомерно двигаться вперед даже в условиях сложных внешних ограничений».

Степан Пыстин: «Ключевые ограничения чаще всего лежат не в технологической, а в организационной плоскости»

По наблюдениям Степана Пыстина, технического директора компании «Денвик Аналитика», ключевые ограничения чаще всего лежат не в технологической, а в организационной плоскости: «Среди основных барьеров — отсутствие выстроенных правил работы с данными и единых определений показателей, препятствование сотрудников повышению прозрачности, зависимость от отдельных специалистов и заказных решений. Заказная разработка и сложный код нередко превращаются в “узкое горлышко”: уход одного разработчика может парализовать развитие всей аналитической системы».

Красников как один из ключевых тормозящих факторов выделяет недостаток предложения зрелых и конкурирующих вендорских решений для современных архитектур данных, таких как Data Lakehouse, с надежной долгосрочной поддержкой и понятной стратегией развития: «Существенный разрыв между заявленными возможностями новых платформ и реальным количеством успешных масштабных внедрений сдерживает доверие бизнеса и массовое принятие этих технологий. Ситуацию усугубляют возросшие риски зависимости от решений с открытым кодом. Для компаний эти риски выливаются в реальные угрозы потери критических компетенций и полной остановки развития своих дата-платформ. Как следствие, при выборе технологий все большее значение приобретает оценка устойчивости вендора, его долгосрочных обязательств и зрелости его экосистемы, что в целом замедляет процесс принятия решений».

Павел Егоров: «Дата-технологии не приносят ожидаемой пользы, если информация не попадает вовремя в системы или обрабатывается сотрудниками с ошибками»

Егоров первым среди тормозящих факторов называет проприетарные решения, реализующие локальные аналитические сценарии: «Пример: вместо создания цифрового двойника какого-либо производственного процесса на основе технологий больших данных его реализуют на базе MES-системы. Однако такое решение не позволит масштабировать аналитику локального процесса на все производство. Разработка аналитических инструментов на базе проприетарных решений также несет дополнительные риски. В частности, может снизиться быстродействие на аналитических запросах. Второй фактор — качество исходных данных: если информация не попадает вовремя в системы компании или обрабатывается сотрудниками с ошибками, дата-технологии не приносят ожидаемой пользы. В таких случаях нужно сначала выстраивать процессы сбора и очистки данных — создавать основу, без которой дата-технологии работать не смогут».

Кузьмичев к ряду факторов, сдерживающих дата-инновации, причисляет рост затрат на услуги интеграторов, содержание собственных центров компетенций и вендорские продукты, а также удорожание инфраструктуры: «Именно уход сильных зарубежных игроков остается одной из важных движущих сил развития отрасли в стране, порождая все новые проекты импортозамещения и перехода на отечественные технологии. Что не менее важно, зрелость бизнеса в области управления данными растет, и новые дата-инициативы появляются — как с целью получить конкурентные преимущества быстрее конкурентов, так и для освоения успешного опыта своих коллег».

Как подчеркивают наши эксперты, ни один из упомянутых ими факторов не следует рассматривать как непреодолимый — они могут замедлить проекты или отразиться на их масштабировании, но блокировать дата-инновации они не в силах.