Как развиваются российские решения для управления данными и почему рынок ждет интеграция

По данным исследования TAdviser российские платформы управления данными уже способны закрывать базовый контур современных интегрированных дата-платформ, объединяющих хранение, обработку, транспорт, каталогизацию, контроль доступа, Data Quality, элементы Data Governance и инструменты ИИ. Параллельно с этим между сегментами сохраняется специализация: облачные игроки сильнее в широте функционального покрытия, масштабируемости и скорости запуска, тогда как on-premise платформы чаще делают ставку на зрелость компонентов data governance, обеспечение качества данных и соответствие требованиям крупных корпоративных заказчиков. 

По мнению авторов исследования, вероятно, одним из векторов развития рынка станет сближение этих двух сегментов, поскольку заказчикам нужны не просто наборы сервисов, а полноценные платформы с одновременно сильными возможностями Lakehouse, зрелым data governance, понятной стратегией использования ИИ и гибкостью поставки - в облаке, в частном облаке или on-premise. Такие игроки будут выглядеть наиболее конкурентоспособными в следующем этапе развития рынка.

Александр Зенькович, руководитель направления хранилищ данных и больших данных «ДАР» (входит в ГК «КОРУС Консалтинг») рассказал подробнее о причинах этой тенденции на рынке и к чему она приведет.

Ярким маркером текущей трансформации является разделение рынка на ИТ-игроков, предлагающих комплексные экосистемы по управлению данными (Яндекс, Arenadata и т.д.) и тех, кто предлагает нишевые продукты (например, CedrusData). В 2020–2024 годах рынок во многом находился в режиме «тушения пожаров». Компании стремились как можно быстрее внедрить любые доступные отечественные ИТ-компоненты – базы данных, ETL-инструменты, решения для визуализации и бизнес-аналитики, чтобы оперативно заменить ушедшее импортное ПО и поддерживать критичные производственные и бизнес-процессы. Однако сейчас ситуация изменилась: разделение рынка на комплексные экосистемы и нишевые продукты показывает, что он стал более зрелым и структурированным. На нём появились технологические лидеры, которые способны закрывать целый стек решений. Компании, в свою очередь, начали подходить к выбору архитектуры более системно: сравнивать не отдельные компоненты, как раньше, а полноценные технологические платформы и экосистемы в комплексе.

Если говорить о распределении бюджетов, то основная их часть сегодня приходится на комплексные экосистемы – это примерно 60–70% рынка. Но нишевые продукты не исчезают и не вытесняются полностью. Напротив, на рынке формируется модель сосуществования и взаимного дополнения: крупные экосистемы становятся технологической основой, а специализированные продукты «встраиваются» в эту основу для решения точечных задач. Например, платформы Яндекса или Arenadata могут использоваться как базовый контур, а нишевые продукты – подключаться к нему там, где требуется узкая экспертиза или особенно высокая производительность, например для сверхбыстрой аналитики. В результате специализированные системы не конкурируют с крупными экосистемами напрямую, а дополняют их, усиливая отдельные функциональные области.

При этом, как было указано выше, спрос на нишевые продукты сохраняется, но его характер заметно изменился. Сегодня такие решения всё реже рассматривают как полноценную альтернативу крупным комплексным платформам. Чаще их выбирают компании с высокой ИТ зрелостью, у которых уже есть базовая инфраструктура и устойчивый технологический фундамент. В таких случаях нишевые продукты помогают точечно повысить эффективность в отдельных сложных направлениях. Например, стриминг данных или Data Quality (качество данных), где специализированные продукты нередко оказываются технологически сильнее крупных универсальных платформ. Кроме того, нишевые решения востребованы там, где экосистемные продукты из-за своего масштаба ещё не успели встроить нужную функциональность внутрь платформы.

Сегодня крупный бизнес всё чаще уходит от «лоскутных» ИТ-ландшафтов, собранных по принципу пазла из разрозненных систем и данных. Компаниям уже недостаточно отдельных инструментов: им нужен комплексный подход и сквозной контроль на всех этапах работы с данными – от их сбора и обеспечения качества до построения продвинутой бизнес-аналитики. Этот запрос напрямую связан с переходом к более сложным и гибким ИТ-архитектурам. На смену классическим хранилищам данных (DWH) всё чаще приходит архитектура Lakehouse, которая позволяет объединять разные типы данных и использовать их не только для отчётности, но и для задач, связанных с машинным обучением и искусственным интеллектом. Бизнес осознает прямую зависимость: без data-driven подхода, выстроенного Data Governance, качественных процессов управления данными, инвестиции в ИИ-проекты быстро теряют смысл. Для ML-моделей и генеративного ИИ нужны не просто большие объёмы информации, а проверенные, согласованные и «чистые» данные. Поэтому ключевая задача сегодня заключается не только в том, чтобы внедрить инструмент для хранения данных, а в том, чтобы создать надёжный фундамент для построения аналитики, машинного обучения и применения генеративного ИИ.

Если говорить про рынок в целом, то пока мы не видим наличие полностью бесшовного «коробочного» решения, которое без доработок закрывало бы 100% потребностей enterprise-уровня. Основные экосистемы уже сформированы, но их компоненты всё ещё проходят этап настройки и адаптации друг к другу. Востребованная платформа данных сегодня должна строиться на открытой архитектуре и поддерживать Open API, чтобы компании могли свободно менять компоненты внутри платформы и подключать внешние модули без риска жёсткой зависимости от одного вендора. Такая открытость становится важным условием для развития сложных ИТ-ландшафтов и защиты от vendor lock-in. Не менее важна масштабируемость, в том числе поддержка Lakehouse-архитектуры. Современная платформа должна одинаково эффективно работать как со структурированными данными для BI-отчётности, так и с неструктурированными массивами данных, которые используются для обучения ML-моделей и решений на базе искусственного интеллекта. Отдельное значение имеет единый контур информационной безопасности и управления. Компании нужны сквозной контроль доступа и единые правила работы с данными на всех этапах, от «сырого» хранилища до аналитических витрин и конечных пользовательских сценариев.

Роль интегратора в таких проектах становится особенно важной, потому что вендор, как правило, создаёт «универсальный» продукт, рассчитанный на широкий рынок. Интегратор же адаптирует это решение для решения конкретных бизнес-задач, учитывая особенности ИТ-архитектуры и требований заказчика. Кроме того, реальный ИТ-ландшафт крупных компаний почти всегда гибридный: в нём могут одновременно использоваться, например, Arenadata, облачные сервисы Яндекса и решения других вендоров. Каждый поставщик отвечает прежде всего за свой продукт и не будет настраивать системы конкурентов. Поэтому собрать разные компоненты в единую, устойчивую и работающую без сбоев экосистему может только независимый интегратор.

В ближайшие годы рынок будет консолидироваться вокруг полноценных экосистем, которые предлагают комплексный подход к работе с данными. При этом доминирующей моделью, скорее всего, станет гибридный подход: сочетание облачных технологий с on-premises-инфраструктурой или использование нескольких облачных платформ одновременно. 

Такой формат позволяет компаниям снизить риски потери данных и одновременно соблюдать требования регулятора и бизнеса, касающиеся информационной безопасности. Например, персональные данные могут храниться в защищённом on-premises-контуре, а остальные функциональные процессы разворачиваться в облаке, где проще масштабировать вычислительные ресурсы и быстрее запускать новые сервисы.

Нишевых решений на рынке, вероятно, меньше не станет, но их роль будет меняться. Часть команд уже поглощают крупные ИТ-игроки, включая их разработки в собственные продуктовые стеки. Один из примеров – Arenadata Prosperity, интегрированная в общий стек решений Arenadata. Оставшиеся нишевые поставщики будут всё чаще переходить к модели компонуемой архитектуры. Они будут создавать продукты, изначально спроектированные как отдельные модули, которые можно легко подключать к крупным платформам через стандартные API. В такой модели нишевые решения становятся не самостоятельной альтернативой экосистемам, а гибкими технологическими компонентами, усиливающими платформы лидеров в рамках конкретных задач.

Развитие сегмента будет напрямую зависеть от того, насколько гибкими окажутся отечественные продукты и насколько легко они смогут встраиваться в существующий ИТ-ландшафт без риска жёсткой зависимости от одного поставщика. Для заказчиков всё важнее иметь возможность выбирать и комбинировать решения, не попадая в ситуацию vendor lock-in. В итоге преимущество получат компании, которые при поддержке интегратора смогут выстроить гибкие и масштабируемые платформы данных. Такие платформы должны не просто закрывать текущие задачи, а быстро адаптироваться к новым бизнес-целям, изменениям ИТ-архитектуры и росту требований к аналитике, машинному обучению и ИИ.