ЭКОНОМИЧЕСКИЕ НАУКИ

В современных непростых для отечественной экономики условиях основным и наиболее перспективным видом эконо­мического анализа остается комплексный анализ, базирую­щийся на системном подходе к экономическим процессам, исследуемым в динамике и во взаимосвязи со всеми частными элементами экономических процессов и отражаемым в си­стеме показателей. В то же время, многообразие и сложность деятельности бизнеса, государственного и муниципального управления требуют экспресс обработки огромных объемов данных, классификации и интерпретации результатов, выде­ления первичных и вторичных элементов и т.п. Все это замед­ляет и затрудняет традиционный экономический анализ, вы­полняемый «ручными» или частично автоматизированными средствами. Для ускорения и повышения качества комплекс­ного экономического анализа, построения взаимосвязанной системы показателей, максимально полно охватывающей все элементы хозяйственного и финансового механизмов, он се­годня строится в рамках программно-аппаратных платформ, поддерживающих функционирование бизнес-интеллекта. Именно такой подход позволяет адекватно и быстро группи­ровать показатели по экономически однородным признакам в блоки, соединяемы в единую систему бизнес-интеллекта ком­пании. Преимущества современного комплексного системно­го экономического анализа состоят в способности выявить все возможные резервы повышения эффективности деятельности (производства). Их оценка с помощью систем бизнес-интел­лекта дает возможность представлять основную деятельность компании (предприятия, организации) как единый механизм, выделив не только ключевые, а все звенья. На этой информа­ционно адекватной (информация собрана, систематизирована и интерпретирована) базе разрабатываются и принимаются современные управленческие решения по мобилизации всех ранее не использованных резервов.

Понятие бизнес-интеллект уже не нуждается в уточняю­щем определении и понимается как совокупность технологий в сфере бизнес-анализа, куда входит и программно-аппарат­ная часть. Мировая и российская практика сформировала успевшую стать классической функциональность систем биз­нес-интеллекта, включающую сбор, очистку, визуализацию и построение отчетов, что востребовано для бизнеса всех от­раслей. Так называемые «легкие» аналитические системы, имеющие оптимальную функциональность, широко распро­странены в России. По экспертным оценкам в среднесрочной перспективе рынок систем бизнес-интеллекта будет демон­стрировать ежегодный почти 10 процентный рост. Это связа­но с задачей решения вопроса эффективности как основного в экономическом анализе любой сферы деятельности.

Рассматривая методологию применения современных информационных и коммуникационных технологий в области экономического анализа, отметим, что по данным одной из авторитетных в сфере технологий и систем бизнес интеллекта компании Gartner, у бизнеса растет востребованность анали­тических платформ, имеющих минимально необходимую функциональность при простоте в инсталляции и использо­вании. Более мощные системы бизнес-интеллекта с широкой функциональностью используются в основном в специализи­рованных проектах. По тем же оценкам на современном этапе анализируемые программно-аппаратные средства находят­ся в финальной стадии перехода от аналитических отчетов, подготавливаемых отделами информационных технологий, к собственно аналитике, вырабатываемой на базе самообслу­живания самостоятельно бизнес-пользователями. Данная тенденция обусловлена потребностями современного бизне­са в быстрых метода получения адекватного аналитического знания. В этой связи и заметна тенденция «демократизации» аналитики, которая и обуславливает переход на относительно простые, быстрые и адаптивные современные платформы биз­нес-интеллекта. Для предпринимателя их ценность состоит в возможности более глубокого и быстрого, чем в «ручном» ре­жиме, анализа данных из совокупности внешних и внутренних источников.

Общая тенденция перехода анализируемых платформ от простых отчетов, т.е. от простой «механизации» работы от­делов информационных технологий, к аналитике «самообслу­живания» достигла переломной точки и покупатели отдают предпочтение ориентированные непосредственно на бизнес- пользователей платформам.

В связи с этим, в ближайшие два года большая часть биз­нес-пользователей и аналитиков получат доступ к эффектив­ным инструментам «самообслуживания» по сбору и интерпре­тации данных для анализа в рамках перехода к пользованию современных платформ бизнес-интеллекта. При этом боль­шая часть ныне действующих «автономных» программных продуктов с узким функционалом, ориентированным лишь на подготовку данных для анализа, должны будут модерни­зироваться до уровня полноценных платформ, или войдут в качестве сегментов действующих полноценных платформ. На этом уровне «умные», управляемые решения, базирующиеся на поиске и визуализации данных, сольются в единый процесс подготовки данных, на основе «самообслуживания» и генера­ции запросов на естественном языке.

Сегодня в России в анализируемой сфере деятельности идет жесткая конкурентная борьба. В процессе трансформа­ции российского рынка, позиции традиционных (и наиболее авторитетных в развитых странах) систем бизнес-интеллекта уязвимы и находятся под угрозой потери своих позиций из-за высокой стоимости.

Учитывая новые тенденции и конкуренцию на рынке Gartner в 2015 г. дифференцировала рынок систем бизнес-ин­теллекта, выделив кроме квадранта бизнес-анализа и анали­тических платформ, также квадрант продвинутых аналитиче­ских платформ, с объемом рынка инструментария до $1 млрд. и перспективами роста в связи с прогрессирующим ростом объема больших данных, поступающих с различных мобиль­ных гаджетов. Лидеры этого сегмента из числа ведущих запад­ных компаний, активно продвигают в России свои аналити­ческие продукты. Из российских компаний следует отметить комплексные разработки компании «Прогноз».

Как же на практике применяются системы бизнес-интел­лекта в России. В значительной части их используют крупные корпорации для экономического анализа больших массивов данных, как с целью совершенствования собственного бизнеса, так и для реализации полученных результатов на рынке.

Примеров применения платформ бизнес-интеллекта в России не много. Их использование пока не имеет системного характера и не дает синергетического эффекта. Анализируя всю совокупность применения таких платформ в информаци­онно-коммуникационной сфере (как быстро развивающейся и олицетворяющей информационное общество), сфере го­сударственного управления, где необходима максимальная обоснованность принимаемых решений, а также в реальном секторе экономики (тяжелая промышленность), мы выдели­ли несколько наиболее показательных примеров, в основном применительно к работе с большими базами данных.

В сфере государственного управления системы бизнес­интеллекта обрабатывают большие массивы данных. Так, Фе­деральная налоговая служба (далее – ФНС) открыла в Дубне федеральный Центр обработки данных (ЦОД), который стал сегментом крупнейшего в России проекта в области боль­ших объемов данных. ЦОД даст возможность ФНС в рамках «единого налогового файла» объединить все данные о нало­гоплательщиках, а также, обеспечив экстерриториальность и универсальность услуг ФНС, отслеживать персональную налоговую историю любого налогоплательщика и выявлять незарегистрированную или не облагаемую налогами недви­жимость. Помимо формирования, хранения и технического администрирования баз данных и обработки больших масси­вов данных, ЦОД имеет функции системы бизнес-интеллекта, ориентированной на решение задач управления:

• мониторинг взаимоотношения компаний с контрагента­ми и ФНС;
• обеспечение информационного взаимодействия с под­разделениями ФНС и другими организациями;
• доведение информации, формируемой из потока внеш­них данных (органов власти всех уровней) до региональных подсистем автоматизированной информационной системы (АИС) «Налог»;
• сортировка и перераспределение данных информаци­онных ресурсов регионального уровня, маршрутизировать та­кие данных по регионам;
• автоматизация контроля за исполнением налогового за­конодательства;
• автоматизация расчетов для анализа, оценки и прогноза налогового потенциала и эффективности работы налоговых органов.

В корпоративном секторе системы бизнес-интеллекта востребованы там, где необходимо работать с Большой кли­ентской базой и большим числом показателей находящихся в непрерывной динамике. Прежде всего, это растущая сфера телекоммуникаций, где ряд российских операторов на базе обезличенных агрегированных данных формулирует цепи контактов своих абонентов, предположив, что каждый або­нент определенного оператора опосредованно знаком с дру­гим абонентом через четыре контакта-номера телефона. Дан­ное исследование, интересное с теоретической точки зрения, как в плане проверки теории «шести рукопожатий»⁵, так и в плане достижений бизнес-аналитики, не имеет пока ясного практического применения.

Новой российской тенденцией, где также будет необхо­дима проработка вопроса о персональных данных, является разработка крупными компаниями, работающими с больши­ми данными собственных аналитических систем. В частности ПАО Сбербанк. выкупив контрольный пакет акций компании разработчика ПО, поставил задачу сбора и передачи Банку информации об интересах и поведении клиентов в Интерне­те, что позволяет банку делать таргетированные предложения клиентам с учетом их (как это предполагает Банк) поведения и интересов⁶.

В рамках реорганизации Сбербанка один из созданных ключевых Центров компетенций занялся внедрением системы бизнес-интеллекта. Банк установил программно-аппаратный комплекс Teradata, включающий аналитическое хранилище данных, а также приобрел оперативное хранилище данных Oracle Exadata. Центр компетенции занимается развитием, сопровождением, обеспечением работоспособности этого комплекса, собирая и агрегируя информацию о продуктах, клиентах и операциях из учетных систем Сбербанка. Сегодня число целевых систем-источников в Сбербанке достигает 140. На базе собранной, агрегированной и проверенной информа­ции строится и визуализируется витрина данных, строятся от­четные формы. При этом основные работы ведутся в рамках нескольких десятков проектов и в интересах восьми Блоков За­казчиков Сбербанка.

Системы бизнес-интеллекта в банковской сфере выходят за рамки стандартной структуры отделов информационных технологий, не только своими объемами, но и по методам формирования данных. В эксплуатации это итерационные си­стемы с бесконечным потоком информации и постоянно ме­няющимися требованиями к её предоставлению.

Ввиду перманентного изменения видов, источников и структуры информации выстроить структуру развития и со­провождения при работе классической информационной службы крайне сложно. Специфика Сбербанка заключается в масштабе работы, числе систем и проектов. В российском бан­ковском секторе таких проектов нет.

Главная задача внедрения систем бизнес-интеллекта в Сбербанке – обеспечить выполнение задач быстро растущего числа проектов и Заказчиков на стабильно высоком уровне на­дежности и управляемости. Г. Греф отметил необходимость внедрения систем искусственного интеллекта для принятия решений, подчеркнув задачу всех топ-менеджеров «достаточ­но хорошо представлять себе, что это такое», а также «быть квалифицированными постановщиками задач».

Системы бизнес-интеллекта используются сотовыми операторами и по заказу органов управления для получения и анализа данных, полезных для проектирования городской инфраструктуры. В частности, используя свои технические возможности, оператор собирает и анализирует статистику перемещений своих абонентов по городским дорогам, метро, в пригородных поездах. Данные необходимы городу для про­ектирования магистралей и новых станций метро. Органы управления в рамках программ модернизация социальной сферы и сами создают исследовательские подразделения, ис­пользующие системы бизнес-интеллекта для анализа боль­ших массивов данных уже имеющихся в системе здравоохра­нения. Такого рода лаборатории призваны прогнозировать эпидемические всплески, сравнивать эффективность методик лечения, выявлять группы риска, выявлять проблемы органи­зации системы здравоохранения.

В реальном секторе экономики системы бизнес-интел­лекта нашли применение для разрешения технологических вопросов. Здесь предприятия сотрудничают с ключевыми разработчиками программного обеспечения, работающими в сфере генерации продуктов для экономического анализа больших данных. Такое сотрудничество обеспечивает внедре­ние математических моделей производственных процессов. В данном случае обрабатывается Большой массив данных и на основе полученных результатов разрабатывается модель опти­мизации таких процессов. Полученный в итоге программный продукт будет способен воспринимать данные по основным технологическим показателям и выдавать оптимально необхо­димое количество ферросплавов и добавок.

Сложная внешнеэкономическая ситуация обусловила не­достаток инвестиционных ресурсов, что безусловно, тормозит темпы роста российского рынка, включая и сегмент разработ­ки и внедрения систем бизнес-интеллекта. В то же время, курс на так называемое импортозамещение предоставляет россий­ским информационным компаниям шанс на разработку и внедрение своих платформ. Традиционно, доля отечественных решений на этом рынке, по нашим данным, составляет при­мерно 10% от всех работающих в России систем бизнес-интеллекта. Российский рынок в этом сегменте эксперты признают зрелым, и находящимся в стадии развития даже при экономи­ческой нестабильности. В современных условиях, компании – клиенты разработчиков систем и платформ бизнес-интеллек­та тщательно планируют расходы с приоритетом сокращения бюджетов, при этом, однако, число задач, требующих реше­ния с помощью аналитических систем, неуклонно возрастает. При сохранении тенденций 2014-2015 годов (санкции, неста­бильность рынков и т.п.) на рынке BIS, вероятнее всего следует ожидать роста рублевых сделок.

Таким образом, в современных условиях на рынке бизнес аналитики наиболее востребованы утилитарные бизнес – ори­ентированные BI платформы. В среднесрочной перспективе анализируемый рынок, по нашим оценкам, может показать ежегодный рост до 10 процентов. Такая динамика производна от прогресса программно-аппаратных средств бизнес-анали­тики, которые перешли рубеж аналитических отчетов, под­готавливаемых информационными отделами, к собственно аналитике, вырабатываемой на базе самообслуживания само­стоятельно бизнес-пользователями. Именно эта тенденция обусловлена потребностями современного бизнеса в быстрых метода получения адекватного аналитического знания. Таким образом, можно сделать вывод о тенденции «демократиза­ции» аналитики, которая проявляется в переходе на относи­тельно простые, быстрые и адаптивные современные плат­формы бизнес-интеллекта. Общая тенденция перехода таких платформ от простой «механизации» работы специализиро­ванных отделов, к аналитике «самообслуживания» достигла переломной точки и покупатели отдают предпочтение ориен­тированные непосредственно на бизнес-пользователей. В Рос­сии разработка и использование платформ бизнес-интеллекта набирает темпы в связи с ростом объема больших данных и потребностью в быстрой и адекватной обработке информа­ции. Активная работа с персональными данными компаний, имеющих большую клиентскую базу, будет сталкиваться с правовыми проблемами использования персональных дан­ных. Новой тенденцией является разработка крупными ком­паниями, работающими с Большими данными собственных аналитических систем. Дефицит инвестиционных ресурсов тормозит темпы роста российского рынка в анализируемом сегменте, что вступает в противоречие с растущими задачами в сфере обработки больших массивов данных и обоснования управленческих решений. Разрешение данного противоречия представляется в реализации российскими информационным компаниям курса на импортозамещение, т.е. на разработку и внедрение своих платформ.