Как меняются правила игры в бизнес-аналитике

Уже 29% российских компаний внедрили решения на основе искусственного интеллекта (ИИ) в бизнес-аналитику, показало исследование Высшей школы бизнеса НИУ ВШЭ. Сочетание BI (Business Intelligence, бизнес-аналитики) и ИИ переводит технологию от описательной отчетности к аналитическим системам, способным предсказывать тренды и рекомендовать оптимальные решения для компаний. 65% респондентов планируют наращивать инвестиции в это направление.

Аналитики Fortune Business Insights оценивали мировой рынок BI в 2024 г. в $31,98 млрд, и, согласно их прогнозу, в ближайшее время он будет расти в среднем на 8–9% ежегодно, достигнув около $63 млрд к 2032 г. Примерно 30% рынка – BI со встроенными ИИ-компонентами, полагает руководитель лаборатории инноваций «Норбит» Дмитрий Демидов. При этом активное внедрение ИИ в решения для бизнес-аналитики способно ускорить рост сектора BI до 10–12% в год, полагает руководитель направления Т1 ИИ в IT-холдинге Т1 Сергей Голицын.

Отечественный сегмент бизнес-аналитики, по оценке Демидова, стремится к 10 млрд руб. в год, и, по словам других экспертов, демонстрирует взрывные темпы роста. «Российский рынок BI растет на 30–40% в год», – уточняет менеджер технологической практики «ТеДо» Наталия Капырина.

С начала года действительно наблюдается большой интерес к ИИ-агентам для анализа данных: бизнес ищет возможности снизить порог входа в работу с данными и освободить аналитиков от рутинных задач, подтверждает руководитель группы продаж Yandex DataLens Сергей Сошников.

От описания к предсказанию

Эволюция BI-систем прошла несколько этапов. Изначально, в 1990-х – начале 2000-х гг., они представляли собой IT-решения, главной задачей которых была автоматизация сбора данных из разрозненных систем и их визуализация в виде стандартных отчетов. Это позволило бизнесу отказаться от трудоемкого ручного составления отчетов в таблицах. Следующей волной, достигшей пика в 2010-х гг., стала концепция Self-Service BI. Как пишет Gartner, эта парадигма предполагает, что бизнес-пользователи (нетехнические специалисты) могут самостоятельно или с минимальной помощью IT-специалистов строить интерактивные панели для визуализации данных и проводить анализ, выбирая данные с помощью интуитивного интерфейса. «Но время показало, что эта идея работает только в очень ограниченном наборе случаев, а большинство отчетов и дашбордов по-прежнему готовится профессиональными разработчиками», – констатирует партнер, лидер практики технологического консультирования компании ДРТ Тимофей Хорошев. Дело в том, что широкое распространение сервисов самообслуживания для бизнес-аналитики на практике не привело к значительному сокращению нагрузки на IT-департаменты, а в ряде случаев возникли проблемы с качеством данных и согласованностью метрик, так как разные пользователи могли по-разному интерпретировать одни и те же данные.

Сегодня, с развитием и распространением искусственного интеллекта, происходит переход к аналитике, которую система генерирует для пользователя в ответ на текстовый или голосовой запрос. «В мире ИИ перестал быть надстройкой над BI, он становится ядром аналитики», – говорит основатель MD Audit (ГК Softline) Андрей Подгорнов. По его словам, компании хотят, чтобы система сама подсказывала, где риск, где возможность и какое решение будет оптимальным.

Особенности национальной BI

Глобальные вендоры, такие как Microsoft, Tableau и Qlik, уже активно внедряют ИИ-ассистентов в свои платформы. В России интерес к ИИ в аналитике огромный, но внедрение пока идет неравномерно, отмечает Подгорнов. «Крупнейшие корпорации экспериментируют активно, но чаще в виде отдельных пилотов. Средний бизнес хочет внедрять [бизнес-аналитику с использованием ИИ], но упирается в нехватку экспертизы и качественных данных», – говорит он.

Как добавляет Сошников, в России наиболее активно экспериментируют с новыми технологиями компании из финансового сектора, розничной торговли и производства, хотя прорывных публичных кейсов пока немного.

На глобальном рынке один из наиболее показательных примеров – Walmart, считает Подгорнов. Компания использует ИИ для прогнозирования спроса и управления запасами на уровне каждой торговой точки. После внедрения ИИ-моделей точность прогнозов по ряду товарных категорий превысила 90%, а потери от излишков и отсутствия товаров в наличии снизились на 10–15%, уточнил эксперт. «Важно, что система не просто строит отчеты, а подсказывает сотрудникам конкретные действия: куда переместить товар, сколько докупить или когда удержаться от закупки», – подчеркнул он.

Из отечественных решений можно выделить, например, «Навигатор BI» от «Сбера», Yandex Datalens (часть экосистемы Yandex Cloud), «Форсайт» и платформы, предлагаемые системными интеграторами.

При этом российские клиенты все чаще обращаются к интеграторам за консультациями не по выбору BI-системы, а по проектированию архитектуры ИИ внутри аналитики, отметил Подгорнов. «Это признак того, что рынок созрел», – считает он.

Какие задачи решает ИИ в BI

Если на глобальном уровне фокус смещается к системам, которые сами формулируют выводы, то в текущей российской практике использование ИИ в BI часто решает более прикладные, но оттого не менее важные задачи, говорят эксперты. «Компании чаще всего используют BI-системы для автоматизации работы с данными и построения прогнозных моделей», – говорит Голицын. Основной смысл внедрения ИИ-инструментов – сократить time-to-market (время, которое проходит от зарождения идеи продукта до его вывода на рынок. – «Ведомости. Инновации и технологии»), то есть ускорить появление новых отчетов и аналитических панелей, добавляет он.

Подгорнов выделяет три наиболее частых сценария использования ИИ в бизнес-аналитике: прогнозирование спроса, продаж и загрузки ресурсов, автоматическое выявление отклонений и рисков и персонализированные рекомендации для менеджеров или сотрудников. «Большинство задач пока относится к автоматизации рутинной деятельности пользователя с помощью голосового ассистента. Например, поиск показателей в дашбордах и документах, открытие готовых дашбордов с нужными настройками фильтров, навигация по разделам аналитической системы», – добавляют в пресс-службе Сбербанка.

При этом, как отмечает Демидов, для серьезных управленческих решений ИИ и BI-инструменты часто все еще рассматриваются отдельно. «Скорее, тут будет действовать подход, при котором ИИ используется в специализированных продуктах для прогнозирования, а результаты работы уже отображаются в стандартных BI-отчетах», –полагает он. По его словам, ИИ-функции в BI в большей степени выполняют роль элементов, повышающих удобство.

Тернистый путь

Единого мнения о том, какие отрасли лидируют во внедрении ИИ в BI, нет, но эксперты сходятся в основном наборе. «Драйверами внедрения BI-систем с элементами интеллектуального анализа станут прежде всего финансовый сектор и телеком», – считает Голицын. Капырина называет ритейл, финтех и логистику, «где критически востребованы инсайты в реальном времени». Подгорнов добавляет, что в промышленности процесс идет медленнее, но потенциал огромен, особенно в области предиктивного обслуживания.

При этом главные проблемы для развития рынка имеют не технологический, а организационный характер. «Самый большой барьер – качество исходных данных. Многие компании хотят «умную аналитику», но продолжают хранить информацию в разрозненных таблицах или вручную собирать показатели по отделам. ИИ бессилен, если ему нечего анализировать», – утверждает Подгорнов.

С ним согласны в пресс-службе Сбербанка: «Данные надо собирать в едином хранилище, приводить к единообразию и только после этого приступать к обучению моделей». Голицын добавляет к этому проблему безопасности: «Большая часть обрабатываемых в BI данных либо подпадает под различные тайны (банковская, коммерческая, о связи и т. д.), либо имеет прямой запрет со стороны корпоративной безопасности в силу рыночной эксклюзивности».

Еще одна проблема – высокая стоимость и дефицит кадров. «Внедрение ИИ в BI-продукты – это все еще достаточно дорогое удовольствие. Требуются команда специалистов, оборудование, специальные знания», – поясняет Демидов. Сошников тоже назвал главными барьерами высокую стоимость экспериментов и дефицит кадров.

Что ждет рынок

Эксперты сходятся во мнении, что слияние BI и ИИ будет продолжаться. «Мы уже видим формирующийся тренд и запрос от компаний в сторону полноценного ABI (Artificial BI – искусственной бизнес-аналитики. – «Ведомости. Инновации и технологии»). В отличие от классических BI-систем, которые ограничены сбором и визуализацией данных, ABI уже предлагает выводы, объясняет причины и рекомендует пользователю, что делать дальше», – говорят в пресс-службе Сбербанка.

Если сохранятся текущие темпы, то через три-пять лет бизнес-аналитика без ИИ будет восприниматься как морально устаревшее решение, прогнозирует Подгорнов. Итогом эволюции сегмента станет превращение бизнес-аналитики из инструмента контроля в интеллектуального партнера, полагают эксперты. «Успешными окажутся те компании, которые научатся не просто генерировать ИИ-инсайты, а встраивать их в живые операционные процессы и стратегические решения, сделав данные доступными для принятия решений на всех уровнях», – заключает Капырина.