Новости

В течение последних трех лет запросы российских компаний к аналитическим платформам претерпели качественную эволюцию. Первоначальный интерес к самостоятельному построению отчетов (self-service, то есть самообслуживанию в работе с данными) сменился осознанием рисков: фрагментация метрик, дублирование витрин, отсутствие единой версии истины. Сегодня рынок переходит к модели governed self-service – управляемому самообслуживанию, где скорость аналитики сочетается с централизованным контролем метрик, ролевой моделью и прозрачным качеством данных. Эти и другие тренды зафиксированы в исследовании «Self-service круг Громова 2026».

В отличие от традиционных обзоров, авторы отказались от построения рейтингов. Вместо этого они проанализировали восемь сквозных доменов обработки данных – от управляемого хранения (Managed Service) и интеграции (ETL) до семантического слоя, визуализации и сценарного планирования (IBP). Ключевой вывод: российский рынок переходит от децентрализованной модели, где каждый аналитик создавал собственную «правду», к governed self-service, где самостоятельность бизнеса ограничена едиными правилами, но не подавляется.

Аналитики выделили шесть трендов, формирующих новую реальность.

Self-service становится свойством всей архитектуры данных

Ранее самообслуживание ассоциировалось преимущественно с возможностью построить график в BI. Сегодня концепция расширяется: пользователь должен самостоятельно получать управляемое хранилище, настраивать загрузку данных, формировать семантическую модель и создавать сценарии планирования – без постоянного обращения к ИТ.

Управляемое самообслуживание приходит на смену хаосу

Компании, активно внедрявшие self-service, столкнулись с «метрическим хаосом» – когда один и тот же показатель по-разному рассчитывался в разных подразделениях. Ответом стало внедрение централизованных правил: единого семантического слоя, ролевых моделей доступа, контроля качества данных.

Семантический слой становится дирижером аналитики

Он перестал быть просто удобной прослойкой между базой данных и отчетом. Теперь это исполняемый мост между бизнесом и ИТ, а также контекстная основа для работы языковых моделей. Без формализованных определений показателей любой AI-ассистент может предоставить ненадёжные результаты.

Эволюция: от разговорного BI к управляемому исполнению (Agentic Enterprise)

На смену системам, отвечающим на вопросы естественным языком (conversational BI), приходит следующий уровень: ИИ-агенты, которые совершают действия в рамках заданных политик, то есть корректируют цены, запускают рекламные кампании, инициируют задачи. При этом каждое действие подтверждается человеком.

Разработка силами пользователей (Citizen Development) требует зрелого управления данными

Предоставление бизнесу lowcode-инструментов без правил владения данными ведет к новому хаосу. Успешное развитие разработки силами пользователей напрямую зависит от управления данными: корректного определения владельцев данных, правил качества и процедур утверждения изменений.

Наблюдаемость данных (Data Observability) становится инфраструктурой доверия

При масштабном использовании аналитики, когда речь идет о десятках и сотнях пользователей, простого мониторинга – «загрузилось / не загрузилось» – недостаточно. Требуется система, которая в реальном времени показывает причины устаревания данных, влияние изменений на витрины и возникновение аномалий.

На что еще обращают внимание

Эксперты «Кругов Громова» выделили также три аспекта, которые ранее практически не анализировались в российском контексте.

Доменный подход. Исследование рассматривает self-service не как функцию отдельного инструмента (например, BI), а как сквозную характеристику всей архитектуры работы с данными. Авторы выделили восемь доменов – логических слоев, которые охватывают полный жизненный цикл данных. Эти домены сгруппированы в три блока.

Первый блок – Platform (инфраструктурный фундамент): хранение данных (Data Storage), загрузка и интеграция данных (Data Ingestion), выполнение запросов и OLAP-вычисления (Data Query and Processing). Второй блок – Usage (прикладное использование): семантический слой (Semantic Layer), визуализация и BI (Data Visualization), сценарное планирование и генерация новых данных (Data Generation / IBP). Третий блок – Trust & Control (контур доверия): управление мастер-данными (MDM), качество данных (Data Quality) и наблюдаемость (Data Observability).

Такой подход позволяет выявить «слабые звенья» в цепочке. Например, высокий уровень самообслуживания в BI (пользователь легко строит дашборды) при отсутствии управляемой интеграции (данные подтягиваются кустарно, без четких ETL-процессов) и семантической согласованности (одна и та же метрика по-разному определена в разных отделах) неизбежно ведет к фрагментации метрик, расхождению цифр между подразделениями и потере доверия к аналитике. Именно поэтому зрелый self-service возможен только при согласованном развитии всех восьми доменов.

Роль Data Steward получила признание. Бизнес-пользователь инициирует изменение данных, а стюард (Data Steward) отвечает за их качество и соответствие стандартам. Self-service в управлении мастер-данными (MDM) и контроле качества данных без этой роли невозможен.

Связка семантического слоя и RAG-архитектур. Хотя многие вендоры стали включать в список функций наличие ИИ-ассистента, исследование объясняет технологический инсайт: без формализованного семантического слоя языковая модель легко может галлюцинировать. Именно семантический слой предоставляет LLM контекст – согласованные определения показателей, правила расчета, ограничения. Без этого любая диалоговая аналитика (conversational BI) превращается в генератор правдоподобных, но не гарантированно верных ответов.

В «Ашане» перевели в цифру 30 ключевых HR-процессов — от приема на работу до увольнения. Компания полностью отказалась от бумаги для массовых операций. Сотрудники подписывают приказы и знакомятся с локальными нормативными актами через мобильное приложение. Каждый документ имеет историю подписаний, что исключило юридические риски и угрозу штрафов.

Систему развернули одновременно в четырех юридических лицах ретейлера с разными оргструктурами, для бесшовного обмена данными интегрировали Directum HR Pro с SAP HCM, Keycloack и «Контур.Доверенность». Работы на проекте выполнил партнер Directum – компания К2Тех.

До реализации проекта кадровый документооборот был бумажным — с затратами на пересылку и хранение папок, потерянными документами и сорванными сроками подписания. Выбор платформы оказался непростым: система, которая на старте казалась оптимальной, не закрыла всех потребностей ретейлера. После повторного анализа рынка остановились на Directum HR Pro, а «коробочную» версию доработали под специфику компании.

В планах — создание электронного архива для централизованного хранения всей корпоративной документации и оцифровка существующего бумажного архива.

Информационная безопасность возглавила рейтинг приоритетов на ближайшие 12 месяцев – две трети участников включили ее в число ключевых задач своих компаний. При этом ИБ больше не воспринимается как отдельное направление – это становится обязательным условием для ИИ-проектов, импортозамещения софта и цифровой трансформации. Искусственный интеллект и автоматизацию производственных и бизнес-процессов в качестве ключевых направлений выделили 67% респондентов.

Выяснилось, что все опрошенные компании так или иначе уже работают с ИИ, и чаще всего его используют для аналитики (69%), процессов документооборота (58%) и разработки ПО (54%). Интересно, что только 17% компаний внедряют ИИ в процессы клиентского сервиса – большинство пока применяет ИИ преимущественно для повышения эффективности внутренних рабочих процессов.

Задачи импортозамещения, еще недавно считавшиеся безусловным лидером ИТ-повестки, сместились на третью позицию в списке приоритетов (41%). Одновременно с этим вырос запрос на экономию ресурсов – 46% респондентов отметили снижение расходов, что подтверждает общий тренд на смещение фокуса ИТ-стратегий в сторону экономической эффективности.

Главным барьером развития ИТ участники исследования назвали нехватку квалифицированных кадров – этот фактор отметили 83% опрошенных. Никто из респондентов не указал на отсутствие технологий или интереса бизнеса к цифровизации. Также в качестве препятствий респонденты отметили сложности миграции данных на новое решение при импортозамещении (48%), ограниченный бюджет (43%) и нехватку российских решений нужного уровня (39%).

Результаты опроса показали, что бизнес перешел от дискуссий о необходимости цифровой трансформации к конкретным требованиям, связанным со скоростью реализации, безопасностью и окупаемостью ИТ-проектов.

Как показало исследование, проведенное К2Тех, зрелость ИТ-ландшафта большинства российских агрохолдингов пока остается базовой: компании в основном сосредоточены на создании фундамента — переходе с западных систем на отечественные аналоги, внедрении ERP, MES и IoT. Для корректной работы и бизнес-эффективности всех этих систем требуется выстроенная система работы с данными. Этот процесс требует времени и инвестиций, а высокие капитальные затраты и накопленный технический долг сдерживают переход к более продвинутым цифровым сценариям.

Дополнительным ограничением для цифровой трансформации остается сложность интеграции разрозненных отечественных решений: 57% компаний АПК отмечают, что из-за этого растет совокупная стоимость владения ИТ-системами. В результате цифровизация для части бизнеса превращается в поддержку фрагментированного ИТ-ландшафта с дорогой интеграцией, сложной доработкой и высокой нагрузкой на внутренние команды.

Еще одним фактором, который тормозит цифровизацию отрасли, компании называют кадровый дефицит. Сотрудникам старшего поколения недостает цифровых навыков, а молодые специалисты не спешат идти в эту сферу из-за существующего стереотипа, что АПК — менее инновационная отрасль. При этом 43% участников опроса рассчитывают частично компенсировать нехватку специалистов с помощью искусственного интеллекта и робототехники.

По оценке К2Тех, в ближайшие годы цифровизация АПК будет развиваться прежде всего вокруг построения базового технологического фундамента, консолидации данных и развития аналитических инструментов. Именно эти шаги создадут условия для более широкого внедрения ИИ, повышения управляемости бизнеса и снижения операционных издержек в агрохолдингах и крупных предприятиях.

Проект на БоАЗ реализован за семь месяцев. Основное внимание было уделено настройке программного обеспечения DES.LIMS, включая заполнение справочников, настройку методик и процессов внутри лабораторного контроля качества. Важной частью работ стала интеграция решения с производственными информационными системами заказчика и лабораторным оборудованием.

Как отмечает Андрей Картавцев, генеральный директор БоАЗа, лаборатории играют очень важную роль в производственном цикле, так как именно здесь измеряются ключевые качественные характеристики сырья и готовых сплавов. Цифровизация лабораторных процессов является одним из приоритетных направлений модернизации производства. Новая система позволила не только сократить временные затраты на обработку данных, но и минимизировала влияние человеческого фактора.

В результате внедрения удалось автоматизировать ключевые процессы: работу с пробами на всех стадиях их жизненного цикла, передачу результатов испытаний производственным подразделениям, учет лабораторного оборудования и товарно-материальных ценностей. Особое значение имела реализация около 40 отчетных форм, которые аккумулируют информацию из различных источников, таких как результаты испытаний и измерений, результаты внутрилабораторного контроля качества, учет товарно-материальных ценностей и оборудования, используемого в работе лабораторий. Это позволило создать единую информационную среду для контроля качества и значительно повысить оперативность принятия решений.

Основным результатом проекта стало создание единого информационного пространства для контроля качества, которое охватывает все этапы — от отбора проб до формирования итоговой отчетности. Это решение обеспечило прозрачность процессов и создало надежную основу для дальнейшей оптимизации производства.

Облачный и Bare metal провайдер Рег.облако изучил структуру спроса на выделенную инфраструктуру в сегменте крупного и среднего бизнеса. По данным аналитиков, средняя стоимость GPU-конфигураций в 2025 году выросла в два раза, а с начала 2026 года — еще в два раза. При этом общее количество серверов с графическими ускорителями в парке клиентов существенно не изменилось — бизнес отказывается от бюджетных конфигураций в пользу высокопроизводительных GPU-серверов.

Сдвиг в структуре потребления выделенной инфраструктуры связан с усложнением требований со стороны бизнеса. Крупным и средним компаниям все чаще нужны не просто ресурсы в облаке или сервере, а предсказуемая производительность, изоляция вычислительной среды и полный контроль над инфраструктурой. В общем объеме потребления 70% по-прежнему приходится на базовые выделенные серверы, а 30% — на системы хранения данных и дисковую инфраструктуру. Однако для проектов в сфере ИИ и машинного обучения заказчики меняют подход.

Компании отказываются от отдельных выделенных хранилищ в пользу серверов с большим количеством NVMe-дисков. Это позволяет размещать ИИ-модели, наборы данных и промежуточные результаты вычислений внутри собственной инфраструктуры, без лишних задержек на внешний обмен. На одну компанию сегодня в среднем приходится от двух до восьми видеокарт — H200, H100, А6000, А4000 — в зависимости от масштаба проекта. Почти половина спроса на GPU-серверы (46%) приходится на конфигурации с объемом видеопамяти до 24 Гбайт. Решения с 48 Гбайт занимают 13,5%, а более четверти — около 27% — формируют высокопроизводительные конфигурации от 80 Гбайт.

Эксперты Рег.облака связывают такую тенденцию с тем, что современные ИИ-модели требуют более мощные вычислительные мощности и объем памяти, а также высокой скорости обмена данными между ускорителями. Чуть более года назад такие карты как H100 и H200 были доступны в основном крупным игрокам по квотам, а теперь постепенно выходят на более широкий рынок. Отдельный интерес компании проявляют к H200 в SXM-исполнении: для тяжелых ИИ-задач важна производительность не только самих ускорителей, но и всей серверной платформы в целом. По данным Рег.облака, доля премиальных GPU-конфигураций в общем потреблении серверов выросла с 51% до 78%. Треть заказов на GPU-серверы (33%) сегодня связана с искусственным интеллектом и машинным обучением, 30% — с рендерингом, 25% — с тестированием и разработкой, ещё 12% — с обработкой данных. Этот портрет спроса принципиально отличается от классической модели аренды сервера под корпоративный портал или ИТ-систему.

Как подчеркивают эксперты, бизнесу нужна не отдельная машина, а сбалансированная конфигурация, объединяющая вычислительные ресурсы, дисковую емкость и устойчивую производительность под длительную нагрузку. Рост интереса к выделенным серверам и Bare metal решениям не означает отказа от публичного облака — рынок, напротив, четко делится по сценариям использования. Облачные сервисы по-прежнему выбирают для быстрого запуска проектов, тестирования и гибкого масштабирования.

По данным Рег.облака, компании предпочитают выделенную инфраструктуру для постоянных высоконагруженных систем, корпоративных приложений, обработки больших данных и специализированных вычислений, где критична стабильность и предсказуемость. Сложившийся тренд на удорожание GPU-конфигураций отражает не временную конъюнктуру, а структурный сдвиг в сторону задач с использованием технологий ИИ, который будет только усиливаться.

По мере роста сервиса команде Drivee требовалась возможность быстрого масштабирования без ограничений по железу, а также провайдер с подтвержденным соответствием нормативным требованиям. Drivee обрабатывает персональные данные пассажиров и водителей, а также платежные транзакции — это стало одним из ключевых критериев выбора провайдера.

В K2 Облаке развернуты серверная и пользовательская части приложения. Высоконагруженные базы данных размещены на выделенных серверах и разнесены по трем зонам доступности для обеспечения отказоустойчивости. Основной сервер MySQL перенесен на быстрые NVMe-диски nv1 — это сократило задержки и ускорило транзакции под высокой нагрузкой. Выделены три контура: производство, разработка и тест. Для задач машинного обучения собственной разработки в публичном облаке подключены GPU-ускорители NVIDIA T4.

Собственные сервисы на базе машинного обучения Drivee решают несколько ключевых задач. Система автоматизированного фотоконтроля проверяет соответствие автомобиля и водителя при выходе на линию: ИИ автоматически закрывает около 75% всех задач, обрабатывая до 10 тыс. кейсов в сутки по каждому направлению. Скорость обработки с ИИ составляет 2–3 секунды против нескольких минут при ручной проверке — ускорение в 30–60 раз. Модерация пользовательского контента автоматизирована на 100%: сервисы машинного обучения ежедневно обрабатывают 20–30 тыс. комментариев к заказам и тысячи изменений в профилях пользователей. Это позволило перевести 8 из 10 сотрудников команды модерации на более приоритетные задачи. В стадии внедрения — система автоматического распознавания документов водителей: модель находит необходимые поля, считывает данные и автоматически заполняет карточку в системе модератора, что позволит закрывать не менее половины полей без участия человека.

В рамках проекта на распределительном центре внедрены 67 FMR-роботов (автономных вилочных погрузчиков), 15 автоматизированных палетообмотчиков и робот-инвентаризатор. Все решения интегрированы в единую систему управления складом собственной разработки X5 – Nexus WMS.

FMR-роботы обеспечивают беспилотное перемещение палет весом до двух тонн, точное позиционирование и безопасную транспортировку грузов внутри склада. Палетообмотчики автоматизируют упаковку палет по всей высоте, обеспечивая сохранность товаров при отгрузке и транспортировке. Робот-инвентаризатор – подвижный комплекс для поддержания актуальности данных о складских запасах в зонах стеллажного хранения – автоматически сканирует наличие товаров и синхронизирует информацию с системой управления складом. Использование одного робота позволяет экономить 180 человеко-часов за одну процедуру инвентаризации.

Внедрение роботизированного комплекса, основанного на российских ИТ-решениях и программном обеспечении, позволило компании сократить количество низкоэффективных операций, увеличить производительность складских операторов, минимизировать влияние человеческого фактора и риск ошибок, а также повысить точность и скорость выполнения операций. Производительность складской обработки выросла на треть, улучшились показатели пропускной способности и точности операций, снизились затраты на ручной труд и риски повреждения грузов.

В дальнейшем X5 планирует масштабировать аналогичные решения на другие распределительные центры своих торговых сетей по всей географии присутствия.

В сравнительный анализ вошли продукты ключевых производителей из топ-рейтинга ЦСР за 2024 год: Digital Q.DataBase (Диасофт Экосистема), Jatoba (Газинформсервис), Platform V Pangolin (СберТех), Postgres Pro Enterprise (Postgres Professional) и Tantor (Тантор Лабс).

Эксперты отмечают, что разнообразие сценариев позволяет компаниям оптимизировать ИТ-бюджеты: вместо приобретения избыточной функциональности заказчики смогут выбрать решение с точным попаданием в задачи. На основе детального сравнения функциональности также удалось выделить ключевые тенденции, которые характеризуют отрасль в 2026 году.

Обновление ядра: ведущие игроки уже перешли на актуальную версию PostgreSQL 18. Новая версия ускоряет работу с данными за счет асинхронного ввода-вывода и оптимизации запросов, а также добавляет поддержку современных стандартов. Остальные поставщики планируют обновление в течение 2026 года.

Облегченная миграция с Oracle и Microsoft: если раньше переход на российскую СУБД требовал множества ресурсов, то теперь вендоры предлагают инструменты автоматической конвертации. Некоторые продукты (Postgres Pro Enterprise, Digital Q.DataBase) понимают язык запросов Oracle и Microsoft «из коробки», что сокращает время и стоимость миграции в разы.

Безопасность как стандарт: шифрование данных, защита от внутренних угроз, детальный аудит действий пользователей – эти функции стали обязательными для всех enterprise-решений. Один из игроков (Jatoba) внедрил SQL Firewall с алгоритмами машинного обучения для предотвращения SQL-инъекций в реальном времени.

Простое управление: чтобы снизить затраты на эксплуатацию, вендоры добавляют графические интерфейсы, автоматическое резервное копирование в облако и инструменты диагностики проблем в один клик. Администраторам больше не нужно писать сложные скрипты для рутинных задач.

Как отмечают эксперты, рынок перешел из фазы «вынужденного выбора» в фазу осознанного сравнения. Заказчики больше не спрашивают, можно ли доверять российскому продукту, а подбирают решение, исходя из конкретных задач. Все пять участников обзора представляют зрелые продукты с сертификацией ФСТЭК, поддержкой российского оборудования и собственными уникальными функциями. Это позволяет заявить, что отечественные СУБД состоялись как полноценная альтернатива Oracle и Microsoft SQL Server для критически важных систем крупного бизнеса.

Аналитики ЛАНИТ сравнили производителей и их решения по почти 200 параметрам, распределенным на восемь групп по показателям надежности, скорости работы, простоты миграции, удобства интерфейса и другим.

• Postgres Pro Enterprise демонстрирует высокие позиции по таким показателям, как масштабируемость и надежность, производительность, графический интерфейс, а также общие характеристики и миграция.
• Tantor входит в число лидеров по удобству разработки и графическому интерфейсу.
• Digital Q.DataBase показывает один из лучших результатов по удобству разработки, а также высокий результат по миграции.
• Jatoba демонстрирует самый высокий среди представленных СУБД результат по безопасности, занимая по этому показателю второе место среди всех продуктов.
• Platform V Pangolin получил высокие оценки по масштабируемости и надежности, а также безопасности.

Российский рынок серверов и СХД по итогам 2025 года почти удвоился в денежном выражении — до 280 млрд руб. против 155 млрд руб. годом ранее. Однако участники рынка подчеркивают, что это произошло главным образом из-за роста цен. С августа 2025 года цены на СХД выросли в несколько раз, а на их долю приходится до двух третей себестоимости сервера. Как отмечают эксперты, рост рынка систем хранения данных — это зеркало того, как дорожают компоненты и само оборудование. В 2026 году можно констатировать факт, что подорожал сам «входной билет» в инфраструктуру.

Расходы на ИТ растут, но не ради расширения

У 53% опрошенных компаний бюджеты на ИТ-инфраструктуру в 2025 году выросли, однако эксперты указывают, что это далеко не всегда означает наращивание парка, чаще речь идет о компенсации ценового давления. Еще 34% компаний удерживают бюджеты на прежнем уровне, что формирует риск накопления «инфраструктурного долга» — отложенных обновлений, которые придется финансировать позднее и дороже.

Бюджеты на облака: ни одного сокращения

На фоне давления на капитальные расходы облачные бюджеты демонстрируют принципиально иную динамику. Ни один из 70 респондентов не сообщил о сокращении расходов на облака: у 43% они выросли, у 57% — остались прежними. Это совпадает с общерыночной картиной: по итогам 2025 года рост российского облачного рынка оценивается в 29%.

Смена стратегии: гибрид вместо отказа от железа

Кризис железа не привел к массовому исходу компаний с собственной инфраструктуры. Согласно опросу K2 Cloud, 45% респондентов сохраняют фокус на оборудовании on-premise. Вместе с тем 36% рассматривают полный или частичный переход в облако. Рынок движется не к отказу от железа, а к смешанным моделям, при которых облако закрывает риски непредсказуемых закупок.