Есть ли у России шанс догнать и перегнать мировых лидеров в области создания процессоров? Когда искусственный интеллект сможет заменить «обычный» при обработке больших данных? Как удержать в стране кадры, способные решать эти и другие задачи? Накануне форума BIG DATA 2018 эти темы Computerworld Россия обсудил с Сергеем Гарбуком, заместителем генерального директора-руководителем направления информационных исследований Фонда перспективных исследований.

- Считается, что слабое звено программы импортозамещения в области ИТ — элементная база. Есть ли у нас шансы получить собственные процессоры, не уступающие зарубежным аналогам?

В России развиваются два семейства процессоров общего назначения. Это «Эльбрус» компании МЦСТ и «Байкал» от «Байкал Электроникс».

«Эльбрус» основан на оригинальной отечественной архитектуре. Часть процессоров изготавливается по технологическому процессу 90 нм на российской фабрике «Микрон», часть — на тайваньских фабриках по нормам 28 нм; сейчас разрабатывается модель с нормами 14 нм.

Процессоры «Байкал» производятся по технологическим нормам 28 нм и 16 нм. Они используют архитектуру ARM, поэтому, можно сказать, они не полностью отечественные.

В ФПИ запущен ряд проектов, направленных на создание технологий бесшаблонного изготовления микроэлектронных компонентов. Дело в том, что при «обычном» изготовлении процессоров существенная часть затрат приходится на подготовку непосредственно шаблонов. Проект при этом окупается только при огромных сериях, заказ которых наша оборонная промышленность обеспечить не может. Сейчас у нас реализуется проект по созданию бесшаблонной технологии с топологическими нормами 65 нм, а в перспективе — до 20 нм, которая даст возможность производить недорогие процессоры даже относительно небольшими партиями. Проект реализуется совместно с Министерством промышленности и торговли России.

- Вопрос импортозамещения критичен в оборонной промышленности...

В «военных» устройствах, в отличие от бытовой техники, для достижения передовых характеристик боевых систем не так важно использовать процессоры, изготовленные по самым современным нормам, поскольку там оборудование специализированное, призванное решать узкие специфические задачи. Кроме того, повышенные требования предъявляются к стойкости электронных компонентов к механическим, температурным и иным воздействиям. Поэтому в этой сфере широко применяются отечественные процессоры — современные системы вооружения базируются на уже упомянутых «Эльбрусах» и «Байкалах», а также на процессорах MIPS-архитектуры «Комдив», созданных в Научно-исследовательском институте системных исследований РАН.

- Реализуются ли у нас аналоги зарубежных проектов следующего поколения — таких как DARPA HIVE, IARPA C3?

Это направление проблемно ориентированных ASIC-процессоров. HIVE предназначен для обработки массивов данных вида разреженных графов — например, информации из социальных сетей или Интернета вещей. Проект по разработке Cryogenic Computer Complexity (C3) направлен на создание вычислительных систем экзафлопной производительности.

У нас в стране в этом направлении также ведутся разработки, например, есть семейство процессоров NeuroMatrix, созданных в НТЦ «Модуль», cемейство «Мультикор» разработки НПЦ «Элвис». В ФПИ ведутся проекты по разработке проблемно-ориентированных сверхбольших интегральных схем, а также технологий их быстрого создания. Дело в том, что классический цикл создания проблемно-ориентированных СБИС, по тем же проектам DARPA, занимает около четырех-пяти лет. Мы хотим сократить его до двух-трех лет. Можно сказать, мы не только не отстаем, но даже опережаем американские подходы в этой области.

Проблемно-ориентированные СБИС, которые создаются по нашим проектам, можно будет использовать при создании вычислительных кластеров, масштабируемых до тех же самых экзафлопсов, что и C3. Ожидаем результатов приблизительно через два года.

Кроме того, при поддержке Фонда в МФТИ реализуется проект по созданию нейроморфного процессора, который будет особенно эффективен для реализации нейросетевых алгоритмов. Сейчас прототип этого процессора проходит первые испытания. Он показывает очень хорошие результаты в плане быстродействия и энергоэффективности при решении задач распознавания изображений и решения других задач с помощью искусственных нейронных сетей.

- Насколько искусственный интеллект на основе этих процессоров и нейросетей готов заменить человека?

Многое зависит от характера решаемых задач. Эффективная система искусственного интеллекта, не уступающая по своим возможностям человеку в решении конкретной задачи, может быть построена в том случае, если удается сформировать обучающую выборку исходных данных достаточного объема и вариативности. Здесь можно провести прямую аналогию с обучением человека на примерах с той лишь разницей, что человек еще до обучения решению конкретной задачи обладает интеллектуальными способностями, сформировавшимися эволюционно и на протяжении всей его предшествующей жизни. Этот «интеллектуальный опыт» позволяет человеку обучаться быстрее, то есть на более коротких обучающих выборках, чем существующие системы искусственного интеллекта. Но так или иначе, если объем выборки достаточен, уже сейчас могут быть созданы интеллектуальные системы, не уступающие человеку в решении конкретных прикладных задач. Учитывая узкую специализацию таких систем принято говорить о системах прикладного искусственного интеллекта.

Принципиальным вопросом широкого внедрения таких систем является необходимость объективной оценки их качества, то есть в данном случае – сопоставления возможностей квалифицированного человека, обладающего приемлемым опытом и навыками в решении соответствующей прикладной задачи, с возможностями системы. Для проведения подобной оценки соответствия необходима разработка специальных стандартов, устанавливающих требования к системам прикладного искусственного интеллекта, и организация процедур сертификации систем искусственного интеллекта на соответствие этим требованиям. Успешное прохождение процедуры сертификации означает создание системы искусственного интеллекта в конкретном узком смысле. Сейчас такая система оценки соответствия отсутствует и при замене человека на техническую систему, строго говоря, никто не может дать гарантии того, что качество решения прикладной задачи не снизится.

Вопрос оценки соответствия, скорее, организационный. А с технологической точки зрения, повторюсь, системы искусственного интеллекта вполне способны заменить человека. Так, с качеством, близким к человеческому, решаются задачи распознавания лиц, разговорной речи, выделения и распознавания объектов на изображениях со сложным фоном и ряд других. Этому способствует бурное развитие методов машинного обучения и распознавания образов, а также совершенствование высокопроизводительных кластерных систем и специализированных вычислительных устройств: матричных, графических, нейроморфных, мемристорных и других. В таких устройствах высокая эффективность решения интеллектуальных задач достигается за счет выполнения операций по обработке информации на аппаратном уровне.

Что касается еще одного направления применения интеллектуальных технологий, систем принятия решений, то тут уместнее говорить о системах поддержки принятия решений. Принятие решений, особенно — юридически значимых, в ближайшее время будет прерогативой человека. Хотя бы потому, что пока не решены соответствующие юридические и этические вопросы.

Классический пример — управление беспилотным автомобилем в городе. На сегодняшний день открытым остается вопрос о том, как должна себя вести система управления автомобилем в аварийной ситуации: используя все возможности минимизировать ущерб для находящегося в салоне пассажира или минимизировать совокупный риск с учётом интересов пешеходов, водителей других автомобилей и остальных участников дорожного движения?

Надо сказать, что решением такого рода вопросов занимаются, например, в рамках реализации программы «Цифровая экономика». В Сколково создан Центр компетенций по нормативному регулированию цифровой экономики, где на системном уровне рассматриваются нормативные и правовые барьеры на пути внедрения систем искусственного интеллекта, киберфизических систем и других перспективных информационных технологий. Но ответы на эти вопросы пока не найдены.

- Новации в области ИТ упираются в кадровый вопрос — постоянно упоминается, что нам не хватает ИТ-специалистов даже для решения текущих задач. Где брать кадры для перспективных исследований?

На мой взгляд вопрос не в количестве подготавливаемых кадров, а в эффективности их удержания на отечественных предприятиях. Не секрет, что огромное количество наших специалистов уезжает за рубеж, потому что им там интереснее, перед ними там ставятся более амбициозные задачи.

Научно-образовательная школа у нас, к счастью, сохранена в ведущих вузах, таких как МФТИ, МГУ, ИТМО, ряде других. А вот с механизмом мотивации молодых специалистов, которые хотят расти, быть причастными к решению больших задач, у нас проблемы.

-  И как эту проблему решать?

Организовывать с максимальной государственной поддержкой упомянутые «большие проекты», нужные для страны и для бизнеса, которые заинтересуют талантливую молодежь — на мой взгляд, это единственный выход.

- О чем Вы собираетесь рассказать на BIG DATA 2018, о чем бы сами хотели услышать на форуме?

Рассказывать я собираюсь о системе оценки интеллектуальных технологий, которая позволит гарантировать соответствие возможностей систем прикладного искусственного интеллекта возможностям человека.

Услышать хотелось бы о новых достижениях в области вычислительной техники, в области алгоритмов и методов обработки больших данных, и о новых способах применения технических достижений в этих областях к решению практических задач.

Институт статистических исследований и экономики знаний Национального исследовательского университета «Высшая школа экономики» провел исследование, в котором выяснил, насколько современные цифровые технологии проникли в деятельность российских кандидатов и докторов наук.

В рамках исследования были опрошены более 2 тыс. обладателей ученой степени, представляющих все области науки и занятых как в академическом секторе (НИИ и вузы), так и в промышленном производстве и сфере услуг.

Среди опрошенных кандидатов и докторов наук 85% регулярно применяют на практике навыки пользования компьютером и Интернетом, еще 10% используют их периодически. Случаи, когда кандидаты и доктора наук в своей профессиональной деятельности практически не работают с компьютером, единичны (как правило, это сотрудники старших и средних возрастов; большинство из них заняты в вузах). Навыки сбора и обработки данных с использованием ИТ регулярно задействуют 48% обладателей ученой степени, еще 33% — периодически.

Что касается продвинутых цифровых навыков, то о многих технологиях опрошенные как минимум слышали, однако спектр их практического использования еще весьма ограничен.

Самым известным «продвинутым» термином среди российских кандидатов и докторов наук оказался «анализ больших данных». Об этой технологии знают 57% обладателей ученой степени. На практике эту технологию хотя бы изредка использует каждый третий исследователь.

В перечень наиболее знакомых терминов также вошли машинное обучение, разработка пользовательского интерфейса, добыча данных, облачные и распределенные вычисления. С этими терминами знакомы чуть менее половины респондентов, а применяют на практике менее 25% опрошенных.

О нейросетях знают около 40% обладателей ученой степени, а реально используют их 14,4% всех опрошенных. 13,9% респондентов применяют реляционные и нереляционные базы данных при том, что знают этот термин 31% ученых.

Применение отдельных цифровых технологий значительно варьируется в зависимости от типа организации. Разработки пользовательских интерфейсов чаще заняты вне академического сектора, а большие данные и машинное обучение активнее применяют кандидаты и доктора наук, занятые в НИИ и вузах.

Россия должна стать одним из мировых центров хранения, обработки, передачи и надежной защиты информационных массивов, так называемых больших данных, заявил президент РФ Владимир Путин, оглашая послание Федеральному собранию.

По словам главы государства, с помощью передовых коммуникаций гражданам открываются все возможности цифрового мира и это не только современные сервисы онлайн-образования или телемедицины, что само по себе крайне важно.

Президент заявил, что к 2024 году будет обеспечен практически повсеместный быстрый доступ в Интернет. Будет завершено строительство волоконно-оптических линий связи к большинству населенных пунктов с численностью жителей более 250 человек, а удаленные, небольшие населенные пункты Крайнего Севера, Сибири и Дальнего Востока получат устойчивый доступ через сеть российских спутников.

Путин подчеркнул, что «люди смогут создавать в цифровом пространстве научные, волонтерские команды, проектные группы, компании». По его мнению, для такой огромной страны по территории, как Россия, такое объединение талантов, компетенций, идей — это колоссальный прорывной ресурс.

Президент призвал в кратчайшие сроки создать законодательную базу и снять все барьеры для разработки и применения робототехники, искусственного интеллекта, беспилотного транспорта, электронной торговли, технологий обработки больших данных. Причем такая нормативная база должна постоянно обновляться, подчеркнул глава государства в послании Федеральному собранию РФ.

Техноскептик или технореалист? Евгений Бутман, с которым Computerworld Россия обсудил влияние новых технологий на ретейл, — создатель сети re:store и монобрендовых магазинов Sony, развивает новые форматы с Hamleys и Disney. Опыт, которым он обладает, заставляет внимательно относиться к его экспертным оценкам, даже когда они идут вразрез с популярным клише о перспективах VR, магазинах без продавцов, роли государства при внедрении новых технологий и возможностях больших данных.

- Самая обсуждаемая новость на стыке ретейла и технологий — магазин без продавцов и кассиров, который тестирует Amazon. Говорят, это завтрашний день. Что ты о нем думаешь?

Все, что называют завтрашним днем ретейла, является набором экспериментов, из которых 99% останется в прошлом и только 1% действительно станет будущим. Магазин Amazon – один из таких экспериментов. Сработает ли он, зависит не только от качества технологий, но и от потребительского поведения. Удастся ли научить покупателей новым способам взаимодействия с магазином? Войдут ли они в привычку?

- Предположим, покупателям понравится брать продукты с полок и уходить из магазина, получая счет на кредитную карту, — так же, как мы расплачиваемся с таксистом в Uber. Что будет с профессиями кассира и продавца?

Стало модным составлять списки профессий, которым грозит исчезновение. Я бы с этим не торопился. Внедрение технологий — процесс очень плавный, эволюционный, который не всегда идет по прочерченным маршрутам. 15-20 лет назад, в эпоху Стива Джобса и Билла Гейтса, большие ИТ-компании любили заниматься визионерством, описывать будущее, в котором мы будем жить. Будущее наступило, прогнозы в большинстве не сбылись.

Магазины без персонала — это будущее. Но пока нет признаков того, что будущее это близко. Автоматизированные магазины — это безработица. По занятости населения розничная торговля находится в первой пятерке отраслей. Не думаю, что государство останется безучастным к внедрению технологии, которая оставит миллионы людей без работы. Все сервисы, направленные на резкое сокращение персонала, будут встречать серьезное сопротивление.

- Amazon из ретейлера фактически превратился в ИТ-компанию. Это частный случай или путь, по которому пойдет вся розничная торговля?

Сегодня любая компания, которая умеет создавать вокруг себя технологический флер, получает большую дозу внимания. Для меня важны не технологии как таковые, а адекватность бизнес-модели, под которую они создаются. Alibaba — тоже весьма технологически продвинутая компания. Фактически это платформа, которая объединяет много разных систем. Подход Alibaba выглядит более гибким и гораздо более перспективным. Amazon — очень американская компания, которая хорошо работает на рынках, «похожих на Америку»: в Западной Европе, Австралии, Новой Зеландии. Alibaba ориентирована на весь мир. Если проводить аналогию с миром ИТ, то Amazon, замечательная, удобная, закрытая платформа, — это Apple, а Alibaba — ПК, открытая платформа, которую поддерживают миллионы безымянных участников.

- Кто выигрывает в конкуренции между традиционным и онлайн-ретейлом?

Я всегда был онлайн-оппортунистом. Очень громкое онлайн-лобби давно обещает, что «через 20 лет не будет ни кино, ни театра, а только сплошное телевидение». Есть страны, в которых онлайн-торговля занимает значительную долю: Великобритания, Эстония. Но даже в США на онлайн приходится не такой большой процент. В России, если не считать сервисы, а взять только товарные рынки, доля онлайна колеблется в пределах нескольких процентов.

Основные проблемы онлайна — отсутствие инфраструктуры и сложности с финансированием. В Америке научились брать банковское финансирование на развитие онлайн-торговли. Больше нигде в мире этого не встретишь. Банки не готовы кредитовать компании, у которых нет активов. Онлайн-торговля хорошо растет на низких стартовых условиях. Она быстро достигает определенного уровня и упирается в необходимость построения дорогостоящей инфраструктуры и в проблемы с финансированием.

Тем временем офлайн, у которого эта инфраструктура есть, быстро движется в сторону онлайн-торговли. При многоканальной системе работы покупатель сам решает: прийти в магазин, или заказать товар по почте, или выбрать на сайте и забрать в магазине. Суть омниканальности в том, что маркетинговая, ценовая и товарная политики ретейлера не меняются в зависимости от того, через какой канал делается покупка. Сюда же прикручивается мощная программа лояльности — возможность непосредственной работы с клиентом. Четкого деления на «Интернет» и «не Интернет» в торговле больше нет. Онлайн и офлайн все сильнее пересекаются.

- Не соглашусь со словами об единой ценовой политике. По моему опыту, когда покупаешь у традиционного ретейлера в его интернет-магазине, получаешь скидку...

Это часть правил игры. Небольшая ловушка. Тебе могут дать скидку, потому что при продаже онлайн в цену не заложен магазин: аренда, зарплаты продавцов и т. д. В омниканальной модели цены будут выравниваться. Когда традиционный ретейлер работает с клиентами в онлайне, он вынужден держать интернет-цены. При этом КПД смешанной модели получается выше. Теряя в одном, ретейлеры выигрывают в другом.

- Что ты думаешь о мобильном ретейле, которому предсказывают большой рост?

Вопрос в том, что считать мобильным ретейлом. Если мы отнесем сюда все покупки, сделанные через планшет, то посчитаем людей, для которых планшет — альтернатива привычному ноутбуку. Никакой разницы между покупкой через планшет и через компьютер для них нет. Если говорить именно о «покупках на ходу», то для их роста нужен скачок технологий, подобный тому, который случился с приходом мультимедиа-контента. За последние восемь лет ничего подобного не произошло. Индустрия пережевывает старые идеи. Предпосылки к тому, чтобы интерфейс усиливался, развивался и уточнялся, есть. Предпосылок для революционного роста, без которого невозможен рост мобильных продаж, я не вижу. Для этого нет подходящей технологии.

- Как ты относишься к идее кастомизации, создания индивидуальных продуктов «под заказчика»?

В мире колоссальное перепроизводство очень дешевых вещей. Раньше в нашей жизни были вещи долгосрочного плана. Их больше нет. Им на смену пришел культ одноразового. Все краткосрочно. Весь маркетинг построен на одном месседже — «меняйте». Любая кастомизированная вещь — вещь долгосрочная, с которой жалко расстаться. Ставка на быструю смену, отказ от долгосрочного использования играют против этой идеи.

- «Директ-ту-кастомер», стремление производителей обращаться к покупателям напрямую, минуя посредников. Насколько это перспективное направление?

Плох тот производитель, который не мечтал бы уничтожить всех своих дистрибьюторов. Традиционная логистическая цепочка «производитель — крупный опт — мелкий опт — ретейл — потребитель» постоянно укорачивается. Apple в состоянии быстро произвести и развезти по своим магазинам товар на миллиарды долларов. Этим же путем следует Samsung. В Zara выпускают десятки коллекций в год. Жизненный цикл коллекции — одна-две недели. Такие скорости возможны, только когда компания — производитель и ретейлер в одном лице. Это первый вариант прямых продаж. Второй — когда небольшой производитель хочет поставлять свой продукт без стен, без магазина, без физического пространства. В каких-то случаях, когда речь идет о коробочном продукте, это работает. С одеждой это работает хуже. Потребитель любит приходить туда, где можно потрогать товар руками, сделать выбор. Поход в магазин — форма досуга.

- Могут ли технологии дополненной и виртуальной реальности воссоздать ощущение «присутствия», «похода в магазин», которое теряется при интернет-торговле?

Человек живет в нормальной, а не виртуальной реальности. История с дополненной реальностью — это аттракцион. Как дополнительный инструмент технология может существовать и вербовать все больше поклонников, но в обозримом будущем это не станет мейнстримом. Более того, я готов утверждать: уже происходит определенный откат. Разработчиков, которые хотят использовать элементы виртуальной реальности, все больше. Но спрос на их продукты не растет.

- Влияют ли инновации в области финансов на происходящее в ретейле?

Появление кредитных карт было колоссальным рывком в развитии розничной торговли. Сейчас появились бесконтактные платежи — еще один способ оплаты пластиковой картой. Принципиальной разницы между смартфоном в кармане и кредитной картой в бумажнике уже нет. Если технологии позволят делать бесконтактные платежи не мобильным телефоном, а чем-то другим: сетчаткой глаза, отпечатком пальца (технологически это уже реализуемо), – вот следующая революция.

- Используешь ли ты в управлении торговыми сетями большие данные? Насколько важна эта технология?

Мы не так давно сделали со Сбербанком такой проект. У меня была задача определить пересечения потоков покупателей в близко стоящих торговых центрах. С помощью больших данных я ее решил. Используя обезличенные данные о покупателях, мы можем определить, где наши клиенты делают покупки, помимо моих магазинов, составить точный портрет покупателя, понять, как с ним работать.

Например, мы узнали, что у нас высока доля посетителей-мужчин, 45%. Самая высокая во всем детском ретейле, с большим отрывом. Значит, к нам приходят семьями. Папа, мама и ребенок. Папа платит. Теперь, оценивая свой ассортимент, я подстраиваюсь не только под мам, но и под пап. Делаю его более мужским. Раньше мы этого не понимали. Мы могли посчитать трафик, конверсию, но исследовать социальный срез посетителей не могли.

Еще пример. Два магазина сети расположены достаточно близко друг к другу. При помощи больших данных удалось выяснить, что в одном торговом центре средний возраст посетителя — 29 лет, а в другом — 49. Потоки разделяются по возрасту. Родители и дети ходят в разные места, каннибализации двух точек не происходит. Крошечные примеры, но они показывают, как с помощью новых технологий можно управлять ретейлом по-иному.

Опрос, проведенный компанией Gartner, свидетельствует: большинство крупных компаний (91%) так и не достигли «трансформационного» уровня зрелости при использовании данных и аналитики, несмотря на то что эти направления являются для ИТ-директоров инвестиционно приоритетными.

«Большинству организаций следует внимательнее относиться к данным и аналитике, учитывая те потенциальные преимуществ, которые они открывают, – подчеркнул вице-президент Gartner по исследованиям Ник Хойдекер. – Организации, достигшие трансформационного уровня зрелости, лучше интегрируются с партнерами и поставщиками, им проще использовать передовые прогнозные и предписывающие формы анализа и они имеют гораздо больше шансов повысить свою конкурентоспособность».

Авторы исследования попросили респондентов оценить свои организации с точки зрения использования данных и аналитики по пяти уровням зрелости, предложенным Gartner. В итоге 60% опрошенных отнесли себя к трем нижним уровням.

Большинство респондентов причислили себя к третьему (34%) или четвертому (31%) уровню. 21% опрошенных считают, что их организация находится на втором уровне, а 5% – что на самом низшем, первом уровне. И только 9% организаций, по мнению их сотрудников, относятся к высшему, пятому уровню, позволяющему добиться наибольших преимуществ в процессе трансформации.

«Не стоит считать, что высокий уровень трансформационной зрелости в использовании данных и аналитики обязательно обусловлен наличием новых технологий, – отметил Хойдекер. – Прежде всего необходимо заняться координацией работы людей и процессов внутри организации, а затем уже смотреть, как расширять свое взаимодействие с внешними партнерами».

Опрос показал, что большинство общих бизнес-проблем, с которыми сталкиваются организации при использовании данных и аналитики, связано с необходимостью повышения эффективности процессов; этот фактор к числу трех главных отнесли 54% респондентов. На втором месте находятся развитие клиентских навыков и разработка новых продуктов. Об этом упомянули 31% опрошенных.

К числу затруднений были отнесены: определение данных и стратегии анализа; умение извлекать ценности из проектов, а также снижение рисков и решение управленческих вопросов.

Несмотря на большое внимание, уделяемое передовым формам анализа, 64% организаций по-прежнему считают критически важными приложениями, с точки зрения данных и аналитики, средства корпоративной отчетности и инструментальные панели. При этом традиционные источники данных – транзакции и журналы – продолжают доминировать. Впрочем, 46% организаций сообщили, что используют внешние данные.

«Новыми технологиями, такими как машинное обучение и искусственный интеллект, очень легко увлечься, – заметил Хойдекер. – Но традиционным формам аналитики в организациях по-прежнему отводится важное место, и в ближайшем будущем ситуация вряд ли изменится».

Подразделение компании Rolls-Royce, получившее название R2 Data Labs, будет заниматься проектами, связанными с анализом данных, собираемых устройствами Интернета вещей. Группы специалистов, работающие по agile-методикам разработки, будут в сотрудничестве с другими подразделениями Rolls-Royce создавать новые сервисы Интернета вещей, выявлять пути повышения эффективности или изучать данные о работе конкретных изделий — например, судовых или авиационных двигателей — и составлять на их основе графики проактивного технического обслуживания.

Создание технологической платформы, на которой будет работать R2 Data Labs, начиналось в ходе совместного проекта Rolls-Royce и подразделения облачных технологий Microsoft Azure. Данные с датчиков в авиационных двигателях Rolls-Royce собирались с помощью Microsoft Azure IoT Suite и анализировались средствами Cortana Intelligence Suite вместе с данными о маршрутах полетов, погодных условиях и расходе топлива. Новая платформа, утверждают в корпорации Microsoft, позволит быстро разрабатывать новые сервисы на базе стандартных компонентов с программными интерфейсами. Аналогичный подход используют и другие ведущие компании — например, SAP в системе SAP Leonardo и Dell.

Гуру в области данных все чаще становятся «стержнем» трансформации цифрового бизнеса.

Организованный компанией Gartner третий ежегодный опрос, в котором приняли участие 287 директоров по данным и главных аналитиков, показал, что директора по данным фокусируются сейчас не только на управлении данными и их качестве. «Теперь они доставляют ощутимые ценности для бизнеса и формируют культуру, управляемую данными, – указала директор Gartner по исследованиям Валери Логан. – С учетом всего этого интересно, что теперь более половины опрошенных директоров по данным подчиняются непосредственно высшему руководству бизнеса: генеральному директору, директору по операциям, финансовому директору, президенту или владельцу, совету директоров, акционерам. К 2021 году подразделение директора по данным в 75% крупных предприятий будет выполнять критически важные функции, сравнимые с функциями ИТ-службы, бизнес-операций, службы управления персоналом и финансовой службы».

В отличие от роли директора по цифровым технологиям (Chief Digital Officier) – которая, по прогнозам Gartner, в ближайшие пять лет исчезнет, – роль директора по данным (Chief Data Officier) во всем мире только растет. Количество организаций, в которых уже создано подразделение директора по данным (официально или неофициально), в 2016 году увеличилось на 23%, а в этом году – на 47%.

В Gartner заявили, что директора по данным становятся влиятельными проводниками изменений и руководят преобразованиями, связанными с данными. Многие (71%) выступают в качестве цифровых консультантов для своего бизнеса; 60% занимаются оценкой внешних возможностей и угроз при формировании стратегии бизнеса; 77% используют данные для предоставления своим компаниям конкурентных преимуществ.

«Устойчивое развитие подразделения директора по данным подчеркивает признание и широкое понимание во всем мире его роли, а также его влияния и ценности для бизнеса, – отметил аналитик Gartner Майкл Моран. – Привлечение новых талантов в условиях усиления ответственности, рост соответствующих бюджетов и позитивное восприятие со стороны высшего руководства иллюстрируют важность той роли, которую директор по данным приобретает все в большем количестве организаций».

Бюджеты, по свидетельству респондентов, также растут. Дополнительным индикатором зрелости является количественный состав подразделения директора по данным.

Вместе с тем, более трети респондентов в числе трех главных критериев успеха назвали «увеличение доходов». Другим показателем успеха директора по данным является явное превалирование создания ценностей над управлением рисков.

«Директор по данным, равно как и любой другой руководитель в области данных и анализа, должен нести ответственность за включение принципов управления данными и анализа в цифровую повестку дня, – указал вице-президент Gartner Марио Фариа. – Сделать это — их право и обязанность».