Алексей Заславский, ГК «АйТеко»:
На платформе «Цифрового алфавита» – в цифровой мир
Цифровая экономика требует внедрения принципиально новых ИТ-решений. О том, как вместе с самими решениями меняются технологические приоритеты, методологии внедрения и культура использования информационных технологий в бизнесе, рассказывает директор департамента «Витте Консалтинг» группы «АйТеко» Алексей Заславский.
Заславский
Какие преобразования видятся ключевыми на этапе становления так называемой датацентричной экономики, когда управленческие решения диктуются содержательным смыслом данных?
Алексей Заславский: Данные – это кровь цифровой экономики, сердце любой большой и малой цифровой трансформации. Несколько утрируя, но не изменяя самой сути, можно сказать, что любая модная цифровая технология – это технология генерации, передачи, хранения, обработки и извлечения данных и/или получения с помощью этих данных некой ценности.
Избегая деклараций о впечатляющем росте информационных потоков, генерируемых и обрабатываемых в мире в последние годы, отмечу лишь, что этот процесс связан прежде всего с ростом объемов неструктурированных или слабоструктурированных данных. И требует использования специализированных инструментов и технологий, отличающихся от бывших ранее классическими инструментов работы со структурированными данными, сохраняя при этом актуальность эффективной работы с ними.
Давайте представим себе некую пирамиду, уровни которой от подножия к вершине можно описать как данные – информация – знания/ценность. На каждом из уровней надо решить комплекс взаимосвязанных задач, использующих различные методики, методы и технологии, которые должны быть направлены на достижение конечной цели – извлечение требуемых знаний и/или получение необходимой ценности.TAdviser SummIT 28 мая стал самым масштабным за всю историю его проведения. Более 1,5 тыс участников и 50 стендов. ФОТО
Спектр таких задач широк: от определения источников данных, механизмов их генерации, сбора и актуализации, обеспечения эффективного хранения и доступа к данным – через решение задач обработки, обеспечения нужного качества данных, организации работы с мета- и мастер-данными, – до превращения данных в значимую информацию за счет их горизонтальной и вертикальной контекстуализации, применения различных инструментов и технологий, направленных на получение требуемых знаний и/или ценности.
Вы говорите о технологиях работы с большими данными?
Алексей Заславский: В том числе. Большие данные вообще представляются сегодня многим ответом на все вопросы. Берем данные, запускаем скрипт и ожидаем, что мгновенно получим на выходе идею прорывной инновации или понимание, как изменить бизнес-модель. А когда по разным причинам этого не происходит, это вызывает недоумение или рождает недоверие.
Нужны не большие данные как таковые, а «умные» данные, грамотно подобранные и обработанные, из которых можно извлечь требуемую ценность. И важен не столько их объем, сколько понимание конкретной цели, правильно выбранные и использованные инструменты, которые эффективно смогут работать с каждой из трех V-составляющих, где volume – объём данных, velocity – скорость прироста/обработки, variety – многообразие данных.
Каких ошибок на пути к «умным» данным стоит избегать?
Алексей Заславский: Лет 10-12 назад говорили о лоскутной автоматизации, когда для решения конкретных задач создавалась новая информационная система, а затем разрабатывались многолетние и дорогостоящие программы устранения дублирования и перехода к целевому ИТ-ландшафту. Сегодня компании могут (не)преднамеренно пойти по пути «лоскутной цифровизации»: решать локальные задачи за счет точечного внедрения инноваций, не научившись эффективно работать с таким новым активом цифровой экономики, как данные. «Цифра» этого не простит: скорость изменений возрастает, а с ней растет и цена ошибки неэффективного использования собственных активов, то есть данных. Важно понимать, что исправлять эту ошибку будут уже другие...
Рассмотрим организацию так называемых «озер данных» – хранилищ, куда сливают все данные отдельного филиала в надежде вытянуть из них потом максимум пользы. Или, наоборот, в одно озеро сливаются данные всех подразделений компании по принципу «все в дом».
В первом случае, какую бы могучую аналитику ни привлекали для обработки данных, ее выводы будут ими и ограничены. Есть риск получить много маленьких прудов и запруд, где ничего существеннее мелких карасей поймать будет нельзя, даже если для их вылова применят новейшие технологии искусственного интеллекта, а для учета – блокчейн. Во втором варианте, в отсутствие механизмов управления метаданными, четких процедур сбора и актуализации данных, большое озеро может быстро превратиться в болото, где водятся одни «пиявки да лягушки».
Надо создавать целую гидросистему с системой водохранилищ, шлюзов, каналов, систем очистки, с помощью которых можно получать нужные продукты и услуги: ловить рыбу, орошать поля, кататься на лодках, вырабатывать электроэнергию, доставлять потребителям техническую или питьевую воду.
Как обеспечить построение такой системы, когда нужны быстрые победы?
Алексей Заславский: Как ни банально, надо обеспечить баланс для быстрого решения отраслевых задач на основе методически грамотного подхода, который не приведет в итоге к лоскутной цифровизации. Поэтому сейчас на первый план выходят платформенные решения, способные обеспечить как гибкую работу с данными различных типов, так и реализацию на базе этой платформы конкретных отраслевых решений с возможностью их масштабирования в перспективе.
Какие тенденции актуальны для бизнес-среды?
Алексей Заславский: Компаний, рожденных цифровыми, очень немного. Таковыми можно считать бренды Uber, Airbnb, Netflix. Остальные вынуждены к цифровой экономике приспосабливаться. В основном крупные предприятия сегодня имеют некую инфраструктуру в виде оборудования и иных активов, текущие производственные задачи, схемы взаимодействия с клиентами и партнерами и традиционную архитектуру автоматизации.
Наиболее рельефно инфраструктурные задачи видны на предприятиях реального сектора. Решения класса АСУТП или SCADA на нижнем уровне существовали давно. Они собирали и обрабатывали первичные данные, что в определенной мере сближает их с современной идеологией Интернета вещей. Использовались эти данные, правда, в основном для контроля продукции и самих процессов на наиболее критичных участках производства.
Текущие технологические тенденции таковы, что на уровень цифровой производственной и обеспечивающей инфраструктуры начнут подниматься всё больше отраслей: торговля, логистика, управление недвижимостью. Различные метки, системы глобального и локального позиционирования, датчики физических параметров и другие компоненты умной инфраструктуры постепенно составят основу для создания мощных отраслевых инфраструктур сбора информации «в полях». Где-то слой первичного сбора данных будет больше направлен на повышение эффективности внутренних бизнес-процессов, где-то – процессов взаимоотношения с клиентами и партнерами.
В промышленности нижний слой автоматизации тоже будет развиваться. Ремонт оборудования по состоянию всё чаще признается наиболее эффективным методом обслуживания, а его успех непосредственно связан с обработкой большого количества первичных данных.
На верхнем уровне управления (и автоматизации, соответственно) мы сегодня наблюдаем относительно универсальную в отраслевом разрезе картину. В функциональных управленческих «колодцах» информационные потоки направлены в основном по вертикали: от руководства подразделения к подчиненным и обратно. Помимо классических бизнес-транзакций, мы можем получать информацию, отраженную в документах, мастер-данные, историческую информацию (к примеру, о ремонтах оборудования). Однако единой картины данных она, как правило, не образует.
Каковы основные вызовы, связанные с цифровой экономикой?
Алексей Заславский: Если говорить предельно просто и кратко: необходимо единое информационное пространство, связывающее все имеющиеся данные. Это база для решения задач цифровой экономики, полностью основанной на данных. Данные действительно существуют разрозненно. Даже если информационные границы между функциональными колодцами компании ранее пытались преодолевать за счет процессного (читай – горизонтального) управления, полностью проблему это не решало. В лучшем случае это могло работать в имеющихся процессах, но в цифровой экономике необходимо формировать новые. К тому же такие, чисто процессные по сути, механизмы обмена данными не очень хорошо сочетаются с событийной моделью.
То, что корпоративный информационный ресурс как своего рода синергия данных, различных бизнес-систем может играть значительную роль в бизнесе компании и даже стать одним из ее ключевых активов, осознавали еще до цифровой трансформации. В результате возникла концепция Data Governance, на которую крупным компаниям часто советуют обратить внимание. Будучи «тяжелой» концепцией единого взгляда на данные, больше рассчитанной на тотальное проникновение в культуру ведения бизнеса, она сопровождается немалым числом правил, организационных преобразований, вводимых должностей и ролей. На практике предприятия чаще всего решают отдельные бизнес-задачи, для чего им нужны несколько иные инструменты. Да и сама концепция Data Governance «взрослела» еще в доцифровую эпоху. В любом случае, чтобы справиться с новыми вызовами, бизнесу необходимы иные инструменты и подходы.
Происходят качественные сдвиги: сбор данных уже не привязан только к бизнес-транзакции, производственной операции, рабочей смене, визиту клиента. Данные генерируются и передаются постоянно. Многие из этих потоков «текут» непрерывно, как реки, не имея во времени ни начала, ни конца. Это тоже вызов для современных предприятий и вопрос наличия методологии и инструмента.
Что должен учитывать бизнес, чтобы справляться с новыми задачами?
Алексей Заславский: Еще в доцифровую эпоху существовало множество интеграционных продуктов: интеграционные шины, продукты класса middleware. Весьма успешно используясь и поныне, они ориентированы больше на интеграцию классических бизнес-систем и нацелены на работу со структурированными данными, не лучшим образом вписываясь в цифровую экономику, где всё состоит из не самых простых с алгоритмической точки зрения, но при этом относительно локальных с позиции бизнес-значимости, задач.
Значимость их в том, что решаются они постоянно и во множестве. При этом решения могут объединяться в некие конвейеры, приобретая для бизнеса больший вес. Это почти всегда уникальная комбинация функций, связанных, скажем, с распознаванием объектов, кластеризацией, классификацией, предсказанием их поведения. Попытки найти для организации единую эффективную модель процессинга данных, внедрить ее, а затем работать в соответствии с ней годами, постепенно отлаживая нюансы, – всё это точно не про цифровую трансформацию. Здесь такого не бывает в принципе.
Событийная ориентированность – еще один значимый постулат цифровой экономики, непосредственно связанный с управлением на основе данных, которые могут быть абсолютно любыми: структурированными или неструктурированными, единичными или потоковыми, в виде отдельных чисел или многомерных массивов, внутренними или внешними, верхнего или нижнего уровня управления. Интеграция между ними должна осуществляться не по слоям (например, от уровня АСУТП – через различные управленческие системы – к бизнес-аналитике корпоративного уровня), а по произвольной схеме, диктуемой конкретной задачей или событием. В этом смысле данные о текущей температуре и влажности, документарный архив с информацией о поломках оборудования не имеют, как раньше, ярко выраженной иерархической структуры.
Как меняются продуктовые предложения на ИТ-рынке?
Алексей Заславский: ИТ-поддержка цифровой экономики – это не бизнес-приложения в привычном смысле, а платформы. Мы запускаем некий конвейер по обработке данных – от их сбора по разным источникам через очистку, преобразование и консолидацию до обработки нужными алгоритмами и, если необходимо, выдачи во внешние системы. Характерно, что делается это не в визуальной среде, а преимущественно посредством написания программ. Это можно было бы и опустить как некую техническую особенность, если бы бизнес в большинстве своем не был негативно настроен к программированию в приобретенном бизнес-решении и не считал бы, что поставщик системы предложил ее заказчику, что-то в ней недоделав. Скажем честно: исходя из предшествующего опыта, бизнес-заказчик имеет право на такое мнение. Но для решения задач цифровой экономики без программирования на стороне клиента не обойтись.
Рыночные предложения делятся на несколько категорий. Ряд функциональных систем по стандартной и проверенной схеме можно использовать уже сейчас. Например, наладить управление находящемся в рейсах транспортом на основе собираемых в реальном времени данных. Но за пределы ограниченного круга задач, пусть и важных для отрасли, с их помощью не выйти.
Наиболее универсальным инструментом решения задач цифровой экономики видится вполне сложившийся технологически и известный на рынке стек продуктов Open Source. Однако для полноценного освоения этого мощного и гибкого набора технологий необходимы серьезные компетенции и людские ресурсы.
Есть коммерческие продукты, поставщик которых может предложить дополнительное качество, скажем, в отношении решения распространенных задач или юзабилити. При этом необходимо понимать, что «под капотом» у таких продуктов, как правило, находится всё тот же Open Source, не всегда афишируемый компанией, что нельзя считать обманом заказчика. Это вполне законная и цивилизованная практика.
Расскажите о новинках в продуктовом портфолио группы «АйТеко».
Алексей Заславский: Недавно компания «Витте Консалтинг» (ГК «АйТеко») вывела на рынок платформу «Цифровой алфавит», способную работать с любыми типами данных в наиболее «демократичном» режиме, то есть без жестких «бюрократических» подходов к разделению данных на управленческие слои, а с возможностью оперативно создавать под конкретную задачу комбинированные цепочки сбора и обработки данных из произвольных источников. Запись обработанных данных также осуществляется в различных базах данных. Скажем, документ мы можем записать в документ-ориентированную базу данных Mongo DB, телеметрию – в Cassandra, граф – в Neo4j, классическую транзакцию – в базу данных SQL.
Стоит отметить высокий вычислительный и коммуникационный потенциал «Цифрового алфавита» с реализацией любых алгоритмов обработки данных, характерных для цифровой экономики, и возможностью создания на базе платформы отраслевых решений. Если заказчик посчитает целесообразным решать бизнес-задачу в иной системе (а для клиентов с мощным парком ИТ-систем в ряде случаев это может оказаться предпочтительнее), наш продукт должен отдать собранные данные в эту систему и, если необходимо, забрать их обратно для дальнейшего процессинга.
При этом «Цифровой алфавит» поддерживает широкие возможности по подключению специализированных компонентов работы с данными: потоковые обработчики, специализированные базы данных, инструменты для предиктивной аналитики и машинного обучения, позволяя получать из данных или с их помощью необходимые знания/ценность. Эффективность платформы обусловлена и тем, что все основные компоненты реализованы на основе математической модели параллельных вычислений, строящейся вокруг понятия актора.
Представляя «Цифровой алфавит», мы не скрываем, что помимо собственных наработок в составе платформы лежат многие продукты хранения и обработки информации из стека Open Source – цивилизованной и уже сложившейся практики для коммерческих компаний, производящих софт. Если бы мы продавали «коробку», нас можно было бы упрекнуть в попытках нажиться не на своем труде. Но в классе тех платформенных решений, к которому принадлежит и наш «Цифровой алфавит», понятия коробочного продукта в принципе не существует. Мы предлагаем собственные разработки, опыт и экспертизу наших специалистов и партнеров, реализующих проекты на базе данной платформы, в комплексе, давая заказчику эффективный инструмент и помогая ему в адаптации под конкретные бизнес-задачи.
На правах рекламы