Сегодня мы беседуем с заместителем генерального директора SAP СНГ Дмитрием Шепелявым.
— Дмитрий, недавно наш сайт проводил опрос, в результате которого мы увидели, что руководители различных компаний совершенно по-разному трактуют большие данные. Как Ваша компания и Вы лично понимаете термин Big Data?
— Я лично понимаю его так же, как и наша компания. Обычно говорят о четырех V: volume, velocity, variety и value. Исходя из этих характеристик данные можно отнести к большим. Я поддерживаю такое определение, хотя формулировка весьма расплывчатая.
Вы знаете, что Gartner перестал отслеживать непосредственно Big Data, а начал отслеживать их подмножества. Я думаю, это следствие долгих споров вокруг больших данных, которые ничем конструктивным, с точки зрения формального определения, не заканчиваются. Поэтому, мне кажется, термин Big Data рассыпался на несколько подмножеств: Internet of Things, Machine Learning, Artificial Intelligence и т.д. По каждому из этих разделов идут уже оценки маркетинговых перспектив.
Я считаю, что в целом большие данные — это то, из чего можно вычленить какую-то бизнес-выгоду. Поэтому основная из четырех V, на мой взгляд, четвертая — value (ведь совокупность размера, скорости и вариативности не говорит о том, что большие данные могут быть для чего-то полезны). Собственно, на ней мы и сосредотачиваемся — именно в четвертой V заключаются наши конкурентные преимущества.
— На Ваш взгляд, чем большие данные отличаются от бизнес-аналитики?
— Разница, на самом деле, кардинальная. Бизнес-аналитика может применяться без больших данных — например, в случае построения отчетов в Exсel. С другой стороны, большие данные могут существовать без бизнес-аналитики — например, когда речь идет об Интернете вещей, машинном обучении, machine-to-machine коммуникации — в таком случае данные используются для самообучения, обмена информацией между устройствами.
— Но есть ведь и случаи, где эти понятия пересекаются?
— Да, в основном они пересекаются. Как правило, рост Big Data обусловлен нехваткой данных для быстрого принятия решений. Инструменты бизнес-аналитики уперлись в определенные ограничения, поэтому большие данные возникли наряду с падением стоимости дисковой и оперативной памяти, удешевлением технологий в целом. BI-стратегия совместилась с техническими возможностями, и родился термин Big Data.
Поэтому в основном эти два понятия, конечно, совпадают.
— И могут сосуществовать в компании…
— Основное применение больших данных сейчас — это бизнес-аналитика, так как пользователи к ней привыкли. Большие данные просто дали инструментарию новый толчок в скорости, релевантности и адекватности.
— Сегодня многие говорят о нехватке специалистов — так называемых, data scientist’ов. Тем не менее, существуют различные курсы по Big Data и аналитике в целом (например, NewProLab или Школа анализа данных Yandex). Является ли “кадровый голод” такой уж большой проблемой?
— Да, на мой взгляд, эта проблема существует по всему миру — и в Соединенных Штатах, и в Европе, и в Азии, и в России, и в Украине, полагаю, тоже.
— Как Вы думаете, долго ли он продлится?
— Я думаю, он продлится недолго по двум причинам. Первая — ведущие ВУЗы и большие корпорации быстро реагируют на этот голод. В частности, наш Университетский Альянс активно работает и с украинскими ВУЗами (КПИ, КНУ имени Тараса Шевченко), и с ВУЗами в других странах СНГ, чтобы помогать готовить кадры в области больших данных, аналитики, систем управления предприятием.
Вторая причина — инструментарий data scientist’а очень быстро автоматизируется, и требования к таким кадрам снижаются. Когда-нибудь эти две тенденции встретятся, и наступит тот самый компромиссный баланс.
— Как ситуация с кадрами обстоит в компании SAP? Вы “выращиваете” специалистов внутри компании или все-таки привлекаете извне?
— И так, и так. У нас есть глобальные подразделения SAP Labs, которые раскиданы по всему миру, в том числе, и в СНГ. В них концентрируются кадры, ведущие инновационные разработки, в частности, в области больших данных. При этом мы активно сотрудничаем с ведущими ВУЗами — университетские лаборатории дают нам и идеи, и кадры, и даже конкретные программные решения.
— Занимается ли SAP обучением молодых специалистов?
— Да, в рамках Университетского Альянса мы проводим интеллектуальные марафоны Code Jam, где учим программировать; мастер-классы Design Thinking, где учим студентов выдумывать какие-то прорывные идеи, в том числе, в области больших данных; курсы, посвященные непосредственно решениям SAP и цифровой трансформации. Кроме этого мы обучаем еще и преподавателей вузов. Например, недавно мы открыли тренинговый центр SAP, в рамках которого будут проводиться лекции по интернету вещей, Machine Learning и другим новейшим технологиям. Так что спектр нашей деятельности довольно широк.
— Как Вы оцениваете российский рынок больших данных? Увеличился ли спрос на аналитические решения за последний год? Когда нам ждать обещанного бума в области Big Data?
— На самом деле, бум уже начался. Big Data, наконец-то, начала приземляться в конкретные бизнес-кейсы по индустриям: говорим ли мы, например, о предиктивных ремонтах или прогнозном качестве, об управлении продажами или маркетинге. Большие данные уже являются частью основного бизнеса компаний. И, мне кажется, бизнес осознал: большие данные — это не что-то непонятное и неизвестное, а то, что ему помогает.
— Когда же начался этот бум?
— Я думаю, где-то между 2014 и 2015 годами.
— Видим ли мы сегодня наращивание спроса на подобные технологии?
— Да, и мало того, компании задумываются над тем, чтобы перестроить свои бизнес-модели под наличие и работу с большими данными. То есть использовать большие данные не только для аналитики, но и для управления производством, контроля качества, отстраивания цепочек поставок. Таким образом, Big Data становятся неотъемлемой частью бизнеса компании. Мы называем это Digital Transformation, когда компания перестраивает себя, чтобы получать максимальное value от имеющихся данных.
— Многие знают о платформе SAP HANA. Расскажите подробней о ней: каким компаниям нужен и доступен этот инструмент? Какие задачи можно решать с его помощью?
— SAP HANA разработана и выпущена в 2011 году по инициативе создателя SAP Хассо Платтнера. Ее основная прорывная особенность, которая до сих пор не имеет аналогов, — это совмещение в памяти аналитических и транзакционных операций. То есть платформа может быть одновременно и аналитической, и транзакционной. Все вычисления производятся в оперативной памяти, что гарантирует высокую скорость. Это делает возможным полный переход компании на цифровой бизнес: компания может заниматься и основной деятельностью (например, производством), и одновременно строить аналитическую отчетность, принимать решения и давать обратную связь в систему управления бизнесом. Получается, что данные становятся непосредственными участниками и основными активами компании, на которых она зарабатывает деньги и удовлетворяет спрос. До сих пор такой успех SAP никто повторить не смог.
— Этот инструмент подходит как для большого, так и для среднего и малого бизнеса?
— Да, SAP HANA — основная платформа для всех решений SAP — как для большого, так и для среднего и малого бизнеса (SAP Business One). Все новые компоненты, весь основной функционал наших систем управления предприятием выпускается на базе SAP HANA.
— Как я уже сказала, SAP HANA известна всем… А есть ли еще какие-нибудь разработки SAP в области больших данных? Над чем Ваша компания работает сейчас?
— Да, естественно. SAP HANA — это основа нашей экосистемы больших данных, но вокруг нее базируется много решений, которые делают платформу еще более релевантной и успешной. Например, SAP HANA Vora — система, позволяющая совмещать возможности SAP HANA и Hadoop в быстрой обработке большого потока данных, в том числе, на базе технологии Spark.
Также существует система предиктивной аналитики, которая на базе больших данных может строить прогнозы, что очень полезно в ритейле, телекоме, энергетике, нефтегазе — там, где требуется применить большие данные для предсказания того, что будет дальше, и повлиять на принятие решений.
То есть у нас есть десятки решений, которые формируют вокруг SAP HANA экосистему больших данных.
Лариса Шурига, DataReview