
Big data в промышленности: эффекты и риски
Сбором и использованием больших данных отдельные предприятия России занимаются десятки лет. Однако большинство «подключились» совсем недавно. И можно смело сказать, что уже определились отечественные лидеры по применению big data, а также стали понятны те, кто пока пытается работать с «информацией ради информации».
Получилось наглядно увидеть, сколько можно заработать с высокими технологиями и где «просесть». В 2025 году в России даже заговорили о том, что изучать большие данные и управлять ими можно несколькими способами. Также уже можно с уверенностью рассуждать об ощутимых положительных эффектах работы с предиктивной аналитикой, её эффектах и рисках, связанных с ней.
Кто рискнул?
Более трети российских компаний применяют решения на основе big data. Половина из них — промышленные. Ожидается, что к концу 2025 года пользователей высоких технологий станет ещё больше. Мировому рынку систем управления базами данных прогнозируют рост на 10,8%.
Благодаря нацпроекту «Экономика данных», значительный подъём предрекают и российским СУБД, а значит, ожидается их активное использование на отечественных предприятиях.
Переходу на большую аналитику сейчас способствует само непростое время. Выжить в эпоху высокой инфляции и жестокой конкурентной борьбы смогут только те, кто ищет нестандартные решения и новые способы оптимизации технологического процесса.
Возможно, о внедрении суперсистемы, которая посчитает убытки, предотвратит аварии, покажет слабые стороны, проведёт анализ рисков, сейчас думают все.
Но подойдёт она далеко не каждому предприятию, уверен генеральный директор ООО «Виртуальные инфраструктуры», работающего под брендом «Облакотека», Максим Захаренко. Наибольший эффект решения большой аналитики дают там, где есть масштаб и массовость производства.
«Это, например, предприятия с большими объёмами: металлургия, химия, машиностроение, пищевые и фармацевтические предприятия. Там каждый сбой, каждый простой — это серьёзные деньги, и, когда ты можешь на основе анализа данных предсказывать поломки, оптимизировать логистику внутри производства, лучше планировать загрузку оборудования или персонала, это прямая экономия», — рассказал Максим Захаренко.
Он привёл в пример один из российских заводов, где за счёт анализа телеметрии и данных с оборудования оптимизировали потребление энергоресурсов.
«Оказалось, что ночью на ряде линий оборудование работает неэффективно, но при этом тянет ту же электроэнергию, что и в пиковые часы. График был пересмотрен, и в итоге завод сэкономил, без всякого преувеличения, миллионные суммы», — вспомнил Максим Захаренко.
В другом случае сотрудники «Облакотеки», благодаря предиктивной аналитике для предприятия по обслуживанию насосного оборудования, собрали данные с агрегатов и выстроили график возможных сбоев. Было принято решение менять запчасть, не дожидаясь поломки. Организация свела число аварий к минимуму, получила большую стабильность и доверие к техпроцессу.
Генеральный директор ООО «Запуск Айти» (Zapusk Group) Алексей Равинский подтвердил, что промышленные предприятия чаще используют датчики и сенсоры для сбора информации о состоянии оборудования, энергопотреблении и других параметрах. Эти данные анализируют с помощью big data для повышения эффективности производства.
Например, в нефтегазовой отрасли компании используют большие данные для мониторинга и оптимизации процессов добычи и транспортировки ресурсов. В металлургии аналитика параметров помогает улучшить качество продукции и снизить энергозатраты.
Эксперт показал на примере собственной компании, как работа с big data может помочь в строительстве. Zapusk Group принимает участие в возведении дата-центра для одного из IT-холдингов с полным циклом работ: от разработки концепции до ввода объекта в эксплуа-
тацию. Благодаря грамотному анализу данных на этапе подготовки к строительству, команде удалось сократить сроки реализации проекта на 20% и избежать непредвиденных расходов.
«Сейчас завершено более 70% работ: построены основные конструктивные элементы здания, установлены системы охлаждения, энергоснабжения и резервного копирования, организованные по схеме „n+1”. Наша задача — создать высоконадёжную инфраструктуру на ограниченной территории. Для этого мы внедрили ряд инновационных решений, направленных на оптимизацию энергопотребления. Предварительный расчёт показателя PUE — 1,3, что соответствует лучшим мировым практикам и подтверждает энергоэффективность будущего дата-центра», — пояснил Алексей Равинский.
Есть ли антикейсы при использовании большой аналитики?
Да, есть. Очень многие компании столкнулись с проблемой сбора «мусорных данных», приоткрыл завесу тайны основатель MaaS-платформы «Виртуальная фабрика» (ООО «ВПК»), заместитель председателя комиссии Торгово-промышленной палаты России по развитию промышленно-технологической и инновационной кооперации Олег Пономарев.
Не так давно отечественный разработчик Makves предложил считать цифровым сором 40% информации каждого производства (устаревшие данные, некорректно снятые показатели оборудования, которые невозможно использовать, и многое другое). На анализ подобной информации компании тратят огромные деньги и получают невнятный результат.
Или же, наоборот, рынку известны случаи, когда организации добросовестно собирают данные со станков при помощи систем SCADA, MES, но, так как остальные бизнес-процессы в компании не выстроены, её руководство получает информацию, которую невозможно применить.
Названия организаций, проигравших «в большую аналитику», эксперты раскрывают неохотно. Однако весь мир знает пример компании General Electric. В 2014 году корпорация попыталась заработать деньги на инновациях и вышла на рынок big data. Датчики на промышленных объектах передавали данные в центральные репозитории, далее их анализировали и изучали в поисках связей.
Платформа обошлась предприятию в 4 миллиарда долларов и требовала дополнительных вложений. В процессе работы выяснилось, что алгоритмы прогнозирования поведения оборудования работают некорректно. Это и ещё ряд неудач обрушили акции компании. Прошло почти 10 лет, но анализ этих событий помогает вовремя прийти к пониманию, что перед введением инноваций на производство нужно учитывать каждый нюанс.
Есть ли альтернатива дорогостоящей big data?
Благодаря неудачному опыту General Electric каждый сможет понять, что «классическая big data» может не подойти предприятию. И если есть возможность, нужно изучить другие предложения. Поэтому важно мониторить передовые технологии и тренды.
К примеру, Олег Пономарев рекомендует всем, кто только хочет задуматься об инновациях, не торопиться внедрять IT-продукты 20‒30-летней давности, а изучить передовой опыт США и КНР в области экосистем цифровой экономики и отраслевых цифровых платформ распределённого онлайн-производства (MaaS). Его ещё называют «облачная промышленность».
Основываясь на его примере, можно взять инструменты, которые позволят собирать данные о реальных технологических контрактах, финансовых сделках, движении денежных средств, определять информацию, которая влияет на изменение маржинальности, и многое другое.
На основании этой информации можно не просто делать прогнозы, а вносить изменения в режиме реального времени.
Например, если произведена онлайн-сделка, мы понимаем в реальном времени, какое оборудование использовалось, сколько единиц техники, какие применялись материалы и прочее.
«Мы точно можем понять, какие большие данные, например со станка, важны, а что с точки зрения технологического контракта является „мусорными данными” и не имеет значения. Мы можем получить ту информацию, которая раньше была недоступна в рамках традиционного производства, что уже сегодня позволит создавать новую бизнес-модель для промышленности и запускать новые сервисы для производств», — поделился опытом Олег Пономарев.
Отраслевые облачные платформы — это модульные системы, объединяющие большие возможности для бизнеса.
Посредством этого сервиса разные организации используют одну и ту же экосистему, участвуя в общих бизнес-процессах: НИОКР, закупке, проведении платежей и многом другом.
В каких случаях «оцифроваться» точно не удастся?
Некоторые предприятия по сей день используют ручные способы сбора и внесения данных в журналы учёта. Этот подход всё ещё считается надёжным и безопасным. Установить современную систему в этих условиях физически невозможно, рассказывают эксперты, сначала нужно навести порядок.
Кроме того, немногие промышленные предприятия используют современные IT-системы. Чаще всего эти устаревшие программы не совместимы с современными технологиями обработки данных.
«Множество различных IT-решений сегодня внедряют внутри каждого предприятия. Это создаёт проблемы их совместимости и взаимной интеграции, так называемый цифровой зоопарк. А теперь представьте, как собрать большие данные с тысяч, десятков тысяч таких предприятий!» — отметил Олег Пономарев.
Нужно также ввести культуру работы с данными, советует Максим Захаренко. Часто информация находится в разных закрытых системах, что не даёт её собрать и проанализировать.
«Пользователи должны понимать, что от подготовительной работы зависит очень многое. Не будет „волшебной коробки”, которая изменит жизнь. Если данные „кривые”, а модель построена некачественно, есть большой шанс получить неправильные рекомендации, которые приведут к убыткам. Поэтому важна экспертиза на всех этапах — от сбора данных до их интерпретации. Каждое решение нужно кастомизировать для конкретного предприятия», — посоветовал Максим Захаренко.
Предприятиям необходимы дополнительные затраты на модернизацию инфраструктуры, чтобы успешно интегрировать её с big data.
«Для работы с большими данными нужны значительные инвестиции в инфраструктуру, включая мощные серверы, системы хранения данных и специализированное ПО. Организационные барьеры тоже мешают внедрению. Руководство многих предприятий не всегда понимает, как именно большой объём собранных и проанализированных данных можно применить для решения их задач. Отсутствие чёткой стратегии внедрения приводит к распылению бюджета и неэффективным результатам», — рассказал Алексей Равинский.
Правда, цена за каждое цифровое решение может быть разной. К примеру, облачные решения обойдутся дешевле работы с датчиками: сбор информации можно доверить любому гаджету.
«Для участия в цифровых цепочках кооперации и присоединения к технологическому контракту нужен смартфон. Технология не приводит к отвлечению оборотных средств предприятий и перенаправлению их на модернизацию инфраструктуры производства, а также на внедрение и поддержку необходимых IT-решений и систем со стороны организаций», — поделился опытом Олег Пономарев.
Как минимизировать риски и не потерять последнее с цифровыми нововведениями?
Важно понимать, что большая аналитика — долгосрочная инвестиция, и эффект может быть виден не сразу. Тем не менее отсутствие результатов при высоких вложениях — одна из наиболее серьёзных проблем.
Их, кстати, можно избежать, соблюдая некоторые правила. Эксперты рекомендуют ставить перед внедрением конкретные измеримые цели, чтобы оценить успешность проекта. Например, снижение затрат на 10%. Начинать лучше с небольших пилотных программ, чтобы протестировать технологии и подходы.
Так можно оценить эффективность до масштабирования. Важно провести аудит данных перед внедрением, чтобы убедиться в их качестве и полноте. И, конечно, нужно обеспечить совместимость новой системы с текущими IT-платформам, для чего, возможно, потребуется частичная или полная модернизация инфраструктуры.
Важно также продумать возможность резервирования данных, потому что есть вероятность потери информации из-за непредвиденных чрезвычайных ситуаций.
«Внедряйте big data поэтапно, начиная с наиболее критичных областей. Это позволит минимизировать риски и корректировать подходы по мере получения результатов. Также важно привлечь к работе технологических партнёров или консультантов, которые имеют опыт интеграции подобных IT-решений в промышленности», — посоветовал Алексей Равинский.
Потеря контроля над данными и передача их в третьи руки — тоже один из самых существенных рисков при работе с big data, особенно если руководство предприятия доверилось «облаку» сторонних лиц.
«Ключевой риск, конечно, в кибербезопасности. Когда ты начинаешь собирать, хранить, передавать и анализировать тонны данных, возрастает уязвимость всей IT-инфраструктуры. Особенно если используется “облако” или работают внешние подрядчики. Поэтому важно сразу думать про защиту: где хранится информация, кто к ней имеет доступ, как обеспечивается отказоустойчивость», — подчеркнул Максим Захаренко.
Также одним из рисков эксперты видят внешнее консультирование. Отдать на аутсорсинг большие данные предприятия — колоссальная ответственность, потому что разногласия со сторонним менеджером могут случиться в любой момент.
Где найти команду, которая поможет с big data?
Модель создания команды можно позаимствовать у национального проекта «Производительность труда». К примеру, точно так же формировать на предприятиях группы для интеграции изменений и последующей работы.
«Можно выявить активных сотрудников и обучить их проектному управлению. Команда, внедрив один проект, сможет работать над следующими и сама предлагать идеи. Мне кажется, это очень эффективно для организации в дальнейшем», — подытожил Олег Пономарев.
Ну а, если быстрее и проще обратиться к IT-компаниям, нужно выбирать ту, которая предложит не «куски идеи», а готовое решение: сбор данных, настройку платформы, а не набор технологий.
За пять лет активной работы с big datа промышленность убедилась, что они стали ликвидным товаром, и их влияние на экономику страны в дальнейшем будет только возрастать.
К примеру, многие компании уже начали проявлять интерес к большим данным, накопленным государственными корпорациями. Напомним, в мае 2021 года стало известно о планах Министерства цифрового развития, связи и массовых коммуникаций РФ создать госоператора больших данных, который мог бы предоставлять информацию, накопленную ведомствами и министерствами. Возможно, и эти показатели помогут настроить бизнес-модели и оптимизировать многие процессы в промышленности.
Олег Пономарев, зам. председателя комиссии ТПП России по развитию промышленно-технологической и инновационной кооперации

«Традиционный формат использования больших данных не создаёт равного доступа малых предприятий к кооперации с крупным бизнесом. В то время как облачные решения не только предоставляют равный доступ, но и обеспечивают участникам открытые идентичные возможности. К примеру, заключить контракт с любой мировой компанией смогут даже представители маленьких производств».
Текст: Надежда Белозерская. Фото: freepik.com.