В 2019 году «Яндекс» впервые представил робота-курьера — «Яндекс.Ровер». Он умеет перевозить небольшие грузы без какого-либо участия человека, с помощью встроенных датчиков и интеллектуального программного обеспечения самостоятельно составляя маршрут, распознавая и обходяя препятствия. В Москве «Яндекс.Роверы» доставляют почту и еду.

Самый первый «Яндекс.Ровер» отличается от последующих моделей меньшей вместимостью и более слабой батареей. В 2021 году «Яндекс» выпустил уже третье поколение роботов-курьеров. У этих роботов новый лидар, дополнительные камеры, новый дизайн и более вместительный грузовой отсек, вмещающий до 20 кг груза.

В апреле 2022 года компания передала своего первого робота в музей «Яндекса». В музее можно не только посмотреть на дизайн, но и изучить строение ровера.

По данным Statista, в 2021 году рынок роботов-курьеров составил 212 млн долл. По прогнозам, к 2026 году объем этого рынка вырастет до 957 млн долл., средний прирост год к году превысит 35%. Аналитики отмечают несколько факторов, которые стимулируют рост рынка роботов для доставки. Прежде всего это, снижение затрат на транспортировку. В исследовательской компании MarketsandMarkets считают, что доставка со склада или распределительного центра до потребителя составляет 28% всей стоимости транспортировки товара. Кроме того, роботам легче попасть в труднодоступные и удаленные места. И наконец, бесконтактная доставка приобретает особое значение во время эпидемий, снижая риск передачи инфекций.

Группа «М.Видео-Эльдорадо» выделила из своей структуры ИТ-компанию «М.Тех». Компания будет отвечать за развитие ИТ-продуктов, запуск новых решений, развитие решений на основе больших данных, поиск и внедрение инноваций. «М.Тех» создается на базе провайдера финтех-сервисов «Директ Кредит», его «М.Видео-Эльдорадо» приобрела осенью 2021 года, планируя развивать на его основе платформу финтех-сервисов для всей отрасли розничной торговли, включая онлайн- и офлайн-кредитование, платежные инструменты для клиентов и партнеров; стоимость сделки составила 1,3 млрд руб.

В «М.Тех» перейдут разработчики, аналитики, тестировщики и другие технологические эксперты группы, эта структура будет внешним партнером для всей ИТ-разработки компании, что должно повысить ее операционную эффективность. Также рассматривается вариант, что «М.Тех» будет продавать свои ИТ-решения на внешний рынок. «М.Видео-Эльдорадо» сейчас работает более чем над 100 продуктами и решениями на основе анализа данных, биометрии, искусственного интеллекта и машинного обучения, используя современную микросервисную и преимущественно облачную инфраструктуру. Группа создала технологическую платформу OneRetail, обеспечивающую бесшовный покупательский опыт онлайн и в магазинах и собственную платформу финансовых сервисов. Компания также фокусируется в рамках развития OneRetail-решений на создании удобных инструментов для вендоров и партнёров марткетплейса. Офис больших данных компании занимается разработкой сервисов рекомендаций, ассортиментного планирования, инструментов персонализации, видеоаналитики.

Основной источник доходов «М.Видео-Эльдорадо» — продажа бытовой техники и электроники. По итогам первого квартала оборот группы составил 177,2 млрд руб., что на 28,1% больше по сравнению с тем же периодом 2021 года. Магазины «М.Видео-Эльдорадо» есть более чем в 375 городах России (663 магазина «Эльдорадо» и 605 магазинов «М.Видео»).

Сейчас для ИТ-компаний действует целый набор льгот. С 2021 года вступил в силу налоговый маневр в ИТ, по которому тариф страховых взносов для ИТ-компаний снизился с 14 до 7,6%, ставки налога на прибыль — с 20 до 3%. Льготы распространяются на те ИТ-компании, которые не менее 90% доходов получают от разработки софта и баз данных; имеют госаккредитацию в качестве организации, осуществляющей деятельность в области ИТ; и чей штат состоит из семи и более сотрудников. Осенью 2021 года был принят второй пакет мер поддержки, который включал 62 предложения для поддержки экспорта российских ИТ-продуктов, привлечения высококвалифицированных кадров и др. В марте этого года был принят третий пакет, направленный на удержание ИТ-специалистов в России.

Как отметили в «М.Видео-Эльдорадо», в группе надеются, что сотрудникам «М.Теха» будут доступны все опции, которые действуют сейчас для ИТ-отрасли. В настоящее время группа проводит консультации с регулирующими органами по возможным форматам работы ИТ-бизнеса.

В рамках традиционного форума BIG DATA&AI 2022, проведенного издательством «Открытые системы», большое внимание участников вызвала сессия «Большая практика. Новый отсчет». Докладчики поделились опытом работы в новых условиях и рассказали об используемых инструментах. (Также о форуме см. статьи «BIG DATA&AI 2022: лучше вместе» и «BIG DATA&AI 2022: подходы и инструменты», «Компьютерный мир», 27 апреля 2022.)

«Обстоятельства сильно меняются, перед нами стоят серьезные вызовы. Data science в период кризисов перестает работать, включаются принципы ручного управления», — признал Тигран Саркисов, директор по работе с данными X5 Group, рассказавший об управлении данными в условиях меняющейся реальности. В X5 много интеллектуальных сервисов, охватывающих практически все направления: транспорт, логистику, маркетинг, чековую аналитику, цепочки поставок, ценообразование и т. п. Над ними работают более 50 продуктовых команд.

В начале года в X5 планировали совершенствовать дата-продукты, в том числе сокращать время их вывода на рынок, а также развивать культуру, основанную на данных, тиражировать self-service-аналитику, повышать стабильность платформы и снижать стоимость работы с данными. Однако проекты, связанные с клиентским путем, с конца февраля потеряли актуальность: гораздо важнее стала скорость принятия решений. «Если раньше приходилось тратить ресурсы на продвижение BI-инструментов, проводя демодни и обучая пользователей, то сейчас мы видим ажиотажный интерес к современной аналитике и резкий рост запросов на работу с ней — наблюдается кратный рост пользователей», — отметил Саркисов. Это направление очень эффективно, особенно сейчас. И вдвойне актуальными стали обеспечение непрерывности бизнеса и оптимизация затрат.

Александр Гусев, директор по развитию Webiomed и эксперт ЦНИИОИЗ Минздрава РФ по искусственному интеллекту, рассказал о том, что происходит с искусственным интеллектом в сфере здравоохранения. По его словам, несмотря на то что Указ Президента РФ № 490 «О развитии искусственного интеллекта в России», выпущенный еще в 2019 году, ставит целью ускоренное развитие искусственного интеллекта и определяет здравоохранение как одно из приоритетных направлений, реальность не соответствует ожиданиям. Во многом это связано с тем, что львиная доля финансирования проектов идет от государства, а частные инвесторы в эту область почти не заходят. К применению искусственного интеллекта в медицине отношение очень настороженное: высокие риски, непонятные бизнес-модели, неочевидный возврат инвестиций.

«Многие направления медицины полностью цифровизованы: данные есть, и их много. Мы сидим на огромных объемах данных. Однако вытащить их из организаций с целью проведения исследований или создания ML-продуктов практически невозможно», — констатировал Гусев.

Главная проблема для разработчиков интеллектуальных решений в медицине — именно раздобыть данные. И это при том, что государство с 2011 года инвестировало в ИТ в здравоохранении достаточно крупные средства — более 130 млрд руб., а по уровню внедрения информационных систем отечественная медицина сейчас уступает разве что американской. Еще одна огромная проблема заключается в том, что, несмотря на кажущийся огромным размер рынка, денег на нем практически нет.

Александр Гусев: «Многие направления медицины полностью цифровизованы: данные есть и их много. Мы сидим на огромных объемах данных. Однако вытащить их из организаций с целью проведения исследований или создания ML-продуктов практически невозможно»

«Мы выживаем на грантах и не учимся зарабатывать на продуктах — это формирует нехорошую внутреннюю ситуацию: вряд ли в такой обстановке можно принести много пользы», — считает Гусев.

По наблюдению Ивана Кровякова, менеджера по развитию бизнеса Data Platform Yandex.Cloud, большинство компаний, начинающих путь в мир машинного обучения, концентрируются именно на технических вопросах: где взять «правильную» инфраструктуру, какие выбрать технологии, где взять данные и компетенции. Однако по мере их созревания становится понятно, что бизнес-ценность в значительной степени находится в процессной составляющей: как готовить данные, как разрабатывать модели, внедрять и переобучать их. Это имеет не меньшее значение, чем сами технологии. Поэтому важно сделать так, чтобы специалисты фокусировались не на вопросах «Что?» и «Где?», а на вопросе «Как?». Кровяков проиллюстрировал этот подход на примере проекта, реализованного в УБРиР.

Как известно, от 70% до 90% данных, с которыми приходится работать компаниям, являются неструктурированными. Это документация, внутренняя переписка, обращения от клиентов, взаимодействие с партнерами, отзывы в соцсетях, записи контакт-центров. Такие сведения необходимо анализировать. Дмитрий Гольцов, заместитель директора по коммерческой деятельности компании «Мегапьютер Интеллидженс», рассказал о возможностях платформы PolyAnalyst — системы «три в одном». Она включает инструменты, которые компании обычно приобретают по отдельности, а затем тратят значительные усилия на их интеграцию: систему ETL для извлечения, трансформации и загрузки данных, систему интеллектуального анализа данных и средства BI. По словам Гольцова, с использованием платформы точность извлечения фактической информации из неструктурированного текста в отдельных проектах превышает 90%.

«Газпром нефть» на протяжении последних трех лет активно вкладывается как в инструменты управления данными, так и в разработку решений на основе искусственного интеллекта. Эти направления действительно позволили повысить качество управления компанией, что уже доказано на практике.

«Самое главное, что на основе данных можно управлять компанией гораздо эффективнее, чем при традиционных подходах», — подчеркнул Анджей Аршавский, руководитель центра монетизации данных «Газпром нефти». По его словам, главной задачей было внедрение решений на основе ИИ по всей цепочке создания добавленной стоимости. Добыча и переработка нефти — очень технологичный процесс, и использование математических моделей при разведке и планировании разработки месторождений способно давать огромный эффект. В ходе своего выступления Аршавский уделил особое внимание решениям на основе искусственного интеллекта, использующимся в промышленном контуре.

Дмитрий Шведов: «Перед нами стоит цель — стать data-driven-компанией, то есть принимать решения не с помощью интуиции, а на основе данных»

«Перед нами стоит цель — стать data-driven-компанией, то есть принимать решения не с помощью интуиции, а на основе данных», — заявил Дмитрий Шведов, CDO «Уралхима». В компании изначально понимали, что ресурсов ИТ-департамента всегда будет недостаточно, поэтому сразу начали двигаться в сторону использования инструментов самообслуживания: бизнес должен сам готовить себе данные и затем визуализировать их.

За 2021 год компания сделала большой скачок: ей многое дала платформа данных. Как отмечает Шведов, сейчас бизнес уже прекрасно понимает, что такое «корпоративное хранилище данных», и уверенно произносит аббревиатуру КХД.

За год в «Уралхиме» начали работать шесть продуктовых команд, две из них действуют полностью самостоятельно, разрабатывая для себя отчетность. Однако важно эти команды развивать, внедряя институты владения данными и сервисами. Для этого в нынешнем году планируется создать центр компетенций, основной задачей которого станет управление продуктовыми командами и выставление им целей по развитию сервисов.

В рамках традиционного форума BIG DATA&AI 2022, проведенного издательством «Открытые системы», большое внимание участников вызвала сессия «Большая практика. Новый отсчет». Докладчики поделились опытом работы в новых условиях и рассказали об используемых инструментах. (Также о форуме см. статьи «BIG DATA&AI 2022: лучше вместе» и «BIG DATA&AI 2022: подходы и инструменты», «Компьютерный мир», 27 апреля 2022.)

«Обстоятельства сильно меняются, перед нами стоят серьезные вызовы. Data science в период кризисов перестает работать, включаются принципы ручного управления», — признал Тигран Саркисов, директор по работе с данными X5 Group, рассказавший об управлении данными в условиях меняющейся реальности. В X5 много интеллектуальных сервисов, охватывающих практически все направления: транспорт, логистику, маркетинг, чековую аналитику, цепочки поставок, ценообразование и т. п. Над ними работают более 50 продуктовых команд.

В начале года в X5 планировали совершенствовать дата-продукты, в том числе сокращать время их вывода на рынок, а также развивать культуру, основанную на данных, тиражировать self-service-аналитику, повышать стабильность платформы и снижать стоимость работы с данными. Однако проекты, связанные с клиентским путем, с конца февраля потеряли актуальность: гораздо важнее стала скорость принятия решений. «Если раньше приходилось тратить ресурсы на продвижение BI-инструментов, проводя демодни и обучая пользователей, то сейчас мы видим ажиотажный интерес к современной аналитике и резкий рост запросов на работу с ней — наблюдается кратный рост пользователей», — отметил Саркисов. Это направление очень эффективно, особенно сейчас. И вдвойне актуальными стали обеспечение непрерывности бизнеса и оптимизация затрат.

Александр Гусев, директор по развитию Webiomed и эксперт ЦНИИОИЗ Минздрава РФ по искусственному интеллекту, рассказал о том, что происходит с искусственным интеллектом в сфере здравоохранения. По его словам, несмотря на то что Указ Президента РФ № 490 «О развитии искусственного интеллекта в России», выпущенный еще в 2019 году, ставит целью ускоренное развитие искусственного интеллекта и определяет здравоохранение как одно из приоритетных направлений, реальность не соответствует ожиданиям. Во многом это связано с тем, что львиная доля финансирования проектов идет от государства, а частные инвесторы в эту область почти не заходят. К применению искусственного интеллекта в медицине отношение очень настороженное: высокие риски, непонятные бизнес-модели, неочевидный возврат инвестиций.

«Многие направления медицины полностью цифровизованы: данные есть, и их много. Мы сидим на огромных объемах данных. Однако вытащить их из организаций с целью проведения исследований или создания ML-продуктов практически невозможно», — констатировал Гусев.

Главная проблема для разработчиков интеллектуальных решений в медицине — именно раздобыть данные. И это при том, что государство с 2011 года инвестировало в ИТ в здравоохранении достаточно крупные средства — более 130 млрд руб., а по уровню внедрения информационных систем отечественная медицина сейчас уступает разве что американской. Еще одна огромная проблема заключается в том, что, несмотря на кажущийся огромным размер рынка, денег на нем практически нет.

Александр Гусев: «Многие направления медицины полностью цифровизованы: данные есть и их много. Мы сидим на огромных объемах данных. Однако вытащить их из организаций с целью проведения исследований или создания ML-продуктов практически невозможно»

«Мы выживаем на грантах и не учимся зарабатывать на продуктах — это формирует нехорошую внутреннюю ситуацию: вряд ли в такой обстановке можно принести много пользы», — считает Гусев.

По наблюдению Ивана Кровякова, менеджера по развитию бизнеса Data Platform Yandex.Cloud, большинство компаний, начинающих путь в мир машинного обучения, концентрируются именно на технических вопросах: где взять «правильную» инфраструктуру, какие выбрать технологии, где взять данные и компетенции. Однако по мере их созревания становится понятно, что бизнес-ценность в значительной степени находится в процессной составляющей: как готовить данные, как разрабатывать модели, внедрять и переобучать их. Это имеет не меньшее значение, чем сами технологии. Поэтому важно сделать так, чтобы специалисты фокусировались не на вопросах «Что?» и «Где?», а на вопросе «Как?». Кровяков проиллюстрировал этот подход на примере проекта, реализованного в УБРиР.

Как известно, от 70% до 90% данных, с которыми приходится работать компаниям, являются неструктурированными. Это документация, внутренняя переписка, обращения от клиентов, взаимодействие с партнерами, отзывы в соцсетях, записи контакт-центров. Такие сведения необходимо анализировать. Дмитрий Гольцов, заместитель директора по коммерческой деятельности компании «Мегапьютер Интеллидженс», рассказал о возможностях платформы PolyAnalyst — системы «три в одном». Она включает инструменты, которые компании обычно приобретают по отдельности, а затем тратят значительные усилия на их интеграцию: систему ETL для извлечения, трансформации и загрузки данных, систему интеллектуального анализа данных и средства BI. По словам Гольцова, с использованием платформы точность извлечения фактической информации из неструктурированного текста в отдельных проектах превышает 90%.

«Газпром нефть» на протяжении последних трех лет активно вкладывается как в инструменты управления данными, так и в разработку решений на основе искусственного интеллекта. Эти направления действительно позволили повысить качество управления компанией, что уже доказано на практике.

«Самое главное, что на основе данных можно управлять компанией гораздо эффективнее, чем при традиционных подходах», — подчеркнул Анджей Аршавский, руководитель центра монетизации данных «Газпром нефти». По его словам, главной задачей было внедрение решений на основе ИИ по всей цепочке создания добавленной стоимости. Добыча и переработка нефти — очень технологичный процесс, и использование математических моделей при разведке и планировании разработки месторождений способно давать огромный эффект. В ходе своего выступления Аршавский уделил особое внимание решениям на основе искусственного интеллекта, использующимся в промышленном контуре.

Дмитрий Шведов: «Перед нами стоит цель — стать data-driven-компанией, то есть принимать решения не с помощью интуиции, а на основе данных»

«Перед нами стоит цель — стать data-driven-компанией, то есть принимать решения не с помощью интуиции, а на основе данных», — заявил Дмитрий Шведов, CDO «Уралхима». В компании изначально понимали, что ресурсов ИТ-департамента всегда будет недостаточно, поэтому сразу начали двигаться в сторону использования инструментов самообслуживания: бизнес должен сам готовить себе данные и затем визуализировать их.

За 2021 год компания сделала большой скачок: ей многое дала платформа данных. Как отмечает Шведов, сейчас бизнес уже прекрасно понимает, что такое «корпоративное хранилище данных», и уверенно произносит аббревиатуру КХД.

За год в «Уралхиме» начали работать шесть продуктовых команд, две из них действуют полностью самостоятельно, разрабатывая для себя отчетность. Однако важно эти команды развивать, внедряя институты владения данными и сервисами. Для этого в нынешнем году планируется создать центр компетенций, основной задачей которого станет управление продуктовыми командами и выставление им целей по развитию сервисов.

Беспрецедентный кризис вызвал резкую смену приоритетов. Кардинально изменилась и повестка ежегодного форума, отражая самые насущные проблемы, волнующие профессиональное сообщество в условиях неопределенности, санкций и болезненного расставания с иностранными поставщиками платформенных решений. Благодаря партнерам форума, его участники из первых уст узнали о возможностях доступных на российском рынке технологий для управления на основе данных. (Также о форуме см. «BIG DATA&AI 2022: лучше вместе», «Компьютерный мир», 27 апреля 2022.)

Хранилища данных

В компании «Дататех», в которой на основе отечественного ПО с открытым кодом внедряют решения управления данными, создали фреймворк для автоматизации построения хранилищ данных. Этот набор методик и готовых инструментов содержит в том числе пакетные решения, а также стандарты моделирования и разработки.

«Мы ориентировались на DevSecOps как на стандарт разработки и использовали микросервисную архитектуру, методологию Data Vault 2.0 и MPP-архитектуру на основе решения Arenadata DB», — пояснил Павел Бабурин, директор по стратегическим проектам «Дататех».

Решения компании обеспечивают извлечение данных из различных источников, их приведение к единой логической модели в соответствии с методологией Data Vault 2.0, загрузку в хранилище и формирование детальных данных согласно требованиям бизнес-модели, а также построение прикладных витрин данных для бизнес-задач и предоставление к ним доступа пользователей и информационных систем.

Специалисты «Дататех» называют фреймворк готовым продуктом. Фактически это облачный сервис, который был создан в процессе реализации проекта для одного из крупных банков. В компании намерены предлагать такую комплексную методологию банкам, которым необходимо произвести срочную миграцию данных в условиях импортозамещения.

Хотя многие проекты хранилищ данных завершены успешно, существуют проблемы, способные привести к провалам или неполной реализации потенциала работы хранилищ больших данных, отметил Александр Волынский, технический менеджер продукта ML Platform компании VK Cloud Solutions.

Исходя из опыта компании и ее заказчиков, одной из важнейших проблем он считает недостаточное качество данных в условиях значительного числа территориально распределенных источников, разделения зон ответственности и ограниченных возможностей команды инженеров по данным, обслуживающих центральное хранилище.

Чтобы обеспечить надлежащий уровень качества, предлагается отнести данные к основным продуктам деятельности каждого их источника, организовать распределенное владение ими и создать единый для всех слой сервисов доставки и обеспечения качества данных. В компании разработаны методы оценки эффективности хранилищ данных, мотивации команды инженеров по данным, выбора облачных или традиционных локальных решений для организации хранилищ.

Волынский утверждает, что при облачном подходе к работе с данными кластер Kubernetes может быть развернут и поддерживаться в облаке даже сотрудником, не являющимся специалистом по использованию этой платформы.

C ростом объемов и разнообразия типов источников данных все более актуальной становится организация централизованного управления доступом к ним. При внедрении ролевой модели доступа в одном из крупнейших российских банков, специалисты компании Denodo использовали возможности своей платформы, к которой подключаются все источники данных, а также технологию виртуализации данных, позволяющую ограничивать параметры видимости отдельных наборов, строк и столбцов данных и применять алгоритмы динамического маскирования данных.

«Сложность проекта заключалась в огромном количестве правил доступа, общее число которых достигало полутора тысяч. А кроме того, следовало учесть до семи десятков ролей и столько же привилегий «поверх» всех ролей», — рассказал Иван Кириленков, технический директор Denodo.

Чтобы справиться с этой проблемой, на основе корпоративного каталога данных сформировали полную матрицу доступа с применением набора автоматических скриптов, а также реализовали автоматическую синхронизацию ролей, тегов, правил и других объектов. Использование единой платформы работы с данными позволило сделать управление доступом проще и эффективнее.

В «Сбере» создали методологию для обеспечения регулярной доставки потребителям данных из сотен источников. К ее основным принципам относятся: исключение непродуманной загрузки озера данных; постоянное отслеживание изменений данных из различных источников, технологий их использования, применяемых инструментов; внедрение средств контроля технического и бизнес-качества данных в рамках единой корпоративной модели данных. «Реализация этих положений поможет построить озеро данных и не превратить его в болото», — полагает Лариса Ихсанова, управляющий директор и руководитель управления загрузки данных «Сбера».

Платформы

Сегодня, когда данные являются основой цифровой трансформации, появляются новые модели бизнеса и «умные» приложения, предоставляющие возможность изменять организационную структуру предприятий, считают в компании «Диасофт».

Созданная в этой компании экосистема решений для цифровой трансформации включает платформу Digital Q.AIML на базе методологии MLOps (Machine Learning Operations), предназначенной для оптимизации жизненного цикла машинного обучения.

В конвейер жизненного цикла платформы Digital Q.AIML входят фабрика обучения моделей, автоматизированный конвейер их развертывания и монитор жизни моделей. Последовательность работ при решении типовых задач для платформы включает, помимо прочего, предварительную обработку данных, выбор подходящей модели обучения и предоставление доступа к обученной модели как к сервису.

«Для выпуска моделей и упаковки их в сервисы мы пишем собственные Docker-файлы и запускаем их в публикацию в существующей сборке сервисов», — пояснил Антон Шебалкин, архитектор платформы Digital Q.AiMl.

Платформы «Диасофт» позволяют извлекать из озер данных массивы информации, анализировать их и использовать для создания новых приложений, основанных на методах глубокого машинного обучения.

Платформа быстрой бизнес-аналитики Luxms BI, которую разработали в группе компаний Luxms, — это инструментарий современных цифровых организаций, предоставляющий в реальном времени сведения, необходимые для принятия решений. Одна из особенностей Luxms BI — дата-центричная архитектура, обеспечивающая высокое быстродействие за счет приближения бизнес-логики к данным: сервер приложений Luxms BI размещен внутри базы данных. Кроме того, в зависимости от востребованности данных, используется их разделение на слои, для которых система бизнес-аналитики использует различные технологии обработки.

Сергей Шестаков: одна из особенностей Luxms BI — дата-центричная архитектура, обеспечивающая высокое быстродействие за счет приближения бизнес-логики к данным: сервер приложений размещен внутри базы данных

В конце апреля выходит версия Luxms BI v8. По словам Дмитрия Дорофеева, главного архитектора Luxms, в ней реализованы пожелания заказчиков в части самообслуживания. Инструменты Self Service предоставляют пользователям свободу действий с данными, в том числе возможность выполнять подключение к источникам, делать загрузку, подготавливать визуализацию и осуществлять ряд других функций (программирование для этого не требуется). Вместе с тем в новой версии улучшен функционал самообслуживания как для инструментария построения витрин, отчетов и анализа данных Self Service BI, так и для области ETL — Self Service ETL (Data Boring). Специалисты Luxms считают, что функционал Self-Service сопоставим с таковым у лучших зарубежных BI-решений.

Компания EasyData развивает семейство кросс-платформенных программных продуктов EasyPortal для автоматизации процессов работы с файловыми системами, реляционными СУБД, хранилищами данных, платформами Big Data.

«Платформа EasyPortal охватывает большую часть задач проектов хранилищ данных и предоставляет готовое решение для разработки проектов и управления выполнением задач на технической инфраструктуре промышленной среды», — утверждает Владимир Баранов, генеральный директор EasyData.

К компонентам платформы относятся: GETL — предметно-ориентированный язык для формирования шаблонов обработки данных; EasyLoader — инструмент выполнения разработанных задач в процессе промышленной эксплуатации с использованием готовых шаблонов для захвата и обработки данных; EasyScheduler — визуальное средство управления запуском консольных приложений на удаленных серверах; EasyPortal WebServer — интерфейс для командной работы над проектами.

По данным компании, ее программные продукты задействованы в ряде крупных проектов российских организаций в качестве ETL/ELT-платформ¸ управляющих потоками данных до десятков терабайт в сутки в хранилищах данных объемом в сотни терабайт. EasyData предлагает свое ПО для замещения решений таких зарубежных производителей, как IBM, Informatica, Oracle, SAS, и ряда других.

Основное направление деятельности компании «БИТ» — разработка цифровой платформы «Управление в пространстве» и прикладных решений на ее основе. Эта российская аналитическая платформа с подходом low-code к обработке и представлению данных относится к рекомендательным системам и интеллектуальным продуктам для поддержки принятия решений.

Цифровая платформа, созданная в БИТ, автоматизирует трехмерный картографический мониторинг, динамическое моделирование, сценарное и целевое прогнозирование; реализует цифровые модели территорий на основе больших данных и геоинформационных технологий; готовит управленческие решения на базе новых ассоциаций в процессе обработки данных в быстро меняющихся условиях; осуществляет визуальное конструирование аналитических приложений.

«Мы работаем с агрегированными большими данными, используем их для поддержки деятельности территориально распределенных организаций, в том числе органов власти, которые должны принимать решения на местах», — рассказал Алексей Завьялов, директор по продукту БИТ. Среди основных отличий от других BI-решений в БИТ называют генерацию рекомендаций и целевого управления на их основе.

Прикладные решения

В компании «Нейроспектр» используют модульную архитектуру, чтобы ускорить разработку приборов для сбора больших наборов данных, применяемых для контроля качества выпускаемой продукции методами компьютерного зрения и искусственного интеллекта.

По словам Алины Радаевой, руководителя проектов по разработке роботизированных систем, в работе дефектоскопов задействованы алгоритмы компьютерного зрения и глубокие сверточные нейронные сети, которые дополняются простыми персептронами или нейросетями. В настоящее время несколько дефектоскопов установлено в Китае. В перспективе планируется реализовать управление качеством производства, используя семейство дефектоскопов с единой информационной базой, обеспечивающих аналитику производственных процессов, в том числе формирование истории жизненных циклов выпускаемых деталей.

Никита Андреянов: основанные на данных подходы обладают рядом существенных преимуществ: выявление сложных инцидентов; определение проблемных мест в ИБ-инфраструктуре; планирование модернизации и развития ИБ-систем; анализ работы ИБ-департаментов и повышение ее эффективности

Процессы и решения, основанные на анализе больших объемов данных, способны значительно повысить эффективность комплексов информационной безопасности, убеждены в компании Crosstech Solutions Group.

Никита Андреянов, технический директор Crosstech Solutions, видит в основанных на данных подходах ряд существенных преимуществ: выявление сложных инцидентов с помощью ретроспективного анализа и обнаружения аномалий в поведенческой активности; определение проблемных мест в ИБ-инфраструктуре, планирование модернизации и развития ИБ-систем; анализ работы ИБ-департаментов и повышение ее эффективности.

«Сегодня бизнес, общество и государство волнует главный вопрос: как организовать свою работу в радикально изменившихся условиях? Поиск адекватных ответов — в центре внимания участников форума BIG DATA&AI 2022», — отметила, открывая мероприятие, Ирина Шеян, руководитель программного комитета. (Также о форуме см. статьи «BIG DATA&AI 2022: подходы и инструменты» и «BIG DATA&AI 2022: антикризисная практика», «Компьютерный мир», 27 апреля 2022.)

Согласно исследованиям PwC, в годовых отчетах компаний понятие «большие данные» сегодня фигурирует вдвое чаще, чем еще пять лет назад. В цифровую эпоху основой бизнеса становятся нематериальные активы, однако кризисные явления в мировой экономике привели к изменению многих ключевых причинно-следственных связей, что повлияло на возможность использовать как исторические, так и оперативные данные для ведения бизнеса, прогнозирования и моделирования тех или иных событий. Поменялся и горизонт доступности данных, что потребовало от компаний пересмотра традиционных схем принятия решений. Прошлый опыт руководителей и успешно использовавшиеся еще недавно математические модели линейной классификации и регрессии уже неприменимы в новых условиях, считает Григорий Борисенко, руководитель практики по оказанию услуг в области анализа данных PwC в России.

«Ситуация драматически меняется. Смена приоритетов, ослабление контроля, изменение регулятивных норм и вектора потребления — все это ломает модели оценки и принятия решений и требует все больше достоверных внешних данных, — отметил Борисенко. — Вместо незыблемых констант приходится работать со множеством переменных, основанных на волатильных функциях со множеством параметров».

Модели оценки товаров и сервисов, каналов поставок и компетенции сотрудников, например, по отзывам бывших партнеров и по резюме перестали быть свободно конвертируемыми на основе признанных еще недавно институтов сертификации. Как следствие, сейчас растет спрос именно на качественные внешние данные. Однако участившиеся инциденты, в частности, вызванные появлением так называемого протестного программного обеспечения (protestware), особенно в области анализа данных, могут не только существенно затруднить обработку данных, но и привести к заведомо неверным решениям.

Задача цифровых систем — поддерживать бизнес и приносить пользу. Возникшие же беспрецедентные атаки в сочетании с уходом с рынка ряда производителей, отвечавших в том числе и за обеспечение информационной безопасности, сегодня усугубляются потерей доверия к данным как из надежных ранее источников в Сети, так и из корпоративных систем.

«Сейчас нет доверия ни к вендорам ПО, ни к операторам данных, ни к самим данным — вместе с обновлением привычной, легальной программы может «прилететь» что угодно, а слив данных может инициировать свой же политически мотивированный сотрудник», — констатировал сложившуюся ситуацию Рустем Хайретдинов из Ассоциации по вопросам защиты информации.

К сожалению, к нынешней ситуации мало кто оказался готов, что привело к сбою некоторых цифровых сервисов: утеряны архивы ряда федеральных агентств и коммерческих компаний, разрушены их инфраструктуры обеспечения безопасности. «Существенно возросли уровень и мощность атак, для проведения которых используются средства более профессиональные, чем ранее применявшиеся хулиганами», — отметил Хайретдинов.

Изменилась и мотивация атак. Сегодня это уже не банальная кража денег с банковских счетов или вымогательство с целью выкупа, а разрушение информационных систем. К сожалению, все это происходит на фоне отключения средств защиты компаниями-партнерами, отвечающими за информационную безопасность. По мнению Хайретдинова, это происходит либо из-за вовремя не внесенной оплаты, либо из-за невозможности или неумения даже специализированных компаний быстро масштабировать инфраструктуру как в локальных, так и в облачных конфигурациях.

Рустем Хайретдинов: «Существенно возросли и уровень, и мощность атак на информационные системы, проводимых высококвалифицированными специалистами, которые используют профессиональные средства взлома, существенно отличающиеся от обычно применявшихся ранее хакерами-любителями»

«Время поставки серверов составляет сейчас десятки недель, их стоимость в разы выше, чем еще совсем недавно, а облачные провайдеры отказываются выполнять свои обязательства, — рассказал Хайретдинов. — Построенные в спокойное время системы не работают в условиях глобальных потрясений».

К тому же нет апробированных сценариев устранения угроз и опыта решения аналогичных по сложности и масштабу задач. Специалисты по безопасности оказались отрезанными от международной кооперации обмена информацией по новым атакам. Нынешняя ситуация, по мнению Хайретдинова, уникальна по своей экстремальности, что требует смены ролей и приоритетов, устранения бюрократических барьеров, препятствующих, например, допуску к серверам организации для оперативного устранения инцидентов кибербезопасности. Как следствие, считает Хайретдинов, требуются кардинальные изменения в сфере обеспечения информационной безопасности, в том числе и на уровне государства: концентрация экспертизы, аудит цифровых активов и развертывание их эшелонированной обороны, актуализация сценариев «под атакой» и восстановления данных. В условиях кризиса доверия необходимо поднять до уровня бизнеса и лиц, принимающих решения, ставшие безотлагательными вопросы: обеспечение безопасности данных; расстановка приоритетов для сохранения наиболее ценных активов; оценка надежности подрядчиков по защите информационных систем; ввод дополнительного резервирования.

Алексей Сидоров, директор по управлению данными компании Denodo, посвятил свое выступление вопросам управления данными в распределенных архитектурах на основе технологий Data Mesh и Logical Knowledge Graph. По его словам, платформа виртуализации данных позволяет «устранить необходимость физической концентрации данных в одном месте, но обеспечить единую точку входа для централизованной работы с ними». Сегодня уже нецелесообразно да и опасно хранить всю информацию в одном озере, намереваясь позже использовать ее по мере необходимости: данные быстро меняются, стоимость их репликации может быть слишком высокой, сложно обеспечивать их сохранность и гарантировать права их владельцев.

«Управлять корпоративными данными надо централизованно, но хранить их следует распределенно в местах генерации, в реальном времени предоставляя потребителю актуальные сведения в требуемом виде», — считает Сидоров. Этого можно достичь, используя логический граф знаний, устанавливающий связи между данными, что позволяет на 80% снизить расходы и до 85% сократить время на интеграцию корпоративных данных без нарушения нормативных требований по работе с ними. Кроме того, данные предоставляются непосредственно их потребителям (бухгалтерам, маркетологам, финансистам, производственникам, продавцам), которые лучше ИТ-специалистов знают особенности конкретных сведений и, благодаря подключению ко всем источникам (существующим хранилищам и озерам), получают возможность в реальном времени принимать решения «на лету».

Тему продолжил Владислав Каменский, генеральный директор компании «Юнидата», который сосредоточился на особенностях управления данными в условиях турбулентных явлений в экономике. В своем выступлении он затронул актуальные вопросы: как жить в условиях санкций, как обеспечить технологическую независимость, какие продукты востребованы в области управления данными? Одним из следствий кризисных явлений в отечественной экономике стало отсутствие конкуренции после ухода ряда западных компаний, на протяжении десятилетий поставлявших в страну продукты по управлению данными.

«Нужно не просто заместить такие продукты, а сделать соответствующие решения лучше, — подчеркнул Каменский. — Однако в условиях отсутствия конкуренции это сделать сложно». Для преодоления проблемы в компании образовано структурное подразделение «Юнидата Labs», отвечающее за фундаментальные исследования, разработки, образовательные проекты и взаимодействие с академическим сообществом. Сплав науки и производства позволит предложить новые продукты, включающие наукоемкие разработки в области искусственного интеллекта, оптимизации управленческих решений, выявления аномалий и скрытых зависимостей, что обеспечит актуальность и востребованность соответствующих решений в сфере управления и руководства данными, а также обеспечит их качество.

О том, что делать в текущей ситуации, размышляли многие участники форума. Сергей Золотарев, генеральный директор компании Arenadata, предлагает участникам ИТ-рынка не пытаться самостоятельно строить все системы, инициируя новые проекты. Он советует консолидировать и максимально полно использовать уже имеющиеся и проверенные временем инфраструктурные решения, позволяющие сформировать полноценную экосистему. В стране есть множество эффективных решений, возможно, не имевших ранее мощной маркетинговой поддержки (такой, как у ушедших западных вендоров), но не уступающих по функционалу. Сейчас одна из самых острых проблем — обеспечение работоспособности критически важных для бизнеса систем и безболезненной миграции с западных платформ. Золотарев уверен в том, что «исход западных вендоров — повод не для паники и слез, а для организации командной работы отечественных компаний по преодолению текущих проблем».

Сергей Золотарев: «Исход западных вендоров — повод не для паники и слез, а для организации командной работы отечественных компаний по преодолению текущих проблем»

Arenadata предлагает рынку платформы работы с данными, позволившие десяткам предприятий построить конкурентоспособные инженерные системы, индифферентные к ограничениям доступа к технологиям. Arenadata Enterprise Data Platform включает функционально полный стек продуктов для развертывания решений класса CRM, ERP, ECM, BPM, RPA, ETL и пр. как в инфраструктурах on-premise и PaaS, так и в облаках различных типов. Платформа дает возможность строить хранилища данных (например, на основе СУБД PostgreSQL), отказоустойчивые системы потоковой обработки данных в режиме реального времени, системы распределенных вычислений в оперативной памяти (на базе СУБД Tarantool), масштабируемые отказоустойчивые системы анализа и полнотекстового поиска. В качестве примеров Золотарев привел выполненные за предыдущие пять лет проекты для ВТБ и ФНС по миграции системы подготовки отчетности с СУБД Oracle SuperCluster на колоночную массивно-параллельную аналитическую СУБД ArenadataDB, а также проект унификации технологического стека и снижения расходов на эксплуатацию АИС «Налог-3» с миграцией с Teradata и Oracle Exadata. Кроме того, имеются примеры инфраструктурных проектов для предприятий и компаний из всех отраслей экономики, различных масштабов и форм собственности. Всем заказчикам предлагаются готовые сервисы по работе с большими данными, проверенные методики миграции и, при необходимости, услуги по сопровождению, предоставляемые более чем тысячей квалифицированных специалистов. В зависимости от запросов заказчиков, на базе предлагаемой платформы во взаимодействии с десятками авторизованных партнеров, специализирующихся в определенных областях, может быть развернуто конкретное решение.

Тему построения платформ для работы с данными продолжил Дмитрий Крючков, архитектор решений из компании Sapiens solutions. Он рассказал об архитектуре платформы данных, аккумулирующей классические открытые технологии наподобие Spark, Kafka или Nifi, а также сервисы для бизнес-аналитики Yandex Datalens и Apache SuperSet.

«Многие российские компании сегодня столкнулись со сложностями продления лицензий, рисками блокировки облачных решений, высокой стоимостью программного обеспечения и проблемами с поиском новых партнеров, — отметил Крючков. — Мы предлагаем подход к построению платформы данных, отвечающей основным потребностям отечественных компаний: хранилище данных, аналитика, озеро данных, потоковая обработка». Заказные решения по хранению данных и аналитике, построенные в предлагаемой архитектуре на технологиях Open Source (например, продукт Easy Report), могут быть развернуты как на собственном оборудовании клиентов, так и в облаках — в частности, имеется решение на базе «Яндекс.Облака».

По результатам различных исследований отраслевых аналитиков, более 70% компаний однозначно видят в данных будущее своего бизнеса, однако из всего объема имеющейся информации монетизируется лишь половина. Вряд ли имеет смысл просто грузить в хранилище все данные подряд: они либо быстро устаревают, либо вообще не нужны. Гораздо полезнее знать свои данные.

«Даже если развернуть в компании очень хорошее ПО, это не станет гарантией того, что все заработает. Требуются адекватные стратегии, наглядные примеры, анализ результатов и грамотный подбор ключевых сотрудников», — считает Олег Гиацинтов, технический директор DIS Group. Цифровая экономика требует «цифровых» сотрудников нового поколения, специализирующихся на четырех направлениях работы с данными: оценка, адаптация, каталогизация и измерение. Правильное разграничение ответственности между CDO и другими подразделениями позволяет до 60% сократить время на предоставление данных потребителям, причем изменить подходы к работе с данными следует незамедлительно, уверен Гиацинтов: «Сейчас самое лучшее время, чтобы модернизировать бизнес, объединиться для создания, возможно из разных технологий, действительно цифровых компаний».

Олег Гиацинтов: «Развертывание в компании даже очень хорошего ПО для работы с данными не дает гарантии того, что все заработает. Нужна стратегия, необходимы наглядные примеры работы с данными, анализ результатов и распределение сотрудников по ключевым этапам жизненного цикла корпоративной информации»

Конкретный пример интегрированного подхода к созданию цифрового продукта продемонстрировал содокладчик Гиацинтова — Дмитрий Шведов, заместитель руководителя департамента цифровизации компании «УралХим», перед которой стояла задача создания сервисов цифровизации и поддержки принятия бизнес-решений. Корпоративное хранилище стало единым источником достоверных данных, а внедрение платформы данных и глубокой аналитики позволило создать на предприятии экосистему данных, которая обеспечивает их сбор, обработку и хранение с целью поддержки бизнес-инициатив, создания цифровых двойников и выполнения прогнозной аналитики для процессов и активов компании. Платформа включает в себя подсистему сбора данных на базе Apache, подсистему управления и описания данных на основе решений Informatica Axon и Atlassian, подсистему хранения на основе PostgreSQL и сервисов SberCloud, а также лабораторию искусственного интеллекта — Jupyter и Sbercloud ML Space. Высокое качество данных, накапливаемых в платформе, позволило бизнес-экспертам выявить, в частности, некорректную информацию, поступающую через интеграционную шину информационных систем предприятия.

Как обществу, привыкшему «к цифре», избежать сегодня потерь, вызванных нештатным функционированием или отключениями информационных систем? Докладчики пленарной сессии форума сошлись в едином мнении: в период повышенных рисков главное — не делать поспешных выводов, чтобы не сломать успешно функционирующие продукты, а всем участникам отечественного ИТ-сообщества нужно совместно искать решения, адекватные возникшим проблемам, и не забывать при этом о том, что прибыли без рисков не бывает.

21 апреля состоялось центральное событие года по теме больших данных и интеллектуальной аналитики — форум BIG DATA & AI 2022, который Издательство «Открытые системы» проводит уже 11-й год. Беспрецедентный кризис вызвал резкую смену приоритетов, отодвинув на второй план проекты развития, в том числе связанные с большими данными, технологиями машинного обучения, и остро поставил перед многими организациями вопрос выживания. Кардинально изменилась и повестка форума, отражая самые насущные проблемы, волнующие профессиональное сообщество в условиях неопределенности, санкций и болезненного расставания с иностранными поставщиками платформенных решений.

Участники BIG DATA & AI 2022 узнали о том, как корректируют стратегию и тактику профессионалы, работающие с данными в разных отраслях экономики. Познакомились с российскими платформами, способными быстро заместить исчезнувшие с отечественного рынка решения.

Впервые одной из приоритетных тем обсуждения на форуме стала кибербезопасность и дата-ориентированный подход к ИБ, о котором рассказал один из номинантов Data Award 2022.

Ключевое место в программе форума заняла панельная дискуссия «Что делать, чтобы индустрия данных выжила?», модератором которой выступила президент Ассоциации больших данных Анна Серебряникова.

Представители авторитетных профессиональных ассоциаций, регуляторов и крупных компаний обсудили пути стабилизации рынка в кризисной ситуации и возможности развития российских инноваций в сфере данных объединенными усилиями бизнеса и государства. Участники дискуссии подняли проблемы применения риск-ориентированного подхода к оценке методов обезличивания данных, затронули вопросы тестирования методов обезличивания в рамках экспериментальных правовых режимов, а также перспективы института дата-посредников.

21 апреля состоялось центральное событие года по теме больших данных и интеллектуальной аналитики — форум BIG DATA & AI 2022, который Издательство «Открытые системы» проводит уже 11-й год. Беспрецедентный кризис вызвал резкую смену приоритетов, отодвинув на второй план проекты развития, в том числе связанные с большими данными, технологиями машинного обучения, и остро поставил перед многими организациями вопрос выживания. Кардинально изменилась и повестка форума, отражая самые насущные проблемы, волнующие профессиональное сообщество в условиях неопределенности, санкций и болезненного расставания с иностранными поставщиками платформенных решений.

Участники BIG DATA & AI 2022 узнали о том, как корректируют стратегию и тактику профессионалы, работающие с данными в разных отраслях экономики. Познакомились с российскими платформами, способными быстро заместить исчезнувшие с отечественного рынка решения.

Впервые одной из приоритетных тем обсуждения на форуме стала кибербезопасность и дата-ориентированный подход к ИБ, о котором рассказал один из номинантов Data Award 2022.

Ключевое место в программе форума заняла панельная дискуссия «Что делать, чтобы индустрия данных выжила?», модератором которой выступила президент Ассоциации больших данных Анна Серебряникова.

Представители авторитетных профессиональных ассоциаций, регуляторов и крупных компаний обсудили пути стабилизации рынка в кризисной ситуации и возможности развития российских инноваций в сфере данных объединенными усилиями бизнеса и государства. Участники дискуссии подняли проблемы применения риск-ориентированного подхода к оценке методов обезличивания данных, затронули вопросы тестирования методов обезличивания в рамках экспериментальных правовых режимов, а также перспективы института дата-посредников.

МТС приобретает контроль в компании «Гольфстрим охранные системы», специализирующейся на предоставлении услуг безопасности и умного дома. Финансовые параметры сделки — 2 млрд руб. за 58,38% провайдера охранных систем.

«Гольфстрим» разработал собственную ИТ-платформу с решениями для защиты дома от проникновения, пожара, протечек и предоставляет услуги умного дома. На базе этого актива МТС планирует развивать новое бизнес-направление «Умный дом».

Как отметили в МТС, компания ожидает быстрого роста рынка систем умного дома в ближайшие годы. МТС развивает системы видеонаблюдения, аналитики данных, платформы Интернета вещей, которые «могут лечь в основу принципиально новых решений для обеспечения безопасности недвижимости и цифрового управления домом или офисом», и планирует работать с застройщиками и частными клиентами.

Компания «Гольфстрим охранные системы», основанная в 1994 году, работает более чем в 200 городах России под торговой маркой «Гольфстрим», у нее 85 тыс. клиентов. Выручка компании по итогам 2021 года почти не изменилась по сравнению с 2020-м и составила 1,73 млрд руб.

Анонс новых мtйнфреймов IBM z16 обещает нам систему, которая готова удовлетворить потребности предприятия, обеспечив поддержку искусственного интеллекта, средств безопасности, гибридых облаклв и программного обеспечения с открытым исходным кодом.

Новое, еще более мощное и функциональное «Большое железо» оснащено ускорителем искусственного интеллекта, встроенным в основной процессор Telum, который способен выполнять до 300 млрд операций логического вывода в день на основе глубинного обучения при задержке в одну миллисекунду. Специальная система квантовой безопасности предназначена для защиты организаций от угроз, создаваемых с использованием квантовых технологий.

Двухпроцессорный чип IBM Telum содержит 16 ядер и работает на частоте 5,2 ГГц. В компании заявляют, что единственная модель z16 (Model A01) может иметь до 200 настраиваемых ядер и 40 Тбайт независимой памяти в массиве с резервированием (redundant array of independent memory, RAIM).

Помимо увеличения вычислительной мощности семейство z16, поставки которого должны начаться 31 мая, обещает ускорить реализацию стратегий IBM, направленных на развитие гибридных вычислений и корпоративных систем с открытым исходным кодом. В первую очередь новые мейнфреймы ориентированы на обработку приложений искусственного интеллекта.

«С появлением новой системы мир искусственного интеллекта изменится, – утверждают в IBM. – Независимо от того, идет ли речь о снижении затрат, о борьбе с мошенничеством или об увеличении доходов, искусственный интеллект z16 открывает целый ряд новых возможностей, которые раньше никем не рассматривались».

Ускоритель искусственного интеллекта процессора Tellum использует модель вывода, анализирующую подробности обработки множества транзакций с целью выявления существующих тенденций и интеллектуального прогнозирования.

«Искусственный интеллект применим к широкому набору сценариев в самых разных отраслях, от банковской сферы и финансов до страхования, здравоохранения и многого другого, – подчеркнули в IBM. – Но если вы посмотрите на то, что происходит сегодня в мире, в том числе на мгновенные платежи, становится ясно, что для борьбы с отмыванием денег нужны более строгие правила, а резкое увеличение количества онлайн-транзакций сопровождается увеличением числа мошеннических операций».

Вот здесь-то в игру и вступает встроенный искусственный интеллект, позволяющий обрабатывать огромное количество критически важных транзакций в реальном времени.

Аналитик компании Moor Insights & Strategy полагает, что ускоритель искусственного интеллекта изменит правила игры. По свидетельству IBM, мэйнфрейм z16 с операционной системой z/OS имеет в 20 раз меньшее время отклика и в 19 раз более высокую пропускную способность при выполнении операций логического вывода по сравнению с сопоставимым облачным сервером x86-архитектуры, у которого средняя задержка в сети составляет 60 мс.

Функции искусственного интеллекта, поддерживаемые новыми процессорами Telum, должны значительно повысить эффективность обнаружения мошеннических покупок, а также сократить объем сетевого трафика, генерируемого приложениями искусственного интеллекта. Поскольку операции логического вывода искусственного интеллекта выполняются непосредственно на чипе, z16 может проводить такую сложную обработку без перемещения данных из аналитического устройства, как это сделано в решениях многих других производителей. В крупномасштабных транзакционных средах, для поддержки которых предназначен z16, такой подход может оказаться весьма полезным.

По словам экспертов, предприятия проявляют большой интерес к дополнительным возможностям искусственного интеллекта z16, а производительность и масштабируемость новых систем позволят шире использовать «Большое железо» в гибридных облачных средах.

Анонсированный в феврале сервис IBM Z and Cloud Modernization Stack предлагает стандартные для отрасли инструменты для модернизации приложений z/OS с оплатой за фактическое их использование. Сервис включает поддержку z/OS Connect с интерфейсом JavaScript Object Notation (JSON), предназначенным для поддержания связи с существующими приложениями. Это позволит сделать приложения и данные Z составной частью гибридной облачной стратегии. А компонент z/OS Cloud Broker обеспечит интеграцию сервисов и ресурсов z/OS в Red Hat OpenShift в целях поддержки приложений, данных и инфраструктуры, включая процессы их модернизации, развертывания и управления ими.

В IBM заявили, что будущие сценарии использования контейнеров z/OS призваны упростить разработку и модернизацию приложений, а также создание интерфейсов API, тесно интегрированных с основными приложениями z/OS.

IBM Z and Cloud Modernization Stack станет первым набором функций, который будет распространяться учрежденным недавно центром IBM Z and Cloud Modernization Center, предлагающим инструменты, обучение, ресурсы и услуги партнеров внутри экосистемы. Все это должно помочь клиентам IBM Z ускорить модернизацию приложений, данных и процессов мэйнфреймов при использовании гибридных облачных архитектур.

«Мы упрощаем доступ к данным мейнфрейма, а с переходом на платформу OpenShift готовы запускать на мэйнфрейме контейнерные процессы микросервисов, – сообщили в IBM. – Применение на платформе IBM z systems технологий с открытым исходным кодом и применение опыта разработчиков в гибридном облаке и на z16 с его возросшей мощностью и увеличенными ресурсами позволит лучше справляться с современными рабочими нагрузками».

z16 отражает стратегическую направленность компании на интенсификацию использования гибридных облачных сервисов. Время отклика у серверов z16 с операционной системой z/OS в 20 раз меньше, чем у сопоставимых облачных серверов x86-архитектуры, а пропускная способность в 19 раз выше. Вычислительная мощность и функции шифрования z16 позволяют клиентам безопасно запускать критически важные приложения и процессы, опираясь на общедоступные облачные сервисы, что имеет важное значение для предприятий, которые обязаны соблюдать правила хранения и суверенитета данных.

Важной частью z16 является система безопасности. Адаптер Crypto Express8S помогает получать доступ к квантово-безопасным API, которые наряду с классическими криптографическими средствами позволяют предприятиям разрабатывать средства квантовой безопасности, а также модернизировать существующие и создавать новые приложения.

«Квантовую безопасность z16 обеспечивают несколько уровней встроенного программного обеспечения, запускаемого в процессе загрузки, – пояснил аналитик Moor. – Это первая в отрасли система, поддерживающая квантово-безопасную загрузку. Когда система загружается, она должна быть уверена в подлинности своей прошивки. Если в распоряжении злоумышленников окажутся квантовые компьютеры, у них появится возможность взламывать криптографические технологии, успешно использовавшиеся нами на протяжении многих лет. В этом и заключается опасность. Подготовка к квантовым атакам, возможно, уже идет через реализацию сценариев 'сбора урожая сейчас с его обработкой впоследствии'. Зашифрованные данные крадутся сегодня в ожидании появления квантовых компьютеров, которые помогут их расшифровать».

Еще одна функция, IBM Z Flexible Capacity for Cyber Resiliency, позволяет перемещать по запросу производственные мощности и рабочие нагрузки между системами IBM z16 на разных площадках с последующим сохранением их на этих альтернативных ресурсах в течение года. Это помогает предприятиям соблюдать нормы, требующие от них наличия возможности долгосрочного переноса производства на другие площадки.

Эта возможность призвана исключить сбои в работе при возникновении нештатных ситуаций. Например, перемещать рабочие нагрузки при надвигающихся стихийных бедствиях, а также проводить техническое обслуживание объектов.