 |
VolgaBlob: бизнес меняет требования к data-проектам
VolgaBlob провела исследование ожиданий бизнеса от ИТ-решений для управления данными в рамках премии Smart Award 2026. В компании пришли к выводу, что запрос бизнеса на работу с данными заметно смещается от получения отчетности к сквозному отражению процессов и запуску конкретных действий от бизнес-пользователей.
В VolgaBlob считают, что зрелость работы с данными будет все реже измеряться числом витрин, хранилищ и дашбордов. Ключевой метрикой станет количество принятых на их основании решений, которые стали быстрее, точнее или дешевле. Данные начинают оценивать как основу для изменения процесса. Формируется спрос на smart data – подход, где данные выступают как механизм, запускающий конкретные действия.
Особенно ярко этот переход заметен в ИБ-сценариях. Компании стремятся уйти от модели, где инструменты безопасности просто генерируют поток алертов. На смену ей приходит подход, в котором ИБ-системы помогают выявить цепочку причинно-следственных связей, уменьшить объем ложноположительных срабатываний и сформировать первичный вердикт. Это сокращает время до принятия решения и снижает стоимость реакции на инцидент.
Кроме того, компании все чаще ожидают, что инструменты для работы с данными будут отражать процесс целиком, а не его отдельные фрагменты. Сквозная видимость помогает перевести данные из режима наблюдения в режим управления – они объясняют не только то, что произошло, но и почему это произошло, и как это повлияет на бизнес.
На этом фоне повышается роль управления качеством данных. Оно перестает быть только административной практикой вокруг справочников и регламентов. Data governance становится знаком доверия: бизнес должен понимать, можно ли на основании конкретных данных заблокировать пользователя, отклонить платеж, закрыть инцидент или изменить приоритет заявки. Любая ошибка в таких сценариях напрямую влияет на финансовые показатели, SLA, клиентский опыт и операционную устойчивость бизнеса.
Кроме того, происходящая трансформация меняет и критерии оценки data-проектов. Если раньше компании ориентировались преимущественно на объемы собираемой информации, число интеграций или глубину визуализации, то теперь обращают внимание на другие параметры: насколько быстро система помогает дойти до первопричины, можно ли измерить ее влияние на потери или производительность команд, сокращает ли она срок между алертом и действием.
Следующим этапом развития рынка станет переход от универсальных data-платформ к специализированным решениям для управления данными, в которых предусмотрены конкретная аудитория, владелец, прозрачные требования к качеству данных и SLA. Кроме того, они должны давать понятный и измеримый эффект на процесс. Такой подход меняет логику развития ИТ-ландшафта: вместо бесконечного расширения хранилищ и витрин компании начнут создавать прикладные контуры данных, напрямую связанные с операционными, финансовыми или иными бизнес-задачами.
«Данные перестают быть побочным продуктом ИТ. Компаниям нужны не красивые дашборды и разрозненные цифры, а готовая цепочка “факт – контекст – смысл – действие”. Например, если ИБ-система показывает алерт, но не помогает понять причину, риск, владельца и следующий шаг, она просто переносит нагрузку на человека. Настоящая ценность smart data появляется тогда, когда сигнал меняет процесс: предотвращает простой, снижает ущерб, ускоряет расследование или уменьшает ручной труд», – считает Александр Скакунов, генеральный директор VolgaBlob.
Справка о компании
VolgaBlob — интегратор и разработчик с более чем 20-летним опытом на рынках анализа и мониторинга данных, а также кибербезопасности. С 2014 года развивает собственное решение Smart Monitor — платформу обработки данных, предназначенную, в том числе, для анализа бизнес-процессов, зонтичного ИТ-мониторинга, построения SOC/SIEM. В портфолио VolgaBlob — более 500 проектов в российских и международных компаниях, в том числе ЦБ РФ, ВТБ, Авито, Еврохим. VolgaBlob помогает клиентам повышать антихрупкость бизнеса благодаря разумному использованию данных.
Контактное лицо: Татьяна Алексеева
Компания: VolgaBlob
Добавлен: 20:58, 04.07.2026
Количество просмотров: 192
Страна: Россия
| Транспортные документы от Платформы ЭПД можно будет подписать в смартфоне, Платформа ОФД, 17:06, 17.08.2026, Россия598 |
| «Платформа ОФД» присоединилась к соглашению Минцифры России о развитии и внедрении мобильной электронной подписи «Госключ». Сотрудничество направлено на проработку новых сценариев использования сервиса, обмен технологической экспертизой и поддержку интеграции в продукты электронного документооборота. |
| UDV Group: банки столкнутся с ИБ-рисками из-за нейросетей без правил, UDV Group, 17:04, 17.08.2026, Россия590 |
| Российский разработчик решений в области киберустойчивости UDV Group прокомментировал рекомендации Банка России по безопасному использованию искусственного интеллекта финансовыми организациями. По оценке эксперта компании, ИИ постепенно становится для банков не только инструментом автоматизации, но и отдельным объектом управления информационной безопасностью. |
| ActiveCloud запустил в России услугу частного облака, ActiveCloud, 20:34, 16.08.2026, Россия668 |
| Облачный провайдер ActiveCloud запустил в России услугу частного облака для размещения критически важных систем, ресурсоемких приложений и инфраструктуры с повышенными требованиями к безопасности. |
| «НОБИЛИС» ПРЕДСТАВИТ ЦИФРОВУЮ ЭКСПЕРТИЗУ В СФЕРЕ КОРПОРАТИВНОГО ЗДОРОВЬЯ НА ВНОТ-2026, Нобилис ООО, 14:07, 14.08.2026, Россия790 |  |
| ООО «Нобилис», разработчик российской платформы управления корпоративным здоровьем TouchMED, объявляет об участии в ключевом отраслевом событии - XI Всероссийской неделе охраны труда (ВНОТ-2026). В фокусе презентации компании - практические инструменты цифровизации медосмотров, в том числе профилактических и предиктивной аналитики для снижения операционных рисков и повышения эффективности персонала. |
| Nexign: российский бизнес не спешит использовать ИИ для поиска аномалий, Nexign, 14:03, 14.08.2026, Россия134 |  |
| Почти 80% российских компаний уже применяют инструменты мониторинга своей ИТ-инфраструктуры, но лишь каждая шестая использует модели машинного обучения для обнаружения аномалий. Мешают нехватка внутренней экспертизы, низкое качество данных и сложность подсчета окупаемости инвестиций. |
|
|
