Каждый год российские банки инвестируют в ИТ сотни миллиардов рублей, но до 80% корпоративных данных остаются «слепыми зонами» — они не работают на бизнес, а только увеличивают риски и затраты. Как это влияет на эффективность, безопасность и прибыль — и какие решения предлагают эксперты, рассказывает Сергей Сошников, COO BI-платформы Yandex DataLens.
Глобальные исследования показывают, что разрозненность информации обходится компаниям в 3,1 трлн долларов ежегодно. Российские банки, как и их международные коллеги, сталкиваются с тем, что после слияний и масштабирования их IT-инфраструктура превращается в «зоопарк» унаследованных BI-систем.
Почему старая архитектура мешает бизнесу
У каждого банка за годы работы появляются свои информационные системы. Одни отвечают за хранение документов и клиентских данных, другие — за разовые задачи, вроде отчетности или кредитного анализа. При росте банка, запуске новых продуктов или покупке другой компании старые платформы часто не заменяются, а работают параллельно с новыми. Каждая поглощаемая организация приносит новые независимые хранилища, CRM, скоринг-системы и отчетные модули.
В результате технологии «накапливаются» сами по себе: вместо единой системы банк вынужден поддерживать десятки разных сервисов от разных поставщиков. Они плохо «разговаривают» друг с другом, а соединить их — сложная и дорогая задача. Такой «зоопарк» мешает быстро находить нужную информацию и принимать эффективные решения. Trust Financial после слияния BBT и SunTrust обнаружил у себя более десятка BI-инструментов — от Cognos до SharePoint, — а его BI-команда не знала, какие пользователи какими системами пользуются.
Как ИИ и self-service меняют бизнес-аналитику
У современного бизнеса нет возможности ждать полной перестройки ИТ-инфраструктуры. По данным Salesforce, сегодня 85% руководителей нуждаются в инсайтах в течение 30 минут. Инструменты «самостоятельного анализа» (self-service) в современных BI-платформах позволили снять эту боль: аналитики и менеджеры получили возможность самостоятельно строить отчеты, искать инсайты и оперативно проверять бизнес-гипотезы.
ИИ-ассистенты становятся новым «копилотом» для команды: автоматизируют рутинные операции, помогают находить скрытые закономерности и экономят сотни тысяч человеко-часов — крупнейшие международные банки уже доказывают эффективность этих решений на практике. JPMorgan Chase внедрил AI-платформу, которая анализирует 12 тыс. кредитных соглашений за секунды, экономя 360 тыс. человеко-часов ежегодно. Morgan Stanley использует AI-ассистента, сокращающего подготовку к клиентским встречам с часов до минут. Тем не менее, главный вызов цифровой трансформации — не просто интеграция технологий, а формирование культуры работы с данными: когда каждый сотрудник способен найти ответ на свой вопрос и сам повысить результативность бизнеса.
Переход на модульную аналитику как новый стандарт рынка
Идея создать одну «идеальную» систему остается утопией: бизнес должен уметь гибко управлять разнородными технологиями, обновлять отдельные модули, когда это нужно, и просто добавлять новые решения. Эта гибкость помогает банку быстро реагировать на изменения рынка, запускать новые услуги и сохранять конкурентные преимущества.
Банковские лидеры в России и за рубежом делают ставку не на «тотальное обновление», а на гибридные стратегии. В основе — единая платформа данных с целевым хранилищем. На этом фундаменте уже строятся специализированные инструменты для разных задач. Такой подход позволяет заменять или масштабировать отдельные компоненты без перестройки всей архитектуры. Данные получают возможность циркулировать между системами и подразделениями, при этом банк сохраняет гибкость для экспериментов с новыми технологиями.
Так, многие компании на базе облачных платформ создают прототипы целевых платформ данных, экспериментируют с сервисами хранения и трансформации данных и строят аналитическую отчетность с применением ИИ-агентов, что позволяет им относительно быстро и экономически обоснованно проводить эксперименты и переносить результаты уже в свой собственный контур.
Четыре приоритета для бизнеса при работе с данными в 2026 году
Переход от фрагментированной аналитической среды к управляемой и целостной системе — это не одномоментный проект, а последовательная архитектурная трансформация. На практике она сводится к нескольким ключевым шагам:
1) Стандартизация данных как фундамент роста
Крупнейшие игроки отрасли строят платформы, где каждый бизнес-процесс — от управления рисками до маркетинга — работает на одной проверенной информации. Открытые интерфейсы и единые протоколы превращают любые данные из «черного ящика» в прозрачный инструмент для всей организации.
2) Управляемая открытость
В новой реальности банки инвестируют не только в безопасность, но и в гибкость систем: стандартизированные протоколы обмена позволят быстро подключать новые решения рынка, минимизировать риски устаревшего ПО и соответствовать требованиям регуляторов — без потери маневренности.
3) Культура самостоятельной работы с данными
Доступность и простота аналитических инструментов — новый стандарт. Современные платформы для анализа данных становятся драйвером эффективности всей компании. ИИ-ассистенты ускоряют рутину, поддерживают команду, а главное — дают бизнес-инсайты каждому, кто отвечает за прибыль и развитие.
4) Управление данными как активом
Управление данными как активом — это не только тренд, но и практическая стратегия для банков, которые стремятся быть впереди. Каждый источник данных должен иметь ответственного владельца, а процессы — быть описаны в терминах качества, актуальности и доступности. Это позволяет работать с данными как с продуктом, а не как с техническим артефактом.
Фото: предоставлено автором
