Аналитический центр «Круги Громова» опубликовал исследование «Self-service круг Громова 2026», посвящённое эволюции подходов к самостоятельной работе с данными в российских компаниях. Авторы фиксируют переход от децентрализованной модели self-service, при которой аналитики в разных подразделениях создавали собственные отчёты и метрики, к концепции governed self-service — управляемому самообслуживанию с централизованным контролем показателей, ролевой моделью и прозрачным качеством данных.
В отличие от традиционных обзоров, исследование не содержит рейтингов. Вместо этого проанализированы восемь сквозных доменов обработки данных, сгруппированных в три блока. Первый блок — Platform (инфраструктурный фундамент): хранение данных, загрузка и интеграция, выполнение запросов и OLAP-вычисления. Второй блок — Usage (прикладное использование): семантический слой, визуализация и BI, сценарное планирование и генерация новых данных. Третий блок — Trust & Control (контур доверия): управление мастер-данными, качество данных и наблюдаемость. Такой подход, по замыслу авторов, позволяет выявить слабые звенья в цепочке: высокий уровень самообслуживания в BI при отсутствии управляемой интеграции и семантической согласованности ведёт к фрагментации метрик и расхождению цифр между подразделениями.
В исследовании выделены шесть тенденций, формирующих текущую ситуацию на рынке. Первая — self-service становится свойством всей архитектуры данных, а не только BI-инструмента. По оценке директора компании Loginom Алексея Арустамова, более 70% запросов относятся к децентрализованному self-service, однако число проектов с семантическим слоем и ролевым управлением также растёт.
Вторая тенденция — собственно переход к governed self-service как ответ на «метрический хаос». Генеральный директор Modus Кирилл Кузнецов отмечает, что значительная часть сделок 2024–2025 годов содержит явный запрос на централизованное управление метриками.
Третья тенденция касается семантического слоя, который, по оценке владельца продукта DataForge Павла Шалавина, эволюционирует от документации к исполняемому коду. Бизнес-логика показателей транслируется в SQL и материализуется в хранилище. Руководитель Центра компетенций BI Axenix Анастасия Остапенко добавляет, что семантический слой становится пререквизитом для масштабирования AI-агентов: он превращает описание метрик, связей и правил доступа в воспроизводимый расчёт во всех каналах потребления данных.
Четвёртая тенденция — эволюция от разговорного BI к Agentic Enterprise. Руководитель продуктового развития DataLens Павел Дубинин указывает, что публичное API DataLens уже позволяет внешним агентам участвовать в сквозных сценариях. Пятая — развитие Citizen Development требует зрелого Data Governance. Директор по развитию Yandex DataLens Сергей Сошников уточняет, что более 35% обращений включают запрос на инструменты управления внутри BI. Шестая тенденция — Data Observability становится инфраструктурой доверия. Директор аналитического центра «Круги Громова» Виктория Рамейкина отмечает: компании, вложившиеся в инструменты самообслуживания, но не выстроившие контур наблюдаемости, через год-полтора сталкиваются с кризисом доверия к данным.
Отдельно в исследовании рассмотрена роль Data Steward. По комментарию Виктории Рамейкиной, без выделенного специалиста по управлению данными невозможно разделить ответственность: бизнес-пользователь инициирует изменения, а Data Steward отвечает за качество, дедупликацию и соответствие корпоративным стандартам. Кирилл Кузнецов (Modus) добавляет, что функционально ответственный за качество данных присутствует почти в каждом крупном проекте, хотя пока немногие заказчики явно прописывают эту роль в техническом задании.
Отдельный раздел посвящён связке семантического слоя и RAG-архитектур. Авторы исследования объясняют: без формализованного семантического слоя языковая модель может выдавать недостоверные результаты. Именно семантический слой предоставляет LLM контекст — согласованные определения показателей, правила расчёта, ограничения. Без этого диалоговая аналитика (conversational BI) рискует стать генератором правдоподобных, но не гарантированно верных ответов.
Полный текст исследования доступен на сайте проекта «Круги Громова».
Источник: Аналитический центр «Круги Громова»
_big.jpg'); "2(116)_small.jpg")
