По данным PwC, люди готовы делиться информацией о себе с теми компаниями, которым они доверяют, передает РБК. Но 88% не будут покупать товары, если компания не сохраняет в безопасности персональные данные. 73% готовы отказаться вообще от каких-либо отношений с такой организацией. 35% считают, что главную опасность для них представляют хакеры.

85% респондентов беспокоятся из-за утечки данных, считая его одним из самых больших рисков. 88% полагают, что отказаться от Интернета и перестать использовать мобильные устройства в наше время невозможно. В PwC подсчитали, что в 2018 году мировая выручка от использования информации о пользователях составит 300 млрд. долл.

PwC опросила 1,6 тыс. россиян старше 18 лет в 37 городах с населением более 500 тыс. человек Только 2,3% опрошенных считают, что никто не собирает информацию о них.

Сбербанк запустил в интернет-банке для бизнеса новый онлайн-сервис «Пульс рынка», сообщили в финансовой организации. Он использует технологии искусственного интеллекта и больших данных: собирает информацию с торговых площадок в режиме реального времени и формирует рекомендательную подборку торгов, наиболее подходящих для пользователя. «Пульс рынка» также анализирует новостной фон и юридически значимые события по компании и ее окружению и отображает пользователю только важную информацию.

«Пульс рынка» призван помочь предпринимателям сориентироваться на рынке, открывая для малого бизнеса выход на новых заказчиков, считают в Сбербанке. Сервис разработан компанией Seldon, специализирующейся на создании ИТ-инструментов для государства и бизнеса.

Система доступна всем пользователям «Сбербанк Бизнес Онлайн» в разделе «Все продукты».

Чтобы заложить основы для сбора растущего объема данных новейших моделей автомобилей, а также параметров функционирования своих производственных предприятий, компания Audi внедряет у себя ряд новых технологий с открытым кодом.

Выступая перед полным залом на конференции Dataworks в Берлине, два главных архитектора данных Audi Матиас Грауниц и Карстен Хербе рассказали о построении архитектуры хранения данных, поступающих из новых источников, и о тех уроках, которые им удалось извлечь в ходе этого процесса.

С 2015 года компания Audi, являющаяся крупным клиентом Hadoop, хранит данные в Hadoop Distributed File System (HDFS). «Начав с небольшого кластера в конце 2015 года, мы вместе с клиентами изучали возможность построения и запуска системы, которая отвечала бы предъявляемым к ней бизнес-требованиям, – сообщил Грауниц. – В кластере на базе Hortonworks Data Platform (HDP) имелось четыре узла, 96 ядер и 160 Тбайт пространства хранения».

Сегодня в компании развернуты производственный кластер Hadoop, имеющий 1 петабайт пространства хранения, 6 Тбайт оперативной памяти, 12 узлов и 288 ядер. Производственный кластер Kafka оснащен четырьмя узлами, 128 Гбайт оперативной памяти и 16 Тбайт памяти хранения.

Все это, впрочем, отнюдь не означает, что интеграция была беспроблемной. «Внедрение Hadoop в существующую производственную среду сопровождалось определенными сложностями, – подчеркнул Хербе. – Требовалось интегрировать все это с бизнес-системами и обеспечить соблюдение мер безопасности».

Схема внедрения была разбита на две части: первая касалась отверточной сборки в процессе производства, а вторая – использования данных, собираемых блоками управления автомобилем.

В плане сборки «хотелось убедиться в том, что все производственные мощности функционируют хорошо, и добиться предотвращения возникновения проблем за счет своевременного технического обслуживания».

Что же касается данных автомобилей, каждая новая модель Audi передает в хранилище HDFS около 25 тыс. беспроводных сигналов, которые в дальнейшем анализируются персоналом компании.

Средства бизнес-анализа (в частности, Tableau) предоставляют сотрудникам основных подразделений доступ к собранной информации и помогают принимать решения при проектировании будущих моделей.

«Многие бизнес-подразделения хотят извлекать из этих данных полезную информацию, поэтому нам приходится переосмысливать процесс владения и управления данными, определять модель доменов данных с четким разделением ответственности в каждом из доменов, – пояснил Грауниц. – Предоставление каждого из совместно используемых сервисов в среде с множественной арендой требует от нас управления жизненным циклом каждого из сервисов и четкого взаимодействия с проектами, использующими эти сервисы. Естественно, необходимо также вырабатывать соглашения об уровне сервиса, обеспечивать круглосуточную готовность и дифференцировать циклы разработки».

Сначала технология была опробована на данных тестовых автомобилей и только после этого внедрена в новейшей модели A8.

Грауниц признает, что сейчас компании не хватает облака. Все, что уже было построено, развернуто во внутренней ИТ-инфраструктуре компании и в ее частном облаке.

«Нормативные требования заставляют нас приближать средства хранения к автомобилям и источникам происхождения данных, – указал он. – В настоящее время реализуется вторая инициатива, где данные сначала будут размещаться в облачной среде, а уже затем на основе гибридного подхода перемещаться на нашу территорию, поскольку все бизнес-процессы протекают непосредственно в нашей штаб-квартире и ее филиалах».

Для решения этой задачи выбор Audi пал на коннектор HDFS независимого поставщика Confluent, с помощью которого данные через конвейеры Kafka перемещаются в HDFS. Что же касается каталогов метаданных, они располагаются в облаке, поскольку их местоположение не зависит от конкретного места хранения данных.

Что делают с этими данными сотрудники Audi, мы пока не знаем, но будущие модели несомненно будут выстраиваться таким образом, чтобы данные можно было бы обрабатывать в ту же секунду, в которую они были зафиксированы блоками управления A8.

Компания Splunk продолжает инвестировать в технологии искусственного интеллекта, помогая клиентам обнаруживать машинные данные и реагировать на них быстрее, чем раньше.

Новые функции искусственного интеллекта появились во всех основных продуктах Splunk, включая Splunk Enterprise, Splunk Cloud, Splunk IT Service Intelligence (ITSI), Splunk User Behaviour Analytics (UBA) и Splunk Machine Learning Toolkit.

В Splunk Cloud и Splunk Enterprise 7.1 добавлены расширенные средства контроля и выдачи уведомлений о состоянии различных параметров: производительности центрального процессора, доступном дисковом пространстве и о потоках данных, поступающих с устройств Интернета вещей.

Решение мониторинга и анализа Splunk ITSI также модернизировано с использованием технологий искусственного интеллекта для прогнозирования простоев. Средства машинного обучения помогают уменьшить событийный «шум» и определить приоритеты событий, оказывающих наибольшее воздействие на эффективность бизнеса.

Обновления Splunk UBA включают новые модели машинного обучения и расширения существующих моделей, помогающие выявлять и своевременно устранять чувствительные проблемы безопасности и внутренние угрозы.

В состав обновленного набора инструментов машинного обучения MLT (Machine Learning Toolkit) включен экспериментальный интерфейс управления, позволяющий просматривать, управлять, оценивать и осуществлять мониторинг состояния экспериментов в области машинного обучения, а также готовых моделей для распознавания образов, выявляя лучшие средства для подготовки моделей машинного обучения.

Компания Splunk анонсировала также расширение интеграции с программным обеспечением с открытым кодом и облачными технологиями Kafka, Kubernetes и Docker.

«Splunk Connect for Kafka улучшит наш процесс изучения активности в Интернете, производительности и безопасности сценариев использования, – отметил менеджер GitHub по реагированию на инциденты в сфере безопасности Джон Суонсон. – Сейчас у нас есть возможность принимать большие потоки данных практически в режиме реального времени, ежедневно обрабатывая в Splunk Enterprise терабайты данных системных журналов кластера Kafka».

Все это произошло спустя всего несколько недель после того, как Splunk анонсировала первое специализированное решение Интернета вещей Industrial Asset Intelligence, активно использующее машинное обучение для планирования технического обслуживания имеющихся ресурсов.

Изменения вступают в силу немедленно, так что клиенты имеют возможность обращаться к новым функциям прямо сейчас.

Поставщик начал говорить об использовании средств машинного обучения (в том числе средств распознавания образов и выявления аномалий, интеллектуальной выдачи предупреждений и уведомлений в ITSI, ES и UBA, а также о выпуске бесплатного набора инструментов для машинного обучения) на своей платформе еще в сентябре 2016 года.

Теперь клиенты используют эти функции для углубления автоматизации и уменьшения отклонений в своих машинных данных.

«Благодаря Splunk Enterprise мы можем гарантировать нашим клиентам наилучшее качество при обращении к телефону, совершении звонка и оплате счета, – указал старший директор T-Mobile по управлению сетевыми сервисами Джонатан Зильберлихт. – Например, с помощью Splunk Connect for Kafka мы расширяем возможности анализа в реальном времени, что в свою очередь помогает нам принимать более обоснованные решения при обслуживании клиентов. На Splunk Enterprise, Splunk IT Service Intelligence и Splunk Machine Learning, помогающие нам развивать свой бизнес, мы планируем опираться и в дальнейшем».

«Машинное обучение в Splunk Enterprise мы используем для прогнозирования того, когда и где нам придется действовать быстрее, и для изменения своих планов в целях улучшения обслуживания клиентов, – заметил менеджер отелей Hyatt по разработке приложений, стратегическим системам и инновациям Сезар Мендоса. – Бесплатный инструментарий Splunk Machine Learning Toolkit применялся для оценки типичного использования сетей Wi-Fi нашими клиентами. Мы немедленно связываемся с провайдером, чтобы скорректировать выделяемые мощности, еще до того, как нам начнут звонить недовольные клиенты. Средства искусственного интеллекта Splunk применяются для профилактики клиентского обслуживания на ежедневной основе».

Одним из ключевых докладчиков форума Big Data 2018, проведенного издательством «Открытые системы», стала Анна Румянцева, исследователь данных (Data Scientist) компании Hitachi Vantara. Ее доклад был посвящен тому, как перейти от бизнес-аналитики к искусственному интеллекту, а мастер-класс — внедрению методов машинного обучения в бизнес. Computerworld Россия поговорил с Анной о направлениях развития искусственного интеллекта, проблемах и перспективах его внедрения.

- Ваше выступление на BIG DATA 2018 называлось «Как перейти от бизнес-аналитики к искусственному интеллекту?» Каковы критерии отличия результатов работы систем бизнес-аналитики от результатов работы искусственного интеллекта?

Бизнес-аналитика основана на работе со структурированными данными. В ней используются традиционные методы математического анализа и статистики. По большей части бизнес-аналитика является «описательной аналитикой» (descriptive analytics).

Искусственный интеллект позволяет перейти к предсказательной и предписывающей (prescriptive) аналитике. С их помощью компании могут предсказывать события или даже выбирать наилучший алгоритм действий для решения актуальных задач. Ценность этих видов аналитики для бизнеса гораздо выше. И они подразумевают работу с разными типами и большим объемом данных, а также внедрение сложных математических методов в бизнес-процессы.

- Сегодня, говоря о практическом применении искусственного интеллекта, как правило, подразумевают технологии машинного обучения и нейронных сетей. Справедливо ли это и можно ли выделить еще какие-то актуальные направления искусственного интеллекта?

Практическое применение систем искусственного интеллекта не ограничено выбором алгоритма или математической модели. Крайне важно выстроить систему работы для интеграции, обработки, процессирования данных, тренировки алгоритмов и моделей и применения их на новых потоках данных.

В плане методов искусственного интеллекта и машинного обучения, в настоящее время большую популярность набирают нейронные сети, байесовские сети (сеть, объединяющая переменные и вероятностные зависимости между ними. — Прим. ред.), автоматизированное машинное обучение, обработка естественного языка. Методы искусственного интеллекта крайне разнообразны и требуют привлечения специалистов в этой области. Но помимо знания математической базы этих методов, важно понимать, как они могут быть внедрены в бизнес-процессы и как может быть выстроена работа с ними.

- Чего не хватает для того, чтобы превратить большие данные в «разумные», полноценный источник информации для систем искусственного интеллекта?

Существует три основных составляющих для решения этого вопроса. Во-первых, в команде должны быть специалисты по подготовке данных (их выгрузке из внешних источников, трансформации и очистке), интеграции больших данных, передовой аналитике, искусственному интеллекту и машинному обучению. Во-вторых, в компании должен быть подходящий набор программного обеспечения для координации разных рабочих процессов. В-третьих, очень важны скоординированные действия специалистов разного профиля при работе с данными.

- Каково положение с внедрением искусственного интеллекта в разных странах, как на общем фоне выглядит Россия?

Этот процесс определяется наличием интеллектуальных ресурсов, финансированием проектов, связанных с технологией, и общим развитием ИТ-сферы в стране. По этим критериям в области внедрения технологий искусственного интеллекта доминируют США, Китай, Россия, Япония и некоторые страны Европы. У России есть возможность стать одним из мировых лидеров в области искусственного интеллекта, если будет продолжаться поддержка и развитие проектов, а также будут совершенствоваться навыки профильных специалистов.

- Какие есть страновые особенности в области внедрения искусственного интеллекта (например, где-то он более популярен в ретейле, где-то — в логистике, в одних странах много дискутируют об опасностях в духе «восстания машин», в других больше озабочены потенциальным ростом безработицы, в третьих развивают искусственный интеллекта не философствуя)?

Внедрение и адаптация методов искусственного интеллекта сильно отличается в разных областях бизнеса. Например, их применение достаточно развито в области высоких технологий и связи, а также в финансовой и банковских сферах. В то же время внедрение искусственного интеллекта отстает в таких отраслях, как транспорт и логистика, здравоохранение и образование.

На данном этапе развития технологии я бы не стала говорить о существенном замещении рабочей силы роботами и искусственном интеллекта. Но в скором времени можно ожидать переквалификации работников с увеличением доли интеллектуальных технологий в компаниях.

Действительно, существует много опасений и фантазий, связанных с развитием искусственного интеллекта. Однако могу заверить, что на нынешнем этапе применение методов искусственного интеллекта направлено на повышение эффективности производственных процессов, уменьшение рисков производственных травм и поломки оборудования, а также на другие аспекты деятельности компаний, а не на захват власти над миром.

Mail.Ru Cloud Solutions и компания Nvidia запустили сервис облачных вычислений на базе графических процессоров (GPU), сообщили в компании.

Доступ к ускоренным вычислениям будет открыт в облаке через серверы MCS. С помощью этой платформы пользователи смогут обрабатывать большие данные, работать с нейросетями и алгоритмами машинного обучения и выполнять другие задачи с высокой затратой вычислительной мощности.

Пользователи MCS смогут заказать нужный объем ресурсов с посекундной тарификацией. Изменять объем ресурсов можно в ходе работы над проектом.

Многоядерная архитектура процессоров Nvidia Tesla V100 позволяет, например, обучить нейросеть за несколько часов вместо нескольких недель, которые потребовались бы раньше. При этом пользователь оплачивает только использование сервиса в течение этих часов, а не покупку целого сервера.

Чтобы бесплатно протестировать сервис, нужно оставить заявку. Доступ к платформе будет выдаваться MCS в порядке живой очереди.

С учетом новых технологий, мировой объем продаж информационных и телекоммуникационных технологических продуктов и услуг в 2021 году превысит 5,6 трлн долл., полагают аналитики IDC. 23% из них будет приходиться на новые технологии «третьей платформы», в том числе на системы Интернета вещей, роботов и дронов, шлемы дополненной и виртуальной реальности и трехмерные принтеры. В целом же инвестиции в технологии «третьей платформы» (облачные и мобильные технологии, обработку больших объемов данных и аналитику, а также социальные технологии) составят более 70% мирового рынка ИКТ.

Благодаря более совершенной облачной инфраструктуре и программному обеспечению развитые экономики лидируют во внедрении технологий, основанных на обработке и анализе больших объемов данных, когнитивных технологий и облачных приложений. Но технологии промышленного применения — Интернет вещей, робототехника активнее внедряются в развивающихся экономиках. В 2017 году на Китай приходилось 28% мирового объема продаж технологий Интернета вещей и 29% инвестиций в робототехнику. Эти технологии активно внедряются также в Японии и некоторых других азиатских странах. Трехмерная печать начинает широко использоваться в Китае и Германии, отмечают аналитики.

Компания Splunk представила Industrial Asset Intelligence — программное обеспечение, которое позволит извлекать информацию из промышленных устройств Интернета вещей и анализировать ее.

«По сути, Industrial Asset Intelligence представляет собой набор аналитических инструментов на платформе Splunk Enterprise, предназначенной для использования с самыми разными приложениями Промышленного интернета (Industrial Internet of Things, IIoT), – пояснила директор Splunk по маркетингу продуктов для Интернета вещей Сима Хаджи. – Индустрия 4.0 охватывает сегодня широкий круг клиентов, представляющих транспортную, нефтегазовую и энергетическую области, а также сферу коммунальных услуг. Эти компании используют наши продукты уже сейчас. Мы видим, как они применяются для углубленного анализа их отраслевых операций».

Компания Splunk известна своими средствами анализа системных журналов и инструментами для управления инфраструктурой на базе анализа больших данных.

«Мы привлекаем множество партнеров, которые помогают нам лучше ориентироваться в мутных водах промышленного мира, – пояснила Хаджи. – Наша компания вложила много средств в создание специализированных системных интеграторов. Они обладают глубокими знаниями в области промышленного Интернета вещей и поддерживают тесные связи со своими клиентами».

Splunk – первый крупный вендор, имеющий наработки в области анализа системных журналов, решивший освоить рынок Интернета вещей, но здесь помимо Sumo Logics и Logglys он столкнется с целым рядом новых мощных конкурентов, в числе которых будут присутствовать как промышленные гиганты, такие как GE и Siemens, так и тяжеловесы аналитической отрасли наподобие IBM. Вместе с тем, в Splunk уже заявили об успехе бета-версии своего программного обеспечения, опробованного европейским перевозчиком железнодорожных грузов DB Cargo и производителем напольных покрытий Shaw Industries.

Нанешние клиенты Splunk могут бесплатно ознакомиться с IAI в течение ограниченного периода, начиная с 23 апреля. Информация о ценах, по словам Хаджи, будет объявлена осенью, ближе к моменту окончательной готовности продукта.

Выступая на форуме BIG DATA 2018 управляющий партнер Центра цифровых прав Саркис Дарбинян сравнил большие данные с ураном (по аналогии с более распространенным сравнением, в котором их называют «нефтью XXI века»), который может оказаться полезен, но при неправильном обращении способен и отравить.

В законах Российской Федерации нет определения, что такое большие данные, нет там и правил их сбора, обработки и использования. Обобщая разные термины, Дарбинян дал следующее толкование. Большие данные – это объемные потоки информации разнородных данных, которые постоянно генерируются пользователями электронных устройств и онлайн-сервисов либо техническими устройствами, а также обрабатываются в режиме реального времени. Исходя из этого, большие данные по п.1 ст.5 закона «Об информации» можно считать объектом публичных, гражданских и иных правотношений. Большими данными могут стать практически любые сведения, от персональных данных до коммерческой, налоговой или врачебной тайны. И если с тем, что такое большие данные и откуда они берутся, разобраться еще можно, то, кому они принадлежат, сказать сложнее. Здесь существует несколько подходов, единого мнения нет.

Кто-то, например, стартаперы, могут считать, что большие данные не принадлежат никому, их можно использовать свободно, если уж они есть в свободном доступе. Компании порой полагают, что информация принадлежит им (ИТ-компаниям, онлайн-сервисам, поставщикам услуг) – всем тем, кто несут расходы на сбор и обработку сведений. Третий подход говорит о том, что большие данные всегда принадлежат тому, благодаря кому они и возникли, то есть человеку как субъекту персональной информации вне зависимости от обезличивания. Наконец, есть мнение, что распоряжаться большими пользовательскими данными имеет право только государство как гарант защиты прав своих граждан.

В России в правовой области есть уже два кейса про использование больших данных. Первый – дело «ВКонтакте» и Double Data, второй – дело НБКИ и Роскомнадзора. В первом случае речь идет о том, что компания Double Data, как указала «ВКонтакте», без разрешения пользователей собирала в социальной сети и продавала сведения о них (фамилии, имена, места работы и учебы) банкам, которые использовали их при оценке кредитоспособности заемщиков. В октябре прошлого года Арбитражный суд отклонил иск, но соцсеть подала на апелляцию и в январе этого года выиграла ее.

Во втором случае Национальное бюро кредитных историй также использовало информацию, содержащуюся в открытом доступе (в соцсетях) без согласия пользователей. Роскомнадзор предписал устранить нарушения п.1. ч.1. ст.6 закона «О персональных данных», из-за чего НБКИ подало на ведомство в суд. Верховный суд подтвердил законность предписания Роскомнадзора. Интересно, что при этом недавно Национальное бюро кредитных историй разработало сервис по проверке аккаунтов заемщиков в социальных сетях, как сообщается, при помощи Mail.Ru Group, которая владеет «ВКонтакте» и «Одноклассниками». Впрочем, еще в августе ВКонтакте» и НБКИ заключили мировое соглашение в деле о запрете сбора данных пользователей соцсети. НБКИ обязалось не использовать информацию из баз данных «ВКонтакте» без соответствующего разрешения соцсети.

Еще одной опасной с точки зрения защиты прав услугой является clickstream, когда операторы связи продают данные о поведении абонентов через оборудование посредника, установленное у оператора. В 2015 году Роскомнадзор оштрафовал МГТС, «Сумму Телеком» и «Центральный телеграф» за такую услугу. Нашумевшим делом мирового уровня стала история с Facebook, в которой, как сообщается, сотрудничавшая с Дональдом Трампом во время предвыборной кампании Cambridge Analytics собрала данные 50 млн пользователей, применив специально разработанное приложение-викторину. В иске владельцев акций компании против соцсети утверждается, что компания знала о ситуации, но не распространялась о ней.

Не обошел вниманием Дарбинян и новый регламент Евросоюза GDPR, который, по его словам, хорош для пользователей, но плох для компаний. Его целью является повышение уровня защищенности персональных данных граждан внутри стран Евросоюз, но правила будут касаться не только стран ЕС. Операторы связи должны будут хранить информацию в обезличенном и зашифрованном виде, защищать ее от от утечек, не передавать третьим лицам и сообщать о любой утечке в течение 72 часов. Саркисян отметил, что в регламенте формулировка понятия «персональные данные» дается максимально широко – это любая информация, относящаяся к идентифицируемому физическому лицу. Регламент декларирует принципы законности, справделивости, прозрачности, точности, целостности, конфиденциальности, минимизации и ограничения данных. Документ также говорит об ограничении цели использования данных: компании должны понимать и суметь объяснить, для чего им нужна та или иная информация, и декларируемая ими цель должна соответствовать их действиям. Общая логика, резюмировал Саркисян, новых норм такова: большие данные нужно использовать открыто и ответственно, в противном случае придется понести наказание.

Слушателям докладчик посоветовал всегда консультироваться с юристами, прежде чем начинать какую-либо работу с большими данными. Если в России нет четких понятий и законов, могут найтись международные принципы, в соответствии с которым и стоит действовать, помня, что в центре любой деятельности должен стоять человек с его правами и свободами.

В Oracle обычно не акцентируют внимание на своих конкурентах, но явная зацикленность корпорации на Amazon Web Services становится все более очевидной. И на брифингах для аналитиков, и в Twitter представители Oracle постоянно говорят об AWS. Два года назад ходил миф о том, что «AWS отстает от Oracle лет на двадцать», хотя, согласно оценкам Gartner, по объему продаж IaaS-сервисов AWS превосходила Oracle в 80 раз, а по объему продаж PaaS-сервисов – в 10 раз. А затем председатель совета директоров Oracle Ларри Эллисон, «увидев соломинку в чужом глазу», назвал хранилище Amazon Redshift «слишком дорогим и недостаточно гибким».

Руководитель направления баз данных Oracle Энди Мендельсон заявил, что базы данных AWS не справляются с корпоративной нагрузкой. «Если ваша единственная цель — добиться приличной производительности от небольших баз данных уровня подразделения, предложение AWS вам подойдет, – указал он. – Но если вы хотите справляться с самыми серьезными корпоративными нагрузками, невзирая на самые неблагоприятные обстоятельства, Amazon не поможет». Такое утверждение не выдерживает никакой критики. Ведь Amazon сегодня обслуживает множество предприятий, которые с помощью баз данных AWS удовлетворяют свои важнейшие потребности. По-видимому, в Oracle просто не хотят в это поверить.

Для Oracle, конечно же, очень важно убедить всех в своей правоте. Между тем в беседе со мной аналитик Gartner Мерв Адриан прямо заметил, что СУБД конкурентов начинают теснить решения Oracle по всем фронтам, причем наибольшая угроза исходит именно от AWS.

Бизнес СУБД сжимается

Еще недавно доминированию Oracle в области СУБД больше других угрожали NoSQL-технологии, наглядно продемонстрировавшие, как изменились данные за последние десять лет. Многие десятилетия традиционные реляционные базы данных, в которых данные послушно выстраивались в столбцы и строки, служили нам верой и правдой. Но по мере стремительного роста объемов, разнообразия и скорости изменения данных (с появлением так называемой «тройки V» больших данных – volumes, variety, velocity) реляционные СУБД стали выглядеть устаревшими.

Возможно, это и так, но вряд ли предприятия могут с легкостью отказаться от уже имеющихся у них технологий и перейти на гибкую схему, предлагаемую NoSQL. При инвестициях в организационную схему физическое размещение данных, сетевая архитектура и т.д. выбираются с учетом конкретных используемых инструментов, и изменить все это не так просто. И каким бы удачным ни казалось новое решение, в условиях, когда на предприятии десятки систем привязаны к конкретной СУБД, замена ее самой может потребовать и замены многих подключенных систем.

А процесс этот весьма болезненный. «Главной силой, удерживающей нас подле унаследованных реляционных СУБД, является сила инерции», – сделал вывод Адриан.

Но для новых приложений облачные базы данных в общем и базы данных NoSQL-типа в частности становятся все более предпочтительными. В 2011 году на ведущую пятерку поставщиков технологий баз данных – Oracle, Microsoft, IBM, SAP и Teradata – приходился 91% от совокупных продаж СУБД. К 2016 году их доля сократилась до 86,9%. О резком падении пока речь не идет, но нужно учесть, что оборот рынка баз данных составляет 34 млрд долл. Снижение даже на несколько процентных пунктов оборачивается огромными денежными потерями.

Oracle, начиная с 2013 года, ежегодно теряет свою долю на рынке. Да, ее доля по-прежнему составляет около 40%, примерно в два раза превышая долю находящейся на втором месте Microsoft. Но, отметим, Microsoft за тот же самый период ежегодно увеличивала свою долю. А что же AWS? Ее темпы роста зашкаливают. Между тем доля IBM стремительно уменьшается.

Нет, резкого падения доходов Oracle от продажи СУБД мы не ждем. Но это вовсе не означает, что клиенты твердо сохраняют приверженность лидеру рынка баз данных. На самом деле они просто продолжают платить за то, что фактически не используют. Недавний опрос Rimini Street показал: 74% клиентов Oracle работают без поддержки, а половина клиентов не понимает, за что платит. Клиенты эти вносят плату за поддержку в полном объеме, отдачу же получают весьма скромную.

Компании отнюдь не демонстрируют приверженность ценностям Oracle, они просто обязаны оплатить выставленный им счет.

Что же касается новых приложений, здесь дела обстоят совсем по-другому.

Для новых приложений NoSQL и AWS выглядят предпочтительнее

Значительная доля новых приложений использует необлачные базы данных NoSQL-типа. Нереляционные СУБД, такие как MarkLogic и MongoDB, ежегодно приносят своим создателям сотни миллионов доларов, а процентный рост здесь выражается двузначными числами. Если добавить сюда поставщиков Hadoop, то оборот нереляционных СУБД достигнет 1,5 млрд долл, что составляет 4,5% от общего объема продаж на рынке СУБД. Другими словами, именно нереляционные СУБД раскручивают темпы отхода от традиционных технологий.

Однако всего перечисленного еще недостаточно для того, чтобы вызвать тревогу у Oracle. Крупнейший и самый активно растущий поставщик нереляционных СУБД – Cloudera – может похвастаться ежегодным ростом в 40% на протяжении последних нескольких лет, но ему понадобятся годы, чтобы получить миллиард долларов. Его успехи заметны, но далеки от AWS, чьи достижения просто потрясают.

Вот почему Oracle все время говорит об AWS

Аналитик компании Ovum Тони Бэр описал облачную стратегию Oracle термином «Cloud 2.0». Несмотря на довольно позднее вступление в облачный клуб, Oracle хочет убедить нас в том, что промахи AWS, Microsoft Azure и прочих игроков ею учтены. Отнюдь. Oracle не только испытывает значительные трудности в деле построения облачной СУБД следующего поколения, поскольку у нее нет опыта масштабного управления облачными приложениями (в отличие от Amazon, Microsoft и Google), но и отстает по объемам и темпам облачных инвестиций от AWS на десятки дата-центров и на годы.

Между тем предложения AWS, связанные с базами данных, представляют собой самые быстрорастущие сервисы. Значительная часть внедрений этих баз данных относится к новым приложениям, которых становится гораздо больше, чем старых приложений, использующих технологии Oracle. Генеральный директор AWS Энди Джасси анонсировал свыше 50 тыс. переходов на новые СУБД, и большую их часть совершают бывшие клиенты Oracle.

Oracle создала фантастическую СУБД для корпоративных приложений прошлых лет, но она плохо подходит для современных приложений, оперирующих Большими Данными. А значит, Amazon продолжит откусывать у Oracle рыночную долю. И это в свою очередь приведет к тому, что Oracle еще больше будет концентрироваться на критике AWS, но, похоже, одним этим решить проблему не удастся.