Не воспринимайте как данность. Как компании критической инфраструктуры работают с большими данными

Промышленные предприятия и компании критической информационной инфраструктуры (КИИ) накопили много данных, но заработать на них пока получается не у всех. Труднее всего приходится объектам КИИ. Государство пытается снять ограничения через нацпроекты и экспериментальные правовые режимы. Участники рынка, однако, уверены, что дело не только в регулировании. По их словам, промышленные данные лежат в несвязанных системах. Пока это не исправлено, большие массивы информации часто становятся для бизнеса затратами, а не источником прибыли. «Ъ-Технологии» обсудил с участниками рынка, как компании в разных отраслях работают с большими данными, какие из них наиболее востребованы и что мешает конвертировать уже собранную информацию в прибыль.

Рамки для рынка

Промышленные данные сегодня регулируют сразу несколько документов. Нацпроект «Экономика данных и цифровая трансформация государства» на 2025–2030 годы нацелен на технологический суверенитет путем перехода на российское ПО и оборудование. К 2030 году не менее 80% российских организаций ключевых отраслей должны перейти на базовое и прикладное российское ПО. В госорганах, госкорпорациях и компаниях с госучастием доля российского ПО более 50% должна вырасти до 95%.

Второй нацпроект — «Средства производства и автоматизации» — направлен на обеспечение технологической независимости в области производства высокотехнологичных станков и повышение уровня промышленной роботизации.

Наконец, правила задает и Указ президента от марта 2022 года. С сентября 2024-го для значимых объектов КИИ нельзя закупать недоверенные программно-аппаратные комплексы. Исключение — случаи, когда у комплекса нет российских аналогов, с подтверждением Минпромторга. Полный переход на доверенные комплексы запланирован к 2030 году, а иностранное ПО на значимых объектах запрещено использовать еще с начала 2025-го.

Требования к софту на рынке становятся все жестче, тогда как парк оборудования пока нельзя назвать полностью импортозамещенным. «Слепить» из этого единую систему непросто, ведь российское ПО не всегда умеет «читать» данные с зарубежных станков. Зависимость от ушедших вендоров касается не только цеха, но и проектных бюро.

Еще одной проблемой участники рынка называют разрозненность данных.

«Предприятия осторожно подходят к собственным данным, хотя накопили их очень много. Показания датчиков, журналы работы оборудования, события АСУ ТП хорошо структурированы, регулярно поступают в систему и поэтому уже довольно активно используются для мониторинга оборудования, поиска отклонений, прогнозирования неисправностей, оптимизации режимов работы. Сложнее обстоит дело с данными, которые годами накапливались в разных форматах, среди которых — журналы ремонтов, отчеты об осмотрах, технологическая документация, фотографии, видео, архивы старых информсистем. Такой информации у предприятий очень много, но извлечь из нее практическую пользу труднее».

Максим Власюк

Директор по работе с корпоративным сектором Группы Arenadata

«Отчет о ремонте сам по себе мало что дает для аналитики, если его нельзя автоматически связать с конкретным агрегатом, телеметрией, режимом работы и событиями, которые происходили до поломки»,— поясняет Власюк. Поэтому предприятиям важно не только хранить такую информацию, но и описывать ее и устанавливать связи между записями. Отсюда интерес к каталогам данных и инструментам Data Governance.

«Для объектов КИИ к этому добавляются требования к информационной безопасности, изоляции контуров и технологической независимости»,— отмечает эксперт. По его словам, предприятия все чаще рассматривают платформы, где можно обрабатывать большие объемы информации, отслеживать ее происхождение, контролировать качество и применять единые правила доступа.

Не все едино

На вопрос о том, почему, если данных так много, они не приносят прибыли, почти все эксперты отвечают однозначно: мешает не объем, а отсутствие связей между данными.

Разрозненность имеет несколько причин. Во-первых, у одних и тех же объектов в разных системах разные названия. Во-вторых, существуют данные низкого качества: дубли, разные единицы измерения. Один и тот же объект в двух системах может называться по-разному: пока объем данных небольшой, с этим еще можно справляться вручную, но в масштабе крупного промышленного предприятия такой подход уже не работает, замечает Максим Власюк. В-третьих, у данных может не быть владельцев. Сведения могут собираться годами, но при этом не всегда понятно, кто отвечает за их актуальность, качество и правила использования, добавляет эксперт.

Проблемы с качеством данных особенно заметны при внедрении ИИ. «Если модель получает неполную или противоречивую информацию, никакой ИИ это автоматически не исправит»,— предупреждает Максим Власюк. Поэтому такие проекты все чаще начинают с каталогизации, работы с мастер-данными и настройки правил доступа.

Есть и финансовая причина. «Компании научились собирать и хранить очень большие объемы информации, но само по себе наличие хранилища денег не приносит»,— отмечает эксперт. Важен и контекст каждого показателя: с какого оборудования он поступил, в каком режиме работал агрегат, какое сырье использовалось и что происходило до этого.

Правила и платформы

Часть проблем участники рынка связывают и с правовой неопределенностью.

Государство отвечает на эти вызовы созданием платформы для обмена данными. Минпромторг во второй половине 2026 года планирует запустить платформу для защищенного обмена промышленными данными. В ее основе — экспериментальный правовой режим (ЭПР) для сбора и агрегации промышленных данных с использованием ИИ. Как ранее сообщал “Ъ”, Федеральный центр прикладного развития ИИ (подведомствен Минпромторгу) планировал направить заявку на ЭПР в Минэкономики в июне 2025 года. Первый замглавы центра Леван Дараселия говорил на ЦИПР-2025, что данные помогут решить задачи предиктивной аналитики оборудования, логистики и безопасности на производстве. Эксперимент предполагает создание закрытого цифрового контура, где данные будут агрегироваться по соглашениям с предприятиями. В проекте должны участвовать 10–15 организаций.

Впрочем, одной платформы, по мнению рынка, мало. В Минцифры «Ъ-Технологиям» рассказали, что участвуют в работе комиссий, которые рассматривают вопросы, связанные со сбором и обработкой данных, необходимых в том числе для развития отечественных ИИ-решений в промышленности.

Пока меры поддержки не сформированы, компании ищут решения самостоятельно. Эксперт Группы Arenadata подчеркивает, что экономический эффект появляется, только когда данные становятся частью конкретного процесса. Его можно посчитать: раньше замеченная неисправность, меньше брака, экономия энергии и сырья. Начинать следует с конкретной производственной задачи: определить, какие данные для нее нужны, проверить их качество и только затем строить аналитику или ИИ-модель. Такой подход, по словам Максима Власюка, позволяет превратить данные из постоянно растущего ИТ-актива в реальный инструмент управления производством.

Источник: Коммерсант