О чём речь
Сессия «Как большие данные делают экономику умнее» (ПМЭФ-2025, 20 июня) открыла третий день форума. Модератор — Алексей Бобровский, экономический обозреватель. За столом — топ-менеджеры МТС, Авито, Сбербанка, РЖД, НСПК, Аэроклуба и Русской Медиагруппы.
Исходный тезис: данными мы управляли всегда — просто технические возможности сейчас делают этот процесс точнее и быстрее. Аэроклуб, например, собирает данные о тревеле с 1994 года. За 30 лет — профили миллионов командировок: куда летят, где останавливаются, какие классы, сколько тратят. Проблема не в отсутствии данных.
Главный вывод сессии: данные собираются, но не обогащаются. Компании хранят огромные массивы внутри себя, но не объединяют их с внешними источниками — хотя именно это делает данные по-настоящему ценными. Следующий шаг для рынка — кросс-отраслевое обогащение при соблюдении регуляторных требований.
Почему это важно для бизнеса
- Данные уже влияют на нацпроекты. «Эффективная и конкурентная экономика», «Продолжительная активная жизнь», «Туризм и гостеприимство» — все содержат задачи, решаемые через бигдату.
- Пространственное развитие без данных невозможно. Управлять развитием больших территорий вслепую — значит тратить бюджет впустую. Данные дают предиктивные модели и правильное распределение ресурсов.
- Предиктивные модели в тревеле работают уже сейчас. Аэроклуб знает о корпоративных клиентах практически всё: куда летят, когда, с каким бюджетом — и строит персонализированные предложения заранее, а не реактивно.
- Три уровня при AI-решении в тревеле. Денис Матюхин: потребности корпорации (отправляющей) + потребности сотрудника (летящего) + интересы провайдера. Алгоритм работает, только когда балансирует все три.
- Персонализация — уже не преимущество, а базовое требование. Медиа и реклама без data-driven подхода теряют эффективность. Клиент ожидает, что предложение будет релевантным.
- Данные 30-летней давности уже ценны. История данных — актив. У кого её нет — начинают с нуля; у остальных есть фора.
Сигналы для стратегии
| Сигнал | Что это означает |
|---|---|
| Данные собираются, но не обогащаются | Первые наладившие кросс-отраслевой обмен данными (в правовых рамках) получат значительное конкурентное преимущество. |
| Нацпроекты зависят от бигдата-инфраструктуры | Бизнес, умеющий работать с данными, получает доступ к госзаказу и партнёрству с регионами. |
| Предиктивные модели меняют логику продаж | Переход от реактивных предложений к проактивным: мы знаем, что клиенту нужно завтра. |
| Персонализация = новый стандарт | В B2C и B2B компании без data-driven персонализации проигрывают по удержанию. |
| Регуляторика данных усложняется | Требования к хранению, обработке и передаче будут расти. Правильная архитектура сейчас — экономия на переделке завтра. |
| Навигация среди решений — ключевая проблема корпораций | Тысячи продуктов на рынке. Нужна система оценки, какое решение подходит для каких задач. |
Ключевые тезисы участников
| Спикер / Представитель | Основные тезисы |
|---|---|
| Павел Воронин (МТС Web Services) | Облачные решения делают бигдату доступной для среднего бизнеса. МТС видит рост компаний, впервые строящих data-инфраструктуру. |
| Иван Гуз (Авито) | Платформа собирает поведенческие данные сотен миллионов транзакций. Задача — превратить их в инструмент для продавцов и покупателей. |
| Максим Крукелис (НСПК) | Платёжные данные — один из самых ценных массивов. НСПК видит транзакции всей страны — уникальный взгляд на экономическое поведение. |
| Денис Матюхин (Аэроклуб) | 30 лет данных о корпоративном тревеле — уникальный актив. Главная нерешённая задача: обогащение внешними источниками для более точных моделей. |
| Дмитрий Медников (Русская Медиагруппа) | Персонализация контента и рекламы — уже не опция, а условие выживания медиабизнеса. Работа с аудиторными данными в реальном времени. |
| Кирилл Меньшов (Сбербанк) | Данные — основа для экономии времени клиента. ИИ + данные = конкурентное преимущество, которое клиент чувствует каждый день. |
| Евгений Чаркин (РЖД) | Данные в железнодорожной инфраструктуре: от управления расписанием до предиктивного обслуживания оборудования. Масштаб сети делает задачу принципиально сложной. |
| Дмитрий Харитонов (Холдинг Т1) | Для крупных предприятий важны не сами решения, а поддержка и скорость адаптации. Навигация внутри тысяч доступных продуктов — ключевой вызов. |
Суть одним фрагментом
«Данными мы всегда работали. Просто раньше они были аналоговыми — записывались, но не анализировались. Сейчас технологии позволяют наконец использовать то, что копилось десятилетиями. Вопрос не в том, есть ли у вас данные — они есть у всех. Вопрос в том, умеете ли вы их готовить.»
Что это означает для вашей стратегии
-
Проведите аудит данных, которые уже есть
▸ Вы собираете больше, чем используете. Оцените: какие данные о клиентах и операциях лежат мёртвым грузом и что можно извлечь уже сейчас. -
Изучите возможности обогащения данных
▸ Ваши данные в одиночку ограничены. Найдите партнёров для обмена данными в правовых рамках — это резко повышает качество предиктивных моделей. -
Переходите от реактивных к проактивным предложениям
▸ Если продажи работают по принципу «клиент пришёл — мы ответили», это уже вчерашний день. Data-driven компании знают, что нужно клиенту, до того как он спросил. -
Встройте data literacy в управленческую культуру
▸ Решения, основанные на данных, требуют руководителей, умеющих читать дашборды и задавать правильные вопросы аналитикам. -
Готовьтесь к ужесточению регулирования данных
▸ Требования к хранению и передаче данных будут расти. Компании с правильной архитектурой избегут дорогостоящей переделки.
Для обсуждения на стратегической сессии
- Какие данные о клиентах и операциях мы собираем, но не используем для принятия решений?
- Есть ли у нас data-стратегия, или работа с данными происходит стихийно?
- Какие решения в компании можно перевести с «интуиции» на «данные» в ближайшие 12 месяцев?
- С кем из партнёров мы могли бы обменяться данными для взаимного усиления аналитики?
- Как оцениваем качество наших данных — есть ли проблемы с полнотой, актуальностью, дублированием?
- Насколько наши руководители умеют читать данные и принимать на их основе решения — и как это развиваем?