Анатомия рыночного исследования: методология превращения хаоса данных в стратегическую оценку АПКИТ

Светлана Водянова директор Json Partners Consulting. Как исследовать сложные ИТ-рынки России: от сбора данных к построению моделей рынка. Портрет российского IT-рынка: тренды аудитория инструменты. Встреча ИТ-аналитиков и потребителей аналитики в пространстве Умного города на ВДНХ.
Организатор Совет АПКИТ по интеграции при поддержке АНО ВТ и АРПП Отечественный софт.
Партнёр мероприятия АО РДТеХ. Методологический кризис и проблема определений Одной из главных причин расхождения оценок разных аналитических агентств является отсутствие единого нормативного классификатора ИТ-рынка.
Законодательные определения например ФЗ-149 описывают технологический цикл но не границы рынка.
В связи с этим аналитики вынуждены опираться на международные стандарты Gartner IDC разделяя рынок на аппаратное обеспечение ПО и услуги.
Сложность усугубляется тем что современные продукты часто объединяются в экосистемы или платформы например переход от отдельных рынков почты и телефонии к унифицированным коммуникациям что делает невозможным простое суммирование показателей разных сегментов. Разрыв между официальной статистикой и реальным рынком Существует фундаментальная разница между отраслевой статистикой и маркетинговым исследованием.
Официальные данные Росстат ФНС таможенные коды позволяют увидеть общие объемы выручки по КВЭДам или общие потоки импорта но они не дают ответа на вопрос о размере рынка конкретного продукта например только операционных систем или только серверов.
Аналитическая работа заключается в достройке модели: аналитик должен превратить разрозненный хаос данных в структуру а затем в модель которая позволяет вывести единую достоверную цифру. Трудозатратность и специфика сбора данных в России Процесс получения точных цифр остается крайне трудоемким и во многом ручным.
Анализ государственных закупок требует монотонного изучения сотен сканированных документов для выявления реальных параметров решений а работа с таможенными данными осложняется ошибками декларантов что делает автоматизацию через Python или макросы практически невозможной требуется глазной отсев.
Ситуация осложняется закрытостью данных по объектам КИИ критической информационной инфраструктуре санкционным давлением и высокой стоимостью специализированных B2B-выгрузок от банков и ОФД. Динамика ИТ-рынков и эффект полураспада знаний Специфика ИТ-отрасли заключается в экстремально быстром обновлении компетенций.
Если в фундаментальных науках знания актуальны десятилетиями то в ИТ период их полураспада составляет около полутора лет а в сегменте ИИ менее года.
Это приводит к тому что рынки могут возникнуть трансформироваться или исчезнуть за очень короткий срок.
При этом на зрелых рынках наблюдается плавный рост сопровождаемый поглощениями стартапов крупными игроками. Роль и риски использования ИИ в аналитике Генеративный ИИ рассматривается как эффективный ассистент для оформления результатов дизайн слайдов и создания кратких резюме summary уже выверенной фактуры.
Однако использование ИИ как источника первичных данных или инструмента расчета оценки рынка признано опасным.
Отмечается склонность нейросетей к галлюцинациям уверенному выдумыванию несуществующих нормативных актов и указов что в профессиональной аналитике может привести к фатально неверным стратегическим решениям. Профессиональные выводы Ценность аналитики заключается в верификации а не в поиске цифр.
В условиях избытка противоречивых данных главной компетенцией аналитика становится умение выстраивать модель снижения неопределенности через перекрестную проверку триангуляцию данных таможни закупок и прямых опросов вендоров и заказчиков. Институциональный дефицит доверия.
В России отсутствует культура открытого обмена данными между производителями в отличие от западных панелей GartnerIDC что обусловлено как законодательными ограничениями так и рисками обвинений в картельном сговоре.
Это делает роль отраслевых ассоциаций критически важной для создания механизмов безопасного обмена информацией. Критический подход к автоматизации.
Несмотря на развитие ИИ глубокая рыночная аналитика остается интеллектуальным ремеслом требующим ручной проверки фактов.
Попытка заменить экспертный анализ генеративными моделями в данной области ведет к созданию ложной картины мира из-за архитектурной особенности ИИ стремления дать ответ любой ценой даже если он выдуман.

Источник: rutube.ru