Анатомия рыночного исследования: методология превращения хаоса данных в стратегическую оценку, АПКИТ
Светлана Водянова, директор J’son & 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 Gartner/IDC), 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.
