GlowByte приняла участие в 8-й международной конференции FanRuan Smart Data Conference — 2026, которая прошла 10–12 сентября в Ухане, в отеле InterContinental Wuhan. Лозунг конференции в этом году — «Данные и ИИ. Что дальше» (Data & AI Next).
Мероприятие собрало более 2100 участников из Китая, Японии, ОАЭ, Южной Кореи, Монголии, России, Казахстана, Узбекистана и Азербайджана. Вместе с GlowByte конференцию посетили ее клиенты — «МЕТРО», Банк Уралсиб, «Дикси», ПИК, Т2, «Сбербанк страхование жизни», «АльфаСтрахование», «Европлан», «Альфа‑Лизинг», «Лента», Systeme Electric и ОТП Банк. С международной сцены прозвучали доклады представителей ОТП Банка, АО «Гранд Трейд», «МЕТРО» и Банка Уралсиб.
С момента основания конференцию FanRuan Smart Data посетили порядка 10 тысяч участников, а за мероприятием закрепился статус ведущей азиатской площадки для взаимодействия экспертов в области искусственного интеллекта, бизнес‑аналитики и представителей бизнеса из разных индустрий. В 2026 году конференция объединила руководителей высшего звена и цифровых лидеров более чем из 2000 компаний.
«Как и в прошлом году, конференция нашего партнера — компании FanRuan — стала важным событием для всех, кто соприкасается с темой больших данных, бизнес‑аналитики, искусственного интеллекта. Интерес к площадке растет — это видно и по количеству посетителей форума, и по расширению географии участников. Для нас как партнера это лучшее подтверждение того, что путь от разрозненных таблиц до зрелой аналитической культуры реально пройти — и не в теории, а на практике. Спикеры говорили о том, как искусственный интеллект и ИИ‑приложения меняют логику принятия решений, а зрелое управление данными и продвинутая аналитика превращаются в основу цифровой трансформации. Прозвучали важные доклады, в том числе кейсы наших клиентов, которые своими цифрами доказали, как self‑service‑аналитика (самообслуживаемая бизнес‑аналитика) и ИИ‑агенты помогают в повседневной работе с данными», — прокомментировал Александр Брежнев, руководитель отдела продаж практики Business Intelligence, GlowByte.
Истории роста
Антон Антоничев, ИТ‑директор «МЕТРО», выступил на пленарной сессии с докладом «ИИ в действии: инновации без потери контроля». Спикер поделился опытом внедрения ИИ‑инструментов в крупной организации и объяснил, почему масштабирование искусственного интеллекта требует не только технологий, но и новых управленческих структур внутри компании.
«Выступить на открытии международной конференции такого масштаба стало для меня личным вызовом, особенно учитывая высочайший уровень развития цифровых технологий в Китае. При этом тема рационального, эффективного и безопасного подхода к внедрению ИИ‑инструментов в крупных организациях вызвала неподдельный интерес у аудитории. На мой взгляд, нам нужно больше говорить не только о практических ИИ‑инструментах, а о построении внутри организаций новых структур, которые управляют их практической реализацией и применимостью к реальным бизнес‑задачам», — поделился Антон Антоничев.
Кирилл Зельвянский, руководитель BI и DWH, АО «Гранд Трейд», рассказал, как компания перешла от разрозненных Excel‑таблиц к единой модели данных. До перестройки аналитики выручка и маржинальность в разных отчетах считались по‑разному, что подрывало доверие бизнеса к цифрам и замедляло принятие решений. По данным исследовательской компании Gartner, которые привел спикер, ежегодные потери компаний от низкого качества данных в среднем достигают 12,9 млн долларов.
«Гранд Трейд» выстроила сквозную архитектуру — от источников (систем ERP — планирования ресурсов, CRM — управления отношениями с клиентами, и WMS — управления складом) через хранилище данных и единую бизнес‑модель до каталога данных и self‑service‑аналитики на FineBI и FineReport.
В результате число активных пользователей аналитики выросло в 3,1 раза, до 376 человек, ежемесячное число обращений к дашбордам (аналитическим панелям) превысило 900, а библиотека дашбордов заменила более 50 Excel‑отчетов. Время подготовки отчетности сократилось вдвое, доля ручных операций в Excel — на 40%, а цикл принятия решений — на 45%.
«Наша задача была не в том, чтобы просто ускорить формирование отчетов, а в том, чтобы бизнес перестал спорить о цифрах и начал доверять единой модели данных. Мы сознательно строили governance (управление данными) и каталог данных раньше, чем масштабировали self‑service‑аналитику, — и это оказалось решающим шагом: число активных пользователей аналитики выросло более чем втрое, а цикл принятия решений сократился почти вдвое», — подчеркнул Кирилл Зельвянский.
Семен Юников, руководитель BI, Банк Уралсиб, выступил с докладом «Как масштабировать self‑service BI на весь банк силами команды из пяти человек». Он отметил, что платформа объединяет около 12 тысяч аналитических датасетов (наборов данных), 1600 опубликованных дашбордов и 2600 уникальных пользователей в месяц, ежедневно обрабатывая порядка тысячи потоков данных. Самостоятельно готовить отчетность в банке уже могут около 300 бизнес‑разработчиков.
«Только за последние 8 месяцев наша команда закрыла более 1,5 тысячи запросов в поддержку — это на 60% больше, чем годом ранее, при среднем рейтинге поддержки 4,98 из 5. Часть рутинных задач мы передали ИИ‑ассистенту BI Guru, обученному на документации FanRuan и базе знаний банка. А отдельный контур мониторинга следит за нагрузкой на серверы: 98% дашбордов у нас открываются быстрее чем за 3 секунды, а 99% таблиц обновляются с отставанием от графика менее часа», — сказал Семен Юников.
В докладе Евы Хараламповой, BI‑разработчика, ОТП Банк, речь шла о том, как платформа FineBI, внедренная в банке в 2024 году, за два года выросла со 150 до более чем 1000 активных пользователей в месяц, при этом поддержкой системы продолжает заниматься команда из трех человек. Взрывной рост нагрузки обернулся операционной проблемой: одновременно запускалось до 200 задач на обновление данных, что создавало узкие места и приводило к задержкам, а поиск и ручное устранение сбоев отнимали у команды до двух часов в день.
Решением стали операционный дашборд мониторинга задач обновления и подключенные к нему ИИ‑агенты, которые распределяют нагрузку между задачами, следят за состоянием внешних баз данных, сообщают об аномалиях и дают рекомендации по оптимизации SQL‑запросов и расписаний обновлений.
«С момента запуска FineBI в 2024 году число активных пользователей выросло с полутора сотен до тысячи с лишним, а команда поддержки платформы так и осталась втроем — рост нагрузки нужно было не тушить руками, а автоматизировать. Дашборд и ИИ‑агенты позволили снизить число сбойных задач обновления данных на 98%, сократить время поиска проблемы с двух часов до пяти минут, а рост числа пользователей платформы в этом году составил 214%», — поделилась Ева Харалампова.
Автор: SnezhSh
