Каждый месяц на Хабре выходят статьи о том, как очередная компания внедрила Data Mesh, построила идеальный пайплайн на LLM или полностью импортозаместила legacy-хранилище за выходные. Но если поговорить с практикующими архитекторами и дата-инженерами не «под запись», реальность оказывается куда сложнее: open-source форкается на коленке, бюджеты на железо растут, а под термином Data Mesh в соседних отделах понимают принципиально разные вещи.
Мы решили собрать независимую и анонимную статистику о том, как на самом деле устроен дата-стек в российских компаниях прямо сейчас. Без маркетинга и без привязки к конкретным вендорам.
👉 Пройти опрос и сверить часы с рынком
Ниже рассказываем, какие именно темы мы хотим раскопать и почему нам нужна ваша помощь.
Мы собрали анкету из 8 блоков. Чтобы не тратить ваше время на абстрактные рассуждения, внутри настроена маршрутизация: менеджеры ответят на верхнеуровневый блок, а если вы выберете роль архитектора или инженера, откроется техническая ветка про инфраструктуру и миграции.
Вот 5 главных тем, которые мы хотим подсветить в финальном отчете:
1. Data Mesh: эволюция или маркетинговый ярлык?
Термин красивый, но что за ним скрывается в российских реалиях? Для одних это распределение ответственности по доменам, для других — обычная децентрализация баз данных, а для третьих — просто модное слово. Мы хотим посчитать процент компаний, которые внедрили этот подход и довольны результатом, и собрать статистику тех, кто попробовал и у кого все развалилось.
2. ИИ в контуре данных: хайп vs профит
Мы не лезем на «чужую» AI-поляну (генерация картинок, чат-боты для клиентов). Нас интересует дата-изнанка: помогает ли ИИ управлять данными? Работает ли у вас Text-to-SQL на проде, взлетел ли ИИ в процессах Data Quality и каталогизации? Где вы получили реальный экономический эффект, а где пилоты умерли, не дойдя до масштабирования?
3. Импортозамещение: не «на что», а «как»
Давайте на чистоту: все уже примерно понимают список доступных на рынке продуктов. Вопрос в процессах. Что для вас оказалось самым сложным и недооцененным при переходе? Стоимость, сроки, незрелость софта или банальное переобучение команды, которая всю жизнь писала под условный Oracle или Teradata? Как вы решаете задачу «быстро, аккуратно и недорого», и решается ли она?
4. Инфраструктурный FinOps
Железо дорожает, облака не резиновые. Подтолкнуло ли это вас к пересмотру архитектуры (например, к переходу на более эффективные форматы сжатия или Lakehouse)? Учитываете ли вы стоимость инфраструктуры атомарно в цене каждого дата-продукта или до сих пор считаете расходы «примерно и на всю платформу»?
5. Вендорский трек и Open Source
Как на вас повлияло закрытие или сворачивание некоторых open-source продуктов, которые лежали в основе вашего стека? Ушли ли вы на форки, перешли на коммерческие российские дистрибутивы или собираете собственные сборки? Что происходит с вашим аналитическим ядром?
Почему опрос анонимный?
В анкете нет ни одного вопроса про названия конкретных брендов, вендоров или облачных провайдеров. Нам не интересна корпоративная реклама. Нам важны классы систем (on-prem/облако/гибрид, проприетарный софт/open-source форк) и чистая математика.
Опрос займет около 5 минут (для архитекторов чуть дольше, если захотите добавить фактуры в открытых вопросах).
Что в итоге?
Результаты исследования мы обработаем, сделаем аналитический отчет и опубликуем огромный разбор со всеми графиками.
Все участники, оставившие контакты в финале, получат детализированный PDF-отчет первыми. Это отличная возможность прийти к руководству со словами: «Смотрите, весь рынок в нашей отрасли сейчас делает вот так, а мы буксуем здесь».
Погнали?
👉 https://anketolog.ru/service/survey/fill/direct/1050671/
Будем рады, если в комментариях вы сразу накидаете свои главные боли по дата-архитектуре на этот год. Что сейчас горит сильнее всего?
Источник: habr.com