«Аналитики в один голос заявляют: за такими технологиями будущее, другого пути нет…»

Я думаю, что раньше рынок не был полностью готов. Мы общались с российскими компаниями и организациями и раньше, технология была слишком сложна для понимания тогда. Сейчас вопрос скорости работы с данными встал более остро, все стали это понимать. То, что мы делаем, в двух словах можно описать как сверхбыструю обработку данных за счет использования оперативной памяти компьютера. Это позволяет в разы ускорить обработку данных. Прежде всего, такие решения нужны тем видам бизнеса, у которых имеются огромные объемы данных, в которых каждая миллисекунда влияет на финансовую составляющую. Если посмотреть на мировые тенденции, сегодня скорость обработки данных становится критически важной в очень многих отраслях . В России 10 лет назад никто не представлял, зачем это может быть нужно. К счастью, благодаря инновационным компаниям в последние 3–4 года ситуация стала меняться. Компании, которые хотят конкурировать на международном рынке, не могут продолжать делать бизнес так, как он делался раньше. На этой волне интерес к нашим технологиям растет с каждым днем.

Наш продукт сам по себе не является банковским, он универсален, его можно использовать где угодно. И нужно отдать должное «Сбербанку», там это хорошо понимают. Сбербанк уже сегодня больше, чем банк.

Да, сейчас идут активные переговоры с другими крупными российскими компаниями: это представители телеком-операторов («большой тройкой»), сырьевых компаний, государственных учреждений, крупнейших банков. Процесс действительно пошел. Я связываю это с тем, что бизнес-процессы потихоньку меняются. Данные, как бы банально это не звучало, становятся ключевым ресурсом и для российских компаний. Не газ, не нефть, не деньги, а именно данные, поэтому все технологии, позволяющие эти данные обрабатывать, приобретают большую важность.

Я думаю, что ответ достаточно прост: это ограниченные возможности классической обработки, построенной на базах данных. Совершенно очевидно, что крупная standalone база данных (например, Oracle) в конце концов упирается в физический барьер по скорости обработки данных и объему их хранения. Возможно, объем данных – не такая уж большая проблема, если вы располагаете неограниченным количеством денег, чтобы постоянно докупать системы хранения и лицензии. Но что делать со скоростью обработки? Приведу простой пример. Какие объемы данных хранились у самых крупных компаний, таких как PepsiCo или, скажем, IBM 20-30 лет назад? Полмиллиона сотрудников – вот и вся их база данных. Сегодня любой стартап, выпустивший относительно популярную мобильную игру, имеет гораздо больше пользователей, чем самая большая компания в то время. Развитие интернета привело к тому, что объемы данных кратно выросли. В то же время никого уже не устраивает обработка данных завтра, всем нужно, нажав кнопку, тут же получить результат, т.е. данные должны обрабатываться в режиме реального времени. Много ли вы знаете приложений в своем смартфоне, которые, получив запрос, выдают ответ завтра? Это абсурдно, такого просто не может быть. То же касается любых других приложений, будь то мобильный банк, игра или что-то другое. За многими из них стоит сложнейшая обработка данных. Именно поэтому наша технология и продукт, который мы делаем, столь востребованы на современном рынке. Аналитики в один голос заявляют: за такими технологиями будущее, другого пути нет.

Давайте вспомним, как изменялись технологии хранения данных в течение последних 60 лет. Сначала данные хранились на лентах. Потом компания IBM выпустила жесткий диск (винчестер). В конце 1980-х был изобретен флеш-накопитель. Сегодня мы храним данные в памяти. In-memory computing – это финальный этап развития практически вековой истории хранения данных до тех пор, пока мы фундаментально не поменяем архитектуру современных компьютеров. Путь все время ведет от медленного к быстрому. Где мы будем хранить данные завтра?

Наше решение состоит в переходе на новый технологический цикл, который позволяет ускорить обработку данных не на 20 и даже не на 50%, а в тысячи раз. Мы можем убрать практически все преграды для обработки данных и добиться той максимальной скорости, которая в текущий момент физически возможна. Технически это делается с помощью массы ухищрений: оптимизации отдельного компьютера, массивной параллелизации и т.д., и т.п.

Обычно Cool Vendors – это стартапы, маленькие компании, предлагающие интересные и прорывные технологии. Штат нашей компании сейчас около 100 человек.

О конкурентном преимуществе. В нашем случае это не какая-то секретная формула, которую мы нашли и держим в большом секрете – в софтверной области такое крайне редко. Скорее, нужно говорить о списке факторов, которые, будучи собраны вместе, дают достаточно серьезные преимущества.

Мы работаем на базе Open Source. Apache Ignite – Open Source версия нашего продукта бесплатна, абсолютно доступна и живет своей жизнью, а не той, которую мы в нее вдыхаем. Мы данным проектом даже не управляем, мы являемся его участником наравне с другими. Все, что мы делаем, это вносим в проект необходимый Enterprise Value функционал и продаем решение корпоративного уровня, обеспечивая его дальнейшее сопровождение и консалтинг. Но это сильно помогает нашим крупным заказчикам, таким как Barclays, Fidelity Investments, Citibank, Apple, Microsoft, «Сбербанк», проводить так называемый Risk Mitigation– минимизацию рисков.

Исторически крупные корпорации всегда относились к использованию решений маленьких компаний с большой долей сомнения. Это понятно: небольшая компания может прекратить свое существование в любой момент, и что тогда делать с ее софтом тому же «Сбербанку»? А когда компания строит решения на базе Open Source, львиная доля того, что ею сделано, не зависит от ее коммерческого успеха. Если завтра нашей компании не станет, проект продолжит жить и развиваться, так как вокруг него уже существует огромное развитое сообщество. И крупный заказчик может быть совершенно спокоен. Это, пожалуй, одно из основных наших преимуществ. Я даже не знаю, что первично для крупных компаний – технологическое преимущество или Risk Mitigation, потому что, если возможен риск прекращения развития и поддержки программного продукта, они даже тестировать его не будут.

Сочетание того, что мы молодая компания, что ПО, которое мы создаем, инновационное, что мы делаем его на базе Open Source, и дает нам серьезное конкурентное преимущество.

В России в первую очередь мы ориентируемся на финансовый сектор, на крупные банки. И, естественно, на телекоммуникации – я считаю, что уровень развития этой сферы в России таков же, как и в Америке. А также госкорпорации, сырьевые компании, связанные с добычей нефти и газа, ритейл. В России мы делаем акцент на отраслях, которые хорошо развиты или развиваются, где есть крупные игроки.

Если говорить о финансовом секторе, в России существует целая плеяда современных технологически продвинутых компаний: «Сбербанк», «Тинькофф Банк», Альфа-Банк. Думаю, вслед за этими компаниями потянутся остальные. Наша технология применима в любом банке, у которого много клиентов, чьи данные нужно обрабатывать, либо если банк стремится быть высокотехнологичным.

Что касается телекома, например, представителям «большой тройки» приходится решать те же технологические проблемы, что и другим мировым гигантам. Поэтому для нас абсолютно логично рассматривать эту сферу. Разумеется, мы ведем переговоры и с другими технологичными российскими компаниями.

По миру в целом область наших интересов более широка (хотя мир – это громко сказано, в основном нас интересуют Америка и Европа, в Азии мы мало представлены). В Америке и Европе мы делаем акцент на провайдерах SaaS (Software-as-a-Service) – для этой модели бизнеса то, что мы делаем, чрезвычайно важно. С инфраструктурой на базе In-Memory вычислений SaaS-провайдер обеспечит высокую производительность предоставляемых приложений для любых клиентов, маленьких и больших.

Если говорить о распределении по отраслям, четкого фокуса на международном рынке у нас нет. Мы примерно одинаково представлены в финансовом секторе, секторе технологических компаний (таких как Apple и Microsoft), в биоинформатике, информационной безопасности (среди компаний, которые занимаются выявлением фрода), в онлайн-ритейле и др.

Еще один важный момент я бы хотел отметить в отношении России: здесь большое значение имеет личность. Без Олега Тинькова не было бы «Тинькофф Банка», без Германа Грефа – «Сбербанка» в его нынешнем виде. Это люди, которым хватает смелости что-то пробовать и менять. Изменения могут происходить не быстро, но даже такая в прошлом консервативная организация, как «Сбербанк», уже становится одним из мировых лидеров финансовой сферы в области ИТ. Я достаточно много общался с западными компаниями такого же масштаба, среди них и Citybank, и Barclays, и Bank of America, и многие другие. И могу сказать, что не встречал компании, более продвинутой в ИТ, чем «Сбербанк». Это многого стоит!

Ситуация не изменилась и вряд ли изменится. Скорее, рынок будет сужаться. То, что мы делаем, чрезвычайно наукоемко. Новому игроку нужно будет потратить порядка 10 лет жизни, практически ничего не зарабатывая, чтобы добиться какого-то технологического прорыва. Поэтому я уверен, что на этом рынке мы новичков не увидим. Конечно, определенное движение будет происходить: крупные компании продолжат скупать мелкие проекты, развивая за счет этого новое направление. Не исключаю, что кто-то купит и нашу компанию. Но на данный момент GridGain – единственный, по сути, независимый игрок на этом рынке. Разумеется, по выручке мы не можем сравниться с такими гигантами, как Oracle, SAP, IBM, но технологически мы сильнее и, можно сказать, являемся в этой области «законодателями мод».

В частности стратегическими направлениями для нас являются Machine Learning и Deep Machine Learning. Думаю, в этом году мы сделаем несколько серьезных анонсов. Сейчас серьезно работаем над поддержкой машинного обучения на базе нашей системы. Сегодня одна из ключевых проблем – применение технологий машинного обучения на больших массивах данных при обработке в режиме реального времени. Мы планируем добавить в наш продукт математические алгоритмы, адаптировав их под большие распределенные структуры данных. Эта тема развивается уже лет 5–6, но в последний год запросы клиентов сподвигли нас заняться ею более плотно. Мы поняли, что можем совершить действительно уникальный прорыв в этой области.