Посмотрел разбор по свежему Gartner Magic Quadrant for Analytics & BI Platforms 2026
На схеме видно распределение вендоров по двум осям: Ability to Execute и Completeness of Vision. То есть Gartner оценивает не только текущие возможности платформ, но и то, насколько они соответствуют развитию рынка.
Но здесь интереснее не то, кто оказался в лидерах, а кто сместился в другой квадрант. Важнее общий сдвиг: BI всё меньше воспринимается как отдельный инструмент для отчётов и дашбордов.
В фокусе оказываются подготовка данных, семантический слой, управление качеством, governance, conversational analytics и сценарии с использованием ИИ.
И это хорошо совпадает с тем, что мы видим в проектах.
Когда компания приходит за BI, вопрос редко начинается только с выбора инструмента визуализации. Сначала нужно понять, где лежат данные, как они связаны между собой, кто отвечает за мастер-данные, как устроены обмены и почему один и тот же показатель в разных системах считается по-разному.
Хороший пример — проект для российского производителя функциональной бытовой химии.
Там мы делаем не внедрение BI-системы, а слой подготовки данных: витрины на MS SQL через PROSTO.DWH. По сути, это DWH-слой, в котором данные собираются, приводятся к нужной структуре и уже в агрегированном виде передаются дальше в BI-платформу.
Если не выстроить транспортный слой и слой хранения, BI не решит проблему. Он просто быстрее и нагляднее покажет беспорядок в данных.
Поэтому проекты вокруг аналитики всё чаще становятся технологическими проектами вокруг данных. Там рядом появляются DWH, MDM, ESB, интеграции, семантический слой и только потом визуализация.
Ценность BI не в визуальной привлекательности отчётов. Она определяется качеством и надёжностью данных, которые лежат в их основе.