Данные и разметка

Описание рынка

Рынок данных и разметки - инфраструктурный слой под всем российским ИИ: сбор и аннотирование датасетов для обучения моделей, синтетические данные, дата-каталоги, MDM и инструменты качества данных. Сервисная часть (разметка) представлена краудсорсинговыми платформами (Яндекс Задания, TagMe, ABC Elementary) и подрядчиками полного цикла (Training Data, Data Light, Beorg), продуктовая - вендорами data-платформ и data governance (Arenadata, Юнидата, HFLabs, DIS Group). Зрелость сегментов разная: разметка - низкомаржинальный сервисный бизнес с низкими барьерами входа, а платформенный сегмент активно консолидируется и растёт на волне импортозамещения после ухода Informatica, Collibra и SAS. Спрос подогревается бумом генеративного ИИ: обучение и дообучение LLM требует больших объёмов размеченных и очищенных данных. Специфика РФ - закрытость данных (продаются не сырые данные, а обезличенная аналитика), требования по локализации и хранению, а также крупные внутренние команды разметки у экосистем.

Объём и динамика рынка

• Отдельных публичных оценок ниши разметки и качества данных нет; родительский рынок больших данных и ИИ в РФ - 433 млрд руб. в 2024 г., прогноз ~520 млрд руб. в 2025 г., рост ~20% в год (исследование АБД, Б1 и TAdviser, Коммерсантъ, 2025)
• Российский рынок разметки данных в 2022 г. вырос на 70% - последняя доступная публичная оценка динамики ниши (TAdviser, 2023)
• Выручка Arenadata (data-платформы, дата-каталоги) превысила 6 млрд руб. в 2024 г., +52% г/г; по итогам 2025 г. компания отчиталась о росте выручки ещё на 46% (CNews, 2025; отчётность Arenadata, 2026)
• Услуги ИИ и Data Science - крупнейший сегмент рынка больших данных: 305 млрд руб. в 2024 г., рост ~36% (исследование АБД/Б1/TAdviser, 2025)

Лидеры рынка

• Arenadata - публичная компания, флагман импортозамещения data-платформ; Arenadata Catalog формирует рынок data governance
• HFLabs (DaData) - фактический стандарт качества и стандартизации клиентских данных в банках и телекоме
• Яндекс Задания - крупнейшая краудсорсинговая платформа разметки в РФ после ухода Толоки с внутреннего рынка
• Training Data и Data Light - заметные подрядчики полного цикла сбора и разметки датасетов для ML-команд
• Beorg (Биорг) - лидер в оцифровке и разметке документов с гибридной моделью «ИИ + краудсорсинг»
• Юнидата (Unidata) - один из основных российских MDM/data governance вендоров в госсекторе и крупном бизнесе

Драйверы роста

• Бум генеративного ИИ: обучение и дообучение LLM требует масштабной разметки (RLHF, инструктивные датасеты) и очистки данных
• Импортозамещение data-платформ после ухода Informatica, SAS, Collibra, Talend - окно для российских вендоров
• Регуляторное давление по качеству данных (152-ФЗ, оборотные штрафы за утечки, требования ЦБ) заставляет строить data governance
• Национальный проект «Экономика данных» и госзаказ на дата-инфраструктуру
• Рост числа корпоративных ИИ-проектов: 43% организаций применяли ИИ в 2024 г. против 20% в 2021 г. - каждому нужны данные
• Дефицит открытых русскоязычных датасетов стимулирует спрос на заказной сбор и синтетические данные

Барьеры и риски

• Низкие барьеры входа в разметку → жёсткий демпинг мелких подрядчиков и фриланс-бирж, маржа сервисного бизнеса тает
• Автоматизация разметки самим ИИ (auto-labeling, синтетика) съедает ядро сервисного спроса - ниша ручной разметки может схлопнуться
• Экосистемы (Сбер, Яндекс, VK) держат внутренние команды и краудсорсинговые платформы и не отдают объёмы на рынок
• Закрытость российских данных: компании боятся передавать данные подрядчикам из-за утечек и штрафов, сделки срываются на ИБ-аудите
• В платформенном сегменте высокая зависимость от крупных госзаказчиков и длинных циклов внедрения; замедление ИТ-бюджетов в 2025 г. ударило по вендорам
• Кадровый голод в data-инженерии при том, что сама разметка - низкооплачиваемый труд с высокой текучкой

Бизнес-модели и монетизация

• Сервисная модель: оплата за единицу разметки (объект, час асессора) или проектные контракты на сбор датасетов
• Краудсорсинговые платформы: комиссия с заданий + SaaS-доступ к инструментам разметки (TagMe, ABC Elementary)
• Лицензии on-premise + техподдержка для data-платформ и MDM (Arenadata, Юнидата, DIS Group) - основная модель в госсекторе и банках
• SaaS/API по подписке и pay-per-use для сервисов качества данных (DaData - подписка + оплата за запросы)
• Проектная интеграция: внедрение дата-каталогов и DQ-контуров силами интеграторов с последующим сопровождением
• Продажа готовых и синтетических датасетов как продукта

Конкурентная структура

Рынок двухъярусный. В сервисной разметке - фрагментация: десятки мелких подрядчиков, несколько заметных студий (Training Data, Data Light, Beorg) и краудсорсинговые платформы, при этом крупнейшие объёмы генерируют внутренние платформы экосистем - Яндекс Задания, TagMe (VK), собственные команды Сбера, а Ozon Profit закрывает потребности своей экосистемы. В платформенном сегменте (каталоги, качество данных, MDM) консолидация выше: Arenadata как публичная компания скупает и развивает продукты, с ней конкурируют Юнидата, DIS Group, HFLabs и Data Sapience. Явного монополиста нет ни в одном сегменте, но ценовую планку в разметке задают платформы экосистем, а в data governance - тендеры госкомпаний, где решает совместимость с реестром отечественного ПО.

Тренды 2025–2026

• Auto-labeling и разметка с помощью LLM: человек смещается в роль валидатора, цена за единицу разметки падает
• Рост спроса на синтетические данные для обучения моделей там, где реальные данные закрыты регуляторикой
• Спрос смещается к сложной экспертной разметке (медицина, юриспруденция, RLHF для LLM) с высоким чеком
• Консолидация платформенного сегмента вокруг Arenadata и крупных вендоров; M&A вместо органического роста
• Data governance становится обязательным контуром под корпоративные ИИ-стратегии и «Экономику данных»
• Обострение требований ИБ: разметка чувствительных данных уходит в защищённые контуры on-premise

Перспективы для новых игроков

Для новых игроков перспективны ниши экспертной разметки со специализацией (медицинские снимки, промышленные дефекты, юридические тексты), генерация синтетических данных и инструменты контроля качества данных для ИИ-конвейеров - там выше чек и меньше конкуренция с краудсорсингом. Входить в массовую ручную разметку не стоит: демпинг, автоматизация со стороны LLM и внутренние платформы экосистем делают нишу структурно сжимающейся. В платформенном сегменте (каталоги, MDM) место для стартапа тоже ограничено - тендеры выигрывают зрелые вендоры с историей внедрений и статусом отечественного ПО, а цикл продаж измеряется годами. Реалистичная стратегия для малых команд - партнёрство с крупными вендорами и экосистемами либо узкая продуктовая специализация, которую позже купит консолидатор.

Источники

• Коммерсантъ, 2025
• TAdviser, 2023
• CNews, 2025
• AI-News (исследование АБД, Б1, TAdviser), 2025