"Légi matematika". Nagy adatok a polgári repülés világában. Big Data és a közeljövő autós navigációs technológiái Hogyan alkalmazta a Big Data technológiákat a gyakorlatában

"Légi matematika". Nagy adatok a polgári repülés világában. Big Data és a közeljövő autós navigációs technológiái Hogyan alkalmazta a Big Data technológiákat a gyakorlatában
20.04.2021

Baskíriában először használtak „big data”-t a turistaáramlás elemzéséhez. A Fehérorosz Köztársaság Idegenforgalmi Állami Bizottsága tanulmányt rendelt az Ural Monitoring and Analytics Centertől, amely az előfizetők mozgásának dinamikája alapján készült. mobiltelefonok.

Tanulmányok szerint 2018 januárja és novembere között 1,656 millió turista kereste fel a köztársaságot, ennek 60%-a 30 és 45 év közötti férfiak, általában kereskedelmi szervezetek alkalmazottai. felsőoktatás, havi 40 ezer rubel bevétellel. Az átlagos tartózkodási idő 3,8 nap.

A turistaforgalom csúcspontja a nyárra esik. 2018 júniusában 179 ezer fő volt a belépők száma, júliusban - 215 ezer fő. A minimális adatot februárban figyelték meg - 118 ezer ember.

A vendégek Oroszország különböző régióiból érkeztek. A látogatók legnagyobb része - Moszkva, Moszkva régió, Tatársztán - egyenként 11%. Az Orenburg régió, a cseljabinszki és a szamarai régió lakosai 9%, 7%, 6% arányban részesedtek a turistaforgalomból. Továbbá a Szverdlovszki régió és a KhMAO - egyenként 3,8%, a Tyumen régió - 3%, a Perm Terület és Udmurtia - mindegyik valamivel több, mint 2%.

Külföldi turisták a környező országokból, valamint Indiából, Spanyolországból, Olaszországból, Jemenből, Németországból, Törökországból, Egyiptomból, Nigériából, Izraelből, az USA-ból, Csehországból, Szaúd-Arábiából, Bulgáriából, Iránból, Kínából és Finnországból érkeztek.

A turisták körében végzett felmérések formájában szociológiai vizsgálat is készült. A válaszadók 37%-a választott szállást vagy szállodát. 17%-uk barátoknál vagy rokonoknál szállt meg, 11%-uk a hostelt részesítette előnyben. Az utazási célok szerint a turistaáram a következőképpen oszlott meg: rokoni utazások (30%), üzleti turizmus (28%), egészségturizmus (18%), városnézés (12%), aktív (8%), zarándoklat. turizmus (0,2%) .

A turisták 40%-a nem először érkezett Baskíriába. 20%-a baráti (kollégák, rokonok) ajánlására érkezett. 24% haszon üzleti úton. A válaszadók utazási irányának megválasztásakor a legkevésbé használt információforrások az internetes portálok (3,4%), a közösségi oldalak (1,2%), a médiahirdetések (0,5%) voltak.

A jelenlegi 2019-ben is elemzik a köztársaság egyes régióinak turisztikai vonzerejét – tájékoztatott az állami bizottság.

"Geoanalytics használja a képességeket mobilszolgáltatók egy fejlett módszer a turistaáramlás számlálására. Jelenleg csak Moszkvának van ilyen tapasztalata, és hadd emlékeztessem Önöket arra, hogy ez utóbbi az országos turisztikai besorolásban az első helyet foglalja el a baskíriai Volga Szövetségi Körzetben - a másodikat” – mondta Azamat Galin, az Állami Turisztikai Bizottság helyettes vezetője. A Belarusz Köztársaság vállalkozói szelleme.

A Turstat portál szerint 2018 végén Baskíria bekerült a Top 15-be a belföldi és beutazó turizmus értékelésében, és a 13. helyet foglalta el 2,5 millió fő feletti turisták számával (+13% 2017-hez képest).

A Baskíria kormányának ezek a kezdeményezései nagyon érdekesek és hasznosak a turisztikai áramlás tanulmányozásában és tevékenységeik megtervezésében annak érdekében, hogy népszerűsítsék a régió turisztikai termékeit a turistáknak nyújtott átfogó szolgáltatások révén, beleértve az IT-technológiákat is.

A hírek egyébként Nyizsnyij Nogorodot említenek. Korábban már beszámoltunk arról, hogy ebben a városban valósult meg a „Vendégkártya” projekt, melynek értelmében nyomon követhető lesz a város nevezetességeit felkereső turisták mozgása, érdeklődési köre, a turisták különböző kedvezményekben részesülhetnek, ill. ingyenesen használja a tömegközlekedést.

Mindezeket a kezdeményezéseket a régiókban hajtják végre elszigetelt és elszigetelt, szövetségi részvétel nélkül.

MIRŐL BESZÉLSZ?

A lényeg az, hogy jelenleg megoldás alatt áll az Orosz Föderációba érkező külföldi állampolgárok elektronikus vízumkérelmének kérdése. A "Turizmus biztonsága" Egyesület szerint nincs értelme az ilyen vízumok speciális digitális technológiák segítségével történő felhasználásának anélkül, hogy integrálnák a migrációs rendszert és a turisták regisztrációját a szállodákban, valamint a fent említett szolgáltatásokat a "vendégkártya" használatával. Ez nem kormányzati megközelítés.

Véleményünk szerint a szisztematikus, állami megközelítésnek tartalmaznia kell mindezen elemek figyelembevételét. A turistának egyszer regisztrálnia kell a határon, miután megkapta az elektronikus címkét, majd körbe kell járnia az országot, regisztrálnia kell a szállodákban (már migrációs regisztráció nélkül), gond nélkül látogatnia kell a múzeumokat, különféle kedvezményekben kell részesülnie, ingyenesen vagy kedvezményesen használhatja a tömegközlekedést. És ugyanakkor ez a megközelítés lehetővé teszi - hogyan biztosítható nemzetbiztonság, amely rögzíti a külföldiek mozgását, és mentesíti a szállásadókat a regisztrációs és migrációs könyvelés fejfájásától, valamint az Orosz Föderációt alkotó testületek turisztikai irányító szervei tájékoztatást kapnak a régió (város) legnépszerűbb objektumairól, és ennek alapján turisztikai ajánlatokat alkotnak, ezáltal a maximális hasznot érik el.

ÉS MINDEN EZÉRT VAN!

Mégpedig az Orosz Föderáció Kormányának 2015. augusztus 6-i 813-as rendelete, amely jóváhagyta a migrációs és regisztrációs nyilvántartás állami rendszeréről szóló rendeletet, amelynek végrehajtása jelentősen befolyásolhatja a vendéglátást és általában véve növelheti a beutazó turistaáramlást. . Pontosan erről beszélt a "Turizmus biztonsága" Egyesület elnökségi elnöke 2018. december 06-án a Szövetségi Tanácsban Szergej Gruzd„Az Orosz Föderációba érkező külföldi állampolgárok elektronikus vízumhasználatának aktuális kérdései és az Orosz Föderáció jogszabályainak javítása ezen a területen” című kerekasztal résztvevői

Emlékezzünk vissza arra, hogy a migrációs és regisztrációs nyilvántartások javításának, a vízumrendszer egyszerűsítésének, valamint az utazási célú egységes biometrikus azonosító kidolgozásának és bevezetésének kérdései vita tárgyát képezik majd a bizottságon belül. „Turizmusbiztonság” Nemzetközi Fórum – TSIF – 2019.Ez a Fórum kiemelt szakmai rendezvény, ahol a hatóságok, a szakmai közösség és az üzleti élet képviselői egy platformon vitatják meg a turisztikai biztonság biztosításának aktuális kérdéseit. A Fórum formátuma 4 kitörési ülést biztosít.

Moszkva egy hatalmas metropolisz, 11 979 529 lakossal a 2013-as népszámlálás szerint. Mindegyikük munkába jár, mobiltelefont használ (vagy akár többet is), lemegy a metróba, dugókban áll. Mindezt a városi szolgáltatások, állami szervek, különféle szolgáltatásokat nyújtó magáncégek figyelik. Videókamerák ezrei, érzékelők százezrei, a város életét irányító monitorok, több millió mobiltelefon, 3G/4G modemek. Mindez pedig több milliárd adatforrás, amelyek feldolgozása során információkhoz juthat a város fejlesztésének további tervezéséhez, forgalmi lebonyolításához, valamint a metropolisz biztonságának biztosításához. Azon kevés eszközök egyike, amelyek ilyen mennyiségű információ feldolgozásával megbirkóznak, a Big Data osztály megoldásai. Először is nézzük meg, hol használhatók.

Népsűrűség és népességmozgási adatok

A népesség nagyságának, szerkezetének, területi megoszlásának meghatározásának fő eszköze jelenleg a népszámlálás. A népszámlálás fő hátránya a lebonyolítás költsége és a lakosság mozgására vonatkozó adatok hiánya. A népszámlálás információforrását maguk a lakosok jelentik, akiket lakóhelyükön megkérdeznek.

Milyen előnyökkel jár a Big Data megoldások használata? A kérdés megválaszolásához először meg kell határoznunk, hogy milyen adatokra van szükségünk:

  • ahol a lakók alszanak és dolgoznak;
  • hol és hová mennek hétköznap és hétvégén;
  • milyen közlekedést használnak a moszkvaiak és a fővárosi vendégek;
  • honnan jönnek a városba és miért.

Ennek az információnak a gyűjtéséhez először el kell döntenünk az adatok forrását és az elemzés módszerét. Egy lakó helyének meghatározásához a legoptimálisabb az ő tartózkodási helyére vonatkozó adatok felhasználása mobiltelefon(mindig vele van). Hogyan kell csinálni?

Elérhető:

  • adatok innen mobilszolgáltatók a telefon helyéről;
  • speciális szolgáltatásokból származó adatok (például Yandex.Traffic);
  • adatok innen mobil alkalmazások a város által biztosított beépített lokációs funkcionalitással a lakók kényelmét szolgálja.

A kapott információk elemzéséhez különféle algoritmusok használhatók a forrástól, a formátumtól és a szolgáltatás módjától függően. De itt vannak a főbb pontok.

A lakók alvási és munkavégzési helyének meghatározása a mozgással és a megtett intézkedésekkel kapcsolatos adatok elemzésével érhető el. Például a 22:00 és 7:00 óra közötti időszakos híváshiány és a mozgás hiánya megmutatja, hogy a személy hol lakik, a munkaidőben történő mozgás hiánya pedig azt mutatja, hogy ugyanaz a személy hol dolgozik, és az egyik kritérium, hogy javítja a pontosságot az előfizetői telefontevékenység jelenléte az adott helyen. Itt azt is meg lehet majd határozni, hogy egy személy milyen gyakran mozog munkaidőben, hányan töltenek be állandó mozgáshoz kapcsolódó pozíciót a városban (futárok, sofőrök és egyéb szakmák).

A lakók mozgási irányának meghatározása hasonlóan történik, az előfizetők mozgására vonatkozó azonos adatok szerint sejtes kommunikáció, és lehetővé teszi a helyi lakosok, látogatók, munkaerő-migránsok fő mozgási áramlásainak azonosítását, statisztikák gyűjtését a mozgásokról kerületek és irányok szerint, megtudhatja, hogy a lakosok és a vendégek milyen gyakran látogatnak üzleteket, kulturális eseményeket, városi látnivalókat, valamint mennyire népszerűek bizonyos helyek a városban.

A mozgás sebességének és a felkeresett helyek nyomon követésével megkülönböztethető, hogy az ember milyen közlekedési eszközöket használ: autót, metrót, földi tömegközlekedést, helyközi közlekedést.

A városi infrastruktúra munkájának elemzése és a lakosság biztonságának biztosítása

Nagyszámú közlekedési lámpa, városi forgalomirányító rendszerek, rendezvény videórögzítő rendszerek (térfigyelő kamerák), irányítás tömegközlekedés egy több mint egymillió lakosú városban összehangolt megközelítést igényel az adatok kezelése és központosítása. A városra kiterjedő videokamerás megfigyelőrendszerek kiépítése során az egyik kellő időben azonosított probléma az volt, hogy a folyamatban lévő eseményeket (például a jogellenes cselekmények azonosítása érdekében) az operatív ügyeletesek nem tudják figyelemmel kísérni. Figyelembe véve a modern technológiák jelenlegi lehetőségeit, lehetővé válik olyan egységes elosztott rendszerek létrehozása, amelyek egyszerre biztosítják a különböző forrásokból (forgalomirányító rendszerek, térfigyelő kamerák stb.) városokból származó események felismerését. A Big Data megoldások másik alkalmazása az összegyűjtött információk elosztott és hosszú távú tárolása, a szükséges adatok és a kapcsolódó események felkutatása. Hogy mi okozta ezt vagy azt a változást a város helyzetében, milyen események előzték meg, kiket érintettek – ez egy kis része azoknak a kérdéseknek, amelyekre a big data választ adhat.

Adatleképezés

A folyamatban lévő események egyik kulcsmomentuma a bennük szereplő tárgyak jellemzőinek meghatározása. Teljesen különböző forrásokból lehet adatokat gyűjteni: például a mobilszolgáltatótól kapott adatoknál a SIM-kártyát regisztráló személy jellemzőit, a megfigyelőrendszereknél az arcfelismerő rendszerekből, osztályok adatbázisaiból származó információkat. Az egyik kulcsfontosságú pont az információk anonimizálásának lehetősége, a személyes összetevők kizárása a különböző tulajdonosoktól és forrásokból származó adatok átvitele során.

Fő problémák

Pedig ebben az egészben van egy légy. Valamennyi integrációs megoldás fő problémája, különösen, ha a különböző részlegek, szervezetek között adatcsere történik, a jogszabályi korlátozások jelentik, amelyek nem teszik lehetővé az adatszolgáltatást abban a formában, ahogyan vannak. Ebből kifolyólag ezek előzetes feldolgozása szükséges a tulajdonos oldalán.

Teljes

Összegezve szeretném megjegyezni, hogy a „big data” feldolgozására szolgáló modern technológiák lehetővé teszik, hogy a meglévő informatikai szolgáltatásoknál sokkal többet nyújtsunk a városnak. Ez nem igényli a meglévő infrastruktúra frissítését, hiszen a jelenleg rendelkezésre álló adatforrások használhatók.

A Big Data osztályú megoldások segítségével növelhető a városlakók és vendégei kényelme, csökkenthető a torlódások száma nem a városba való behajtás korlátozása miatt, hanem a forgalom irányításával, csökkenthető az esedékes bűncselekmények száma. gyors reagálásra, gyors és automatikus vezérlésük révén javítsák a városi szolgáltatások minőségét.

"Nagy adat"- a technológiai cégek által aktívan megvitatott téma. Egy részük kiábrándult a big data-ból, míg mások éppen ellenkezőleg, amennyire csak lehet, üzleti célra használják... . Reméljük, hogy az információ érdekes és hasznos lesz.

MI AZ A BIG DATA?

Főbb jellemzők
A Big Data jelenleg a fejlődés egyik fő mozgatórugója információs technológiák. Ez az orosz üzleti életben viszonylag új irányzat széles körben elterjedt a nyugati országokban. Ez annak a ténynek köszönhető, hogy az információs technológia korszakában, különösen a fellendülés után közösségi hálózatok, minden internetfelhasználó számára jelentős mennyiségű információ kezdett felhalmozódni, ami végül a Big Data irányvonalát eredményezte.

A "Big Data" kifejezés sok vitát vált ki, sokan úgy gondolják, hogy ez csak a felhalmozott információ mennyiségét jelenti, de ne feledkezzünk meg a technikai oldalról sem, ebbe a területbe tartoznak a tárolási technológiák, a számítástechnika, a szolgáltatások.

Megjegyzendő, hogy ez a terület nagy mennyiségű információ feldolgozását foglalja magában, amelyet hagyományos módszerekkel* nehéz feldolgozni.

Az alábbiakban a hagyományos és a Big Data adatbázis összehasonlító táblázata látható.

A Big Data szféráját a következő jellemzők jellemzik:
Hangerő - a mennyiség, a felhalmozott adatbázis nagy mennyiségű információ, amelynek feldolgozása és tárolása hagyományos módszerekkel munkaigényes, új szemléletet, továbbfejlesztett eszközöket igényel.
Sebesség - sebesség, ez a tulajdonság mind az adatgyűjtés gyorsaságát (az információ 90%-át gyűjtötték össze az elmúlt 2 évben), mind az adatfeldolgozás sebességét jelzi, az utóbbi időben a valós idejű adatfeldolgozási technológiákra is egyre nagyobb az igény.
Fajta – változatosság, i.e. a különböző formátumú strukturált és strukturálatlan információk egyidejű feldolgozásának lehetősége. A strukturált információk közötti fő különbség az, hogy osztályozható. Ilyen információ például az ügyféltranzakciókra vonatkozó információ.
A strukturálatlan információk közé tartoznak a videó-, hangfájlok, szabad szövegek és a közösségi hálózatokról származó információk. A mai napig az információk 80%-a a strukturálatlan csoportba tartozik. Ez az információ komplex elemzést igényel, hogy hasznos legyen a további feldolgozáshoz.
Igazság – Az adatok megbízhatósága, a felhasználók fontosnak tartották a rendelkezésre álló adatok megbízhatóságát. Az internetes cégeknek tehát gondot okoz a robot és az ember által a cég weboldalán végrehajtott műveletek elkülönítése, ami végső soron az adatelemzés nehézségéhez vezet.
érték - a felhalmozott információ értéke. A Big Data hasznosnak kell lennie a vállalat számára, és értéket kell adnia neki. Például segítség az üzleti folyamatok javításában, a jelentéskészítésben vagy a költségoptimalizálásban.

Ha a fenti 5 feltétel teljesül, a felhalmozott adatmennyiségek nagynak minősíthetők.

A Big Data alkalmazásai

A Big Data technológiák hatóköre kiterjedt. A Big Data segítségével tehát megismerheti az ügyfelek preferenciáit, a marketingkampányok hatékonyságát, vagy kockázatelemzést végezhet. Az alábbiakban közöljük az IBM Institute felmérésének eredményeit, amely a Big Data vállalati felhasználási irányairól szól.

A diagramból látható, hogy a legtöbb cég ügyfélszolgálati területen alkalmaz Big Data-t, a második legnépszerűbb irány a működési hatékonyság, a kockázatkezelés terén a Big Data jelenleg ritkább.

Azt is meg kell jegyezni, hogy a Big Data az egyik leggyorsabban fejlődő információs technológiai terület, a statisztikák szerint a fogadott és tárolt adatok összmennyisége 1,2 évente megduplázódik.
2012 és 2014 között a havonta továbbított adatmennyiség mobilhálózat, 81%-kal nőtt. A Cisco becslése szerint 2014-ben a kötet mobilforgalom havi 2,5 exabájtot tett ki (10 ^ 18 szabvány bájtnak megfelelő információmennyiség mértékegysége), és már 2019-ben 24,3 exabájt lesz.
A Big Data tehát már viszonylag fiatal kora ellenére is bejáratott technológiai terület, amely az üzleti élet számos területén elterjedt, és fontos szerepet játszik a cégek fejlődésében.

Big Data technológiák
A Big Data gyűjtésére és feldolgozására használt technológiák 3 csoportra oszthatók:
  • Szoftver;
  • Felszerelés;
  • Szolgáltatás.

A leggyakoribb adatfeldolgozási (PD) megközelítések a következők:
SQL - nyelv strukturált lekérdezések, amely lehetővé teszi az adatbázisokkal való munkát. VAL VEL SQL használatával adatokat hozhat létre és módosíthat, az adattömböt pedig a megfelelő adatbázis-kezelő rendszer kezeli.
NoSQL - a kifejezés a Nem csak SQL-t (nem csak az SQL-t) jelenti. Számos olyan megközelítést tartalmaz, amelyek az adatbázis megvalósítását célozzák, amelyek eltérnek a hagyományos, relációs DBMS-ekben használt modellektől. Használatuk kényelmes a folyamatosan változó adatszerkezet mellett. Például információk gyűjtésére és tárolására a közösségi hálózatokon.
MapReduce – számítási eloszlási modell. Nagyon nagy adathalmazokon (petabájt* vagy több) párhuzamos számításokhoz használják. A programozói felületen az adatok nem kerülnek feldolgozásra a programba, hanem a program az adatok közé. A kérés tehát az külön program. A működés elve az adatok szekvenciális feldolgozása két Map és Reduce módszerrel. A Map kiválasztja az előzetes adatokat, a Reduce összesíti azokat.
Hadoop - keresési és kontextuális mechanizmusok megvalósítására használják erősen terhelt webhelyeken - Facebook, eBay, Amazon stb. Különleges jellemzője, hogy a rendszer védett a fürtcsomópontok bármelyikének meghibásodása ellen, mivel minden blokkban van legalább egy másolat az adatokból a másik csomóponton.
SAP HANA egy nagy teljesítményű NewSQL platform az adatok tárolására és feldolgozására. Biztosítja Magassebesség kérés feldolgozása. Egy másik különbség az, hogy az SAP HANA leegyszerűsíti a rendszerkörnyezetet azáltal, hogy csökkenti az analitikai rendszerek támogatásának költségeit.

A technológiai felszerelés a következőket tartalmazza:

  • szerverek;
  • infrastrukturális berendezések.
A szerverek adattárakat tartalmaznak.
Az infrastruktúra-berendezések platformgyorsító eszközöket, forrásokat tartalmaznak szünetmentes tápegység, szerverkonzolkészletek stb.

Szolgáltatás.
A szolgáltatások magukban foglalják az adatbázis-rendszer architektúráját, az infrastruktúra fejlesztését és optimalizálását, valamint az adattárolás biztonságát.

A szoftverek, a hardverek és a szolgáltatások teljes körű platformokat alkotnak az adatok tárolására és elemzésére. Olyan cégek, mint a Microsoft, a HP, az EMC kínálnak szolgáltatásokat a Big Data megoldások fejlesztéséhez, telepítéséhez és kezeléséhez.

Alkalmazás az iparban
A Big Data számos üzleti szektorban elterjedt. Használják az egészségügyben, a távközlésben, a kereskedelemben, a logisztikában, a pénzügyi cégeknél, valamint a közigazgatásban.
Az alábbiakban néhány példát mutatunk be a Big Data alkalmazásokra néhány iparágban.

Kiskereskedelem
A kiskereskedelmi üzletek adatbázisai sok információt gyűjthetnek a vásárlókról, a készletgazdálkodási rendszerről, a piacképes termékek kínálatáról. Ez az információ az üzlet tevékenységének minden területén hasznos lehet.

A felhalmozott információk segítségével tehát kezelheti az áruellátást, azok tárolását, értékesítését. A felhalmozott információk alapján előre jelezhető az áruk kereslete és kínálata. Az adatfeldolgozó és elemző rendszer a kereskedő egyéb problémáit is meg tudja oldani, például optimalizálja a költségeket vagy készítsen jelentéseket.

Pénzügyi szolgáltatások
A Big Data lehetővé teszi a hitelfelvevő hitelképességének elemzését, és hasznos a hitelbírálat* és a kockázatvállalás** szempontjából is. A Big Data technológiák bevezetése csökkenti a hitelkérelmek elbírálásának idejét. A Big Data segítségével lehetőség nyílik egy adott ügyfél működésének elemzésére és a számára megfelelő banki szolgáltatások felajánlására.

Telecom
A távközlési iparban a Big Data-t széles körben használják a mobilszolgáltatók.
A mobilszolgáltatók a pénzintézetekkel együtt az egyik legnagyobb adatbázissal rendelkeznek, amely lehetővé teszi a felhalmozott információk legmélyebb elemzését.
Az adatelemzés fő célja a meglévő ügyfelek megtartása és újak megnyerése. Ennek érdekében a cégek szegmentálják az ügyfeleket, elemzik forgalmukat, és meghatározzák az előfizető társadalmi hovatartozását.

A Big Data marketingcélú felhasználása mellett a technológiát a csalárd pénzügyi tranzakciók megelőzésére is használják.

Bányászat és olajipar
A Big Data-t mind az ásványok kitermelésében, mind pedig azok feldolgozásában és értékesítésében használják fel. A kapott információk alapján a vállalkozások következtetéseket vonhatnak le a terepfejlesztés hatékonyságára vonatkozóan, nyomon követhetik a nagyjavítás ütemezését és a berendezések állapotát, valamint előre jelezhetik a termékkeresletet és -árakat.

A Tech Pro Research felmérése szerint a Big Data a legelterjedtebb a távközlési iparban, valamint a mérnöki, informatikai, pénzügyi és kormányzati vállalkozásokban. A felmérés eredményei szerint a Big Data kevésbé népszerű az oktatásban és az egészségügyben. A felmérés eredményeit az alábbiakban mutatjuk be:

Példák a Big Data vállalati felhasználására
Ma a Big Data-t aktívan bevezetik a külföldi vállalatoknál. Olyan cégek, mint a Nasdaq, Facebook, Google, IBM, VISA, Master Card, Bank of America, HSBC, AT&T, Coca Cola, Starbucks és Netflix már használnak Big Data erőforrásokat.

A feldolgozott információk felhasználási területei sokrétűek, és az iparágtól és az elvégzendő feladatoktól függően változnak.
Ezt követően a Big Data technológiák gyakorlati alkalmazásának példái kerülnek bemutatásra.

HSBC Big Data technológiát használ a plasztikkártyákkal végzett csaló tranzakciók ellen. A cég a Big Data segítségével 3-szorosára növelte a biztonsági szolgáltatás hatékonyságát, 10-szeresére pedig a csalási incidensek felismerését. E technológiák bevezetésének gazdasági hatása meghaladta a 10 millió USD-t.

Csalás elleni* VÍZUM beengedi automatikus üzemmód kiszámítja a csalárd jellegű tranzakciókat, a rendszer bekapcsolva Ebben a pillanatban segít megelőzni a 2 milliárd dollár értékű csalárd kifizetést évente.

Szuperszámítógép Watson cég IBM valós időben elemzi az adatáramlást pénzügyletek. Az IBM szerint a Watson 15%-kal növelte az észlelt csaló tranzakciók számát, 50%-kal csökkentette a rendszer téves pozitívumait, és 60%-kal növelte az összeget. Pénz védve az ilyen jellegű tranzakcióktól.

Procter & Gamble a Big Data segítségével új termékeket terveznek és globális marketingkampányokat készítenek. A P&G külön Business Spheres irodákat hozott létre, ahol valós idejű információkat tekinthet meg.
Így a cégvezetésnek lehetősége nyílik hipotézisek azonnali tesztelésére és kísérletek elvégzésére. A P&G hisz abban, hogy a Big Data segít előre jelezni a vállalat teljesítményét.

Irodaszerek kiskereskedelme officemax a Big Data technológiák segítségével elemzik az ügyfelek viselkedését. A Big Data elemzése lehetővé tette a B2B bevételek 13%-os növelését, a költségek évi 400 000 dolláros csökkentését.

Alapján hernyó , forgalmazói 9-18 milliárd dolláros bevételtől esnek el évente csak azért, mert nem alkalmazzák a Big Data technológiát. A Big Data lehetővé tenné az ügyfelek számára, hogy hatékonyabban kezeljék flottájukat a gépekre telepített érzékelők információinak elemzésével.

A mai napig lehetőség van a kulcsfontosságú alkatrészek állapotának, elhasználódási fokának elemzésére, az üzemanyag- és karbantartási költségek kezelésére.

Luxottica csoport sportszemüvegeket gyárt olyan márkákkal, mint a Ray-Ban, a Persol és az Oakley. A cég Big Data technológiákat használ a potenciális ügyfelek viselkedésének elemzésére és az "okos" SMS marketingre. Ennek eredményeként a Big Data Luxottica csoport több mint 100 millió legértékesebb ügyfelet azonosított, és 10%-kal növelte a marketingkampány hatékonyságát.

A Yandex Data Factory segítségével a játékfejlesztők World of Tanks elemzi a játékosok viselkedését. A Big Data technológiák 100 ezer World of Tanks játékos viselkedésének elemzését tették lehetővé több mint 100 paraméter (vásárlási információk, játékok, tapasztalatok stb.) segítségével. Az elemzés eredményeként a felhasználói lemorzsolódás előrejelzését kaptuk. Ez az információ lehetővé teszi a felhasználói gondoskodás csökkentését és a játék résztvevőivel való célzott együttműködést. A kifejlesztett modell 20-30%-kal hatékonyabbnak bizonyult szabványos szerszámok játékipar elemzése.

Német Munkaügyi Minisztérium Big Data segítségével elemzi a bejövő munkanélküli segélykérelmeket. Így az információk elemzése után kiderült, hogy az ellátások 20%-át érdemtelenül folyósították. A Big Data segítségével a Munkaügyi Minisztérium 10 milliárd euróval csökkentette a költségeket.

Torontói Gyermekkórház megvalósította a Project Artemis projektet. Ez egy információs rendszer, amely valós időben gyűjti és elemzi a babákra vonatkozó adatokat. A rendszer másodpercenként 1260 mutatót figyel minden gyermek állapotáról. Az Artemis projekt lehetővé teszi a gyermek instabil állapotának előrejelzését és a gyermekek betegségeinek megelőzését.

A GLOBÁLIS BIG DATA PIAC ÁTTEKINTÉSE

A globális piac jelenlegi helyzete
2014-ben a Big Data a Data Collective szerint a kockázati iparba történő befektetések egyik kiemelt területévé vált. A Computerra információs portál szerint ez annak köszönhető, hogy az ezen a területen zajló fejlesztések jelentős eredményeket kezdtek hozni felhasználóik számára. Az elmúlt évben a cégek száma befejezett projektek a big data kezelés területén 125%-kal, a piaci volumen 45%-kal nőtt 2013-hoz képest.

A Big Data piac bevételének nagy részét a Wikibon szerint 2014-ben a szolgáltatások adták, részesedésük a teljes bevétel 40%-át tette ki (lásd az alábbi ábrát):

Ha a 2014-es Big Data-t altípusok szerint vesszük figyelembe, akkor a piac így fog kinézni:

A Wikibon szerint az alkalmazások és az elemzések a Big Data bevétel 36%-át tették ki 2014-ben, míg a Big Data alkalmazások és elemzések 17%-át. számítástechnikai berendezések a tárolási technológiák esetében pedig 15%. A legkevesebb bevételt a NoSQL-technológiák, az infrastrukturális berendezések és a vállalati hálózat biztosítása adták ( vállalati hálózatok).

A legnépszerűbbek a Technológia Big Adatok, mint SAP, HANA, Oracle stb. cégek memóriabeli platformjai. A T-Systems felmérés eredményei szerint a megkérdezett cégek 30%-a választotta őket. A második legnépszerűbbek a NoSQL platformok voltak (a felhasználók 18%-a), a cégek a Splunk és a Dell elemző platformjait is használták, a cégek 15%-a választotta őket. A Big Data problémák megoldásában a legkevésbé hasznosak a felmérés eredményei szerint a Hadoop/MapReduce termékek voltak.

Az Accenture felmérése szerint a Big Data technológiát használó vállalatok több mint 50%-ánál a Big Data költségek 21% és 30% között mozognak.
Az alábbi Accenture elemzés szerint a cégek 76%-a gondolja úgy, hogy ezek a költségek 2015-ben növekedni fognak, és a cégek 24%-a nem változtat a Big Data technológiákra szánt költségvetésén. Ez arra utal, hogy ezeknél a cégeknél a Big Data már az informatika bevett területévé vált, amely a vállalat fejlődésének szerves részévé vált.

Az Economist Intelligence Unit felmérésének eredményei megerősítik a Big Data bevezetésének pozitív hatását. A cégek 46%-a állítja, hogy több mint 10%-kal javította az ügyfélszolgálatot a Big Data technológiák használatával, a vállalatok 33%-a optimalizálta a készleteket és javította a kulcsfontosságú eszközök termelékenységét, a vállalatok 32%-a pedig javította a tervezési folyamatokat.

Big Data be különböző országok béke
Eddig a Big Data technológiákat leggyakrabban amerikai vállalatok alkalmazzák, de mostanra a világ más országai is érdeklődést mutattak. Az IDC szerint 2014-ben Európa, a Közel-Kelet, Ázsia (Japán kivételével) és Afrika országai adták a Big Data szoftverek, szolgáltatások és berendezések piacának 45%-át.

Emellett a CIO felmérése szerint az ázsiai-csendes-óceáni térség vállalatai gyorsan elsajátítják az új megoldásokat a Big Data elemzése, a biztonságos tárolás és a felhő technológiák. Latin-Amerika a második helyen áll a Big Data technológiák fejlesztésére irányuló befektetések számát tekintve, megelőzve Európát és az USA-t.
Ezt követően a Big Data piac több országbeli fejlődésének leírása és előrejelzései kerülnek bemutatásra.

Kína
Kínában az információ mennyisége 909 exabájt, ami a világ összes információmennyiségének 10%-ának felel meg, 2020-ra az információ mennyisége eléri a 8060 exabájtot, és a globális statisztikákban is nő az információk aránya, 5 év múlva ez 18% lesz. A kínai Big Data potenciális növekedése az egyik leggyorsabban növekvő dinamikával rendelkezik.

Brazília
2014 végére Brazília 212 exabájtnyi információt halmozott fel, ami a globális mennyiség 3%-a. 2020-ra az információ mennyisége 1600 exabájtra nő, ami a világ információinak 4%-a lesz.

India
Az EMC szerint 2014-ben Indiában a felhalmozott adatok mennyisége 326 exabájt, ami a teljes információmennyiség 5%-a. 2020-ra az információ mennyisége 2800 exabájtra nő, ami a világ információinak 6%-a lesz.

Japán
A felhalmozott adatok mennyisége Japánban 2014 végén 495 exabájt, ami a teljes információmennyiség 8%-a. 2020-ra az információ mennyisége 2200 exabájtra nő, de Japán piaci részesedése csökken, és eléri az 5 százalékot a világ teljes információmennyiségéből.
Így a japán piac volumene több mint 30%-kal csökken.

Németország
Az EMC szerint Németországban 2014-ben a felhalmozott adatmennyiség 230 exabájt, ami a világ összes információmennyiségének 4%-a. 2020-ra az információ mennyisége 1100 exabájtra nő, és 2% lesz.
A német piacon az Experton Csoport előrejelzése szerint a bevételek nagy részét a szolgáltatási szegmens termeli majd, amelynek részesedése 2015-ben 54%, 2019-ben pedig 59%-ra nő. szoftver a felszerelés pedig éppen ellenkezőleg, csökkenni fog.

Általánosságban elmondható, hogy a piac mérete a 2015-ös 1,345 milliárd euróról 2019-re 3,198 milliárd euróra nő, átlagosan 24%-os növekedési ütem mellett.
A CIO és az EMC elemzése alapján tehát arra a következtetésre juthatunk, hogy a világ fejlődő országai a Big Data technológiák aktív fejlesztésének piacaivá válnak a következő években.

Fő piaci trendek
Az IDG Enterprise szerint a vállalatok 2015-ben átlagosan 7,4 millió dollárt költenek vállalatonként Big Data-ra, a nagyvállalatok körülbelül 13,8 millió dollárt, a kis- és középvállalatok pedig 1,6 millió dollárt.
A beruházások nagy része olyan területekre irányul majd, mint az adatelemzés, a vizualizáció és az adatgyűjtés.
A jelenlegi trendeknek és a piaci igényeknek megfelelően 2015-ben a beruházásokat az adatminőség javítására, a tervezés és előrejelzés javítására, valamint az adatfeldolgozási sebesség növelésére fordítják.
A pénzügyi szektor vállalatai a Bain Company Insights Analysis szerint jelentős beruházásokat hajtanak végre, így 2015-ben 6,4 milliárd dollárt terveznek költeni Big Data technológiákra, 2020-ig a beruházások átlagos növekedési üteme 22 százalék lesz. Az internetes cégek 2,8 milliárd dollárt terveznek elkölteni, a Big Data kiadások átlagosan 26%-os növekedési üteme mellett.
Az Economist Intelligence Unit felmérése során meghatározásra kerültek a Big Data fejlesztésének kiemelt területei 2014-ben és a következő 3 évben, a válaszok megoszlása ​​a következő:

Az IDC előrejelzései szerint a piaci trendek a következők:

  • A következő 5 évben a felhőalapú Big Data megoldások költsége háromszor gyorsabban fog növekedni, mint a helyszíni megoldások költsége. Népszerűek lesznek a hibrid tárolóplatformok.
  • A kifinomult és prediktív analitikát (beleértve a gépi tanulást is) alkalmazó alkalmazások növekedése 2015-ben felgyorsul, az ilyen alkalmazások piaca 65%-kal gyorsabban fog növekedni, mint a prediktív elemzést nem tartalmazó alkalmazásoké.
  • A médiaelemzés 2015-ben megháromszorozódik, és a Big Data technológiai piac kulcsfontosságú növekedési hajtóereje lesz.
  • Felgyorsul az a tendencia, hogy az állandó információáramlás elemzésére szolgáló, a dolgok internetére alkalmazható megoldásokat alkalmazzanak.
  • 2018-ra a felhasználók 50%-a interakcióba lép a kognitív számítástechnikán alapuló szolgáltatásokkal.
Piac mozgatórugói és korlátozói
Az IDC szakértői a Big Data piac három mozgatórugóját azonosították 2015-ben:

Az Accenture felmérése szerint jelenleg az adatbiztonsági problémák jelentik a Big Data technológiák átvételének fő akadályát, a válaszadók több mint 51%-a erősítette meg, hogy aggódik az adatvédelem és a magánélet miatt. A cégek 47%-a számolt be arról, hogy a korlátozott költségvetés miatt lehetetlen a Big Data megvalósítása, a cégek 41%-a pedig a szakképzett munkaerő hiányát jelölte meg problémaként.

A Wikibon előrejelzése szerint a Big Data piac 38,4 milliárd dollárra nő 2015-ben, ami 36%-os növekedést jelent éves szinten. A következő években a növekedési ráták 2017-ben 10%-ra csökkennek. Ezeket az előrejelzéseket figyelembe véve a piac mérete 2020-ban 68,7 milliárd dollár lesz.

A globális Big Data piac üzleti kategóriák szerinti megoszlása ​​így fog kinézni:

Amint az az ábrán látható, a piac nagy részét az ügyfélszolgálat fejlesztésének területéről származó technológiák fogják elfoglalni. A spotmarketing 2019-ig a második legfontosabb prioritás lesz a cégek számára, 2020-ban a Heavy Reading szerint a működési hatékonyságot javító megoldások felé ad teret.
Az „ügyfélszolgálatot javító” szegmens is a legnagyobb növekedést produkálja, évi 49%-os növekedéssel.
A Big Data altípusokra vonatkozó piaci előrejelzés a következőképpen fog kinézni:

A túlnyomó piaci részesedést, amint az a diagramból is látszik, a professzionális szolgáltatások foglalják el, a legnagyobb növekedési ütemben az analitikával rendelkező alkalmazások lesznek, részesedésük a jelenlegi 12%-ról 18%-ra nő 2020-ban, és ennek a szegmensnek a volumene. 12,3 milliárd dollárral egyenlő, a számítástechnikai berendezések részaránya éppen ellenkezőleg, 20%-ról 14%-ra csökken, és 2020-ban körülbelül 9,3 milliárd dollárt tesz ki, a felhőtechnológiák piaca fokozatosan növekszik, és 2020-ban eléri a 6,3 milliárd dollárral, az adattárolási megoldások piaci részesedése ezzel szemben a 2014-es 15%-ról 2020-ra 13%-ra csökken, pénzben kifejezve pedig 8,9 milliárd dollár lesz.
A Bain & Company Insights Analysis előrejelzése szerint a Big Data piac iparágonkénti megoszlása ​​2020-ban így fog kinézni:

  • A pénzügyi ágazat 6,4 milliárd dollárt költ Big Data-ra, évi 22%-os átlagos növekedési ütem mellett;
  • az internetes cégek 2,8 milliárd dollárt költenek, és átlagosan 26%-os költségnövekedést kell elérniük a következő 5 évben;
  • A közszféra költségei arányosak lesznek az internetes cégek költségeivel, de a növekedési ütem alacsonyabb lesz - 22%;
  • A távközlési szektor átlagosan 40%-os növekedési ütemben fog növekedni, és 2020-ban eléri az 1,2 milliárd dollárt;

Az energiacégek viszonylag kis összeget – 800 millió dollárt – fektetnek be ezekbe a technológiákba, de a növekedés üteme az egyik legmagasabb lesz – évi 54 százalékos.
Így a pénzügyi szektor vállalatai 2020-ban nagy részesedést fognak venni a Big Data piacán, és az energia lesz a leggyorsabban növekvő ágazat.
Az elemzői előrejelzések szerint a következő években a teljes piaci volumen növekedni fog. A piac növekedését a Big Data technológiák bevezetése biztosítja majd a világ fejlődő országaiban, ahogy az az alábbi grafikonon is látható.

Az előre jelzett piacméret attól függ, hogy a fejlődő országok hogyan vélekednek a Big Data technológiáról, és hogy olyan népszerűek lesznek-e, mint a fejlett országokban. 2014-ben a világ fejlődő országai adták a felhalmozott információk 40%-át. Az EMC előrejelzése szerint a jelenlegi, fejlett országok által uralt piaci struktúra már 2017-től megváltozik. Az EMC analytics szerint 2020-ban a fejlődő országok részesedése meghaladja a 60%-ot.
A Cisco és az EMC szerint a világ fejlődő országai aktívan fognak dolgozni a Big Data-val, ez sok tekintetben a technológiák elérhetőségének és a Big Data szintjéig elegendő információ felhalmozódásának lesz köszönhető. A következő oldalon lévő világtérkép a Big Data növekedési előrejelzését és növekedési ütemét mutatja régiónként.

AZ OROSZ PIAC ELEMZÉSE

Az orosz piac jelenlegi helyzete

A CNews Analytics és az Oracle tanulmányának eredményei szerint az orosz Big Data piac érettségi szintje nőtt az elmúlt évben. A különböző iparágak 108 nagyvállalatát képviselő válaszadók nagyobb fokú ismereteiket mutattak ezekről a technológiákról, valamint megértették az ilyen megoldásokban rejlő lehetőségeket a vállalkozásuk számára.
Az IDC szerint 2014-ben Oroszország 155 exabájtnyi információt halmozott fel, ami a világ adatainak mindössze 1,8%-a. Az információ mennyisége 2020-ra eléri a 980 exabájtot és 2,2%-ot fog elfoglalni. Így az információmennyiség átlagos növekedési üteme évi 36% lesz.
Az IDC 340 millió dollárra becsüli az orosz piacot, amelyből 100 millió dollár SAP-megoldások, körülbelül 240 millió dollár az Oracle, IBM, SAS, Microsoft stb. hasonló megoldásai.
Az orosz Big Data piac növekedési üteme legalább 50% évente.
Az előrejelzések szerint az orosz IT-piac ezen szektorában a pozitív dinamika folytatódni fog, még a gazdaság általános stagnálása mellett is. Ez annak köszönhető, hogy a vállalkozások továbbra is olyan megoldásokat követelnek, amelyek javítják a munka hatékonyságát, valamint optimalizálják a költségeket, javítják az előrejelzések pontosságát és minimalizálják a lehetséges vállalati kockázatokat.
A Big Data területén a fő szolgáltatók az orosz piacon:
  • Jóslat
  • Microsoft
  • cloudera
  • Hortonworks
  • Teradata.
Áttekintés a piacról iparágonként és a Big Data vállalati felhasználásának tapasztalatairól
A CNews szerint Oroszországban a cégeknek mindössze 10%-a kezdett el Big Data technológiákat használni, míg a világon az ilyen cégek részesedése körülbelül 30%. A CNews Analytics és az Oracle jelentése szerint az orosz gazdaság számos szektorában nő a Big Data projektekre való felkészültség. A megkérdezett cégek több mint harmada (37%) kezdett el Big Data technológiákkal dolgozni, ezek közül 20% már használ ilyen megoldásokat, 17% pedig kísérletezni kezd velük. A válaszadók második harmada jelenleg fontolgat egy ilyen lehetőséget.

Oroszországban a Big Data technológiák népszerűbbek a bankszektorban és a távközlésben, de keresettek rájuk a bányászatban, az energetikában, a kiskereskedelemben, a logisztikai vállalatokban és a közszférában is.
Ezután a Big Data orosz valóságban való felhasználására vonatkozó példákat tekintünk meg.

Telecom
A távközlési szolgáltatók rendelkeznek az egyik legnagyobb adatbázissal, amely lehetővé teszi számukra a felhalmozott információk legmélyebb elemzését.
A Big Data technológia egyik alkalmazási területe az előfizetői hűségkezelés.
Az adatelemzés fő célja a meglévő ügyfelek megtartása és újak megnyerése. Ennek érdekében a cégek szegmentálják az ügyfeleket, elemzik forgalmukat, és meghatározzák az előfizető társadalmi hovatartozását. Amellett, hogy az információkat marketing célokra használja fel, a telecom technológiát használ a csalárd pénzügyi tranzakciók megelőzésére.
A Vimpelcom ennek az iparágnak az egyik legfényesebb példája. A vállalat a Big Data segítségével javítja a szolgáltatás minőségét az egyes előfizetők szintjén, jelentéseket készít, adatokat elemez a hálózatfejlesztéshez, a spam elleni küzdelmet és a szolgáltatások személyre szabását.

Bankok
A Big Data felhasználóinak jelentős részét a pénzügyi szektor szakemberei foglalják el. Az egyik sikeres kísérletet az Ural Újjáépítési és Fejlesztési Bankban végezték, ahol információs bázis Az ügyfelek elemzésére használták, a bank speciális hitelajánlatokat, betéteket és egyéb szolgáltatásokat kezdett kínálni. E technológiák alkalmazásának évében a társaság lakossági hitelállománya 55%-kal nőtt.
Az Alfa-Bank elemzi a közösségi hálózatokból származó információkat, feldolgozza a hitelkérelmeket, elemzi a cég weboldalának felhasználóinak viselkedését.
A Sberbank egy adattömb feldolgozását is megkezdte az ügyfelek szegmentálására, a csalások megelőzésére, a keresztértékesítésre és a kockázatkezelésre. A jövőben a tervek szerint javítani fogják a szolgáltatást, és valós időben elemzik az ügyfelek cselekedeteit.
Az Összoroszországi Regionális Fejlesztési Bank a plasztikkártya-tulajdonosok viselkedését elemzi. Ez lehetővé teszi, hogy azonosítsa azokat a tranzakciókat, amelyek egy adott ügyfél számára atipikusak, ezáltal növelve annak valószínűségét, hogy észlelik a plasztikkártyákból származó pénzeszközök ellopását.

Kiskereskedelem
Oroszországban a Big Data technológiát online és offline kereskedelmi vállalatok is bevezették. A CNews Analytics szerint ma a kiskereskedők 20%-a használja a Big Data-t. A kiskereskedelmi szakemberek 75%-a úgy véli, hogy a Big Data szükséges egy versenyképes stratégia kidolgozásához egy vállalat népszerűsítésére. A Hadoop statisztikái szerint a Big Data technológia bevezetése után a kereskedelmi szervezetek profitja 7-10%-kal nő.
Az M.Video szakemberei az SAP HANA bevezetése után a logisztikai tervezés fejlesztéséről beszélnek, továbbá a bevezetés eredményeként az éves jelentések elkészítése 10 napról 3 napra, a napi adatbetöltés sebessége 3 napról óra és 30 perc között.
A Wikimart ezeket a technológiákat használja arra, hogy ajánlásokat készítsen a webhely látogatói számára.
Az egyik első offline üzlet, amely bevezette a Big Data elemzést Oroszországban, a Lenta volt. A Big Data segítségével a kiskereskedelem elkezdte tanulmányozni a pénztárbizonylatokból származó információkat az ügyfelekről. A kiskereskedő információkat gyűjt, hogy olyan viselkedési modelleket építsen fel, amelyek lehetővé teszik a tájékozottabb döntéshozatalt működési és üzleti szinten.

Olaj- és gázipar
Ebben az iparágban a Big Data hatóköre meglehetősen széles. A Big Data technológiák alkalmazhatók ásványi anyagok belekből történő kinyerésére. Segítségükkel elemezheti magát a bányászati ​​folyamatot és a legtöbbet hatékony módszerek kitermelése, a fúrási folyamat nyomon követése, az alapanyagok minőségének elemzése, valamint a végtermék feldolgozása és forgalmazása. Oroszországban ezeket a technológiákat már a Transneft és a Rosznyefty is alkalmazza.

állami szervek
Az olyan országokban, mint Németország, Ausztrália, Spanyolország, Japán, Brazília és Pakisztán, a Big Data technológiákat nemzeti problémák megoldására használják. Ezek a technológiák segítik a hatóságokat abban, hogy hatékonyabban szolgálják ki a lakosságot, célirányos szociális támogatást nyújtsanak.
Oroszországban ezeket a technológiákat olyan kormányzati szervek kezdték elsajátítani, mint Nyugdíjpénztár, a Szövetségi Adószolgálat és a Kötelező Egészségbiztosítási Alap. A Big Data felhasználásával megvalósuló projektek megvalósításának lehetőségei nagyok, ezek a technológiák segíthetik a szolgáltatások minőségének, ennek eredményeként a lakosság életszínvonalának javítását.

Logisztika és szállítás
A Big Data-t a közlekedési vállalatok is használhatják. A Big Data technológiák segítségével lehetőség nyílik az autópark nyomon követésére, az üzemanyagköltségek figyelembe vételére, a vásárlói igények nyomon követésére.
Az Orosz Vasutak az SAP-val együtt implementálta a Big Data technológiákat. Ezek a technológiák 43,5-szeresére csökkentették a jelentési időt (14,5 óráról 20 percre), és 40-szeresére javították a költségelosztás pontosságát. A tervezési és tarifaszabályozási folyamatokba is bekerült a Big Data. Összességében több mint 300 SAP megoldásokon alapuló rendszert használnak a cégek, 4 adatközpont érintett, a felhasználók száma pedig 220 ezer.

A piac fő mozgatórugói és korlátai
A Big Data technológiák fejlesztésének mozgatórugói az orosz piacon a következők:
  • Megnövekedett felhasználói érdeklődés a Big Data lehetőségei iránt, mint a vállalat versenyképességének növelésének módja;
  • Médiafájlok globális szintű feldolgozására szolgáló módszerek fejlesztése;
  • Személyes adatokat feldolgozó szerverek továbbítása Oroszország területére, a személyes adatok tárolásáról és feldolgozásáról szóló elfogadott törvénynek megfelelően;
  • A szoftverimport helyettesítésére vonatkozó iparági terv végrehajtása. Ez a terv tartalmazza a hazai szoftvergyártók állami támogatását, valamint a hazai informatikai termékek kedvezményének biztosítását közköltségen történő vásárláskor.
  • Az új gazdasági helyzetben, amikor a dollár közel duplájára nőtt, az lesz a tendencia, hogy a külföldiek helyett inkább az orosz felhőszolgáltatók szolgáltatásait veszik igénybe.
  • Technológiai parkok létrehozása, amelyek hozzájárulnak az információs technológiai piac, ezen belül a Big Data piac fejlődéséhez;
  • Állami program a Big Data technológiákon alapuló grid rendszerek bevezetésére.

A Big Data fejlesztésének fő akadályai az orosz piacon a következők:

  • Az adatok biztonságának és titkosságának biztosítása;
  • szakképzett személyzet hiánya;
  • A legtöbb esetben a Big Data szintjéig felhalmozott információforrások elégtelensége orosz cégek;
  • Nehézségek az új technológiák bevezetésében a bevált technológiákban Információs rendszerek cégek;
  • A Big Data technológiák magas költsége, ami miatt korlátozott számú vállalkozásnak van lehetősége e technológiák bevezetésére;
  • Politikai és gazdasági bizonytalanság, amely a tőke kiáramlásához és a beruházási projektek befagyasztásához vezetett Oroszországban;
  • Az IDC szerint az importtermékek árának emelkedése és az infláció megugrása akadályozza a teljes IT-piac fejlődését.
Orosz piaci előrejelzés
A mai napig az orosz Big Data piac nem olyan népszerű, mint a fejlett országokban. A legtöbb orosz cég érdeklődést mutat iránta, de nem merik kihasználni a lehetőségeit.
Példák azokra a nagyvállalatokra, amelyek már részesültek a Big Data technológiák használatából, egyre jobban ismerik e technológiák lehetőségét.
Az elemzők meglehetősen optimista előrejelzésekkel is szolgálnak az orosz piaccal kapcsolatban. Az IDC úgy véli, hogy az orosz piac részesedése a következő 5 évben növekedni fog, ellentétben a németországi és japán piaccal.
2020-ra a Big Data mennyisége Oroszországban a jelenlegi 1,8%-ról a globális adatmennyiség 2,2%-ára nő. Az információ mennyisége az EMC szerint a jelenlegi 155 exabájtról 980 exabájtra növekszik 2020-ban.
Jelenleg Oroszország továbbra is a Big Data szintjére halmoz fel információmennyiséget.
A CNews Analytics felmérése szerint a megkérdezett cégek 44%-a dolgozik 100 terabájtnál* nem nagyobb adatokkal, és csak 13%-uk dolgozik 500 terabájt feletti mennyiséggel.

Ennek ellenére az orosz piac a globális trendeket követve növekedni fog. 2014-ben az IDC 340 millió dollárra becsüli a piac méretét.
A piac növekedési üteme a korábbi években évi 50% volt, ha ez szinten marad, akkor 2018-ban a piac volumene eléri az 1,7 milliárd dollárt. Az orosz piac részesedése a világpiacon mintegy 3% lesz, a jelenlegi 1,2%-ról nőtt.

A Big Data felhasználására leginkább fogékony iparágak Oroszországban:

  • A lakosság és a bankok számára mindenekelőtt az ügyfélkör elemzése, a marketingkampányok hatásának értékelése a fontos;
  • Telekommunikáció – ügyfélbázis szegmentálása és forgalom bevételszerzése;
  • Közszféra – jelentéskészítés, lakossági kérelmek elemzése stb.;
  • Olajtársaságok - a munka nyomon követése és a termelés és a marketing tervezése;
  • Energetikai cégek - intelligens villamosenergia-rendszerek létrehozása, működési felügyelet és előrejelzés.
A fejlett országokban a Big Data széles körben elterjedt az egészségügy, a biztosítás, a kohászat, az internetes cégek és a feldolgozóipari vállalkozások területén, valószínűleg a közeljövőben ezeken a területeken az orosz cégek is értékelni fogják a Big Data bevezetésének hatását és adaptálni fogják ezeket. technológiákat iparukban.
Oroszországban és a világban is a közeljövőben tendencia lesz az adatok megjelenítésére, a médiafájlok elemzésére és a dolgok internetének fejlesztésére.
A gazdaság általános stagnálása ellenére az elkövetkező években további növekedést jósolnak az elemzők a Big Data piacán, elsősorban annak köszönhetően, hogy a Big Data technológiák alkalmazása versenyelőnyt biztosít felhasználóinak a vállalat működési hatékonyságának növelése terén. üzleti tevékenység, további ügyfelek vonzása, kockázatok minimalizálása és adat-előrejelzési technológiák bevezetése.
Ebből arra következtethetünk, hogy az oroszországi Big Data szegmens kialakulóban van, de az ilyen technológiák iránti kereslet évről évre növekszik.

A piacelemzés főbb eredményei

Világpiac
2014 végén a Big Data piacát a következő paraméterek jellemzik:
  • a piaci volumen 28,5 milliárd USD volt, ami 45%-os növekedést jelent az előző évhez képest;
  • a Big Data piac bevételének nagy részét a szolgáltatások adták, részesedésük a teljes bevétel 40%-át tette ki;
  • A bevétel 36%-a Big Data alkalmazásokból és elemzésekből, 17%-a számítástechnikai hardverből és 15%-a tárolási technológiákból származott;
  • Az olyan cégek memórián belüli platformjai, mint az SAP, a HANA és az Oracle, a legnépszerűbbek a Big Data problémák megoldására.
  • a Big Data menedzsment területén megvalósított projektekkel rendelkező cégek száma 125%-kal nőtt;
A következő évek piaci előrejelzése a következő:
  • 2015-ben a piaci volumen eléri a 38,4 milliárd USD-t, 2020-ban pedig a 68,7 milliárd USD-t;
  • az átlagos növekedési ütem évente 16% lesz;
  • A Big Data technológiákra fordított átlagos vállalati költés nagyvállalatok esetében 13,8 millió dollár, kis- és középvállalkozások esetében pedig 1,6 millió dollár lesz;
  • a technológiák az ügyfélszolgálat és a célzott marketing területén lesznek a legnagyobb elterjedtséggel;
  • 2017-ben a globális piac szerkezete a fejlődő országok felhasználói cégek túlsúlya felé változik.
orosz piac
Az orosz Big Data piac formálódási szakaszban van, a 2014-es eredmények a következők:
  • a piaci volumen elérte a 340 millió USD-t;
  • a piac átlagos növekedési üteme a korábbi években évi 50% volt;
  • a felhalmozott információ teljes mennyisége 155 exabájt volt;
  • Az orosz vállalatok 10%-a elkezdte használni a Big Data technológiákat;
  • A Big Data technológiák népszerűbbek voltak a bankszektorban, a távközlésben, az internetes cégeknél és a kiskereskedelemben.
Az orosz piac előrejelzése a következő évekre a következő:
  • az orosz piac volumene 2015-ben eléri az 500 millió USD-t, 2018-ban pedig az 1,7 milliárd USD-t;
  • az orosz piac részesedése a világpiacon 2018-ban körülbelül 3% lesz;
  • a felhalmozott adatok mennyisége 2020-ban 980 exabájt lesz;
  • az adatok a globális adatok 2,2%-ára nőnek 2020-ban;
  • az adatvizualizáció, a médiafájlok elemzése és a dolgok internete technológiái fognak a legnagyobb népszerűségre szert tenni.
Az elemzés eredményei alapján arra a következtetésre juthatunk, hogy a Big Data piac még a fejlődés korai szakaszában van, a közeljövőben ennek növekedését, illetve ezen technológiák képességeinek bővülését figyelhetjük meg.

Köszönjük, hogy időt szánt ennek a terjedelmes műnek az elolvasására, iratkozzon fel blogunkra - sok új érdekes kiadványt ígérünk!

Hasonló dokumentumok

    Az "okos ház" technológiák alapelvei. A rendszer vezérlőelemének kiválasztása. Szoftver fejlesztés a helyiségszabályozás szegmenseihez: páratartalom és hőmérséklet mérés, offline vezérlőés világítás. Információk megjelenítése a felhasználó számára.

    szakdolgozat, hozzáadva: 2018.08.07

    A blokklánc technológia alkalmazása a pénzügyi szektor, játékipar, közigazgatás. A blokklánc és a tárgyak internete kombinálásának koncepciójának megalkotása az Okos Otthon hálózat működtetéséhez, megvalósítása Big Data technológiával és mesterséges intelligenciával kombinálva.

    cikk, hozzáadva: 2018.11.20

    Az "okos otthon" rendszer fogalma, működési elve és elemei. Adatcsere protokollok vezérlő, átviteli és végrehajtó elemek között. Példa gyakorlati megvalósítás projekt. Az "okos ház" prototípus főbb programelemeinek ismertetése.

    szakdolgozat, hozzáadva: 2017.07.30

    Az oroszországi városi személyszállítási menedzsment meglévő problémáinak mérlegelése. A diszpécser vezérlőrendszer automatizálási technikája. A személyszállítás szakértői rendszere működésének megbízhatóságának elemzése ben szoftverkörnyezet AnyLogic.

    cikk, hozzáadva: 2019.03.01

    A szórakoztatást és védelmet szolgáló robotok kialakításának és jellemzőinek leírása. Robotporszívó vezérlése. Az androidok mozgása és megjelenése. Tanul általános algoritmus az „Okos Ház” rendszer működtetése. Intelligens vezérlő mechanizmus lakó- és irodahelyiségekben.

    absztrakt, hozzáadva: 2015.10.02

    Olyan városi környezetre vonatkozó technológiai megoldások kutatása, mint az "okos utca", "okos parkolás", "okos város". A működési elvek ismertetése és funkcionalitás a dolgok internete, megvalósításuk hatásának és főbb előnyeinek megjelölése.

    cikk, hozzáadva: 2018.08.18

    Az "Okos Otthon" eszközök és szoftverek sémájának átgondolása. Az elemek közötti kommunikáció fejlesztése. Elemobjektumok kiválasztása. Műszaki dokumentáció elkészítése. A megvalósítási és tesztelési folyamat jellemzői. Az alkalmazott technológiák tanulmányozása.

    szakdolgozat, hozzáadva 2017.03.20

    Az olyan technológiák integrált fejlesztésével és megvalósításával kapcsolatos kérdések megvitatása, mint például az „okos város”. Ismerkedés a fejlesztés főbb irányzataival információ biztonság. A fenyegetés, mint az információbiztonság megsértésének lehetséges lehetősége.

    cikk, hozzáadva: 2018.06.05

    Mérlegelés alatt álló modell okos város Az IBM három szakaszból áll: „műszeresség”, „összekapcsolás”, „intelligencia”. Az energiatakarékos technológiák megvalósításának módjai és a városi rendszerek környezetbarát fejlesztése, azok hatékonysága.

    cikk, hozzáadva: 2017.10.31

    Az információs rendszer fogalma, felhasználása információfeldolgozásra, tárolása és terjesztése. Információs technológiák a vízi közlekedésben. Tengerparti és fedélzeti információs rendszerek. Képzési és kikötői technológiai rendszerek.

Előadó: Philip Katz


Kérdező: Alexey Karlinsky

Sokszor elhittük a sci-fi ígéreteit a hihetetlen jövőről, és reményeinket minden alkalommal összetörte egy unalmas jelen. Még mindig a földön élünk, és az autóink nem repülnek a levegőben. „Már megint becsaptak minket!” – gondoljuk, és mindezen fantáziák mögött ismét elszalasztjuk azt a pillanatot, amikor valóban eljön a jövő.

Ezúttal a Big Data megjelenésével történt. Figyelmen kívül hagyhatjuk őket, de már nem tagadhatjuk le életünkre gyakorolt ​​hatásukat. Phillip Katz, építész és Big Data specialista elmondja, hogyan változtatta meg csendesen a Big Data városainkat és a bennük élő életmódunkat.

Multidiszciplináris szakember, végzettsége szerint építész, Philip Big Data specialista. Végzett a Kazany Építészeti Egyetemen, a Strelka Média-, Építészeti és Tervezői Intézetben, a Branch Point projekt egyik alapítója. A Szentpétervári Nemzeti Információtechnológiai, Mechanikai és Optikai Kutató Egyetemen tanít, és a Rambler&Co. adatelemzésével foglalkozik.

Bezárás

Philip, kérem, mondja el nekünk, hogyan használják a Big Data technológiákat építészeti tervezésés a mai várostervezés?

Kezdjük azzal, hogy négy évvel ezelőtt, amikor az oroszországi Strelkában tanultam, legalábbis senki nem tudott a Big Data-ról. A világ csak róluk beszél. Egy évvel később Oroszországban mindenki tudott róluk, és beteg volt tőlük. Nekem úgy tűnik, hogy ez nagyrészt egy hagyományos dinamika – amikor új technológia piedesztálra emelkedik, megdicsérik, majd elég gyorsan megjelenik vele szemben a szkepticizmus. A technológia leüti a talapzatáról, és ezt követően lazábban integrálódnak a társadalomba.

Ha építészeti vagy várostervezési analitikáról beszélünk, akkor számomra úgy tűnik, hogy ma ez egyfajta kompromisszum modern technológiákés a hagyományos elemzés. Például egy évvel ezelőtt segítettem egy barátomnak nevezni egy építészeti versenyre, amelyet diákoknak rendeztek az Egyesült Államokban. Számukra a városvezető biztosította a térinformatikai fájlokat eléggé jó leírás adatok: közlekedési útvonalak, ezen útvonalak mennyisége, ahol évente tócsák jelennek meg, hol ötévente elönt, hol vannak magas adókulcsokkal járó tömbök, hol magas a feketék aránya. Az Egyesült Államokban nagy a statisztika részletessége, és elég jól összesítik az adatokat, így akár a versenyprojekt szintjén is kaphatnánk néhány dolgot készen. Nem kellett összegyűjteni vagy elemezni őket.

A legtöbb hasznos elemzés véleményem szerint abból adódik, hogy bizonyos adatokat ténynek veszünk, és ezek alapján tervezünk. És bár az adatok mindenki számára azonosak lehetnek, mégis teljesen más módon olvassák és értelmezik őket.

A Google azt állítja, hogy önvezető autóik csökkenthetik az autóbalesetek számát, és hozzájárulhatnak az utakon lévő üzemanyag és hely hatékonyabb felhasználásához / fotó: Google.com

Hogyan használta a Big Data technológiákat a gyakorlatában?

Sokáig csináltuk a „Branch Point” projektet kollégáimmal, Edik Khaimannal és Sasha Boldyreva-val – próbáltunk valahogy megvitatni és fejleszteni. digitális tervezésés persze akkor közös posztulált álmunk és végső célunk a paramétereken alapuló tervezés volt. Ugyanakkor a végső álmunk éppen az volt, hogy valamilyen trükkös kód alapján új formai megoldásokat találjunk, amelyek megfelelnek a követelményeinknek, de az eredmény formája nem az általunk lefektetett, hanem valami váratlan - szép .

Az elemzés egyfajta művészet, ahol az adatokkal való munkavégzés algoritmusa minden esetben egy kép

A projekt érett korában mindannyian megértettük, hogy ez az álom nemcsak elérhetetlen, hanem inkább az az elképzelés, hogy egy épületet teljesen adatok alapján kell megtervezni, ellentmondásos volt. Inkább törekedni kell rá, de értse meg, hogy soha nem fog eljutni odáig.

Itt egy fontos dialektikus momentum merül fel számomra. Tegyük fel, hogy készítünk egy algoritmust, és megértjük, hogy először is a genetikai követelmények miatt meglehetősen egyszerű, de mégis formális paramétereket igényel. És egy komplex rendszerben, és egy épület vagy egy kerület összetett rendszer, azonnal megjelenik sok olyan paraméter, amelyet közös nevezőre kell hozni. Mindig szükség van egy elsődleges formális gesztusra, valamilyen formára: hengerre vagy paralelepipedonra, piramisokra és így tovább.

Ha Zaha Hadid munkásságát nézzük, akkor mindig van valami elegáns formai gesztus a projekt középpontjában. Ezt követően digitálisan módosítható, de mindig mindennek a középpontjában marad, és a szerző tollába tartozik. A genetikai algoritmus ezután kiválaszthatja a legjobbat a kapott lehetőségek közül, de soha nem fogja tudni kitalálni őket.

Vagyis a tervezés középpontjában mindig az emberi akarat áll. Ebben az esetben hogyan változik meg az emberi tervezésben való részvétel mértéke a Big Data fejlődésével?

A jövőben látok valamiféle analitikus motort - például egy nagy és összetett kvantumszámítógépet, vagy a nélkülözési kamrákba merülő telepaták és parapszichológusok, akik megjósolnak valamit, vagy javasolnak valamit, amire érdemes figyelni.

Szerintem az ember soha nem lesz kiszorítva a folyamatból. Mindezeket a dolgokat (Big Data elemzési módszereket) döntéssegítő algoritmusoknak nevezzük, és lényegük abban áll, hogy a folyamatok dinamikájában anomáliákat a lehető leghatékonyabban húzzák ki, és minimalizálják az egy főre eső technikai munka százalékos arányát. Egy elemzőnek szakértőnek kell lennie a velük való munkavégzésben, és az algoritmusok mindent egy ezüsttányérra tudnak vinni, kivéve valójában a megoldást. Természetesen van egy technikai küszöb ebbe a tudományágba való belépéshez, de maga az analitika egy művészeti forma, ahol az adatokkal való munka algoritmusa egy kép. Mestermű.

A kamerával felszerelt drónok önállóan tudnak járőrözni egy adott területen, és arra képeket továbbítani információs Központélőben / fotó: Kevin Baird / Flickr.com

A Big Data nem képes lefedni az összes információt. Hogyan kezeljük azt, amit nem veszünk figyelembe a Big Data elemzésekor?

Az elemzőket ugyanis gyakran kritizálják, amiért csak azokat írják le, akik csatlakoznak az internethez, és akik nem csatlakoznak az internethez, azok kiesnek az elemzésből. Ez teljesen igaz, de megvan a maga védekezési logikája. Cinikusan szólva, ha nem ismerjük egy nagymama problémáit, aki zavarban van az interneten írni, mert nem szokott hozzá, akkor figyelmen kívül hagyhatjuk a problémáit, egyszerűen azért, mert ha ezt a megközelítést alkalmazzuk, akkor vagy a nagymama, vagy ő unokája támogatni fogja, végül ír.

Egy másik probléma abban rejlik, hogy minden adatgyűjtési vagy -tárolási technológia mindig az első hibatényező. Ugyanakkor elvileg lehetetlen nyomon követni a soktényezősséget – hogy az emberek miért játszottak így és nem másként. A Big Data eleinte nem ad választ. Lehetővé teszik, hogy komoly kérdéseket tegyen fel.

Hogyan változtatja meg a városról alkotott képünket az a lehetőség, hogy új módon kérdezzünk?

Edward Hyman egyszer megalkotta a "plagopolisz" kifejezést. Az ötlet az, hogy a modern város egyre proaktívabb és dinamikusabb. Ma ez egyfajta környezet saját áramlásokkal, mozgásokkal, ahol az edényekben túlcsorduló folyadék folyamatosan önszabályozó. Ugyanakkor csak nagyon feltételesen lehet pontot megragadni és kijavítani. Azonnal megváltoztatja önmagát, és más pontokat is megváltoztat maga körül. Számomra ez az ötlet elég praktikus dolog, amivel dolgozni kell. Most már világossá válik, hogy a várost már nem tudjuk valami mechanikus dolognak felfogni.

Elfogadják ezt az elképzelést az orosz várostervezésben?

Az orosz értelemben vett várostervezés szintjén ez nem nyilvánvaló. Így vagy úgy, utak, utcák megrajzolásával kezdjük, és hisszük, hogy ez a végén így lesz. Legjobb esetben is elkezdünk azon gondolkodni, hogy ellenőriznünk kell, hogyan kell helyesen csinálni, és akkor vagy úgy lesz, ahogy rajzolunk, vagy az emberek maguk csinálnak majd mindent később.

A Big Data nem ad választ. Lehetővé teszik, hogy komoly kérdéseket tegyen fel.

Általánosságban elmondható, hogy a sztereotípiákon és elvont elképzeléseken alapuló állítások ma nagyon bosszantóak. Sőt, az építészek és várostervezők elsősorban az őrületbe kergetnek. Egyszerűen azt mondják, hogy "a gyalogosok jobbak, mint az autósok", vagy hogy "a kreatív üzlet egy ipari parkot a földi mennyországgá varázsol". Bármelyik dolog mögött szeretném, ha egy alapszámítás lenne, mert lehet, hogy így van, de lehet, hogy nem, és a legtöbb esetben valahogy hibás.

Hogyan segíthet akkor a Big Data, hogy jobban megértsük a várost?

A város mindig elefánt a vakokról szóló meséből, akik tapintással próbálják leírni. Mindig ugyanúgy dolgozunk – valaki a fenekénél, valaki a fülénél, valaki a törzsénél fogva. És egyszerre mindenki azt mondja, hogy elefántot lát. A mi esetünkben is mindannyian hiszünk abban, hogy látók vagyunk, és tudjuk, mi a város.

A Big Data megvéd minket attól, hogy csak egy helyet érintsünk meg, lehetőséget ad arra, hogy nagyjából elképzeljük egy elefánt általános alakját, és megértsük, hogy megközelítőleg ezt a helyet érintjük meg, de vannak mások is. Hatalmas riportokat kapok a városról, és mindig bele tudok lépni néhány konkrét tíz sornyi adatba, megnézem és megkérdezem: miért van ez? Általában ez a kezdete valamiféle nyomozásnak, kutatásnak, történelemnek.

A térmodellező algoritmusokkal kombinált térinformatikai adatok segítenek előre jelezni az elszigeteltség szintjét a kiválasztott területen / fotó: Trevor Patt / Flickr.com

Vajon ezek a Big Data által ihletett reflexiók a későbbiekben valamilyen módon valós projektekben is megjelennek?

Létezik egy úgynevezett "városi akupunktúrás" módszer. Lényege abban rejlik, hogy a város mintegy fájdalomcsomókat keres, és ezekben a kis csomókban - legfeljebb egy háztömbnyi térben, és lehetőleg egy épületben, vagy akár kis épületek közötti területen - valamiféle változtatás történik. A költségvetés nagyságából adódóan teljesen mikroszkopikus, és a város egészét érintő változások, ha ezeket a csomópontokat helyesen számoljuk, óriásiak.

Habár A "városi akupunktúra" ma inkább egy spekulatív projekt, már most is vannak okosak térbeli megoldások, közlekedési lámpákkal egységes rendszer, Például. Az intelligens utakkal párosulva lehetővé teszik a tér megváltoztatását, és ez váratlan kipufogógázokat okozhat. Ma is zajlik az iparágak robotizálása, és ez is hozzáadott értéket ad. Ha mostdrónokáruszállítást kezd, majd a városi logisztikátszmerdzsitsya (angolból egyesítésre — "összeolvad"— A.K.)- és vannak számok, és itt vannak számok. Biztosan sokkal könnyebb lesz ezzel dolgozni, mint élő kamionosokkal.

A technológia, amely jelenleg ihletett, és remélem, hogy valami építészeti lesz belőle, az Amazon új projektje, ahol a ház közepén van egy intelligens hangszóró, amely meghallgatja minden kérdését, és válaszol rájuk. Olyan, mint Siri, csak a házban. Ez a technológia valószínűleg jobban megváltoztatja a város térérzetét, mint bármely algoritmus.

Tehát a város egyre inkább a szoftverekre fog támaszkodni?

Pontosan. Mostanra intézményileg sokat változnak az I/O és a különféle interfészek az információszerzéshez. Az én szemszögemből az olcsó taxi hívásának szolgáltatása a várostervezési döntések több mint 90 százalékában megváltoztatja az életemet. A taxik sokat változtatnak a városról alkotott felfogásomban. Minden korábbi tapasztalat ellenére a Yandex megjelenésével. A taxisok és a taxisok versenye kiderült, hogy a taxisok udvariasak, a pénz specifikus, és gyorsan reagálnak - egyáltalán nem úgy, mint New Yorkban.

Az olcsó taxi szolgáltatás megváltoztatja az életemet a várostervezési döntések több mint 90 százalékában

Szerintem a prostitúció a legfontosabb szolgáltatás, amely hatalmas profitot termelhet az uberizációból. A feltételezett felhasználó félénk, és talán ezért nem veszik sokan a prostituáltak szolgáltatásait – ez számukra veszélyes, ijesztő és érthetetlen. A telefonjukon ülve minden bizonnyal sokkal könnyebb lenne számukra. Ez persze azonnal elvenné a kenyeret a striciktől, és teljesen megváltoztatná az üzletet. Egyszerűen kolosszális! Szerintem ez hamarosan megtörténik valamelyik liberális országban.

Gondolja, hogy az emberek a jövőben személyesen is tudnak majd Big Data technológiákkal dolgozni?

Szerintem mindez idáig vezet. A technológiai összetettség növekedni fog, és ez érthető is, de a gyakorlatban megtanuljuk, hogyan kell megfelelően csomagolni. Sima felületek(az angol sleek szóból— vékony, kecses— A.K.)manapság bizonyos mértékig leegyszerűsítjük minden történésről alkotott felfogásunkat. Itt egy gomb, itt egy pipka, és ennyi. Ma minél többet tudsz elbújni az átlagember elől anélkül, hogy elveszítenéd a funkciódat, annál jobb, mert az embereket egy kicsit megfélemlíti ez a sok bonyolultság. Bár az ismert technológia, mint a Minority Report-ban, nem jelent meg, de érzékien nagyon korrekten írja le a film, hogy most mi fog történni.

Mi lesz az? Mit gondol, mivel fog szembesülni a big data a közeljövőben?

Amolyan divatos témaként jelentek meg, és mára lassan elenyésznek, mert a legkézenfekvőbb dolgok már megtörténtek. Továbbá ki kell dolgozni a módszertan technikai mechanizmusait - nem romantikus, hanem haszonelvű formában. Öt év múlva biztos vagyok benne, hogy a polgármesteri hivatalban, a minisztériumoknál és a vállalkozásoknál lesz egy meglehetősen jól fizetett és talán meglehetősen unalmas digitális elemző poszt.

Ugyanakkor a Big Data-nak van egy bizonyos betegsége. Vannak emberek, akik értik, mit csinálnak, és vannak, akik abból táplálkoznak, akik nem igazán értik a Big Data működését. Egy lyuk a professzionális technológusok és az emberek között, akik értik, hogy mindez miért történhet meg, mindig létezik minden üzletben, bármilyen tudományban, és ez mindenképpen probléma. Aki ismeri a technológiai oldalt és kísérletezik új megoldásokkal, ritkán tesz igazán hasznosat, és aki tudja, hogyan tudja ezeket a fejlesztéseket alkalmazni, az sem tud egyedül minőségi terméket létrehozni. Ezért a Big Data-val való munka során a fejlődés egyetlen módja a szakemberek közötti interakció új módjainak megtalálása.