!digital-transformation (846914), страница 23
Текст из файла (страница 23)
При этом на период, начиная с 2022 года, прогнозируется существенное насыщение рынка.128Глава 2. Новые технологии, определяющие цифровую трансформациюРынок Big Data ($млрд)1009080Профессиональныесервисы7060Аппаратноеобеспечение50403020Программноеобеспечение102015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026Рис.
2.31. Прогнозы роста рынка Big Data.Источник: WikibonК аппаратному обеспечению относятся затраты на сервера,СХД и сетевое оборудование, к категории ПО относятся такие сегменты, как инфраструктурное ПО, SQL СУБД, No SQL СУБД, BigData-приложения, а также Big Data-as-a-Service. Как видно из рисунка 2.31, наибольшую долю рынка занимает программное обеспечение, в то время как на долю аппаратной инфраструктуры приходитсясамая малая доля рынка.Примеры использования аналитики больших данныхВ современных сервисах по заказу такси, таких как Uber или «Яндекс-такси», используется решение, которое обрабатывает огромноеколичество заказов, осуществляет оптимизацию маршрутов, отслеживает удовлетворенность клиентов.Использование прогнозной аналитики на основе Big Data в маркетинге позволяет оптимизировать бюджеты и взаимоотношенияс клиентами, оценивать успешность рекламных кампаний, определять целевые группы, используя сотни параметров, характеризующих покупателей.129Цифровая трансформация: анализ, тренды, мировой опытВ страховании обработка миллионов транзакций всех клиентовкомпании позволяет выявить поведенческие характеристики мошенников и предотвратить причинение вреда.Перспективы для медицинского страхования открывают возможности совмещения Big Data с IoT-решениями.
Возможность подключения умных носимых устройств позволяет использовать собираемые медицинские показатели для оптимизации программ страхования. Риски в страховании — это база для расчета страховой ставки,и чем больше факторов решение позволяет принять во внимание,тем больше экономия.
Согласно данным IDC (см. рис. 2.32), самыебольшие инвестиции в решения Big Data-аналитики совершаютсяв банковском секторе (на него приходится 13%), на процент меньше — в дискретном (сборочном) производстве.Банки13%Дискретноепроизводство12%Процессноепроизводство8%Правительство8%Другое52%Профессиональныеуслуги7%Рис. 2.32.
Структура рынка Big Data аналитики в 2016 году.Источник: IDCБанковский секторИнструментарий Big Data уже существенно оказывает влияние набанковский сектор. По мере роста объема клиентов и сервисов бан130Глава 2. Новые технологии, определяющие цифровую трансформациюкам все труднее оставаться персонально-ориентированными и учитывать нужды отдельных клиентов. По данным McKinsey, за 2017 год76% крупнейших американских банков использовали Big Data дляпривлечения клиентов, улучшения коммуникаций и повышения лояльности.
По оценкам Gartner, 34% банков в мире уже инвестировали в развитие этих технологий.Банки накапливают огромный массив данных о предпочтенияхклиентов как покупателей и могут извлекать деньги из этой ценнойинформации. Ничто не говорит лучше о предпочтениях людей, чемих банковские счета. Банки получают о клиентах огромное количество информации, прежде всего — об их доходах и покупках, а следовательно, и о перемещениях, размере среднего чека в магазинеи т. д. Подобная информация — это ценнейший ресурс, на основании которого можно таргетировать рекламу и оптимизировать работус клиентами.
В анонимизированном виде данная информация можетслужить для понимания поведения разных групп людей и перспектив организации разного рода бизнес-сервисов для данных клиентов.На базе такого информационного капитала крупные банки стремятсядиверсифицировать бизнес, предоставляя новые цифровые услуги.Банки используют эти данные, чтобы лучше понимать и обслуживатьклиентов, оптимизировать рекламные кампании, лучше ориентировать свою аудиторию.Финансовый сектор применяет анализ Big Data для борьбы с мошенничествами, для риск-менеджмента и управления отношениямис клиентами.Антифрод-аналитика позволяет розничным банкам отслеживатьи предотвращать нетипичные транзакции, отсеивая их при выявлении определенного набора критериев.
Например, система антифрода Visa вычисляет в онлайн-режиме мошеннические операции посовокупности признаков, предотвращая мошенничество на 2 млрддолларов ежегодно.Монетизация данных — один из факторов, которые потенциально могут полностью изменить ландшафт финансового рынка. Возможности Big Data меняют расстановку сил на рынке маркетинговыхи аналитических услуг. Индустрия маркетинговых исследований традиционно пополняла арсенал новыми технологиями: онлайн-панели,видео-фокус группы, web-интервью, мобильные опросы, и теперь —Big Data-аналитика.131Цифровая трансформация: анализ, тренды, мировой опытС одной стороны, развитие Data Science и использование BigData должны принести пользу всем участникам рынка и, в частности,консалтинговым аналитическим фирмам.
С другой стороны, в долгосрочной перспективе новые инструменты аналитики могут бытьугрозой для консалтинговых компаний, если их клиенты адаптируются к новому инструментарию быстрее, чем упомянутые провайдерырыночной аналитики.Компании из разных индустрий становятся более ориентированными на мощные системы анализа данных. Уже сегодня в некоторыхкомпаниях (являющихся клиентами провайдеров аналитическогоконсалтинга) уровень владения аналитическим инструментом превышает этот уровень самих аналитических компаний.Консалтинговые и аналитические компании, со своей стороны, также стремятся овладевать новыми технологиями. Например,McKinsey активно приобретает фирмы, специализирующиеся наиспользовании аналитики данных и искусственного интеллекта (например, VisualDoD, QuantumBlack, Satmap).
Но в целом пока большинство аналитических и консалтинговых компаний не обладаютнавыками, школой и инструментами для анализа больших объемовданных.Можно привести и экзотические примеры применения технологии больших данных, например, в спорте. В 2016 году Германскаяфутбольная ассоциация совместно с компанией SAP создала приложение Match Insights, позволяющее проводить анализ Big Dataна основе данных, собираемых не только с камер наблюдения, нои с датчиков, помещенных на гетры футболистов.
На основании собранных данных о поведении команды и ее противников приложениепозволяет не только получить визуализацию сыгранного матча, нотакже выполнить анализ игровых ситуаций, исследовать привычкии поведенческие особенности игроков команды-противника и разработать стратегию поведения с данным противником.Решения класса Big Data интегрируются с технологиями в области «интернета вещей» и искусственного интеллекта. Так, например,в 2017 году департамент дорожной полиции города Шэньчжэнь (Китай) получил награду за построение решения класса Smart City (проект, выполненный в сотрудничестве с компанией Huawei). В данномпроекте была создана система управления городским автомобильным движением, которая позволила оптимизировать транспортные132Глава 2. Новые технологии, определяющие цифровую трансформациюпотоки, снизить количество пробок, сократить число дорожно-транспортных происшествий и повысить безопасность вождения.
Дорожная полиция получила платформу Big Data, которая собирала данные о состоянии трафика в городе, использовала систему глубокогообучения, а также позволила построить интеллектуальную системууправления транспортными потоками, ввести адаптивный контрольсветофоров, увеличить пропускную способность дорог. Использование решений на базе искусственного интеллекта помогло правоохранительным органам повысить скорость распознавания изображенийв 10 раз, что позволило существенно ускорить обработку информации об автонарушениях. Внедрение системы позволило уменьшитьколичество пробок в городе и улучшить пользовательский опыт водителей.Тенденции в развитии рынка Big DataМашинно-генерируемые данныеАналитики IDC и других аналитических агентств отмечают ростинвестирования в системы анализа машинно-генерируемых данныхв реальном времени.
Под машинно-генерируемыми данными подразумеваются данные, которые не являются прямым результатом выбора, сделанного человеком, как, например, запрос о товаре, банковский вклад, проведенный платеж и т. п.К машинно-генерируемым данным можно отнести лог-файлыкомпьютерного оборудования, данные, генерируемые датчиками телеметрии, RFID и GPS-системами, датчиками погодных измерений,датчиками безопасности на промышленных объектах или в медицинских системах и т. п.Рост объема инвестиций в системы анализа машинно-генерируемых данных в реальном времени можно проиллюстрировать дажетем фактом, что количество приборов, генерирующих данные, растетгораздо быстрее числа людей на планете. Говоря о машинно-генерируемых данных, речь прежде всего идет о развитии рынка «интернетвещей».133Цифровая трансформация: анализ, тренды, мировой опытТехнологии Big Data выходят на массовый рынокЕще одна тенденция в развитии рынка Big Data — это выход технологии на массовый рынок.
Можно назвать уже десятки примеровкоммерческой реализации технологии для миллионов пользователей. Ярким примером массовых сервисов на базе Big Data являетсясервис Decide.com, разработанный одноименной компанией, создатели которой намеревались помочь потребителям найти оптимальный продукт и оптимальное время для его покупки на основе мониторинга миллиардов записей в интернете. Сервис осуществлял мониторинг потребительских цен на различные продукты и предлагалинтернет-аудитории платформу для сравнения цен на товары у различных поставщиков.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
