„Luftmathematik.“ Big Data in der Welt der Zivilluftfahrt. „Big Data“ half bei der Zählung von Touristen. Big-Data-Technologie im Verkehr

Abschnitte der Website

Die Wahl des Herausgebers:

Daten zur Bevölkerungsdichte und Bevölkerungsbewegung

Das wichtigste Instrument zur Bestimmung der Größe und Struktur der Bevölkerung sowie ihrer Verteilung über das Gebiet ist derzeit die Volkszählung. Der Hauptnachteil der Volkszählung sind die Kosten für ihre Durchführung und das Fehlen von Daten über die Bewegung der Einwohner. Informationsquelle für die Volkszählung sind die Einwohner selbst, die an ihrem Wohnort befragt werden.

Welche Vorteile kann der Einsatz von Big-Data-Lösungen bieten? Um diese Frage zu beantworten, ermitteln wir zunächst, welche Daten wir benötigen:

wo die Bewohner schlafen und arbeiten;
woher sie kommen und wohin sie wochentags und am Wochenende gehen;
Welche Transportmittel nutzen Moskauer und Gäste der Hauptstadt?
woher sie in die Stadt kommen und warum.

Um diese Informationen zu sammeln, müssen wir zunächst die Quelle der Daten und die Methode zu ihrer Analyse festlegen. Um den Standort eines Bewohners zu bestimmen, ist es am besten, Daten über seinen Standort zu verwenden Handy(Er ist immer bei ihm). Wie kann man das machen?

Verfügbar:

Daten von Mobilfunkbetreiberüber den Standort des Telefons;
Daten von spezialisierten Diensten (wie Yandex.Traffic);
Daten von mobile Anwendungen mit integrierter Standortfunktion, die von der Stadt für den Komfort der Bewohner bereitgestellt wird.

Zur Analyse der empfangenen Informationen können je nach Quelle, Format und Art ihrer Bereitstellung unterschiedliche Algorithmen eingesetzt werden. Aber hier sind die wichtigsten Punkte.

Durch die Analyse von Bewegungs- und Aktivitätsdaten lässt sich ermitteln, wo Bewohner schlafen und arbeiten. Beispielsweise zeigt die periodische Abwesenheit von Anrufen von 22:00 bis 7:00 Uhr und die Abwesenheit von Bewegung, wo eine Person lebt, und die Abwesenheit von Bewegung während der Arbeitszeit zeigt, wo dieselbe Person arbeitet, und ist eines der Kriterien dafür Die Genauigkeit wird durch das Vorhandensein von Aktivitäten auf dem Telefon des Teilnehmers an einem bestimmten Standort erhöht. Hier lässt sich auch feststellen, wie oft sich eine Person während der Arbeitszeit bewegt, wie viele Menschen in der Stadt Positionen besetzen, die mit ständiger Bewegung verbunden sind (Kurier, Fahrer und andere Berufe).

Die Bestimmung der Bewegungsrichtung der Bewohner erfolgt auf ähnliche Weise unter Verwendung der gleichen Daten über die Bewegung der Abonnenten Mobilfunkkommunikation, und ermöglicht es Ihnen, die Hauptbewegungsströme von Anwohnern, Besuchern und Arbeitsmigranten zu identifizieren, Bewegungsstatistiken nach Gebiet und Reiseziel zu sammeln und herauszufinden, wie oft Anwohner und Gäste Geschäfte, kulturelle Veranstaltungen und Sehenswürdigkeiten der Stadt besuchen und wie beliebt diese sind Bestimmte Orte in der Stadt sind.

Durch die Verfolgung der Bewegungsgeschwindigkeit und der besuchten Orte ist es möglich zu erkennen, welche Art von Verkehrsmittel eine Person nutzt: Auto, U-Bahn, öffentliche Verkehrsmittel, Überlandverkehr.

Analyse der Arbeit der städtischen Infrastruktur und Gewährleistung der öffentlichen Sicherheit

Eine große Anzahl von Ampeln, städtischen Verkehrsleitsystemen, Videoaufzeichnungssystemen (Überwachungskameras) und die Steuerung des öffentlichen Verkehrs in einer Stadt mit mehr als einer Million Einwohnern erfordern einen koordinierten Ansatz zur Datenverwaltung und -zentralisierung. Eines der Probleme, die einst bei der Implementierung stadtweiter Videoüberwachungssysteme festgestellt wurden, war die Unmöglichkeit, laufende Ereignisse (z. B. zur Identifizierung rechtswidriger Handlungen) durch Einsatzkräfte zu überwachen. Unter Berücksichtigung aktueller Möglichkeiten moderne Technologien, wird es möglich, einheitliche verteilte Systeme zu erstellen, die sowohl die Erkennung von Ereignissen aus verschiedenen Quellen (Verkehrskontrollsysteme, Überwachungskameras usw.) als auch deren Analyse zum Zweck einer sofortigen Reaktion ermöglichen: Anruf der Polizei, Mitarbeiter von Reparaturorganisationen usw Betriebsdienstleistungen der Stadt. Eine weitere Anwendung von Big-Data-Lösungen ist die verteilte und langfristige Speicherung gesammelter Informationen sowie die Suche nach notwendigen Daten und zugehörigen Ereignissen. Was hat diese oder jene Veränderung der Situation in der Stadt verursacht, welche Ereignisse gingen ihr voraus, wen sie betrafen – das ist ein kleiner Teil der Fragen, die „Big Data“ beantworten kann.

Datenzuordnung

Einer von Schlüsselpunkte Bei auftretenden Ereignissen geht es darum, die Eigenschaften der daran beteiligten Objekte zu bestimmen. Für die Datenerhebung können ganz unterschiedliche Quellen genutzt werden: zum Beispiel für Daten, die von einem Mobilfunkbetreiber empfangen werden – Merkmale Individuell, auf dem die SIM-Karte registriert ist, für Überwachungssysteme - Informationen aus Gesichtserkennungssystemen, Abteilungsdatenbanken. Einer der Kernpunkte ist die Möglichkeit der Anonymisierung von Informationen unter Ausschluss persönlicher Komponenten bei der Übermittlung von Daten verschiedener Eigentümer und Quellen.

Hauptprobleme

Und doch steckt in all dem ein Wermutstropfen. Das Hauptproblem aller Integrationslösungen, insbesondere wenn der Datenaustausch zwischen verschiedenen Abteilungen und Organisationen erfolgt, sind gesetzliche Einschränkungen, die eine Bereitstellung von Daten in der Form, in der sie vorliegen, nicht zulassen. Daher ist deren Vorabbearbeitung seitens des Eigentümers erforderlich.

Gesamt

Zusammenfassend möchte ich festhalten, dass moderne Technologien zur Verarbeitung von „Big Data“ es ermöglichen, der Stadt weit mehr als bestehende IT-Dienstleistungen zur Verfügung zu stellen. In diesem Fall ist keine Aktualisierung der bestehenden Infrastruktur erforderlich, da die im momentan.

Mit Hilfe von Lösungen der Big-Data-Klasse können Sie den Komfort der Stadtbewohner und ihrer Gäste erhöhen, die Anzahl der Staus reduzieren, die nicht auf Beschränkungen bei der Einfahrt in die Stadt zurückzuführen sind, sondern durch die Steuerung der Verkehrsströme die Anzahl der Straftaten aufgrund von reduzieren schnelle Reaktion, Verbesserung der Qualität der städtischen Dienstleistungen aufgrund ihrer schnellen und automatischen Steuerung.

Sprecher: Philip Katz

Interviewer: Alexey Karlinsky

Oft glaubten wir an die Versprechungen von Science-Fiction-Autoren über eine unglaubliche Zukunft, und jedes Mal wurden unsere Hoffnungen von der langweiligen Gegenwart zunichte gemacht. Wir leben immer noch auf der Erde und unsere Autos fliegen nicht durch die Luft. „Wir wurden schon wieder getäuscht!“ denken wir, und hinter all diesen Fantasien verpassen wir wieder einmal den Moment, in dem die Zukunft wirklich kommt.

Diesmal geschah es mit dem Aufkommen von Big Data. Wir können sie ignorieren, aber wir können ihren Einfluss auf unser Leben nicht länger leugnen. Der Architekt und Big-Data-Spezialist Philip Katz spricht darüber, wie Big Data im Stillen unsere Städte und die Art und Weise, wie wir darin leben, verändert hat.

Als multidisziplinärer Spezialist und ausgebildeter Architekt ist Philip ein Big-Data-Spezialist. Absolvent der Kasaner Architekturuniversität, des Strelka-Instituts für Medien, Architektur und Design, einer der Gründer des Branching Point-Projekts. Lehrt an der Nationalen Forschungsuniversität St. Petersburg Informationstechnologien, Mechanik und Optik und beschäftigt sich mit der Datenanalyse für Rambler&Co.

Schließen

Philip, erzähl uns bitte, wie Big-Data-Technologien eingesetzt werden Architekturdesign und Stadtplanung heute?

Beginnen wir mit der Tatsache, dass vor vier Jahren, als ich an der Strelka in Russland studierte, zumindest niemand etwas über Big Data wusste. Die Welt hat gerade angefangen, über sie zu reden. Ein Jahr später wusste bereits jeder in Russland von ihnen und hatte sie satt. Es scheint mir, dass dies eine sehr traditionelle Dynamik ist – wann neue Technologie steigt auf das Podest, wird gelobt, und dann stellt sich recht schnell Skepsis gegenüber ihr ein. Die Technologie wird vom Sockel gestoßen und sie werden entspannter in die Gesellschaft integriert.

Wenn wir über Architektur- oder Stadtplanungsanalysen sprechen, dann scheint es mir heute eine Art Kompromiss zwischen modernen Technologien und traditioneller Analyse zu sein. Vor einem Jahr habe ich beispielsweise meinem Freund geholfen, an einem Architekturwettbewerb für Studenten in den USA teilzunehmen. Für sie stellte der Stadtverwalter GIS-Dateien mit einer ziemlich guten Beschreibung der Daten zur Verfügung: Verkehrswege, das Volumen dieser Wege, wo jedes Jahr Pfützen entstehen, wo es alle fünf Jahre zu Überschwemmungen kommt, wo sich die Blöcke mit einem hohen Wasserstand befinden Steuern, wo sind die Blöcke mit einem hohen Anteil der schwarzen Bevölkerung? In den Vereinigten Staaten sind die Statistiken sehr detailliert und die Daten recht gut zusammengestellt, so dass wir selbst auf der Ebene eines Wettbewerbsprojekts einige Dinge in fertiger Form erhalten konnten. Sie mussten nicht gesammelt oder analysiert werden.

Die meisten der nützlichsten Analysen laufen meiner Meinung nach darauf hinaus: Man nimmt einige Daten als Fakten und entwirft darauf basierend. Und obwohl jeder über die gleichen Daten verfügt, liest und versteht er sie dennoch völlig anders.

Laut Google könnten seine selbstfahrenden Autos die Zahl der Autounfälle reduzieren und dazu beitragen, Kraftstoff und Straßenraum effizienter zu nutzen / Foto: Google.com

Wie haben Sie Big-Data-Technologien in Ihrer Praxis eingesetzt?

Wir lange Zeit Wir haben das „Branching Point“-Projekt mit meinen Kollegen Edik Khaiman und Sasha Boldyreva gemacht – wir haben versucht, digitales Design irgendwie zu diskutieren und zu entwickeln, und dann war natürlich unser gemeinsamer Traum und unser ultimatives Ziel ein auf Parametern basierendes Design. Gleichzeitig bestand unser ultimativer Traum genau darin, auf der Grundlage eines kniffligen Codes neue formale Lösungen zu finden, die unseren Anforderungen entsprechen, aber die Form des Ergebnisses wäre nicht die, die wir uns vorgestellt hatten, sondern etwas Unerwartetes – Schön .

Analytics ist eine Kunstform, bei der der Algorithmus für die Arbeit mit Daten in jedem Einzelfall ein Bild ist

Als das Projekt reifte, wurde uns allen klar, dass dieser Traum nicht unbedingt unerreichbar war, sondern vielmehr, dass die Idee, ein Gebäude ausschließlich auf der Grundlage von Daten zu entwerfen, umstritten war. Es ist eher etwas, nach dem man streben muss, aber man muss sich darüber im Klaren sein, dass man das Ziel nie erreichen wird.

Hier ergibt sich für mich ein wichtiger dialektischer Moment. Nehmen wir an, wir erstellen einen Algorithmus und verstehen, dass dieser aufgrund genetischer Anforderungen zunächst recht einfache, aber dennoch formale Parameter erfordert. Und in einem komplexen System, und ein Gebäude oder Gebiet ist ein komplexes System, tauchen sofort viele Parameter auf, die auf einen Nenner gebracht werden müssen. Man braucht immer eine primäre formale Geste, irgendeine Form: einen Zylinder oder ein Parallelepiped, Pyramiden und so weiter.

Wenn wir uns die Arbeit von Zaha Hadid ansehen, steht im Mittelpunkt des Projekts immer eine anmutige formale Geste. Es kann dann zwar digital verändert werden, bleibt aber immer der Kern von allem und gehört zur Feder des Autors. Ein genetischer Algorithmus kann dann die besten der resultierenden Optionen auswählen, aber er wird sie niemals erfinden können.

Das heißt, die Grundlage des Designs wird immer der menschliche Wille sein. Wie wird sich dann der Grad der menschlichen Beteiligung am Design mit der Entwicklung von Big Data verändern?

In der Zukunft sehe ich eine Art analytische Maschine – zum Beispiel einen großen und komplexen Quantencomputer oder Telepathen und Parapsychologen, die in Deprivationskammern versunken sind und etwas vorhersagen oder vorschlagen, worauf es sich zu achten lohnt.

Ich denke, dass eine Person niemals aus dem Prozess verdrängt werden wird. All diese Dinge (Big-Data-Analysemethoden) werden als Entscheidungshilfealgorithmen bezeichnet und ihr Kern besteht darin, Anomalien in der Prozessdynamik so effizient wie möglich zu erkennen und den Prozentsatz der technischen Arbeit pro Person zu minimieren. Der Analyst muss ein Experte auf dem Gebiet der Arbeit mit ihnen sein, und Algorithmen können ihm alles auf dem Silbertablett präsentieren, außer der Lösung. Natürlich gibt es eine technische Hürde für den Einstieg in diese Disziplin, aber Analytics selbst ist eine Kunstform, bei der der Algorithmus für die Arbeit mit Daten ein Bild ist. Meisterwerk.

Mit einer Kamera ausgestattete Drohnen können selbstständig ein bestimmtes Gebiet patrouillieren und Bilder in Echtzeit an ein Informationszentrum übertragen / Foto: Kevin Baird / Flickr.com

Big Data kann nicht alle Informationen abdecken. Wie kann mit dem gearbeitet werden, was bei der Analyse von Big Data nicht berücksichtigt wird?

Tatsächlich wird Analysten oft vorgeworfen, dass sie nur diejenigen beschreiben, die mit dem Internet verbunden sind, und diejenigen, die nicht mit dem Internet verbunden sind, von der Analyse ausgeschlossen werden. Das ist die absolute Wahrheit, aber hier gibt es eine Schutzlogik. Zynisch ausgedrückt: Wenn wir das Problem einer Großmutter nicht kennen, der es peinlich ist, im Internet zu schreiben, weil sie es nicht gewohnt ist, dann können wir ihre Probleme ignorieren, ganz einfach, denn wenn wir diesen Ansatz verwenden, dann entweder die Großmutter oder sie Der Enkel wird sich um sie kümmern, irgendwann werden sie schreiben.

Ein weiteres Problem liegt darin, dass jede Technologie zum Sammeln oder Speichern von Daten immer der erste Fehlerfaktor ist. Gleichzeitig ist es prinzipiell unmöglich, alle multifaktoriellen Faktoren zu verfolgen – warum Menschen so gespielt haben und nicht anders. Big Data liefert zunächst keine Antwort. Sie ermöglichen es Ihnen, ernsthafte Fragen zu stellen.

Wie verändert die Möglichkeit, Fragen zu stellen, die Art und Weise, wie wir über eine Stadt denken?

Edward Hyman prägte einst den Begriff „Plagopolis“. Die Idee dahinter ist, dass die moderne Stadt proaktiver und dynamischer wird. Heute ist es eine Art Umgebung mit eigenen Strömungen, Bewegungen, in der sich die Flüssigkeit, die in den Gefäßen fließt, ständig selbst reguliert. Gleichzeitig kann man einen Punkt nur sehr bedingt greifen und beheben. Es wird sich augenblicklich verändern und andere Punkte um sich herum verändern. Für mich ist diese Idee ziemlich praktisch. Mittlerweile wird deutlich, dass wir die Stadt nicht länger als etwas Mechanisches wahrnehmen können.

Wird diese Idee in der russischen Stadtplanung akzeptiert?

Auf der Ebene der Stadtplanung in diesem russischen Verständnis ist dies nicht offensichtlich. Wir beginnen auf die eine oder andere Weise damit, Wege und Straßen zu zeichnen, und wir glauben, dass dies am Ende auch so sein wird. Bestenfalls beginnen wir zu denken, dass wir überprüfen müssen, wie man es richtig macht, und dann wird es entweder so sein, wie wir es zeichnen, oder die Leute werden dann alles selbst wiederholen.

Big Data liefert keine Antwort. Sie ermöglichen es Ihnen, ernsthafte Fragen zu stellen

Generell sind unbegründete Aussagen, die auf Stereotypen und abstrakten Vorstellungen basieren, heute sehr ärgerlich. Darüber hinaus werden vor allem Architekten und Stadtplaner in den Wahnsinn getrieben. Sie sagen einfach, dass „Fußgänger besser sind als Autofahrer“ oder dass „kreative Unternehmen einen Industriepark in ein Paradies auf Erden verwandeln.“ Ich wünschte, hinter all diesen Dingen stünde eine grundlegende Berechnung, denn es kann der Fall sein oder auch nicht, und meistens stimmt etwas nicht.

Wie kann Big Data uns dann helfen, die Stadt besser zu verstehen?

Eine Stadt ist immer ein Elefant aus einem Märchen über Blinde, die versuchen, sie durch Tasten zu beschreiben. Wir arbeiten immer auf die gleiche Weise – jemand packt den Hintern, jemand packt das Ohr, jemand packt den Kofferraum. Und jeder sagt, dass er einen Elefanten sieht. In unserem Fall glauben wir alle auch, dass wir sehend sind und wissen, was eine Stadt ist.

Big Data schützt uns davor, nur eine Stelle zu berühren, gibt uns die Möglichkeit, uns die allgemeine Form des Elefanten grob vorzustellen und zu verstehen, dass wir ungefähr diese Stelle berühren, es aber noch andere gibt. Ich erhalte riesige Berichte über die Stadt und kann mir immer einige bestimmte zehn Datenzeilen ansehen, schauen und fragen: Warum ist das so? Normalerweise ist dies der Beginn irgendeiner Art von Untersuchung, Forschung, Geschichte.

GIS-Daten in Kombination mit räumlichen Modellierungsalgorithmen helfen dabei, den Grad der Isolierung in einem ausgewählten Bereich vorherzusagen / Foto: Trevor Patt / Flickr.com

Lassen sich diese von Big Data inspirierten Gedanken anschließend irgendwie in reale Projekte umsetzen?

Es gibt eine sogenannte „Urban-Akupunktur“-Methode. Sein Wesen liegt darin, dass in der Stadt und in diesen kleinen Knotenpunkten nach Schmerzpunkten gesucht wird – in Räumen von maximal einem Block, oder besser noch in einem Gebäude oder sogar auf einer kleinen Fläche zwischen Gebäuden – irgendwie Änderung vorgenommen wird. Aufgrund der Größe des Budgets ist es völlig mikroskopisch, aber die Veränderungen für die Stadt als Ganzes sind bei korrekter Berechnung dieser Knotenpunkte enorm.

Obwohl „Urbane Akupunktur“ ist heute eher ein spekulatives Projekt; es gibt bereits kluge Ideen Raumlösungen, mit Ampeln drin einheitliches System, Zum Beispiel. In Verbindung mit intelligenten Straßen führen diese dazu, dass sich der Raum verändert, was zu unerwarteten Emissionen führen kann. Die Robotisierung von Industrien findet auch heute noch statt, was ebenfalls einen Mehrwert schafft. Wenn jetztDrohnenwird mit dem Transport von Gütern beginnen, dann mit der städtischen Logistikwird einfrieren (vom Englischen zum merge — "verschmelzen"— A.K.)- und es gibt Zahlen, und es gibt Zahlen. Es wird auf jeden Fall viel einfacher sein, damit zu arbeiten als mit lebenden Truckern.

Die Technologie, die mich derzeit inspiriert und von der ich hoffe, dass daraus etwas Architektonisches entsteht, ist das neue Projekt von Amazon, bei dem es in der Mitte des Hauses einen intelligenten Lautsprecher gibt, der alle Ihre Fragen hört und beantwortet. Ein bisschen wie Siri, nur im Haus. Diese Technologie wird das Raumgefühl in der Stadt wahrscheinlich stärker verändern als jeder Algorithmus.

Die Stadt wird also zunehmend auf Software setzen?

Genau. Jetzt verändern sich I/O und verschiedene Schnittstellen zur Informationsbeschaffung durch Menschen stark institutionell. Aus meiner Sicht verändert der günstige Taxiservice mein Leben viel mehr als 90 Prozent aller städtebaulichen Entscheidungen. Taxis verändern meine Wahrnehmung der Stadt stark. Trotz aller bisherigen Erfahrungen mit dem Aufkommen von Yandex. Taxi und die Konkurrenz der Taxidienste haben gezeigt, dass unsere Taxifahrer höflich sind, das Geld konkret sind und schnell reagieren – ganz anders als manche in New York.

Der günstige Taxiservice verändert mein Leben weit über 90 Prozent der städtebaulichen Entscheidungen

Meiner Meinung nach ist die Prostitution der wichtigste Dienst, der mit der Uberifizierung enorme Gewinne erzielen könnte. Der hypothetische Benutzer ist verlegen, und vielleicht nehmen deshalb viele Menschen die Dienste von Prostituierten nicht in Anspruch – es scheint ihnen etwas Gefährliches, Beängstigendes und Unverständliches zu sein. Wenn sie am Telefon sitzen, wäre es für sie sicherlich viel einfacher. Das würde den Zuhältern natürlich sofort das Brot wegnehmen und das Geschäft komplett verändern. Einfach kolossal! Ich denke, dass dies bald in einem liberalen Land passieren wird.

Glauben Sie, dass Menschen in Zukunft persönlich mit Big-Data-Technologien arbeiten können?

Ich denke, dass alles darauf zusteuert. Die technologische Komplexität wird zunehmen, und das ist verständlich, aber praktisch werden wir lernen, sie irgendwie richtig zu verpacken. Glatte Schnittstellen(aus dem Englischen „sleek“.— dünn, elegant— A.K.)Heute vereinfachen sie bis zu einem gewissen Grad unsere Wahrnehmung dessen, wie alles geschieht. Hier ist ein Knopf, hier ist ein kleines Rohr – das ist alles. Heutzutage gilt: Je mehr man sich vor dem Durchschnittsmenschen verstecken kann, ohne die Funktion zu verlieren, desto besser, denn die Menschen haben ein wenig Angst vor all dieser Komplexität. Obwohl die bekannte Technik, wie in „Minority Report“, nicht zum Einsatz kam, beschreibt der Film taktil sehr treffend, was nun passieren wird.

Was wird es sein? Was wird Ihrer Meinung nach in naher Zukunft auf Big Data zukommen?

Sie erschienen als eine Art Modethema und verschwinden nun langsam, weil die offensichtlichsten Dinge bereits erledigt sind. Als nächstes gilt es, die technischen Mechanismen der Methodik herauszuarbeiten – nicht in romantischer, sondern in utilitaristischer Form. Ich bin mir sicher, dass in fünf Jahren eine ziemlich gut bezahlte und vielleicht eher langweilige Position als eine Art digitaler Analyst im Büro des Bürgermeisters, in Ministerien und Unternehmen erscheinen wird.

Gleichzeitig hat Big Data eine gewisse Krankheit. Es gibt Menschen, die verstehen, was sie tun, und es gibt Menschen, die davon profitieren und nicht wirklich verstehen, wie Big Data funktioniert. Die Kluft zwischen professionellen Technologen und Leuten, die verstehen, warum das alles passieren kann, besteht in jedem Unternehmen, in jeder Wissenschaft immer, und das ist sicherlich ein Problem. Wer den technologischen Teil kennt und mit neuen Lösungen experimentiert, stellt selten wirklich nützliche Dinge her, und wer weiß, wie man diese Entwicklungen anwendet, kann auch alleine kein Qualitätsprodukt schaffen. Daher besteht der einzige Weg zur Weiterentwicklung bei der Arbeit mit Big Data darin, neue Wege der Interaktion zwischen Spezialisten zu finden.

Einführung

Laut Analystenprognosen setzen 67 % der Unternehmen aus der Luft- und Raumfahrtindustrie Projekte auf Basis von Big Data um, weitere 10 % planen solche Projekte. Bei den Fluggesellschaften kündigten 44 % der Unternehmen die Umsetzung von Projekten für Februar 2019 an, und 25 % kündigten Pläne für solche Projekte an.

Dies sind die Ergebnisse einer im Dezember 2017 von FlightGlobal durchgeführten Studie zur Rolle von Big Data für Luft- und Raumfahrtunternehmen und Fluggesellschaften. Analysten haben auch Meinungen dazu eingeholt teilen Daten über den Zustand von Flugzeugen bei Herstellern und Unternehmen, die Reparaturen und Wartungen (MRO) durchführen. An der Studie nahmen 300 Fachleute aus der Luft- und Raumfahrtindustrie teil. Die meisten von ihnen sind zuversichtlich, dass Big-Data-Technologien die Betriebssicherheit und Effizienz von Fluggesellschaften verbessern können.

Ungefähr die Hälfte der Befragten gab an, dass ihre Unternehmen Datensätze über den Zustand von Flugzeugen nutzen, die ihnen dabei helfen, bessere Entscheidungen zu treffen. In naher Zukunft wird der Anteil dieser Unternehmen auf 75 % steigen.

Der Datenaustausch mit OEM/MRO bleibt weiterhin problematisch. Allerdings glauben 38 % der Fluggesellschaften, dass ein solches Modell ihnen erhebliche geschäftliche Vorteile bringen könnte.

Laut Honeywells „Connected Aircraft“-Umfrage vom Mai 2018 planen 47 % der befragten Fluggesellschaften, im nächsten Jahr bis zu 1 Million US-Dollar pro von ihnen betriebenem Flugzeug für die Anbindung von Flugzeugen auszugeben. Die meisten dieser Unternehmen planen, Beträge von 0,1 bis 0,5 Millionen Dollar zu erfüllen. Auf Fünfjahressicht kündigten jedoch 38 % der Luftfahrtunternehmen Investitionen in Höhe von 1 bis 10 Millionen Dollar pro Flugzeug an.

Bis Februar 2019, als Fluggesellschaften in vernetzte Technologien investierten, ging es vor allem um die Bereitstellung von Satellitenkommunikation und WLAN. Jetzt sind Unternehmen bereit, von den Daten zu profitieren, die sie durch den Einsatz von Geräten direkt an Bord von Flugzeugen erhalten können. Solche Daten könnten ihnen beispielsweise Einsparungen von 1 % des verbrauchten Treibstoffs ermöglichen, was 50.000 US-Dollar pro Flugzeug und Jahr entspricht, schätzen Honeywell-Analysten.

Nutzung von Big Data durch ausländische Fluggesellschaften

Big-Data-Technologien werden zur Erfüllung einer Reihe von Aufgaben im Bereich der zivilen Luftfahrt eingesetzt. In diesem Kapitel gehen wir näher auf die Haupteinsatzgebiete in der Luftfahrt im Ausland ein. Dabei handelt es sich in erster Linie um Reparaturen und Wartungen, die Sicherstellung von Treibstoffeinsparungen, die Erstellung digitaler Zwillinge, die Optimierung betrieblicher Aktivitäten (einschließlich der Vorhersage von Flugverspätungen), die Erstellung personalisierter Angebote für Passagiere usw.

Big Data und Aufrechterhaltung der Lufttüchtigkeit von Flugzeugen

Einer dieser Schwerpunktbereiche wird in naher Zukunft die Wartung und Reparatur von Schiffen sein. So erwarten 88 % der Befragten analytischer Studien, dass sie gerade in diesem Bereich den größtmöglichen Nutzen aus dem Einsatz der Technologie ziehen können. Wartung und Reparatur sind allen anderen Bereichen an Bedeutung weit voraus. Analysen und vorausschauende Reparaturen in der Luftfahrt beweisen ihre Wirksamkeit und beweisen in der Praxis, dass vernetzte Technologien funktionieren.

Nach der Wartung und Reparatur erwarten die Befragten Vorteile durch die Implementierung branchenbezogener Flugtechnologien, einschließlich der Optimierung des Treibstoffverbrauchs und der Durchlaufzeiten von Flugzeugen sowie des Passagierservices.

So stellen Analysten in der Studie „Sky High Economics: Evaluating the Economic Benefits of Connected Airline Operations“ fest, dass vernetzte Flugzeuge Daten in die Cloud oder an Bodenserver übertragen können, wo diese Daten mithilfe von Big Data Analytics-Tools analysiert werden können. Dadurch können Fluggesellschaften beispielsweise Fehler erkennen, bevor sie zu größeren Problemen werden. Die gewonnenen Informationen können genutzt werden, um bessere Entscheidungen zu treffen und kostspielige Ausfallzeiten von Flugzeugen (Aircraft on Ground) zu reduzieren.

Darüber hinaus ist es mit dem Aufkommen der prädiktiven Modellierung möglich geworden, Teile, die durch Analyse als austauschbedürftig identifiziert wurden, auszutauschen, bevor sie ausfallen, und zwar im Rahmen geplanter Reparatur- und Wartungsarbeiten. All dies trägt dazu bei, Kosten zu senken und die Flugsicherheit zu verbessern.

Digit Twins. Was ist das?

Auch das Thema der vorausschauenden (proaktiven) Reparatur steht in engem Zusammenhang mit dem Einsatz sogenannter „Digitaler Zwillinge“. Anders als beispielsweise in der Öl- und Gasindustrie, wo CDs bereits von einer Reihe großer Unternehmen in der Praxis eingesetzt werden, wird dieses Thema in der Luftfahrtindustrie immer noch eher auf Experten- und Analystenebene diskutiert.

Im Jahr 2019 begannen Experten der Luftfahrtbranche, das Thema „Digital Twins“ aktiv voranzutreiben: Das Management des schwedischen Unternehmens IFS, einem Softwareentwickler für Firmenkunden, unter anderem aus der Luftfahrtindustrie, sagte im April 2018, dass digitale Zwillinge eine Technologieinnovation seien, die Fluggesellschaften helfen könnte, effizient zu arbeiten und gleichzeitig die Wartungs- und Reparaturkosten zu senken. Digitale Zwillinge sind virtuelle Nachbildungen physischer Anlagen, die Ingenieuren am Boden zeigen können, wie ein Triebwerk funktioniert, während das Flugzeug in der Luft ist. Um dies zu ermöglichen, installieren Ingenieure während der Motorenkonstruktion und -produktion Tausende von Datenerfassungspunkten. Daraus wird dann ein digitales Modell erstellt, das den Motor in Echtzeit überwacht und steuert und über seinen gesamten Lebenszyklus hinweg wichtige Informationen wie Temperatur, Druck und Luftstrom liefert.

GE half bei der Entwicklung eines digitalen Zwillings für das Fahrwerk des Flugzeugs. Die Sensoren wurden an den störanfälligsten Stellen des Fahrgestells angebracht. In Echtzeit wurden Daten wie Druck und Temperatur an Spezialisten übermittelt und helfen so, Betriebsausfälle oder Restlaufzeiten vorherzusagen. Diese Daten wurden mit Daten eines digitalen Zwillings verglichen, der ähnlichen Belastungen ausgesetzt war.

Zur Umsetzung des prädiktiven Reparatur- und Wartungsmodells werden zwei Lösungen zum Einsatz kommen – das On-Board-Datenaustauschsystem für Flugbetrieb und Wartung (FOMAX) und die Off-Board-Tools zur Analyse von Luftfahrtdaten Skywise. FOMAX, ein Server von Rockwell Collins, sammelt Flugzeugwartungs- und Leistungsdaten, darunter automatischer Modus sendet sie an Ingenieure und Techniker. SkyWise läuft auf einer Cloud-Plattform und ermöglicht die Analyse verschiedener Daten. Es wurde gemeinsam von Airbus und Palantir Technologies entwickelt.

Das FOMAX-System empfängt alle Daten vom Bordsystem FDIMU (Flight Data Interface Management Unit). FOMAX verfügt über die Funktionalität eines 4G-Routers: Nach der Landung des Schiffes werden alle Daten über 4G-Gatelink-Antennen an die Skywise-Analyseplattform übertragen und von Airbus-Spezialisten analysiert. Zur Analyse haben Airbus-Spezialisten eigenständig spezielle Modelle entwickelt, die das Auftreten von Systemproblemen vorhersagen können. Nach der Analyse werden die Ergebnisse an die EasyJet-Spezialisten weitergeleitet, die selbstständig Entscheidungen über die Notwendigkeit einer vorausschauenden Wartung oder Reparatur treffen. Anhand der gewonnenen Informationen können Luftfahrtspezialisten Algorithmen erstellen, die es in Zukunft ermöglichen, das Auftreten eines bestimmten Problems an jedem Flugzeug vorherzusagen.

Flugzeuge des Modells A320 mit FOMAX sind in der Lage, mehr als 24.000 Parameter zu erfassen, was eine 100-prozentige Erfassung von Informationen aus Flugzeugsystemen und -komponenten gewährleistet. Flugzeuge ohne FOMAX sammeln 400 Parameter, also 2 % der verfügbaren Informationen.

Nach Angaben des Delta-Managements trägt das vorausschauende Wartungsprogramm der Fluggesellschaft dazu bei, die Zahl der Betriebsunterbrechungen deutlich zu reduzieren: In den letzten 12 Monaten konnten durch den Einsatz proaktiver Wartung 1.200 Flugverspätungen oder Annullierungen vermieden werden.

Das Programm verwendet Daten aus verschiedene Systeme, wie zum Beispiel Aircraft Health Management von Boeing, von Airbus und GE Systems. Gleichzeitig bilden Flugzeuge, die bereits entwickelt wurden, bevor die Datenextraktion und -analyse zu einer „Must-have“-Funktion wurde, die Basis der Flugzeugflotte der Fluggesellschaft. Nach der Analyse der empfangenen Daten entwickelt das Programm Empfehlungen zum Austausch von Teilen und Mechanismen. Den Spezialisten von Delta Air Lines zufolge weist das verwendete Programm eine Genauigkeit von 95 % in Bezug auf Empfehlungen für die Notwendigkeit des Austauschs von Teilen auf.

Bei der Vorstellung der Lösung gab das Startup an, dass im Frühjahr 2018 ein Pilotversuch bei einem großen internationalen Luftfahrtunternehmen umgesetzt werden soll. Allerdings jede Weitere Informationen Es gibt keine Veröffentlichung zu diesem Thema.

Nutzung von Big Data zur Analyse und Prognose der Flugreisenachfrage

Der Luftfahrttechnologieentwickler Sabre Corporation, ein Anbieter von Lösungen für die globale Reisebranche, gab im November 2017 bekannt, dass er einen mehrjährigen Vertrag zur Bereitstellung einer MIDT-Lösung (Market Information Data Tapes) für Hong Kong Airlines unterzeichnet hat. Diese Entscheidung ist eine Datenbank, die Zugriff auf historische und prognostizierte Buchungsdaten (Tiefe bis zu 11 Monate) bietet. Der Besitz dieses Produkts ermöglicht es den Fluggesellschaften, die Auswirkungen von Maßnahmen im Bereich der Tarifbildung und Marketingprogramme zu analysieren.

Hong Kong Airlines geht davon aus, das Produkt bei seinem geplanten Eintritt in den nordamerikanischen Markt einzusetzen. Das Produkt ermöglicht die Erstellung von Berichten und verfügt über Analysefunktionen, die dem Benutzer die Möglichkeit geben, die optimalen Kanäle für die Umsetzung einer Marketingstrategie zu identifizieren. Hong Kong Airlines wird Zugriff auf Sabre-Agentendaten weltweit über alle Abflug- und Zielorte haben, an denen die Fluggesellschaft präsent ist.

Big Data zur Verbesserung der Kundenzufriedenheit und Personalisierung

British Airways, die nach Passagieraufkommen zu den TOP 10 gehört, nutzt seit 2013 Big Data Analytics, um den Service für ihre Kunden zu verbessern: Die Fluggesellschaft sammelt in einem speziellen Speicher verschiedene Daten über Passagiere und lädt sie dann in einen hoch Programm namens „Know Me“. Ziel des Programms ist es, die Bedürfnisse der Kunden kennenzulernen und besser zu verstehen sowie die bei allen Arten von Kontakten mit diesen Kunden gesammelten Daten zu nutzen, um das Niveau ihrer Dienstleistungen zu verbessern.

„Know Me“ enthält verschiedene Daten über Passagiere: Verhalten bei Online-Bestellungen, Wünsche beim Kauf, Vorlieben bei der Sitzplatzwahl. Alle diese Informationen werden automatisch generiert und bei der nächsten Buchung des Kunden automatisch verwendet.

Das Programm läuft mit der Analysesoftware von Opera Solutions. Darüber hinaus kommt die Google-Bildersuche zum Einsatz, die es Airline-Mitarbeitern ermöglicht, hochwertige und hochfliegende Passagiere bereits beim Betreten des Flughafens oder der Business-Lounge zu erkennen und ihnen entsprechend erstklassigen Service zu bieten.

Ein weiterer großer Marktteilnehmer, Virgin Australia, gab Ende 2017 bekannt, dass es die Leistung seiner Anwendungen im Bereich maschinelles Lernen optimiert. Zu diesem Zweck hat das Unternehmen das Startup DataRobot gewonnen. Ein amerikanisches Startup hat eine Predictive-Analytics-Plattform zur schnellen Erstellung und Implementierung von Vorhersagemodellen entwickelt. Diese Plattform hilft Virgin Australia bereits dabei, den Zeitaufwand für die Erstellung von Prognosemodellen um 90 % zu reduzieren und gleichzeitig die Prognosegenauigkeit um 15 % zu erhöhen.

Für Februar 2019 arbeitet die Fluggesellschaft an der Optimierung ihres Velocity Frequent Flyer-Treueprogramms und führt darin prädiktive Analysen ein, die die Kunden des Unternehmens dabei unterstützen sollen, den besten Zeitpunkt für die Nutzung der erhaltenen Punkte zu wählen. DataRobot hat die Aufgabe, Prognosen/Modelle darüber zu erstellen, wer am ehesten reisen wird, zu welchem Preis und welche Art von Reise der Reisende bevorzugt. Generell geht es um die Erhöhung des Serviceniveaus für die Teilnehmer des Treueprogramms der Fluggesellschaft.

Verwendung intelligenter Chatbots

Die erste Lösung ist ein Chatbot-Modell, das der menschlichen Kommunikation nahe kommt. Gleichzeitig wurde zur Verbesserung der Dialogfähigkeiten eine auf maschinellem Lernen basierende Anwendung namens LUIS (Language Understanding Intelligence Service) eingesetzt. Darüber hinaus sind kognitive Dienste, insbesondere Gesichtserkennung, in den Chatbot integriert. Damit können Airline-Kunden eine Liste von Filmen mit einem bestimmten Schauspieler anfordern, die sie an Bord ansehen können. Dazu müssen Sie lediglich ein Foto dieses Schauspielers in die Bewerbung hochladen.

Die zweite Lösung ist eine auf künstlicher Intelligenz basierende Anwendung zur Analyse von Videoinhalten mittels maschinellem Lernen. Die Plattform verfügt über die Fähigkeit, bestimmte Elemente, Szenarien oder altersbeschränkte Inhalte zu identifizieren, was häufig aufgrund der Content-Anforderungen der Fluggesellschaften erforderlich ist. Zum Beispiel, künstliche Intelligenz ist in der Lage, Inhalte im Zusammenhang mit Flugzeugabsturzszenen oder Inhalte für Erwachsene zu erkennen und herauszufiltern.

Im April 2018 stellte FoxTripper erstmals ein „Moving Map“-Programm vor. Das Programm versorgt Passagiere mit Informationen über die Gebiete, über die das Flugzeug fliegt, und ermöglicht den Passagieren, Reservierungen an ihrem Zielort vorzunehmen. Während des Fluges gesammelte Daten, kombiniert mit Airline-Daten über den Passagier, ermöglichen uns Vorhersagen darüber, welche Produkte und Dienstleistungen für ihn relevant sind.

Ein weiteres interessantes Beispiel ist Gogo Air. Dieses Unternehmen für Bord-Infotainment nutzt künstliche Intelligenz und maschinelles Lernen, um Fluggesellschaften dabei zu helfen, ihren Service zu verbessern. Gogo Air nutzt die Adobe Analytics-Toolsuite, darunter Virtual Analyst, ein auf maschinellem Lernen basierendes Tool, um Kundeninformationen für eine Reihe großer Fluggesellschaften zu sammeln.

Durch die Bereitstellung von Unterhaltungsinhalten und WLAN-Zugang an Bord sammelt Gogo Air Informationen über Passagiere, die diese Dienste nutzen. Diese Informationen werden dann verarbeitet und analysiert. Dadurch erhalten Fluggesellschaften Daten, die ihnen helfen, den Kundenservice zu verbessern und ihren Passagieren häufig gezieltere Produkte anzubieten. Fluggesellschaften erfahren, an welchen Produkten ihre Kunden während des Flugs interessiert sein könnten, welche Geräte sie während des Flugs verwenden, wie viel Zeit sie bereit sind, online zu verbringen, oder welche Arten der Bordunterhaltung sie bevorzugen.

Fluggesellschaften nutzen die erhaltenen Daten, um Dienste je nach Situation zu personalisieren, indem sie beispielsweise die Bildschirme der Infotainmentsysteme im Flugzeug je nach Fluglänge, vom Passagier verwendeten Geräten und Zielort an den Kunden anpassen.

Auch die Catering-Technologien an Bord kommen nicht zu kurz. So schloss Black Swan Data, ein Unternehmen, das Lösungen für die Datenanalyse entwickelt, im April 2018 in Hamburg eine Kooperationsvereinbarung mit der Gategroup. Ziel der Zusammenarbeit ist es, Passagierdaten und Trends in sozialen Netzwerken zu analysieren, um vorherzusagen, welches Menü Passagiere im Flugzeug wählen werden. Passagiere können ihre Lieblingsgerichte bestellen und erwarten diese nach der Landung. Das Pilotprojekt der beiden Unternehmen zeigte gute Ergebnisse: Es gelang, die Lebensmittelverschwendung um 50 % zu reduzieren und die Produktivität um 15 % zu steigern.

Im Mai 2018 bot der Luftfahrtlösungsentwickler SITA ein Gepäckverfolgungs- und -managementsystem an. Seine BagJourney-Technologie ermöglicht es immer mehr Fluggesellschaften, den Gepäckbetrieb zu verwalten. Allein im ersten Halbjahr 2018 haben sich mehr als 20 Spediteure für diese Lösung entschieden. SITA BagJourney ist eine der Schlüssellösungen, die der Luftfahrtindustrie dabei hilft, die IATA-Resolution 753 einzuhalten, die die Verfolgung von Gepäck in jeder Phase der Reise vorschreibt.

Mit SITA BagJourney werden jedes Jahr Hunderte Millionen Gepäckstücke abgefertigt. Nach Angaben der Anwender reduziert die Lösung die Fehleranzahl um 30 %. BagJourney ist mit einer Vielzahl von Hardware kompatibel, darunter mobile Geräte für Scan- oder stationäre Geräte.

Nach Angaben von BahamasAir, einem der Nutzer der Lösung, war der Prozess nach der Implementierung innerhalb von 7 Tagen abgeschlossen vollständiger Übergang auf mobile Geräte, um das gesamte Gepäck an den beiden gepäckmäßig verkehrsreichsten Reisezielen – Nassau und Miami – zu verfolgen. Nach sechs Monaten sank die Zahl der Beschwerden über Probleme mit dem Gepäck auf der verkehrsreichsten Strecke um 60 %. Die Fluggesellschaft plant, die Lösung auf allen Strecken zu implementieren und geht davon aus, dass sie bis Ende des Jahres die Anforderungen der Resolution 753 vollständig erfüllen wird.

Interviews mit Experten

Anwendung von Big-Data-Technologien in der russischen Zivilluftfahrt

Die Arbeit mit der Kundenreputation ist für Transportunternehmen, einschließlich der Luftfahrt, von großer Bedeutung. Soziale Netzwerke ermöglichen es Ihnen, in Echtzeit Passagierbewertungen zu sammeln und schnell darauf zu reagieren.

Die Vorteile des betrachteten Systems liegen in der Möglichkeit, die Zufriedenheit mit dem Unternehmen und die Interaktion mit Nutzern in sozialen Netzwerken kontinuierlich zu überwachen; Gewährleistung der Sicherheit und Identifizierung terroristischer Organisationen, Extremismus und anderer Probleme; Kontinuierliche Verbesserung des Angebots für den Kunden durch Analyse in sozialen Netzwerken und die Möglichkeit zur direkten Kommunikation mit dem Betreiber; Wahrung des Rufs der Fluggesellschaft durch zeitnahen Kontakt mit dem Publikum in sozialen Netzwerken; Analyse der Nutzerpräferenzen und Erstellung individueller Produktangebote sowie erfolgreiche zielgerichtete Werbung. Weitere Details zum Projekt -

Inländisches DBMS Tarantool im Big-Data-Analyseprojekt

Aeroflot hat im Rahmen eines Plattformprojekts zur Analyse und Verarbeitung von Passagieranfragen in sozialen Netzwerken Predictive-Analytics-Algorithmen implementiert. Als DBMS wurde die inländische Entwicklung verwendet – die Tarantool-Lösung des Unternehmens Mail.Ru Group.

Der Komplex besteht aus einer großen Anzahl von Modulen, die sowohl funktionale Geschäftsanforderungen als auch Integrationsmodule in die bestehende IT-Infrastruktur von Aeroflot PJSC und verschiedene Kanäle für den Empfang von Anfragen (soziale Netzwerke, E-Mail, offizielle Website, persönliches Konto) abdecken.

Das erste Modul ist für die Identifizierung des Kunden auf der Grundlage einer umfassenden Datenanalyse verantwortlich, sowohl des Textes selbst als auch der Profildaten des Autors. Die Anzahl der Anfragen kann mehrere Tausend pro Tag erreichen.

Das zweite Modul dient der Suche nach doppelten Anfragen. Kopieren von Text zur Veröffentlichung auf verschiedenen Ressourcen oder zum Versenden per E-Mail. Semantisch ähnliche Beiträge werden identifiziert, um Cluster zu identifizieren, bei denen es sich um Vorfälle handelt. Die gleichzeitige Bearbeitung mehrerer gleichartiger Stellen führt zu einer deutlichen Entlastung der verantwortlichen Mitarbeiter.

Das dritte Modul „Information Leads“ ist eines der wichtigsten im System. Seine Hauptfunktion besteht darin, gefährliche Beiträge vorausschauend zu erkennen, noch bevor eine Zunahme der Aktivität einsetzt. Die eingebetteten Algorithmen deuten somit auf eine potenzielle „Infobombe“ hin und ermöglichen es, Reputationsverluste auszugleichen.

Die geschätzte Anzahl der Datenzugriffe betrug mehrere Tausend Anfragen pro Sekunde mit der erforderlichen Antwortzeit von einigen Millisekunden. Um den hohen Kundenanforderungen, wie beispielsweise der vorgeschriebenen Zeitbegrenzung von drei Sekunden für die Anreicherung des Kreislaufs mit verschiedenen Eigenschaften, gerecht zu werden, war der Einsatz von Hightech-Software erforderlich. Basierend auf den Ergebnissen von Tests zu Leistung, Datenspeicherqualität und Funktionalität wurde beschlossen, eine heimische Entwicklung zu verwenden – das Tarantool DBMS.

Tarantool wird auf der Plattform als Betriebsdatenbank verwendet, in der Anfragen in Form spezieller Datenstrukturen gespeichert werden, die für Analysealgorithmen erforderlich sind. Die extrem hohe Leistung und das Vorhandensein von Eigenschaften wie Sekundärindizes in der Datenbank und die Unterstützung einer großen Anzahl von Verbindungen ohne Leistungsverlust ermöglichten die erfolgreiche Implementierung der oben beschriebenen Funktionsmodule innerhalb des festgelegten Zeitrahmens.

Die Nutzung inländischer Entwicklungen in einem so großen Unternehmen wie Aeroflot ist äußerst wichtig. Russische Software ist ihren ausländischen Pendants oft in nichts nachstehen und, wie in unserem Fall, sogar überlegen. Aus diesem Grund wurde Tarantool ausgewählt. Und natürlich wird der wichtige Faktor der Importsubstitution erfüllt, der für unser Unternehmen eine der wichtigsten Prioritäten für die kommenden Jahre darstellt.

Kirill Bogdanov, CIO von Aeroflot PJSC

Basierend auf den Ergebnissen der Implementierung hat der Kunde durch die Nutzung der Plattform die Effizienz des Prozesses der Bearbeitung von Kundenbeschwerden und -anfragen durch verantwortliche Mitarbeiter von Aeroflot PJSC erheblich gesteigert, die Zeit bis zur Zustellung der Anfrage und die Zeit für die Bearbeitung/Verarbeitung drastisch verkürzt. Lösung des Problems aufgrund von Mechanismen zur Anreicherung der Anfrage mit Kontext, Ton, Themen (Tagging), Profilautor usw. All dies zielt darauf ab, in fast allen Phasen der Leistungserbringung durch Aeroflot PJSC einen positiven wirtschaftlichen und Reputationseffekt zu erzielen. Basierend auf den erfolgreichen Erfahrungen werden alle Projektbeteiligten weiterhin die Tarantool-Software in ihren Projekten einsetzen und die Partnerschaften stärken

Technoserv implementierte ein intelligentes Kundensegmentierungssystem für Aeroflot

Technoserv bestätigte, dass Big-Data-Technologien in der Transportbranche generell gefragt sind, und dies wird durch die steigende Zahl von Projekten bestätigt, die diese Technologien nutzen. Gleichzeitig seien die Themen der Projekte ihrer Meinung nach völlig unterschiedlich. Dazu gehören die Aufgaben der zunehmenden Personalisierung der Kommunikation mit Kunden, die proaktive Reparatur von Geräten, die Bedarfsvorhersage und andere Aufgaben, die mithilfe von Algorithmen des maschinellen Lernens gelöst werden, sowie die Analyse großer Mengen strukturierter, unstrukturierter und halbstrukturierter Daten sowohl für die Fluggesellschaft als auch für ihre Partner. Die Berechnungsgeschwindigkeit wurde von 14 Tagen auf 23 Sekunden erhöht.

Wir haben eine Transaktion zum Kauf eines Flugtickets über eine offene Blockchain-API bei der Bank durchgeführt, aber ich bin sicher, dass ein solches Schema sehr bald von vielen Unternehmen auf der ganzen Welt genutzt werden wird. Mit der Blockchain-Plattform können Sie Geschäftsprozesse deutlich optimieren. Es automatisiert jedes gegenseitige Abrechnungssystem, auch ein sehr komplexes – zum Beispiel Lagerlieferungen. Bei einem solchen Mechanismus ist praktisch keine menschliche Beteiligung erforderlich: Es besteht keine Notwendigkeit, Rechnungen auszustellen, Abstimmungen durchzuführen oder Rechtsakte zu verfassen. Potenziell können Anbieter von Bordverpflegung, Treibstoff und Flughafendienstleistungen – alle Unternehmen, mit denen S7 Airlines ständig zusammenarbeitet und nicht nur – an die Plattform angeschlossen werden.(Aviation Fuel Smart Contracts, AFSC), basierend auf Blockchain. Das Projekt ermöglichte eine Automatisierung der Planung und Abrechnung von Treibstoffvorräten und soll die Geschwindigkeit der gegenseitigen Abrechnung bei der Betankung von Flugzeugen erhöhen.

Laut einer Erklärung von Vertretern von Gazprom Neft handelt es sich um die erste Erfahrung mit dem Einsatz von Distributed-Ledger-Technologien für den russischen Luftfahrtmarkt. Mit ihrer Hilfe konnte die Fluggesellschaft den Treibstoff sofort beim Betanken von Flugzeugen bezahlen, ohne Vorauszahlung, Bankgarantien und finanzielle Risiken für die Transaktionsteilnehmer. Dieser Ansatz steigert die Effizienz von Finanztransaktionen und senkt die Arbeitskosten, so das Öl- und Gasunternehmen.

Vorhersage von Ausfällen von S7 Airlines-Flugzeugen mithilfe von maschinellem Lernen und Big-Data-Analyse

Anfang März 2018 hat S7 Airlines ein Vorhersagesystem entwickelt Wartung(vorausschauende Wartung). Nach Angaben des Unternehmens war es das erste russische Luftfahrtunternehmen, das die Entwicklung eines solchen Systems abgeschlossen hat.

Zunächst wird es für Airbus A319-Flugzeuge verwendet. Zukünftig soll das System für die gesamte Flugzeugflotte adaptiert werden.

Das vorausschauende Wartungssystem umfasst die Analyse einer Reihe historischer Daten zur Flugzeugwartung und zum Betrieb einzelner Komponenten.

Die Software zur Datenanalyse und zum Aufbau eines mathematischen Modells wurde von Spezialisten von S7 Airlines zusammen mit dem russischen Unternehmen Datadvance entwickelt, das auf die Entwicklung von Lösungen für Predictive Analytics spezialisiert ist.

Im März 2018 lag bereits ein Datensatz für den Zeitraum 2012 bis 2017 zur Analyse vor. Hierbei handelt es sich um Daten, die in Flugzeugtelemetriesystemen, der Datenbank der Flugzeugwartungs- und -reparaturholding S7 Technics sowie meteorologische Daten aufgezeichnet werden.

Die Hauptaufgaben, die das Unternehmen mit Hilfe der vorausschauenden Wartung lösen will, sind die Reduzierung technisch bedingter Flugverspätungen, die Erhöhung der Flugsicherheit und der Effizienz der Flugzeugwartung sowie die Vorhersage der Wahrscheinlichkeit möglicher Ausfälle für jedes Flugzeug der Unternehmensflotte .

Mehrere Hundert RFID-Tags in jedem Flugzeug sind buchstäblich an allem angebracht, was nicht niet- und nagelfest ist – von der Schwimmweste bis zum Sicherheitsgurt. Etiketten werden auch an hitzebeständigen Handschuhen, Megaphonen, Sauerstoffflaschen, Masken, Feuerlöschern usw. angebracht.

Ziel des Projekts ist es, die Bestandsaufnahme der Notfallausrüstung nach jedem Flug zu beschleunigen. Einer der Flugbegleiter startet auf einem Tablet spezielle Anwendung und geht durch die Kabine und scannt RFID-Tags. Jeder erkannte Tag antwortet mit einem Kurzschluss Tonsignal, und am Ende generiert die Anwendung einen Bericht über das Vorhandensein aller Notfallgeräte. Der Bericht wird sofort auf den Server hochgeladen: SIM-Karten werden in die Tablets eingebaut und der Cloud-Teil auf Basis von Microsoft Azure umgesetzt.

Fehlt eine Ausstattung, ist dies sofort im Bericht ersichtlich, entsprechend wird in diesem Fall der Befehl zur Abfahrt von Bahnsteigbussen mit Fahrgästen nicht erteilt und diese überprüft.

Ohne Ausrüstung kann das Flugzeug nicht zum nächsten Flug zugelassen werden (d. h. wenn nicht genügend Schwimmweste an Bord ist, wird einem der Passagiere die Beförderung verweigert). Die manuelle Inventur erfordert viel mehr Zeit und Aufwand: Allein unter den Sitzen befinden sich 189 Westen, die alle überprüft werden müssen. So konnte Pobeda dank der RFID-Technologie die minimale Abfertigungszeit der Flugzeuge von 30 auf 25 Minuten reduzieren. Dies ist einer der wichtigsten KPIs in der Passagierluftfahrt: Je weniger Zeit von der Ankunft am Flughafen bis zum Abflug des nächsten Fluges vergeht, desto höher ist die Wirtschaftlichkeit der Fluggesellschaft, da das Flugzeug nur dann Einnahmen generiert, wenn es fliegt und steht nicht auf dem Boden. Angesichts der Größe der Pobeda-Flotte von eineinhalb Dutzend Flugzeugen ermöglicht die Reduzierung der Lagerzeit jedes Flugzeugs um 5 Minuten die Durchführung von mindestens einem zusätzlichen Flug, ohne die Flugzeugflotte zu vergrößern.

Schaffung eines Innovationszentrums für die Zivilluftfahrt zur Stärkung der Expertise im Bereich Big Data

Im Jahr 2017 gründeten die Innodata Company, ein russischer Softwareentwickler im Bereich innovativer Technologien, und die russische IT-Universität Innopolis das Center for Innovation in Civil Aviation (CIGA). Der Zweck des Vereins besteht darin, eine technologische und digitale Präsenz in der modernen Zivilluftfahrt zu entwickeln, dazu beizutragen, das Wesen und die Bedeutung moderner Technologien aufzuzeigen, die Angebot und Nachfrage für Akteure der Luftfahrtindustrie beeinflussen, und Innovationen der digitalen Welt in die aktuelle Zivilluftfahrt zu integrieren Technologien. Im Jahr 2018 wurde die RAMAX-Unternehmensgruppe Partner des Zentrums mit dem Ziel, die bestehende Expertise im Technologiebereich zu stärken und spezialisierte Lösungen für die Luftfahrtindustrie zu entwickeln.

Die Haupttätigkeitsbereiche sind die Weiterentwicklung bestehender bzw. die Schaffung neuer Lösungen für die Luftfahrtindustrie. Das Zentrum führt sowohl Bildungs- als auch Projektaktivitäten durch, sei es die Umsetzung von Projekten auf wissenschaftlicher, technischer, innovativer oder informationsanalytischer Ebene. CIGA ist auch offen für experimentelle Projekte, um fortschrittliche Technologien und Lösungen voranzutreiben, und ist bereit, Unterstützung bei der Entwicklung zu leisten.

Virtuelle Realität zur Bekämpfung von Aerophobie, technologiebasierte Flughafennavigation virtuelle Realität, Verhaltensanalyse von Mitarbeiteraktivitäten im Informationsbereich, Vorhersage der Kaufkraft von Passagieren und Generierung dynamischer Empfehlungen zur Änderung von Ticketpreisen, Planung von Flugplänen und Analyse der Optimierung von Saisonplänen, vorausschauendes Management des Passagierverkehrs, Personalmanagement an Flughäfen, Entwicklung von ein System zur Auswahl persönlicher Paketangebote für Flugdienste und Partner sowie Techniken zum Scannen der Flugzeugoberfläche während der Wartung nach dem Flug, zur Landebahnanalyse, zur Verwaltung des Überbuchungsgrads, zur Analyse der Interessen der Passagiere und zur Generierung von Vorschlägen für sie.

Abschluss

Die oben diskutierten Beispiele zeigen, dass Fluggesellschaften nicht mehr nur Flugzeuge, Fluggesellschaften sind, an die wir uns gewöhnt haben. Eine wichtige Grundlage für ihre Entwicklung sind Technologien, die beispielsweise die Personalisierung von Diensten ermöglichen. Individuelle Angebote, die jedem Passagier die Reise so angenehm wie möglich machen. Die Suche nach Reiseinformationen, die Buchung von Tickets, Suchanfragen – alle Aktionen im Netzwerk hinterlassen digitale Spuren, die analysiert werden können, um ein möglichst zielgerichtetes Leistungspaket zu erstellen. Darüber hinaus können Sie durch die Arbeit mit Big Data die Kundenbindung erhöhen, indem Sie beispielsweise schnell auf Passagieranfragen reagieren.

Produktionssysteme erzeugen noch mehr Daten. Flugzeuge, Eisenbahnlokomotiven und Züge sind die Quelle eines riesigen Flusses technischer Daten, der von Sensoren stammt, die in Motoren und Lebenserhaltungssystemen eingebaut sind. Eine detaillierte Analyse dieser Daten ermöglicht es uns, den Reparaturbedarf eines bestimmten Ersatzteils zu erkennen und vorherzusagen. Dadurch können Sie das Sicherheitsniveau erhöhen und den Spediteuren erhebliche Kosten sparen. Der Reparaturaufwand verringert sich und das Flugzeug kann länger bestimmungsgemäß genutzt werden.

Das vorgeschlagene Material ging auf einige der Möglichkeiten und praktischen Ergebnisse des Einsatzes von Big-Data-Technologien in der Luftfahrtindustrie ein, aber in Wirklichkeit werden solche Entwicklungsmöglichkeiten von Tag zu Tag größer.

"Große Daten" ist ein Thema, das von Technologieunternehmen aktiv diskutiert wird. Einige von ihnen sind von Big Data desillusioniert, während andere im Gegenteil das Beste daraus für ihr Geschäft machen... Ein neuer analytischer Überblick über den inländischen und globalen Big-Data-Markt, erstellt von der Moskauer Börse zusammen mit IPOboard-Analysten , zeigt, welche Trends derzeit auf dem Markt am relevantesten sind. Wir hoffen, dass die Informationen interessant und nützlich sind.

WAS IST BIG DATA?

Hauptmerkmale

Big Data ist derzeit einer der wichtigsten Treiber der Entwicklung der Informationstechnologie. Diese für die russische Wirtschaft relativ neue Richtung hat sich in westlichen Ländern weit verbreitet. Dies ist auf die Tatsache zurückzuführen, dass im Zeitalter der Informationstechnologie, insbesondere nach dem Boom soziale Netzwerke, begann sich für jeden Internetnutzer eine beträchtliche Menge an Informationen anzusammeln, was letztendlich zur Entwicklung von Big Data führte.

Der Begriff „Big Data“ löst viele Kontroversen aus; viele meinen, er bedeute nur die Menge der gesammelten Informationen, aber wir sollten die technische Seite nicht vergessen, zu der auch Speichertechnologien, Computer und Dienste gehören.

Es ist zu beachten, dass dieser Bereich die Verarbeitung einer großen Menge an Informationen umfasst, die mit herkömmlichen Methoden nur schwer zu verarbeiten sind*.

Nachfolgend finden Sie eine Vergleichstabelle zwischen herkömmlichen und Big-Data-Datenbanken.

Der Bereich Big Data zeichnet sich durch folgende Merkmale aus:
Volumen – Die angesammelte Datenbank stellt eine große Menge an Informationen dar, deren Verarbeitung und Speicherung auf herkömmliche Weise einen neuen Ansatz und verbesserte Tools erfordert.
Geschwindigkeit – Geschwindigkeit, dieses Attribut weist sowohl auf die zunehmende Geschwindigkeit der Datenakkumulation hin (90 % der Informationen wurden in den letzten 2 Jahren gesammelt) als auch auf die Geschwindigkeit der Datenverarbeitung, die in letzter Zeit stärker nachgefragt wurde.
Vielfalt – Diversität, d.h. die Fähigkeit, strukturierte und unstrukturierte Informationen verschiedener Formate gleichzeitig zu verarbeiten. Der Hauptunterschied zwischen strukturierten Informationen besteht darin, dass sie klassifiziert werden können. Ein Beispiel für solche Informationen wären Informationen über Kundentransaktionen.
Zu den unstrukturierten Informationen gehören Videos, Audiodateien, Freitext und Informationen aus sozialen Netzwerken. Heutzutage sind 80 % der Informationen unstrukturiert. Diese Information erfordert eine komplexe Analyse, um es für die weitere Verarbeitung nutzbar zu machen.
Richtigkeit – Zuverlässigkeit der Daten: Nutzer legten zunehmend Wert auf die Zuverlässigkeit der verfügbaren Daten. So haben Internetunternehmen ein Problem damit, die von einem Roboter und einem Menschen ausgeführten Aktionen auf der Website des Unternehmens zu trennen, was letztlich zu Schwierigkeiten bei der Datenanalyse führt.
Wert – der Wert der gesammelten Informationen. Big Data muss für das Unternehmen nützlich sein und ihm einen Mehrwert bringen. Helfen Sie beispielsweise bei der Verbesserung von Geschäftsprozessen, dem Reporting oder der Kostenoptimierung.

Wenn die oben genannten 5 Bedingungen erfüllt sind, können die anfallenden Datenmengen als groß eingestuft werden.

Anwendungsgebiete von Big Data

Der Einsatzbereich von Big-Data-Technologien ist umfangreich. So können Sie mithilfe von Big Data mehr über Kundenpräferenzen, die Wirksamkeit von Marketingkampagnen erfahren oder Risikoanalysen durchführen. Nachfolgend finden Sie die Ergebnisse einer Umfrage des IBM Instituts zu den Einsatzgebieten von Big Data in Unternehmen.

Wie aus der Grafik hervorgeht, nutzen die meisten Unternehmen Big Data im Bereich Kundenservice, der zweitbeliebteste Bereich ist die betriebliche Effizienz im Bereich Risikomanagement, Big Data ist derzeit weniger verbreitet.

Es ist auch zu beachten, dass Big Data laut Statistik einer der am schnellsten wachsenden Bereiche der Informationstechnologie ist; die Gesamtmenge der empfangenen und gespeicherten Daten verdoppelt sich alle 1,2 Jahre.
Für den Zeitraum 2012 bis 2014 die monatlich übertragene Datenmenge Mobilfunknetze, wuchs um 81 %. Nach Schätzungen von Cisco betrug das Volumen des mobilen Datenverkehrs im Jahr 2014 2,5 Exabyte (eine Maßeinheit für die Informationsmenge, die 10^18 Standardbytes entspricht) pro Monat, und im Jahr 2019 wird es 24,3 Exabyte betragen.
Damit ist Big Data trotz seines relativ jungen Alters ein bereits etablierter Technologiebereich, der in vielen Wirtschaftsbereichen weit verbreitet ist und eine wichtige Rolle bei der Entwicklung von Unternehmen spielt.

Big-Data-Technologien

Technologien zur Erfassung und Verarbeitung von Big Data lassen sich in drei Gruppen einteilen:

Software;
Ausrüstung;
Dienstleistungen.

Zu den gängigsten Datenverarbeitungsansätzen (DP) gehören:
SQL – eine strukturierte Abfragesprache, die Ihnen die Arbeit mit Datenbanken ermöglicht. Mithilfe von SQL können Sie Daten erstellen und ändern, und die Verwaltung des Datenarrays wird vom entsprechenden Datenbankverwaltungssystem übernommen.
NoSQL – der Begriff steht für Not Only SQL (nicht nur SQL). Es umfasst eine Reihe von Ansätzen zur Implementierung einer Datenbank, die sich von den in herkömmlichen relationalen DBMS verwendeten Modellen unterscheiden. Sie sind praktisch, wenn sich die Datenstruktur ständig ändert. Beispielsweise um Informationen in sozialen Netzwerken zu sammeln und zu speichern.
Karte verkleinern – Berechnungsverteilungsmodell. Wird verwendet für Paralleles Rechnenüber sehr große Datensätze (Petabyte* oder mehr). Bei einer Programmschnittstelle werden nicht die Daten an das Programm zur Verarbeitung übergeben, sondern das Programm an die Daten. Somit handelt es sich bei der Anfrage um ein separates Programm. Das Funktionsprinzip besteht darin, Daten nacheinander mit zwei Methoden zu verarbeiten: Map und Reduce. Map wählt vorläufige Daten aus, Reduce aggregiert sie.
Hadoop – wird verwendet, um Such- und Kontextmechanismen für stark ausgelastete Websites zu implementieren – Facebook, eBay, Amazon usw. Besonderheit besteht darin, dass das System vor dem Ausfall eines der Clusterknoten geschützt ist, da jeder Block mindestens eine Kopie der Daten auf einem anderen Knoten hat.
SAP HANA – leistungsstarke NewSQL-Plattform zur Datenspeicherung und -verarbeitung. Bietet eine hohe Geschwindigkeit bei der Bearbeitung von Anfragen. Einer noch Kennzeichen ist, dass SAP HANA die Systemlandschaft vereinfacht und die Kosten für die Unterstützung analytischer Systeme senkt.

Zur technischen Ausstattung gehören:

Server;
Infrastrukturausrüstung.

Server umfassen Datenspeicher.
Zur Infrastrukturausrüstung gehören Plattformbeschleunigungstools und Quellen unterbrechungsfreie Stromversorgung, Serverkonsolensätze usw.

Dienstleistungen.
Zu den Dienstleistungen gehören Dienstleistungen zum Aufbau der Architektur eines Datenbanksystems, zur Einrichtung und Optimierung der Infrastruktur sowie zur Gewährleistung der Sicherheit der Datenspeicherung.

Software, Hardware und Dienste bilden zusammen umfassende Plattformen zur Datenspeicherung und -analyse. Unternehmen wie Microsoft, HP und EMC bieten Dienstleistungen für die Entwicklung, Bereitstellung und Verwaltung von Big-Data-Lösungen an.

Anwendungen in der Industrie

Big Data ist in vielen Wirtschaftszweigen weit verbreitet. Sie werden im Gesundheitswesen, in der Telekommunikation, im Handel, in der Logistik, in Finanzunternehmen sowie in der Regierungsverwaltung eingesetzt.
Nachfolgend finden Sie einige Beispiele für Big-Data-Anwendungen in einigen Branchen.

Einzelhandel
In den Datenbanken von Einzelhandelsgeschäften können viele Informationen über Kunden, Bestandsverwaltungssysteme und Lieferungen kommerzieller Produkte gesammelt werden. Diese Informationen können in allen Bereichen der Geschäftstätigkeit nützlich sein.

So können Sie mit Hilfe der gesammelten Informationen die Warenversorgung, deren Lagerung und den Verkauf verwalten. Basierend auf den gesammelten Informationen ist es möglich, die Nachfrage und das Angebot an Gütern vorherzusagen. Darüber hinaus kann ein Datenverarbeitungs- und Analysesystem andere Probleme eines Einzelhändlers lösen, beispielsweise die Kostenoptimierung oder die Erstellung von Reportings.

Finanzdienstleistungen
Big Data ermöglicht die Analyse der Kreditwürdigkeit des Kreditnehmers und ist auch für die Kreditwürdigkeitsprüfung* und das Underwriting** nützlich. Die Einführung von Big-Data-Technologien wird die Zeit für die Prüfung von Kreditanträgen verkürzen. Mit Hilfe von Big Data ist es möglich, die Transaktionen eines bestimmten Kunden zu analysieren und für ihn passende Bankdienstleistungen anzubieten.

Telekommunikation
In der Telekommunikationsbranche ist Big Data bei Mobilfunkbetreibern weit verbreitet.
Mobilfunkbetreiber verfügen neben Finanzinstituten über einige der umfangreichsten Datenbanken, die ihnen eine tiefgreifende Analyse der gesammelten Informationen ermöglichen.
Der Hauptzweck der Datenanalyse besteht darin, bestehende Kunden zu binden und neue zu gewinnen. Dazu segmentieren Unternehmen ihre Kunden, analysieren deren Traffic und ermitteln die soziale Zugehörigkeit des Abonnenten.

Neben der Nutzung von Big Data für Marketingzwecke werden Technologien zur Verhinderung betrügerischer Finanztransaktionen eingesetzt.

Bergbau- und Erdölindustrie
Sowohl bei der Gewinnung von Mineralien als auch bei deren Verarbeitung und Vermarktung kommt Big Data zum Einsatz. Anhand der erhaltenen Informationen können Unternehmen Rückschlüsse auf die Effizienz der Feldentwicklung ziehen, den Zeitplan für größere Reparaturen und den Zustand der Ausrüstung überwachen sowie die Nachfrage nach Produkten und Preisen prognostizieren.

Laut einer Umfrage von Tech Pro Research ist Big Data in der Telekommunikationsbranche sowie in Ingenieur-, IT-, Finanz- und Regierungsunternehmen am weitesten verbreitet. Den Ergebnissen dieser Umfrage zufolge ist Big Data im Bildungs- und Gesundheitswesen weniger beliebt. Nachfolgend werden die Umfrageergebnisse dargestellt:

Beispiele für den Einsatz von Big Data in Unternehmen

Heute wird Big Data in ausländischen Unternehmen aktiv umgesetzt. Unternehmen wie Nasdaq, Facebook, Google, IBM, VISA, Master Card, Bank of America, HSBC, AT&T, Coca Cola, Starbucks und Netflix nutzen bereits Big-Data-Ressourcen.

Die Anwendungen der verarbeiteten Informationen sind vielfältig und variieren je nach Branche und den zu erledigenden Aufgaben.
Anschließend werden Beispiele für die Anwendung von Big-Data-Technologien in der Praxis vorgestellt.

HSBC nutzt Big-Data-Technologien, um betrügerische Transaktionen mit Plastikkarten zu bekämpfen. Mithilfe von Big Data steigerte das Unternehmen die Effizienz des Sicherheitsdienstes um das Dreifache und die Erkennung betrügerischer Vorfälle um das Zehnfache. Der wirtschaftliche Effekt der Einführung dieser Technologien überstieg 10 Millionen US-Dollar.

Betrugsbekämpfung* VISA Ermöglicht Ihnen das System, betrügerische Transaktionen automatisch zu berechnen dieser Moment hilft, betrügerische Zahlungen in Höhe von 2 Milliarden US-Dollar pro Jahr zu verhindern.

Watson-Supercomputer IBM analysiert in Echtzeit den Datenfluss zu Geldtransaktionen. Laut IBM steigerte Watson die Zahl der erkannten betrügerischen Transaktionen um 15 %, reduzierte Fehlalarme um 50 % und erhöhte den vor Transaktionen dieser Art geschützten Geldbetrag um 60 %.

Procter & Gamble Nutzung von Big Data zur Entwicklung neuer Produkte und zur Erstellung globaler Marketingkampagnen. P&G hat spezielle Business Spheres-Büros eingerichtet, in denen Informationen in Echtzeit eingesehen werden können.
Somit hatte die Unternehmensleitung die Möglichkeit, Hypothesen sofort zu testen und Experimente durchzuführen. P&G ist davon überzeugt, dass Big Data bei der Prognose der Unternehmensleistung hilft.

Einzelhändler für Bürobedarf OfficeMax Mithilfe von Big-Data-Technologien analysieren sie das Kundenverhalten. Die Big-Data-Analyse ermöglichte es, den B2B-Umsatz um 13 % zu steigern und die Kosten um 400.000 US-Dollar pro Jahr zu senken.

Nach der Meinung Raupe , entgehen seinen Vertriebshändlern jedes Jahr Gewinne in Höhe von 9 bis 18 Milliarden US-Dollar, nur weil sie keine Big-Data-Verarbeitungstechnologien implementieren. Big Data würde es Kunden ermöglichen, ihre Flotte effizienter zu verwalten, indem sie Informationen analysieren, die von an den Maschinen installierten Sensoren stammen.

Bereits heute ist es möglich, den Zustand wichtiger Komponenten und deren Verschleiß zu analysieren sowie Kraftstoff- und Wartungskosten zu verwalten.

Luxottica-Gruppe ist ein Hersteller von Sportbrillen, darunter Marken wie Ray-Ban, Persol und Oakley. Das Unternehmen nutzt Big-Data-Technologien zur Analyse des Verhaltens potenzieller Kunden und „smartes“ SMS-Marketing. Dank Big Data identifizierte die Luxottica-Gruppe mehr als 100 Millionen ihrer wertvollsten Kunden und steigerte die Wirksamkeit ihrer Marketingkampagne um 10 %.

Mit Hilfe von Yandex Data Factory, den Spieleentwicklern Welt der Panzer Analysieren Sie das Verhalten der Spieler. Big-Data-Technologien ermöglichten es, das Verhalten von 100.000 Menschen zu analysieren Weltspieler von Panzern anhand von mehr als 100 Parametern (Informationen zu Käufen, Spielen, Erfahrung usw.). Als Ergebnis der Analyse wurde eine Prognose des Nutzerabflusses erstellt. Mit diesen Informationen können Sie die Abwanderung von Nutzern reduzieren und gezielt mit den Spielteilnehmern arbeiten. Das entwickelte Modell erwies sich als 20–30 % effektiver als Standard-Analysetools der Gaming-Branche.

Deutsches Arbeitsministerium nutzt Big Data bei der Analyse eingehender Anträge auf Arbeitslosenunterstützung. Nach der Analyse der Informationen wurde klar, dass 20 % der Leistungen unverdient gezahlt wurden. Mit Hilfe von Big Data hat das Arbeitsministerium die Kosten um 10 Milliarden Euro gesenkt.

Toronto Kinderkrankenhaus implementierte das Project Artemis-Projekt. Hierbei handelt es sich um ein Informationssystem, das in Echtzeit Daten über Babys sammelt und analysiert. Das System überwacht jede Sekunde 1260 Indikatoren für den Zustand jedes Kindes. Das Projekt Artemis ermöglicht es, den instabilen Zustand eines Kindes vorherzusagen und mit der Prävention von Krankheiten bei Kindern zu beginnen.

ÜBERBLICK ÜBER DEN WELTMARKT FÜR BIG DATA

Aktueller Zustand des Weltmarktes

Im Jahr 2014 wurde Big Data laut Data Collective zu einem der vorrangigen Investitionsbereiche in der Risikokapitalbranche. Den Daten zufolge Informationsportal Computerra, das liegt daran, dass Entwicklungen in diesem Bereich begonnen haben, signifikante Ergebnisse für ihre Benutzer zu bringen. Im vergangenen Jahr ist die Zahl der Unternehmen mit umgesetzten Projekten im Bereich Big Data Management um 125 % gestiegen, das Marktvolumen ist im Vergleich zu 2013 um 45 % gewachsen.

Der Großteil des Big-Data-Marktumsatzes entfiel laut Wikibon im Jahr 2014 auf Dienstleistungen, ihr Anteil entsprach 40 % des Gesamtumsatzes (siehe Grafik unten):

Wenn wir Big Data für 2014 nach Untertypen betrachten, sieht der Markt wie folgt aus:

Laut Wikibon machten Anwendungen und Analysen im Jahr 2014 36 % des Big-Data-Umsatzes aus Big-Data-Anwendungen und -Analysen, 17 % aus Computerausrüstung und 15 % aus Datenspeichertechnologien aus. Den geringsten Umsatz generierten NoSQL-Technologien, Infrastrukturausrüstung und die Bereitstellung eines Unternehmensnetzwerks ( Unternehmensnetzwerke).

Die beliebtesten Big-Data-Technologien sind die In-Memory-Plattformen von SAP, HANA, Oracle etc. Die Ergebnisse der T-Systems-Umfrage zeigten, dass sie von 30 % der befragten Unternehmen gewählt wurden. Am zweitbeliebtesten waren NoSQL-Plattformen (18 % der Nutzer), Unternehmen nutzten auch Analyseplattformen von Splunk und Dell, sie wurden von 15 % der Unternehmen gewählt. Den Umfrageergebnissen zufolge erwiesen sich Hadoop/MapReduce-Produkte als am wenigsten nützlich für die Lösung von Big-Data-Problemen.

Laut einer Accenture-Umfrage liegen die Big-Data-Kosten in mehr als 50 % der Unternehmen, die Big-Data-Technologien nutzen, zwischen 21 % und 30 %.
Laut der folgenden Accenture-Analyse glauben 76 % der Unternehmen, dass diese Kosten im Jahr 2015 steigen werden, und 24 % der Unternehmen werden ihr Budget für Big-Data-Technologien nicht ändern. Dies deutet darauf hin, dass Big Data in diesen Unternehmen zu einem etablierten Bereich der IT geworden ist, der zu einem integralen Bestandteil der Unternehmensentwicklung geworden ist.

Die Ergebnisse der Umfrage der Economist Intelligence Unit bestätigen den positiven Effekt der Implementierung von Big Data. 46 % der Unternehmen geben an, dass sie durch den Einsatz von Big-Data-Technologien den Kundenservice um mehr als 10 % verbessert haben, 33 % der Unternehmen haben den Lagerbestand optimiert und die Produktivität des Anlagevermögens verbessert, und 32 % der Unternehmen haben die Planungsprozesse verbessert.

Big Data in verschiedenen Ländern der Welt

Heutzutage werden Big-Data-Technologien am häufigsten in US-amerikanischen Unternehmen eingesetzt, aber auch andere Länder auf der ganzen Welt haben bereits begonnen, Interesse zu zeigen. Im Jahr 2014 entfielen laut IDC 45 % des Marktes für Software, Dienstleistungen und Ausrüstung im Bereich Big Data auf Länder in Europa, dem Nahen Osten, Asien (ohne Japan) und Afrika.

Laut der CIO-Umfrage übernehmen Unternehmen aus dem asiatisch-pazifischen Raum außerdem schnell neue Lösungen im Bereich Big-Data-Analyse, sichere Speicherung und Cloud-Technologien. Lateinamerika liegt hinsichtlich der Anzahl der Investitionen in die Entwicklung von Big-Data-Technologien an zweiter Stelle, vor europäischen Ländern und den USA.
Anschließend erfolgt eine Beschreibung und Prognose zur Entwicklung des Big-Data-Marktes in mehreren Ländern.

China
Das Informationsvolumen in China beträgt 909 Exabyte, was 10 % des gesamten Informationsvolumens der Welt entspricht. Bis 2020 wird das Informationsvolumen 8060 Exabyte erreichen, und auch der Informationsanteil in der globalen Statistik wird im Jahr 5 zunehmen Jahre werden es 18 % sein. Das potenzielle Wachstum von Chinas Big Data weist eine der am schnellsten wachsenden Dynamiken auf.

Brasilien
Ende 2014 sammelte Brasilien Informationen im Wert von 212 Exabyte, was 3 % des weltweiten Volumens entspricht. Bis 2020 wird das Informationsvolumen auf 1600 Exabyte anwachsen, was 4 % der weltweiten Informationen ausmachen wird.

Indien
Laut EMC betrug das in Indien gesammelte Datenvolumen Ende 2014 326 Exabyte, was 5 % des gesamten Informationsvolumens entspricht. Bis 2020 wird das Informationsvolumen auf 2800 Exabyte anwachsen, was 6 % der weltweiten Informationen ausmachen wird.

Japan
Das in Japan gesammelte Datenvolumen betrug Ende 2014 495 Exabyte, was 8 % des gesamten Informationsvolumens entspricht. Bis 2020 wird das Informationsvolumen auf 2.200 Exabyte anwachsen, der Marktanteil Japans wird jedoch zurückgehen und 5 % des gesamten Informationsvolumens weltweit betragen.
Dadurch wird die japanische Marktgröße um mehr als 30 % schrumpfen.

Deutschland
Laut EMC betrug das in Deutschland gesammelte Datenvolumen Ende 2014 230 Exabyte, was 4 % des gesamten Informationsvolumens der Welt entspricht. Bis 2020 wird das Informationsvolumen auf 1100 Exabyte anwachsen und 2 % betragen.
Im deutschen Markt wird nach Prognosen der Experton Group ein Großteil des Umsatzes aus dem Dienstleistungssegment stammen, dessen Anteil im Jahr 2015 bei 54 % liegen wird und im Jahr 2019 auf 59 % steigen wird; Hardware hingegen wird abnehmen.

Insgesamt wird die Marktgröße von 1,345 Milliarden Euro im Jahr 2015 auf 3,198 Milliarden Euro im Jahr 2019 wachsen, was einer durchschnittlichen Wachstumsrate von 24 % entspricht.
Basierend auf den Analysen von CIO und EMC können wir daher den Schluss ziehen, dass die Entwicklungsländer der Welt in den kommenden Jahren zu Märkten für die aktive Entwicklung von Big-Data-Technologien werden.

Wichtigste Markttrends

Laut IDG Enterprise werden die Ausgaben der Unternehmen für Big Data im Jahr 2015 durchschnittlich 7,4 Millionen US-Dollar pro Unternehmen betragen, große Unternehmen wollen etwa 13,8 Millionen US-Dollar ausgeben, kleine und mittlere Unternehmen 1,6 Millionen US-Dollar.
Der Großteil der Investitionen wird in Bereichen wie Datenanalyse, Visualisierung und Datenerfassung erfolgen.
Basierend auf den aktuellen Trends und der Marktnachfrage werden die Investitionen im Jahr 2015 zur Verbesserung der Datenqualität, zur Verbesserung von Planung und Prognose sowie zur Erhöhung der Dverwendet.
Laut der Insights Analysis von Bain Company werden Unternehmen im Finanzsektor erhebliche Investitionen tätigen. Im Jahr 2015 planen sie, 6,4 Milliarden US-Dollar in Big-Data-Technologien auszugeben. Die durchschnittliche Wachstumsrate der Investitionen wird bis 2020 22 % betragen. Internetunternehmen planen, 2,8 Milliarden US-Dollar auszugeben, mit einer durchschnittlichen Wachstumsrate von 26 % für Big-Data-Ausgaben.
Bei der Durchführung der Umfrage der Economist Intelligence Unit wurden vorrangige Bereiche für die Big-Data-Entwicklung im Jahr 2014 und in den nächsten drei Jahren identifiziert. Die Verteilung der Antworten ist wie folgt:

Laut IDC-Prognosen sind die Marktentwicklungstrends wie folgt:

In den nächsten 5 Jahren werden die Kosten für Cloud-Lösungen im Bereich der Big-Data-Technologien dreimal schneller wachsen als die Kosten für lokale Lösungen. Hybride Plattformen zur Datenspeicherung werden gefragt sein.
Das Wachstum von Anwendungen, die anspruchsvolle und prädiktive Analysen, einschließlich maschinellem Lernen, nutzen, wird sich 2015 beschleunigen, wobei der Markt für solche Anwendungen um 65 % schneller wächst als für Anwendungen, die keine prädiktiven Analysen nutzen.
Die Medienanalyse wird sich im Jahr 2015 verdreifachen und zu einem wichtigen Wachstumstreiber im Big-Data-Technologiemarkt werden.
Der Trend zur Einführung von Lösungen zur Analyse des ständigen Informationsflusses, die auf das Internet der Dinge anwendbar sind, wird sich beschleunigen.
Bis 2018 werden 50 % der Nutzer mit Diensten interagieren, die auf Cognitive Computing basieren.

Markttreiber und -begrenzer

IDC-Experten identifizierten 2015 drei Treiber des Big-Data-Marktes:

Laut einer Accenture-Umfrage stellen Datensicherheitsprobleme mittlerweile das größte Hindernis für die Implementierung von Big-Data-Technologien dar. Mehr als 51 % der Befragten bestätigten, dass sie sich Sorgen um die Gewährleistung von Datenschutz und Vertraulichkeit machen. 47 % der Unternehmen gaben an, dass die Umsetzung von Big Data aufgrund begrenzter Budgets nicht möglich sei, 41 % der Unternehmen gaben einen Mangel an qualifiziertem Personal als Problem an.

Wikibon prognostiziert, dass der Big-Data-Markt im Jahr 2015 auf 38,4 Milliarden US-Dollar wachsen wird, was einem Anstieg von 36 % gegenüber dem Vorjahr entspricht. In den kommenden Jahren wird es zu einem Rückgang der Wachstumsraten auf 10 % im Jahr 2017 kommen. Unter Berücksichtigung dieser Prognosen wird die Marktgröße im Jahr 2020 68,7 Milliarden US-Dollar betragen.

Die Verteilung des globalen Big-Data-Marktes nach Unternehmenskategorien wird wie folgt aussehen:

Wie aus der Grafik ersichtlich ist, wird der Großteil des Marktes von Technologien im Bereich der Verbesserung des Kundenservices eingenommen. Gezieltes Marketing wird laut Heavy Reading bis 2019 die zweite Priorität für Unternehmen sein; im Jahr 2020 wird es Lösungen zur Verbesserung der betrieblichen Effizienz weichen.
Auch das Segment „Verbesserung des Kundenservice“ wird mit einem jährlichen Wachstum von 49 % die höchste Wachstumsrate aufweisen.
Die Marktprognose für Big-Data-Subtypen wird wie folgt aussehen:

Der vorherrschende Marktanteil wird, wie aus dem Diagramm hervorgeht, von professionellen Dienstleistungen eingenommen, die höchste Wachstumsrate wird bei Anwendungen mit Analyse zu verzeichnen sein, ihr Anteil wird von derzeit 12 % auf 18 % im Jahr 2020 steigen und das Volumen dieses Segments Der Anteil der Computerausrüstung wird dagegen von 20 % auf 14 % sinken und sich im Jahr 2020 auf etwa 9,3 Milliarden US-Dollar belaufen, der Markt für Cloud-Technologien wird schrittweise wachsen und im Jahr 2020 wird 6,3 Milliarden US-Dollar erreichen, wird der Marktanteil von Lösungen zur Datenspeicherung dagegen von 15 % im Jahr 2014 auf 13 % im Jahr 2020 sinken und in Geld ausgedrückt 8,9 Milliarden US-Dollar betragen.
Laut der Insights Analysis-Prognose von Bain & Company wird die Verteilung des Big-Data-Marktes nach Branchen im Jahr 2020 wie folgt aussehen:

Die Finanzbranche wird 6,4 Milliarden US-Dollar für Big Data ausgeben, mit einer durchschnittlichen Wachstumsrate von 22 % pro Jahr;
Internetunternehmen werden 2,8 Milliarden US-Dollar ausgeben und die durchschnittliche Kostenwachstumsrate wird in den nächsten fünf Jahren 26 % betragen;
Die Kosten des öffentlichen Sektors werden den Kosten der Internetunternehmen entsprechen, die Wachstumsrate wird jedoch geringer sein – 22 %;
Der Telekommunikationssektor wird mit einer jährlichen Wachstumsrate von 40 % wachsen und im Jahr 2020 1,2 Milliarden US-Dollar erreichen;

Energieunternehmen werden einen relativ geringen Betrag in diese Technologien investieren – 800 Millionen US-Dollar, aber die Wachstumsrate wird eine der höchsten sein – 54 % jährlich.
Somit wird der größte Anteil des Big-Data-Marktes im Jahr 2020 von Unternehmen der Finanzbranche eingenommen werden, und der am schnellsten wachsende Sektor wird der Energiesektor sein.
Den Prognosen der Analysten zufolge wird die Gesamtmarktgröße in den kommenden Jahren zunehmen. Das Marktwachstum wird durch die Implementierung von Big-Data-Technologien in Entwicklungsländern der Welt erreicht, wie aus der folgenden Grafik ersichtlich ist.

Die prognostizierte Marktgröße wird davon abhängen, wie Entwicklungsländer Big-Data-Technologien wahrnehmen und ob sie ebenso beliebt sein werden wie in Industrieländern. Im Jahr 2014 entfielen 40 % der gesammelten Informationen auf die Entwicklungsländer der Welt. Nach der Prognose von EMC wird sich die aktuelle Marktstruktur mit einem überwiegenden Anteil an entwickelten Ländern im Jahr 2017 ändern. Laut EMC Analytics wird der Anteil der Entwicklungsländer im Jahr 2020 mehr als 60 % betragen.
Laut Cisco und EMC werden Entwicklungsländer auf der ganzen Welt recht aktiv mit Big Data arbeiten, was vor allem auf die Verfügbarkeit von Technologie und die Anhäufung einer ausreichenden Menge an Informationen auf der Big-Data-Ebene zurückzuführen ist. Auf der abgebildeten Weltkarte Nächste Seite, wird die Prognose für die Volumenzunahme und Wachstumsrate von Big Data nach Regionen angezeigt.

ANALYSE DES RUSSISCHEN MARKTES

Aktueller Stand des russischen Marktes

Den Ergebnissen einer Studie von CNews Analytics und Oracle zufolge ist der Reifegrad des russischen Big-Data-Marktes im vergangenen Jahr gestiegen. Die Befragten, die 108 große Unternehmen aus verschiedenen Branchen vertraten, zeigten ein höheres Maß an Bewusstsein für diese Technologien sowie ein fundiertes Verständnis für das Potenzial solcher Lösungen für ihr Unternehmen.
Laut IDC hat Russland bis 2014 155 Exabyte an Informationen angesammelt, was nur 1,8 % der weltweiten Daten entspricht. Das Informationsvolumen wird bis 2020 980 Exabyte erreichen und 2,2 % ausmachen. Somit wird die durchschnittliche Wachstumsrate des Informationsvolumens 36 % pro Jahr betragen.
IDC schätzt den russischen Markt auf 340 Millionen US-Dollar, davon entfallen 100 Millionen US-Dollar auf SAP-Lösungen, etwa 240 Millionen US-Dollar auf ähnliche Lösungen von Oracle, IBM, SAS, Microsoft usw.
Die Wachstumsrate des russischen Big-Data-Marktes beträgt nicht weniger als 50 % pro Jahr.
Es wird prognostiziert, dass die positive Dynamik in diesem Sektor des russischen IT-Marktes auch bei allgemeiner wirtschaftlicher Stagnation anhalten wird. Dies ist auf die Tatsache zurückzuführen, dass Unternehmen weiterhin Lösungen fordern, die die betriebliche Effizienz verbessern, Kosten optimieren, die Prognosegenauigkeit verbessern und mögliche Unternehmensrisiken minimieren.
Die wichtigsten Dienstleister im Bereich Big Data auf dem russischen Markt sind:

Orakel
Microsoft
Cloudera
Hortonworks
Teradaten.

Marktüberblick nach Branchen und Erfahrung im Einsatz von Big Data in Unternehmen

Laut CNews haben in Russland nur 10 % der Unternehmen begonnen, Big-Data-Technologien zu nutzen, während der Anteil solcher Unternehmen weltweit etwa 30 % beträgt. Laut einem Bericht von CNews Analytics und Oracle wächst die Bereitschaft für Big-Data-Projekte in vielen Sektoren der russischen Wirtschaft. Mehr als ein Drittel der befragten Unternehmen (37 %) haben begonnen, mit Big-Data-Technologien zu arbeiten, von denen 20 % bereits solche Lösungen nutzen und 17 % beginnen, damit zu experimentieren. Das zweite Drittel der Befragten erwägt derzeit diese Möglichkeit.

In Russland erfreuen sich Big-Data-Technologien vor allem im Banken- und Telekommunikationssektor großer Beliebtheit, sind aber auch im Bergbau, im Energiesektor, im Einzelhandel, in Logistikunternehmen und im öffentlichen Sektor gefragt.
Als nächstes werden Beispiele für den Einsatz von Big Data in der russischen Realität betrachtet.

Telekommunikation
Telekommunikationsbetreiber verfügen über einige der umfangreichsten Datenbanken, was ihnen eine tiefgreifende Analyse der gesammelten Informationen ermöglicht.
Einer der Anwendungsbereiche der Big-Data-Technologie ist das Abonnentenbindungsmanagement.
Der Hauptzweck der Datenanalyse besteht darin, bestehende Kunden zu binden und neue zu gewinnen. Dazu segmentieren Unternehmen ihre Kunden, analysieren deren Traffic und ermitteln die soziale Zugehörigkeit des Abonnenten. Neben der Nutzung von Informationen zu Marketingzwecken werden Telekommunikationstechnologien auch zur Verhinderung betrügerischer Finanztransaktionen eingesetzt.
Eines der markanten Beispiele dieser Branche ist VimpelCom. Das Unternehmen nutzt Big Data, um die Servicequalität auf der Ebene jedes einzelnen Abonnenten zu verbessern, Berichte zu erstellen, Daten für die Netzwerkentwicklung zu analysieren, Spam zu bekämpfen und Dienste zu personalisieren.

Banken
Ein erheblicher Teil der Big-Data-Nutzer sind Spezialisten aus der Finanzbranche. Eines der erfolgreichen Experimente wurde bei der Ural Bank für Wiederaufbau und Entwicklung durchgeführt, wo Informationsbasis zur Kundenanalyse genutzt wurde, begann die Bank, spezielle Kreditangebote, Einlagen und andere Dienstleistungen anzubieten. Innerhalb eines Jahres nach dem Einsatz dieser Technologien wuchs das Privatkundenkreditportfolio des Unternehmens um 55 %.
Die Alfa-Bank analysiert Informationen aus sozialen Netzwerken, bearbeitet Kreditanträge und analysiert das Verhalten der Nutzer der Website des Unternehmens.
Die Sberbank begann außerdem damit, riesige Datenmengen zu verarbeiten, um Kunden zu segmentieren, betrügerische Aktivitäten zu verhindern, Cross-Selling durchzuführen und Risiken zu verwalten. Zukünftig ist geplant, den Service zu verbessern und Kundenaktionen in Echtzeit zu analysieren.
Die Allrussische Regionale Entwicklungsbank analysiert das Verhalten von Plastikkarteninhabern. Dadurch ist es möglich, für einen bestimmten Kunden untypische Transaktionen zu identifizieren, wodurch die Wahrscheinlichkeit erhöht wird, einen Diebstahl von Geldern von Plastikkarten aufzudecken.

Einzelhandel
In Russland wurden Big-Data-Technologien sowohl von Online- als auch Offline-Handelsunternehmen implementiert. Laut CNews Analytics nutzen heute 20 % der Einzelhändler Big Data. 75 % der Einzelhandelsfachleute halten Big Data für notwendig, um eine wettbewerbsfähige Werbestrategie für ihr Unternehmen zu entwickeln. Laut Hadoop-Statistik steigen die Gewinne von Handelsorganisationen nach der Implementierung der Big-Data-Technologie um 7–10 %.
M.Video-Spezialisten sprechen von einer verbesserten Logistikplanung nach der Implementierung von SAP HANA. Außerdem wurde durch die Implementierung die Erstellung von Jahresberichten von 10 Tagen auf 3 und die Geschwindigkeit des täglichen Datenladens von 3 Stunden auf reduziert 30 Minuten.
Wikimart nutzt diese Technologien, um Empfehlungen für Website-Besucher zu generieren.
Einer der ersten Offline-Shops, der die Big-Data-Analyse in Russland einführte, war Lenta. Mit Hilfe von Big Data begann der Einzelhandel, Informationen über Kunden aus Kassenbons zu untersuchen. Der Einzelhändler sammelt Informationen, um Verhaltensmodelle zu erstellen, die es ermöglichen, fundiertere Entscheidungen auf betrieblicher und kommerzieller Ebene zu treffen.

Öl-und Gasindustrie
In dieser Branche ist der Anwendungsbereich von Big Data recht groß. Bei der Gewinnung von Mineralien aus dem Untergrund können Big-Data-Technologien eingesetzt werden. Mit ihrer Hilfe können Sie den Extraktionsprozess selbst und die meisten analysieren effektive Wege dessen Gewinnung, die Überwachung des Bohrprozesses, die Analyse der Qualität der Rohstoffe sowie die Verarbeitung und Vermarktung der Endprodukte. In Russland haben Transneft und Rosneft bereits damit begonnen, diese Technologien einzusetzen.

Regierungsstellen
In Ländern wie Deutschland, Australien, Spanien, Japan, Brasilien und Pakistan werden Big-Data-Technologien zur Lösung nationaler Probleme eingesetzt. Diese Technologien helfen Regierungsbehörden, Dienstleistungen für die Bevölkerung effektiver bereitzustellen und gezielte soziale Unterstützung zu leisten.
In Russland begannen staatliche Stellen wie die Pensionskasse, der Föderale Steuerdienst und die obligatorische Krankenversicherung diese Technologien zu beherrschen. Das Potenzial für die Umsetzung von Projekten mithilfe von Big Data ist groß; diese Technologien könnten dazu beitragen, die Qualität der Dienstleistungen und damit den Lebensstandard der Bevölkerung zu verbessern.

Logistik und Transport
Auch Transportunternehmen können Big Data nutzen. Mithilfe von Big-Data-Technologien können Sie Ihre Fahrzeugflotte verfolgen, Kraftstoffkosten berücksichtigen und Kundenwünsche überwachen.
Die Russische Eisenbahn implementierte gemeinsam mit SAP Big-Data-Technologien. Diese Technologien trugen dazu bei, die Berichtserstellungszeit um das 43,5-fache zu reduzieren (von 14,5 Stunden auf 20 Minuten) und die Genauigkeit der Kostenverteilung um das 40-fache zu erhöhen. Big Data wurde auch in Planungs- und Tarifregulierungsprozesse eingeführt. Insgesamt nutzen die Unternehmen mehr als 300 Systeme auf Basis von SAP-Lösungen, es sind 4 Rechenzentren beteiligt, die Nutzerzahl liegt bei 220.000.

Haupttreiber und Begrenzer des Marktes

Die Treiber für die Entwicklung von Big-Data-Technologien auf dem russischen Markt sind:

Erhöhtes Interesse der Nutzer an den Möglichkeiten von Big Data als Möglichkeit, die Wettbewerbsfähigkeit eines Unternehmens zu steigern;
Entwicklung von Methoden zur Verarbeitung von Mediendateien auf globaler Ebene;
Übertragung von Servern, die personenbezogene Daten verarbeiten, in das Hoheitsgebiet Russlands gemäß dem verabschiedeten Gesetz über die Speicherung und Verarbeitung personenbezogener Daten;
Umsetzung des Branchenplans zur Importsubstitution von Software. Dieser Plan umfasst staatliche Unterstützung für inländische Softwarehersteller sowie die Gewährung von Präferenzen für inländische IT-Produkte beim Kauf auf Staatskosten.
In der neuen Wirtschaftslage, in der sich der Dollarkurs fast verdoppelt hat, wird durchweg ein Trend zu beobachten sein mehr nutzen Dienstleistungen Russische Anbieter Cloud-Dienste anstelle ausländischer.
Schaffung von Technologieparks, die zur Entwicklung des Informationstechnologiemarktes, einschließlich des Big-Data-Marktes, beitragen;
Landesprogramm zur Umsetzung von Grid-Systemen auf Basis von Big-Data-Technologien.

Die Haupthindernisse für die Entwicklung von Big Data auf dem russischen Markt sind:

Gewährleistung der Datensicherheit und Vertraulichkeit;
Mangel an qualifiziertem Personal;
In den meisten russischen Unternehmen sind unzureichende Informationsressourcen auf dem Niveau von Big Data vorhanden.
Schwierigkeiten bei der Einführung neuer Technologien in etablierte Informationssysteme von Unternehmen;
Die hohen Kosten von Big-Data-Technologien, die dazu führen, dass nur eine begrenzte Anzahl von Unternehmen die Möglichkeit hat, diese Technologien zu implementieren;
Politische und wirtschaftliche Unsicherheit, die zum Kapitalabfluss und zum Einfrieren von Investitionsprojekten in Russland führte;
Steigende Preise für Importprodukte und ein Anstieg der Inflation bremsen laut IDC die Entwicklung des gesamten IT-Marktes.

Russische Marktprognose

Derzeit ist der russische Big-Data-Markt nicht so beliebt wie in entwickelten Ländern. Die meisten russischen Unternehmen zeigen Interesse daran, trauen sich jedoch nicht, ihre Chancen zu nutzen.
Beispiele für große Unternehmen, die bereits vom Einsatz von Big-Data-Technologien profitiert haben, sind das zunehmende Bewusstsein für die Leistungsfähigkeit dieser Technologien.
Auch für den russischen Markt haben Analysten recht optimistische Prognosen. IDC geht davon aus, dass der russische Marktanteil im Gegensatz zum deutschen und japanischen Markt in den nächsten fünf Jahren steigen wird.
Bis 2020 wird das Volumen von Big Data in Russland von derzeit 1,8 % auf 2,2 % des weltweiten Datenvolumens wachsen. Die Informationsmenge wird laut EMC von derzeit 155 Exabyte auf 980 Exabyte im Jahr 2020 wachsen.
Derzeit akkumuliert Russland weiterhin Informationsmengen auf dem Niveau von Big Data.
Laut einer Umfrage von CNews Analytics arbeiten 44 % der befragten Unternehmen mit Datenmengen von nicht mehr als 100 Terabyte* und nur 13 % mit Volumina über 500 Terabyte.

Dennoch wird der russische Markt, den globalen Trends folgend, wachsen. Im Jahr 2014 schätzt IDC die Marktgröße auf 340 Millionen US-Dollar.
Die Marktwachstumsrate lag in den Vorjahren bei 50 % pro Jahr, bleibt sie auf dem gleichen Niveau, dann wird das Marktvolumen im Jahr 2018 1,7 Milliarden US-Dollar erreichen. Der Anteil des russischen Marktes am Weltmarkt wird von derzeit 1,2 % auf etwa 3 % ansteigen.

Zu den aufgeschlossensten Branchen für die Nutzung von Big Data in Russland gehören:

Für den Einzelhandel und Banken sind vor allem die Analyse des Kundenstamms und die Beurteilung der Wirkung von Marketingkampagnen wichtig;
Telekommunikation – Kundenstammsegmentierung und Traffic-Monetarisierung;
Öffentlicher Sektor – Berichterstattung, Analyse von Anträgen der Öffentlichkeit usw.;
Ölunternehmen – Überwachung der Arbeit und Planung von Produktion und Verkauf;
Energieunternehmen – Schaffung intelligenter Stromversorgungssysteme, Betriebsüberwachung und Prognose.

In entwickelten Ländern ist Big Data in den Bereichen Gesundheitswesen, Versicherungen, Metallurgie, Internetunternehmen und produzierende Unternehmen weit verbreitet. In naher Zukunft werden wahrscheinlich auch russische Unternehmen aus diesen Bereichen die Auswirkungen der Einführung von Big Data zu schätzen wissen und sich anpassen diese Technologien in ihren Branchen.
Sowohl in Russland als auch in der Welt wird es in naher Zukunft einen Trend zur Datenvisualisierung, zur Analyse von Mediendateien und zur Entwicklung des Internets der Dinge geben.
Trotz der allgemeinen Stagnation der Wirtschaft prognostizieren Analysten für die kommenden Jahre ein weiteres Wachstum des Big-Data-Marktes, vor allem aufgrund der Tatsache, dass der Einsatz von Big-Data-Technologien seinen Nutzern einen Wettbewerbsvorteil im Hinblick auf die Steigerung der betrieblichen Effizienz verschafft Geschäft, Gewinnung zusätzlicher Kundenströme, Minimierung von Risiken und Implementierung von Datenprognosetechnologien.
Daraus können wir schließen, dass sich das Big-Data-Segment in Russland im Entstehungsstadium befindet, die Nachfrage nach diesen Technologien jedoch jedes Jahr steigt.

Hauptergebnisse der Marktanalyse

Weltmarkt

Der Big-Data-Markt ist Ende 2014 durch folgende Parameter geprägt:

Das Marktvolumen belief sich auf 28,5 Milliarden US-Dollar, eine Steigerung von 45 % gegenüber dem Vorjahr;
Der Großteil des Big-Data-Marktumsatzes stammte aus Dienstleistungen, ihr Anteil betrug 40 % des Gesamtumsatzes;
36 % des Umsatzes stammten aus Big-Data-Anwendungen und -Analysen, 17 % aus Computerausrüstung und 15 % aus Datenspeichertechnologien;
Am beliebtesten zur Lösung von Big-Data-Problemen sind In-Memory-Plattformen von Unternehmen wie SAP, HANA und Oracle.
die Zahl der Unternehmen mit umgesetzten Projekten im Bereich Big Data Management stieg um 125 %;

Die Marktprognose für die nächsten Jahre lautet wie folgt:

im Jahr 2015 wird das Marktvolumen 38,4 Milliarden US-Dollar erreichen, im Jahr 2020 – 68,7 Milliarden US-Dollar;
die durchschnittliche Wachstumsrate wird 16 % pro Jahr betragen;
Die durchschnittlichen Unternehmenskosten für Big-Data-Technologien betragen 13,8 Millionen US-Dollar für große Unternehmen und 1,6 Millionen US-Dollar für kleine und mittlere Unternehmen.
Technologien werden in den Bereichen Kundenservice und gezieltes Marketing am weitesten verbreitet sein;
Im Jahr 2017 wird sich die globale Marktstruktur hin zu einer Dominanz von Anwenderunternehmen aus Entwicklungsländern verändern.

Russischer Markt

Der russische Big-Data-Markt befindet sich in der Entstehungsphase, die Ergebnisse des Jahres 2014 sind wie folgt:

Marktvolumen erreichte 340 Millionen US-Dollar;
die durchschnittliche Marktwachstumsrate lag in den Vorjahren bei 50 % pro Jahr;
das Gesamtvolumen der gesammelten Informationen betrug 155 Exabyte;
10 % der russischen Unternehmen begannen, Big-Data-Technologien zu nutzen;
Big-Data-Technologien waren im Bankensektor, in der Telekommunikation, bei Internetunternehmen und im Einzelhandel beliebter.

Die Prognose für den russischen Markt für die kommenden Jahre lautet wie folgt:

das Volumen des russischen Marktes wird 2015 500 Millionen US-Dollar und 2018 1,7 Milliarden US-Dollar erreichen;
der Anteil des russischen Marktes am Weltmarkt wird 2018 etwa 3 % betragen;
die Menge der gesammelten Daten wird im Jahr 2020 980 Exabyte betragen;
das Datenvolumen wird im Jahr 2020 auf 2,2 % des weltweiten Datenvolumens anwachsen;
Technologien zur Datenvisualisierung, Mediendateianalyse und dem Internet der Dinge werden am beliebtesten sein.

Basierend auf den Ergebnissen der Analyse können wir den Schluss ziehen, dass sich der Big-Data-Markt noch in einem frühen Entwicklungsstadium befindet und wir in naher Zukunft sein Wachstum und die Erweiterung der Fähigkeiten dieser Technologien erleben werden.

Vielen Dank, dass Sie sich die Zeit genommen haben, dieses umfangreiche Werk zu lesen. Abonnieren Sie unseren Blog – wir versprechen Ihnen viele neue interessante Veröffentlichungen!

Lesen:

Programmiersprachen. Software. Betriebssystem Welche Sprache versteht der Computer? Warum kann ich mich nicht bei Skype anmelden? String-Konvertierungsfunktionen Neue Funktionen für die Arbeit mit Strings. Falsche Anzahl an Kategorien im Quellstring 1c Chilenische Postgeschichte und Briefmarken Ausländische Postämter

Beliebt:

Warum wird das Flash-Laufwerk nicht auf meinem Computer angezeigt: Was soll ich tun?

Neu

So stellen Sie den Menstruationszyklus nach der Geburt wieder her:

RSS