namai - Interneto sąranka
"Oro matematika." Dideli duomenys civilinės aviacijos pasaulyje. „Big data“ padėjo suskaičiuoti turistus Didžiųjų duomenų technologija transporte

Panašūs dokumentai

    Išmaniųjų namų technologijų principai. Sistemos valdymo elemento pasirinkimas. Programinės įrangos kūrimas patalpų valdymo sistemų segmentams: drėgmės ir temperatūros matavimui, autonominiam valdikliui ir apšvietimui. Informacijos rodymas vartotojui.

    baigiamasis darbas, pridėtas 2018-08-07

    Blockchain technologijos taikymas finansų sektoriuje, žaidimų pramonėje ir viešajame administravime. Blockchain ir daiktų interneto apjungimo koncepcijos sukūrimas Smart Home tinklo veikimui, jos įgyvendinimas derinant su Big Data technologija ir dirbtiniu intelektu.

    straipsnis, pridėtas 2018-11-20

    „Išmaniųjų namų“ sistemos koncepcija, veikimo principas ir elementai. Duomenų mainų protokolai tarp valdymo, perdavimo ir vykdomųjų elementų. Praktinio projekto įgyvendinimo pavyzdys. Išmaniojo namo prototipo pagrindinių programinės įrangos elementų aprašymas.

    baigiamasis darbas, pridėtas 2017-07-30

    Esamų Rusijos miesto keleivinio transporto valdymo problemų svarstymas. Siuntimo valdymo sistemos automatizavimo technika. Veikimo laiko analizė ekspertų sistema keleivių vežimas AnyLogic programinės įrangos aplinkoje.

    straipsnis, pridėtas 2019-03-01

    Pramogų ir saugumo robotų dizaino ir savybių aprašymai. Roboto dulkių siurblio valdymas. Androidų judesiai ir išvaizda. Išmanaus namo sistemos bendrojo algoritmo studijavimas. Išmanus valdymo mechanizmas gyvenamosiose ir biuro patalpose.

    santrauka, pridėta 2015-10-02

    Tokių urbanistinei aplinkai skirtų technologinių sprendimų kaip „protinga gatvė“, „išmanusis parkavimas“, „išmanusis miestas“ tyrimas. Pagrindinių veikimo principų aprašymas ir funkcionalumą Daiktų internetas, jų įgyvendinimo efekto ir pagrindinių privalumų įvardijimas.

    straipsnis, pridėtas 2018-08-18

    Išmaniųjų namų įrenginių ir programinės įrangos schemos svarstymas. Ryšių tarp elementų kūrimas. Elementų objektų pasirinkimas. Techninės dokumentacijos ruošimas. Diegimo ir testavimo proceso charakteristikos. Naudojamų technologijų studijavimas.

    baigiamasis darbas, pridėtas 2017-03-20

    Klausimų, susijusių su integruotu technologijų, tokių kaip „Išmanusis miestas“ kūrimas ir diegimas, svarstymas. Susipažinimas su pagrindinėmis plėtros tendencijomis informacijos saugumas. Grėsmė kaip galima galimybė pažeisti informacijos saugumą.

    straipsnis, pridėtas 2018-06-05

    Svarstomas IBM išmaniojo miesto modelis, susidedantis iš trijų etapų: „instrumentalumas“, „susijungimas“, „intelektas“. Energiją taupančių technologijų diegimo ir aplinką tausojančios miesto sistemų plėtros metodai, jų efektyvumas.

    straipsnis, pridėtas 2017-10-31

    Informacinės sistemos samprata, jos naudojimas informacijai apdoroti, saugoti ir platinti. Informacinės technologijos vandens transporto pramonėje. Krante ir laive Informacinės sistemos. Mokymo ir uosto technologinės sistemos.

2013 m. surašymo duomenimis, Maskva yra didžiulis didmiestis, kuriame gyvena 11 979 529 gyventojai. Kiekvienas iš jų eina į darbą, naudojasi mobiliuoju telefonu (ar net ne vienu), leidžiasi metro ir įstringa kamščiuose. Visa tai stebi miesto tarnybos, valstybinės įstaigos, įvairias paslaugas teikiančios privačios įmonės. Tūkstančiai vaizdo kamerų, šimtai tūkstančių jutiklių, monitorių, kurie kontroliuoja miesto gyvenimą, milijonai Mobilieji telefonai, 3G/4G modemai. Ir visa tai yra milijardai duomenų šaltinių, kuriuos apdorojant galima gauti informacijos tolimesniam miesto plėtros planavimui, transporto srautų valdymui ir didmiesčio saugumo užtikrinimui. Vienas iš nedaugelio įrankių, galinčių susidoroti su tokio kiekio informacijos apdorojimu, yra Big Data sprendimai. Pirmiausia pažiūrėkime, kur jie gali būti naudojami.

Gyventojų tankumo ir gyventojų judėjimo duomenys

Pagrindinis įrankis, leidžiantis nustatyti gyventojų skaičių ir struktūrą, jos pasiskirstymą teritorijoje šiuo metu yra surašymas. Pagrindinis surašymo trūkumas – jo vykdymo kaina ir duomenų apie gyventojų judėjimą trūkumas. Informacijos šaltinis surašymui – patys gyventojai, kurie apklausiami jų gyvenamojoje vietoje.

Kokią naudą gali suteikti Big Data sprendimų naudojimas? Norėdami atsakyti į šį klausimą, pirmiausia nustatome, kokių duomenų mums reikia:

  • kur gyventojai miega ir dirba;
  • iš kur jie atvyksta ir kur vyksta darbo dienomis ir savaitgaliais;
  • kokiu transportu naudojasi maskviečiai ir sostinės svečiai;
  • iš kur jie atvyksta į miestą ir kodėl.

Norėdami rinkti šią informaciją, pirmiausia turime nuspręsti dėl duomenų šaltinio ir jų analizės metodo. Norint nustatyti gyventojo buvimo vietą, optimaliausias būdas yra naudoti duomenis apie jo buvimo vietą Mobilusis telefonas(jis visada su juo). Kaip tai padaryti?

Galima:

Gautai informacijai analizuoti gali būti naudojami įvairūs algoritmai, priklausomai nuo šaltinio, formato, teikimo būdo. Bet čia yra pagrindiniai dalykai.

Nustatyti, kur gyventojai miega ir dirba, galima gauti analizuojant judėjimo ir veiklos duomenis. Pavyzdžiui, periodiškas skambučių nebuvimas nuo 22:00 iki 7:00 ir judėjimo nebuvimas parodys, kur žmogus gyvena, o judėjimo nebuvimas darbo valandomis – kur tas pats asmuo dirba, ir vienas iš kriterijų, padidina tikslumą, bus aktyvumas abonento telefone nurodytoje vietoje. Čia bus galima nustatyti, kaip dažnai žmogus juda darbo valandomis, kiek žmonių mieste užima su nuolatiniu judėjimu susijusias pareigas (kurjeriai, vairuotojai ir kitos profesijos).

Gyventojų judėjimo krypties nustatymas atliekamas panašiai, naudojant tuos pačius duomenis apie abonentų judėjimą korinio ryšio, ir leidžia identifikuoti pagrindinius vietos gyventojų, lankytojų ir darbo migrantų judėjimo srautus, rinkti judėjimo statistiką pagal vietovę ir paskirties vietą, sužinoti, kaip dažnai gyventojai ir svečiai lankosi parduotuvėse, kultūros renginiuose, miesto lankytinose vietose, taip pat koks populiarumas. tam tikros miesto vietos yra.

Stebint judėjimo greitį ir lankomas vietas, galima atpažinti, kokiu transportu žmogus naudojasi: automobiliu, metro, antžeminiu viešuoju transportu, tarpmiestiniu transportu.

Miesto infrastruktūros darbo ir visuomenės saugumo užtikrinimo analizė

Daugybė šviesoforų, miesto eismo valdymo sistemų, vaizdo įrašymo sistemų (stebėjimo kamerų), viešojo transporto valdymas mieste, kuriame gyvena daugiau nei milijonas žmonių, reikalauja koordinuoto požiūrio į duomenų valdymą ir centralizavimą. Viena iš problemų, kažkada identifikuotų diegiant viso miesto vaizdo stebėjimo sistemas, buvo operatyvinių budinčių pareigūnų negalėjimas stebėti vykstančių įvykių (pavyzdžiui, siekiant nustatyti neteisėtus veiksmus). Atsižvelgiant į esamas galimybes šiuolaikinės technologijos, atsiranda galimybė sukurti vieningas paskirstytas sistemas, kurios užtikrina tiek įvykių atpažinimą iš įvairių šaltinių (eismo valdymo sistemos, stebėjimo kameros ir kt.), tiek jų analizę, kad būtų galima operatyviai reaguoti: iškviesti policiją, remonto organizacijų darbuotojus ir kt. miesto operatyvinės tarnybos. Kitas Big Data sprendimų pritaikymas – paskirstytas ir ilgalaikis surinktos informacijos saugojimas, reikalingų duomenų paieška ir susiję įvykiai. Kas lėmė tokį ar kitokį situacijos mieste pasikeitimą, kokie įvykiai buvo prieš tai, ką jie paveikė - tai maža dalis klausimų, į kuriuos gali atsakyti „didieji duomenys“.

Duomenų atvaizdavimas

Vienas iš Pagrindiniai klausimai vykstantys įvykiai yra nustatyti juose dalyvaujančių objektų savybes. Duomenims rinkti galima naudoti visiškai skirtingus šaltinius: pavyzdžiui, iš korinio ryšio operatoriaus gautus duomenis – charakteristikas. individualus, kurioje registruota SIM kortelė, stebėjimo sistemoms - informacija iš veido atpažinimo sistemų, padalinių duomenų bazių. Vienas iš pagrindinių dalykų yra galimybė anonimizuoti informaciją, neįtraukiant asmeninių komponentų perduodant duomenis iš įvairių savininkų ir šaltinių.

Pagrindinės problemos

Ir vis dėlto visame tame yra musė. Pagrindinė visų integravimo sprendimų problema, ypač jei duomenų mainai vykdomi tarp skirtingų padalinių ir organizacijų, yra įstatyminiai apribojimai, neleidžiantys pateikti duomenų tokia forma, kokia jie yra. Dėl to savininko pusėje reikalingas išankstinis jų apdorojimas.

Iš viso

Apibendrinant noriu pastebėti, kad šiuolaikinės „didžiųjų duomenų“ apdorojimo technologijos leidžia miestui suteikti daug daugiau nei esamos IT paslaugos. Šiuo atveju nereikia atnaujinti esamos infrastruktūros, nes duomenų šaltiniai, kurie yra prieinami šiuo metu.

Big Data klasės sprendimų pagalba galite padidinti miesto gyventojų ir jo svečių patogumą, sumažinti spūsčių skaičių ne dėl įvažiavimo į miestą apribojimų, o valdydami transporto srautus, sumažinti nusikaltimų skaičių dėl operatyvų reagavimą, gerina miesto paslaugų kokybę dėl operatyvaus ir automatinio jų valdymo.

Pranešėjas: Philipas Katzas


Pašnekovas: Aleksejus Karlinskis

Daug kartų tikėjome mokslinės fantastikos rašytojų pažadais apie neįtikėtiną ateitį, ir kiekvieną kartą mūsų viltis žlugdydavo nuobodi dabartis. Mes vis dar gyvename žemėje ir mūsų automobiliai oru neskraido. „Mes ir vėl buvome apgauti!“ – galvojame ir už visų šių fantazijų vėl pasigendame akimirkos, kai tikrai ateis ateitis.

Šį kartą tai nutiko atsiradus Big Data. Galime jų nepaisyti, bet nebegalime neigti jų įtakos mūsų gyvenimui. Architektas ir Big Data specialistas Philipas Katzas pasakoja apie tai, kaip Big Data tyliai pakeitė mūsų miestus ir gyvenimo būdą juose.

Daugiadisciplininis specialistas ir architektas pagal išsilavinimą Philipas yra didelių duomenų specialistas. Baigė Kazanės architektūros universitetą, Strelkos žiniasklaidos, architektūros ir dizaino institutą, vieną iš „Branching Point“ projekto įkūrėjų. Dėsto Sankt Peterburgo nacionaliniame mokslinių tyrimų universitete informacines technologijas, mechanika ir optika ir užsiima duomenų analize Rambler&Co.

Uždaryti

Filipai, papasakokite, kaip naudojamos didžiųjų duomenų technologijos architektūrinis dizainas ir miesto planavimas šiandien?

Pradėkime nuo to, kad prieš ketverius metus, kai studijavau Strelkoje, Rusijoje, bent jau niekas nežinojo apie „Big Data“. Pasaulis ką tik pradėjo apie juos kalbėti. Po metų Rusijoje apie juos jau žinojo ir susirgo visi. Man atrodo, kad tai labai tradicinė dinamika – kai nauja technologija uždedama ant pjedestalo, giriama, o tada gana greitai atsiranda skepticizmas. Technologijos numušamos nuo pjedestalo ir tada jie laisviau integruojami į visuomenę.

Jeigu kalbėtume apie architektūrinę ar urbanistinę analitiką, tai, man regis, šiandien tai yra savotiškas kompromisas tarp šiuolaikinių technologijų ir tradicinės analizės. Pavyzdžiui, prieš metus padėjau draugui dalyvauti architektūros konkurse studentams JAV. Jiems miesto vadovas pateikė GIS bylas su gana gerai aprašytais duomenimis: transporto maršrutai, šių trasų apimtis, kur kasmet atsiranda balų, kur kas penkerius metus užlieja potvyniai, kur yra kvartalai su aukštu vandens lygiu. mokesčiai, kur dar kvartalai, kuriuose daug juodaodžių gyventojų. Jungtinėse Amerikos Valstijose statistikos detalumas yra didelis, o duomenys surenkami gana gerai, todėl net ir konkurencinio projekto lygmeniu kai kuriuos dalykus galėjome gauti baigtais. Jų nereikėjo rinkti ar analizuoti.

Dauguma naudingiausios analizės, mano nuomone, susiveda į tai: kai kuriuos duomenis laikote faktais ir jais remiatės. Ir nors visi gali turėti tuos pačius duomenis, vis tiek skaito ir supranta juos visiškai skirtingai.

„Google“ teigia, kad jos savaeigiai automobiliai gali sumažinti autoavarijų skaičių ir padėti efektyviau išnaudoti degalus bei kelių erdvę / nuotrauka: Google.com

Kaip savo praktikoje naudojote Big Data technologijas?

Mes ilgam laikui Su kolegomis Ediku Khaimanu ir Sasha Boldyreva atlikome projektą „Branching Point“ – bandėme kažkaip aptarti ir plėtoti skaitmeninį dizainą ir, žinoma, tada mūsų bendra postuluojama svajonė ir galutinis tikslas buvo dizainas pagal parametrus. Tuo pačiu metu mūsų didžiausia svajonė buvo kaip tik rasti, remiantis kažkokiu kebliu kodu, naujus formalius sprendimus, kurie atitiktų mūsų reikalavimus, tačiau rezultato forma būtų ne tokia, kokią turėjome omenyje, o kažkas netikėto. gražus .

„Analytics“ yra meno rūšis, kai kiekvienu konkrečiu atveju darbo su duomenimis algoritmas yra paveikslėlis

Brendant projektui visi supratome, kad ši svajonė buvo ne tiek neįgyvendinama, kiek prieštaringa idėja, kad pastatas turi būti projektuojamas vien remiantis vien duomenimis. Tai labiau panašu į kažką, ko reikia siekti, bet supranti, kad to niekada nepasieksi.

Čia man iškyla svarbus dialektinis momentas. Tarkime, darome algoritmą ir suprantame, kad pirmiausia dėl genetinių reikalavimų tam reikia gana paprastų, bet vis tiek formalių parametrų. O sudėtingoje sistemoje, o pastatas ar teritorija yra sudėtinga sistema, iškart atsiranda daug parametrų, kuriuos reikia suvesti į vieną vardiklį. Visada reikia pirminio formalaus gesto, tam tikros formos: cilindro ar gretasienio, piramidžių ir pan.

Jei pažvelgsime į Zaha Hadid darbą, projekto esmė visada yra grakštus oficialus gestas. Tada jį galima modifikuoti skaitmeniniu būdu, tačiau jis visada lieka viso ko esme ir priklauso autoriaus rašikliui. Tada genetinis algoritmas gali pasirinkti geriausią iš gautų variantų, bet niekada negalės jų sugalvoti.

Tai yra, dizaino pagrindas visada bus žmogaus valia. Taigi, kaip pasikeis žmonių dalyvavimo projektuojant laipsnis plėtojant didžiuosius duomenis?

Ateityje matau kažkokį analitinį variklį – pavyzdžiui, didelį ir sudėtingą kvantinį kompiuterį, arba telepatus ir parapsichologus, panirusius į nepritekliaus kameras, kurie ką nors nuspėja arba siūlo, į ką verta atkreipti dėmesį.

Manau, kad žmogus niekada nebus išspaustas iš proceso. Visi šie dalykai (Big Data analizės metodai) vadinami sprendimų pagalbos algoritmais, o jų esmė susiveda į kuo efektyvesnį procesų dinamikos anomalijų nustatymą ir iki minimumo sumažinant vienam žmogui tenkantį techninio darbo procentą. Analitikas turi būti darbo su jais ekspertas, o algoritmai jam gali padėti viską, išskyrus sprendimą. Žinoma, įeiti į šią discipliną yra techninis slenkstis, tačiau pati analitika yra meno forma, kur darbo su duomenimis algoritmas yra paveikslas. Šedevras.

Dronai su kamera gali savarankiškai patruliuoti tam tikroje teritorijoje ir perduoti vaizdus į informacijos centrą realiu laiku / nuotrauka: Kevinas Bairdas / Flickr.com

Dideli duomenys negali apimti visos informacijos. Kaip dirbti su tuo, į ką neatsižvelgiama analizuojant didžiuosius duomenis?

Iš tiesų analitikai dažnai kritikuojami, kad apibūdina tik tuos, kurie yra prisijungę prie interneto, o tie, kurie nėra prisijungę prie interneto, neįtraukiami į analizę. Tai yra absoliuti tiesa, tačiau čia yra apsaugos logika. Ciniškai kalbant, jei nežinome problemos, susijusios su močiute, kuri gėdijasi rašyti internete, nes nėra prie to pripratusi, galime nekreipti dėmesio į jos problemas, nes jei naudosimės šiuo požiūriu, tada močiutė arba ji. anūkas ja pasirūpins, galų gale jie parašys.

Kita problema yra ta, kad bet kokia duomenų rinkimo ar saugojimo technologija visada yra pirmasis klaidos veiksnys. Tuo pačiu iš principo neįmanoma susekti visų daugiafaktorinių faktorių – kodėl žmonės žaidė taip, o ne kitaip. Iš pradžių Big Data atsakymo nepateikia. Jie leidžia užduoti rimtus klausimus.

Kaip galimybė užduoti klausimus keičia mūsų mąstymą apie miestą?

Edwardas Hymanas kadaise sukūrė terminą „plagopolis“. Idėja ta, kad modernus miestas tampa aktyvesnis ir dinamiškesnis. Šiandien tai savotiška aplinka su savais srautais, judesiais, kur induose tekantis skystis nuolat susireguliuoja. Tuo pačiu metu galite tik patraukti tašką ir jį pataisyti labai sąlyginai. Jis akimirksniu pasikeis pats ir pakeis kitus taškus aplink save. Man ši idėja yra gana praktiškas dalykas. Dabar darosi aišku, kad nebegalime suvokti miesto kaip kažko mechaniško.

Ar ši idėja priimta Rusijos miestų planavime?

Miesto planavimo lygmeniu šiuo rusišku supratimu tai nėra akivaizdu. Mes, vienaip ar kitaip, pradedame nuo takų ir gatvių braižymo ir tikime, kad taip ir bus galiausiai. Geriausiu atveju pradedame galvoti, kad reikia patikrinti, kaip tai padaryti teisingai, tada arba bus taip, kaip mes nupiešiame, arba žmonės patys viską perdarys.

„Big Data“ nepateikia atsakymo. Jie leidžia užduoti rimtus klausimus

Apskritai, nepagrįsti teiginiai, paremti stereotipais ir abstrakčiomis idėjomis, šiandien labai erzina. Be to, architektai ir miestų planuotojai pirmiausia yra išprotėję. Jie tiesiog sako, kad „pėstieji yra geresni už vairuotojus“ arba kad „kūrybingas verslas pramonės parką pavers žemišku rojumi“. Norėčiau, kad už bet kurio iš šių dalykų būtų pagrindinis skaičiavimas, nes taip gali būti, o gali ir nebūti, ir dažniausiai kažkas negerai.

Kaip tada „Big Data“ gali padėti mums geriau suprasti miestą?

Miestas visada yra dramblys iš pasakos apie akluosius, kurie bando jį apibūdinti prisilietimu. Mes visada dirbame taip pat – kažkas griebia už užpakalio, kažkas už ausies, kažkas už bagažinės. Ir visi sako, kad mato dramblį. Mūsų atveju taip pat visi tikime, kad esame matantys ir žinome, kas yra miestas.

Big Data apsaugo mus nuo prisilietimo tik vienoje vietoje, suteikia galimybę apytiksliai įsivaizduoti bendrą dramblio formą ir suprasti, kad liečiame maždaug šią vietą, tačiau yra ir kitų. Gaunu didžiulius pranešimus apie miestą ir visada galiu pažvelgti į kokias nors konkrečias dešimt eilučių duomenų, pažiūrėti ir paklausti: kodėl taip yra? Dažniausiai tai tampa kažkokio tyrimo, tyrinėjimo, istorijos pradžia.

GIS duomenys kartu su erdvinio modeliavimo algoritmais padeda numatyti izoliacijos lygį pasirinktoje srityje / nuotrauka: Trevor Patt / Flickr.com

Ar šios mintys, įkvėptos Big Data, kažkaip vėliau virsta tikrais projektais?

Yra vadinamasis „miesto akupunktūros“ metodas. Jo esmė slypi tame, kad skausmo taškų ieškoma mieste, o šiuose mažuose mazguose - daugiausiai kvartalo erdvėse, o dar geriau viename pastate, ar net kokiame nors mažame plote tarp pastatų - kažkokiuose padarytas pakeitimas. Dėl biudžeto dydžio jis yra visiškai mikroskopinis, tačiau pokyčiai visam miestui, teisingai paskaičiavus šiuos mazgus, yra milžiniški.

Nors „Miesto akupunktūra“ šiandien yra gana spekuliacinis projektas, jau yra protingų erdviniai sprendimai, su šviesoforais vieninga sistema, Pavyzdžiui. Tai kartu su išmaniaisiais keliais leidžia keisti erdvę, o tai gali sukelti netikėtų išmetamųjų teršalų. Pramonės robotizavimas tebevyksta ir šiandien, o tai taip pat sukuria pridėtinę vertę. Jei dabardronaipradės gabenti prekes, vėliau – miesto logistikasušals (iš anglų kalbos į sujungti — "sujungti"— A.K.)- ir yra skaičiai, ir yra skaičiai. Su šiuo darbu tikrai bus daug lengviau nei su gyvais sunkvežimiais.

Technologija, kurios šiuo metu mane įkvėpė ir tikiuosi, kad iš jos išeis kažkas architektūrinio, yra naujasis „Amazon“ projektas, kurio metu namo centre yra išmanusis garsiakalbis, kuris išklauso visus jūsų klausimus ir į juos atsako. Panašiai kaip Siri, tik namuose. Ši technologija tikriausiai pakeis erdvės pojūtį mieste labiau nei bet koks algoritmas.

Taigi miestas vis labiau pasikliaus programine įranga?

Būtent. Dabar I/O ir įvairios sąsajos, skirtos žmonėms gauti informaciją, instituciškai labai keičiasi. Mano požiūriu, pigaus taksi paslauga mano gyvenime keičiasi daug labiau nei 90 procentų miesto planavimo sprendimų. Taksi labai keičia mano suvokimą apie miestą. Nepaisant visos ankstesnės patirties, atsiradus „Yandex. Taksi ir taksi paslaugų konkurencija pasirodė, kad pas mus taksistai mandagūs, o pinigai konkretūs, reaguoja greitai – visiškai kitaip nei kai kurie Niujorke.

Pigios taksi paslaugos pakeičia mano gyvenimą daug daugiau nei 90 procentų miesto planavimo sprendimų

Man atrodo, kad pati svarbiausia paslauga, galinti gauti didžiulį pelną iš Uberifikacijos, yra prostitucija. Hipotetinis vartotojas gėdijasi, ir galbūt todėl daugelis žmonių nesinaudoja prostitučių paslaugomis – jiems tai atrodo kažkas pavojingo, baisaus ir nesuprantamo. Sėdint prie telefono jiems tikrai būtų daug lengviau. Žinoma, tai iškart atimtų duoną iš sutenerių ir visiškai pakeistų verslą. Tiesiog kolosalus! Manau, kad tai greitai įvyks kurioje nors liberalioje šalyje.

Kaip manote, ar ateityje žmonės galės asmeniškai dirbti su Big Data technologijomis?

Manau, kad viskas link to eina. Technologinis sudėtingumas padidės, ir tai suprantama, tačiau praktiškai išmoksime kaip nors tai teisingai supakuoti. Skanios sąsajos(iš anglų kalbos sleek— plonas, elegantiškas— A.K.)šiandien jie tam tikru mastu supaprastina mūsų suvokimą, kaip viskas vyksta. Štai mygtukas, čia vamzdelis – viskas. Šiandien kuo daugiau galite pasislėpti nuo paprasto žmogaus neprarasdami funkcijų, tuo geriau, nes žmonės šiek tiek bijo viso šio sudėtingumo. Nors gerai žinoma technologija, kaip ir „Mažumos ataskaitoje“, nepasirodė, lytėjimo būdu filme labai teisingai aprašoma, kas bus dabar.

kas tai bus? Kaip manote, su kuo artimiausiu metu susidurs dideli duomenys?

Jie pasirodė kaip savotiška madinga tema ir dabar pamažu nyksta, nes akivaizdžiausi dalykai jau padaryti. Toliau reikės parengti metodikos techninius mechanizmus – ne romantiška, o utilitarine forma. Esu tikras, kad po penkerių metų merijoje, ministerijose ir įmonėse atsiras gana gerai apmokamos ir galbūt gana nuobodžios kažkokio skaitmeninio analitiko pareigos.

Tuo pačiu metu „Big Data“ turi tam tikrą ligą. Yra žmonių, kurie supranta, ką daro, ir yra žmonių, kurie iš to maitinasi, kurie nelabai supranta, kaip veikia „Big Data“. Atotrūkis tarp profesionalių technologų ir žmonių, kurie supranta, kodėl visa tai gali atsitikti, visada egzistuoja bet kuriame versle, bet kuriame moksle, ir tai tikrai yra problema. Žmonės, kurie išmano technologinę dalį ir eksperimentuoja su naujais sprendimais, retai gamina tikrai naudingus dalykus, o žmonės, žinantys, kaip pritaikyti šiuos pokyčius, taip pat negali sukurti vien kokybiško produkto. Todėl vienintelis kelias į tobulėjimą dirbant su Big Data – ieškoti naujų specialistų sąveikos būdų.

Įvadas

Analitikų prognozėmis, 67% aviacijos ir kosmoso pramonės įmonių įgyvendina projektus, pagrįstus Big Data, dar 10% planuoja tokius projektus. Kalbant apie oro linijas, 2019 m. vasario mėn. projektus paskelbė 44 proc., o apie tokių projektų planus – 25 proc.

Tai yra 2017 m. gruodį „FlightGlobal“ atlikto tyrimo dėl didžiųjų duomenų vaidmens aviacijos ir kosmoso įmonėms ir oro linijoms rezultatai. Analitikai taip pat sužinojo nuomones apie dalijimasis duomenys apie orlaivių būklę su gamintojais ir remontą bei techninę priežiūrą (MRO) atliekančiomis įmonėmis. Tyrime dalyvavo 300 aviacijos ir aviacijos pramonės specialistų. Dauguma jų įsitikinę, kad „Big Data“ technologijos gali pagerinti oro linijų veiklos patikimumą ir efektyvumą.

Maždaug pusė respondentų teigė, kad jų įmonės naudoja duomenų rinkinius apie orlaivių būklę, o tai padeda priimti geresnius sprendimus. Artimiausiu metu tokių įmonių dalis išaugs iki 75 proc.

Dalijimasis duomenimis su OĮG/MRO vis dar kyla problemų. Tačiau 38% oro linijų mano, kad toks modelis galėtų duoti reikšmingos verslo naudos.

Remiantis „Honeywell“ 2018 m. gegužės mėn. „Connected Aircraft“ tyrimo duomenimis, 47% apklaustų oro linijų bendrovių planuoja išleisti iki 1 mln. Dauguma šių įmonių planuoja padengti sumas nuo 0,1 iki 0,5 mln. Tačiau penkerių metų perspektyvoje 38% oro vežėjų paskelbė apie 1–10 milijonų dolerių investicijas vienam orlaiviui.

Iki 2019 m. vasario mėn., kai oro linijos investavo į prijungtas technologijas, pirmiausia buvo siekiama teikti palydovinį ryšį ir Wi-Fi. Dabar įmonės yra pasirengusios pasinaudoti duomenimis, kuriuos gali gauti naudodamos įrangą tiesiai orlaivyje. Pavyzdžiui, tokie duomenys galėtų padėti sutaupyti 1% sunaudotų degalų, o tai prilygsta 50 000 USD vienam orlaiviui per metus, apskaičiavo „Honeywell“ analitikai.

Didžiųjų duomenų naudojimas užsienio oro linijų

„Big Data“ technologijos naudojamos daugeliui civilinės aviacijos užduočių atlikti. Šiame skyriuje išsamiau aptarsime pagrindines naudojimo aviacijoje sritis daugelyje užsienio šalių. Visų pirma, tai remontas ir priežiūra, degalų taupymo užtikrinimas, skaitmeninių dvynių kūrimas, operatyvinės veiklos optimizavimas (įskaitant skrydžių vėlavimų prognozavimą), personalizuotų pasiūlymų kūrimas keleiviams ir kt.

Big Data ir orlaivių tinkamumo skraidyti priežiūra

Viena iš šių prioritetinių sričių artimiausiu metu bus laivų priežiūra ir remontas. Taigi, 88% analitinių tyrimų respondentų tikisi, kad būtent šioje srityje jie galės gauti maksimalią naudą iš technologijų naudojimo. Priežiūra ir remontas gerokai lenkia visas kitas svarbias sritis. Analizė ir prognozuojamasis remontas aviacijoje parodo savo efektyvumą ir praktiškai įrodo, kad susietos technologijos veikia.

Po techninės priežiūros ir remonto respondentai tikisi naudos iš su pramone susijusių skrydžių technologijų diegimo, įskaitant degalų sąnaudų ir orlaivių darbo laiko optimizavimą bei keleivių aptarnavimą.

Taigi tyrime „Sky High Economics: Evaluating the Economic Benefits of Connected Airline Operations“ analitikai pažymi, kad prijungti orlaiviai gali perduoti duomenis į debesį arba antžeminius serverius, kur šie duomenys gali būti analizuojami naudojant „Big Data Analytics“ įrankius. Tai leidžia oro transporto bendrovėms, pavyzdžiui, nustatyti gedimus, kol jie netampa didelėmis problemomis. Gauta informacija gali būti panaudota priimant geresnius sprendimus ir sumažinant brangiai kainuojančias orlaivių prastovos laiką (Aircraft on Ground).

Be to, atsiradus nuspėjamajam modeliavimui, tapo įmanoma pakeisti dalis, kurias analizės metu reikia pakeisti, kol jos sugenda, būtent atliekant planinius remonto ir priežiūros darbus. Visa tai padeda sumažinti išlaidas ir gerina skrydžių saugumą.

Skaitmeniniai dvyniai. Kas tai yra?

Proaktyvaus (proaktyvaus) remonto tema taip pat glaudžiai susijusi su vadinamųjų „skaitmeninių dvynių“ naudojimu. Tačiau skirtingai nei, pavyzdžiui, naftos ir dujų pramonėje, kur kompaktinius diskus jau praktiškai naudoja nemažai didelių įmonių, aviacijos pramonėje ši tema vis dar daugiau diskutuojama ekspertų ir analitikų lygmeniu.

Aviacijos pramonės ekspertai 2019 metais pradėjo aktyviai propaguoti „skaitmeninių dvynių“ naudojimo temą: Švedijos įmonės IFS, programinės įrangos kūrėjos verslo klientams, įskaitant ir aviacijos pramonę, vadovybė 2018 metų balandį pareiškė, kad viena iš technologinių naujovių, gali padėti oro linijoms užtikrinti veiksmingą laivų eksploatavimą, kartu sumažinant priežiūros ir remonto išlaidas, yra „skaitmeniniai dvyniai“. Skaitmeniniai dvyniai yra virtualios fizinio turto kopijos, kurios gali parodyti inžinieriams ant žemės, kaip veikia variklis, kai orlaivis yra ore. Kad tai būtų įmanoma, inžinieriai įrengia tūkstančius duomenų rinkimo taškų variklio projektavimo ir gamybos metu. Tada jie naudojami kuriant skaitmeninį modelį, kuris stebi ir valdo variklį realiuoju laiku, suteikdamas esminę informaciją per visą jo gyvavimo ciklą, pvz., temperatūrą, slėgį ir oro srautą.

GE padėjo sukurti skaitmeninį dvynį orlaivio važiuoklei. Jutikliai buvo patalpinti tose važiuoklės dalyse, kurios gali sugesti. Realiu laiku tokie duomenys kaip slėgis ir temperatūra buvo perduodami specialistams, padedantys numatyti veiklos gedimus ar likusį tarnavimo laiką. Šie duomenys buvo lyginami su skaitmeninio dvynio, kuriam buvo taikomos panašios apkrovos, duomenimis.

Nuspėjamajam remonto ir techninės priežiūros modeliui įgyvendinti bus naudojami du sprendimai – orlaivio duomenų mainų sistema skrydžio operacijoms ir priežiūrai (FOMAX) ir aviacijos duomenų analizės įrankiai „Skywise“. FOMAX, serveris iš Rockwell Collins, renka orlaivių techninės priežiūros ir veikimo duomenis, įskaitant automatinis režimas siunčia juos inžinieriams ir technikai. „SkyWise“, veikianti debesų platformoje, teikia įvairių duomenų analizę, kurią kartu sukūrė „Airbus“ ir „Palantir Technologies“.

FOMAX sistema visus duomenis gauna iš lėktuve esančios FDIMU (skrydžio duomenų sąsajos valdymo bloko) sistemos. FOMAX turi 4G maršrutizatoriaus funkcionalumą: laivui nusileidus visi duomenys naudojant 4G Gatelink antenas yra perduodami į Skywise analitinę platformą ir analizuojami Airbus specialistų. Analizei „Airbus“ specialistai savarankiškai sukūrė specialius modelius, galinčius numatyti sistemos problemų atsiradimą. Po analizės jos rezultatai perduodami EasyJet specialistams, kurie savarankiškai priima sprendimus dėl numatomos priežiūros ar remonto poreikio. Naudodamiesi gauta informacija, oro vežėjų specialistai gali sukurti algoritmus, kurie ateityje leis numatyti tam tikros problemos atsiradimą bet kuriame orlaivyje.

A320 modelio lėktuvai su FOMAX gali surinkti daugiau nei 24 000 parametrų, tai yra užtikrinti 100% informacijos iš orlaivio sistemų ir komponentų surinkimą. Lėktuvai be FOMAX surenka 400 parametrų, tai yra 2% turimos informacijos.

Delta vadovybės teigimu, jos nuspėjamoji techninės priežiūros programa padeda aviakompanijai žymiai sumažinti veiklos sutrikimų skaičių: per pastaruosius 12 mėnesių aktyvios priežiūros naudojimas padėjo išvengti 1200 skrydžių vėlavimų ar atšaukimų.

Programa naudoja duomenis, gaunamus iš įvairios sistemos, pavyzdžiui, „Boeing“, „Airbus“ ir „GE“ sistemų „Aircraft Health Management“. Tuo pačiu metu aviakompanijos orlaivių parko pagrindą sudaro orlaiviai, sukurti dar prieš tai, kai duomenų gavimas ir analizė tapo „būtina“ funkcija. Išanalizavus gautus duomenis, programa parengia rekomendacijas dėl detalių ir mechanizmų keitimo. Anot „Delta Air Lines“ specialistų, naudojama programa rodo 95% tikslumo lygį, pateikiant rekomendacijas dėl būtinybės keisti dalis.

Pristatydamas sprendimą startuolis nurodė, kad pilotas su pagrindiniu tarptautiniu oro vežėju turėtų būti įdiegtas 2018 metų pavasarį. Tačiau bet koks Papildoma informacijaŠia tema nebuvo publikacijų.

Didelių duomenų naudojimas oro kelionių poreikiui analizuoti ir prognozuoti

Aviacijos technologijų kūrėja „Saber Corporation“, teikianti sprendimus pasaulinei kelionių pramonei, 2017 m. lapkritį paskelbė pasirašiusi daugiametę sutartį dėl „Hong Kong Airlines“ aprūpinimo MIDT (Market Information Data Tapes) sprendimu. Šis sprendimas yra duomenų bazė, suteikianti prieigą prie istorinių ir prognozuojamų (gylis iki 11 mėnesių) užsakymų duomenų. Šio produkto turėjimas leidžia oro linijoms analizuoti priemonių poveikį tarifų formavimo ir rinkodaros programų srityje.

„Hong Kong Airlines“ tikisi naudoti produktą, kai planuoja patekti į Šiaurės Amerikos rinką. Produktas leidžia generuoti ataskaitas ir turi analitinį funkcionalumą, kuris suteikia vartotojui galimybę nustatyti optimalius rinkodaros strategijos įgyvendinimo kanalus. „Hong Kong Airlines“ turės prieigą prie „Sabre“ agentų duomenų visame pasaulyje visose kilmės ir paskirties vietose, kuriose veikia aviakompanija.

Didieji duomenys, siekiant pagerinti klientų pasitenkinimą ir individualizavimą

„British Airways“, patenkanti į TOP 10 pagal keleivių srautą, nuo 2013 m. naudoja „Big Data Analytics“, kad pagerintų savo klientų aptarnavimo lygį: vežėjas renka įvairius duomenis apie keleivius specialioje saugykloje ir įkelia juos į programa „Pažink mane“. Programos tikslas – išmokti ir geriau suprasti klientų poreikius, o taip pat panaudoti įvairaus pobūdžio kontaktų su šiais klientais metu sukauptus duomenis jų aptarnavimo lygiui gerinti.

„Pažink mane“ pateikiami įvairūs keleivių duomenys: elgesys užsisakant internetu, pageidavimai perkant, pageidavimai renkantis vietą. Visa ši informacija yra automatiškai sugeneruojama ir automatiškai naudojama kitą kartą, kai klientas atlieka užsakymą.

Programa veikia naudojant „Opera Solutions“ analitinę programinę įrangą. Taip pat naudojama Google vaizdų paieška, kuri leidžia oro linijų darbuotojams atpažinti brangius ir daug skraidančius keleivius nuo pat jų įėjimo į oro uosto ar verslo salę ir atitinkamai pasiūlyti jiems aukščiausios klasės paslaugas.

Kitas svarbus rinkos žaidėjas „Virgin Australia“ 2017 m. pabaigoje paskelbė, kad optimizuoja savo programų našumą mašininio mokymosi srityje. Šiems tikslams įmonė pritraukė startuolį DataRobot. Amerikiečių startuolis sukūrė nuspėjamosios analizės platformą, skirtą greitai sukurti ir įdiegti nuspėjamuosius modelius. Ši platforma jau padeda „Virgin Australia“ sumažinti prognozių modelių kūrimo laiką 90%, o prognozavimo tikslumas padidėja 15%.

2019 m. vasario mėn. aviakompanija optimizuoja savo „Velocity Frequent Flyer“ lojalumo programą, į ją įtraukdama nuspėjamąją analizę, kuri turėtų padėti bendrovės klientams pasirinkti geriausią laiką panaudoti gautus taškus. „DataRobot“ yra pavesta sudaryti prognozes / modelius, kas greičiausiai keliaus, kokia kaina ir kokio tipo kelionės keliautojas pageidauja. Apskritai kalbame apie oro linijų lojalumo programos dalyvių aptarnavimo lygio didinimą.

Išmaniųjų pokalbių robotų naudojimas

Pirmasis sprendimas – pokalbių roboto modelis, artimas žmonių bendravimui. Tuo pačiu metu, siekiant pagerinti dialogo galimybes, buvo naudojama mašininiu mokymusi paremta programa, vadinama LUIS (Language Understanding Intelligence Service). Be to, į pokalbių robotą integruotos pažintinės paslaugos, ypač veido atpažinimas. Tai leis oro linijų klientams prašyti filmų, kuriuose vaidina konkretus aktorius, sąrašą, kurį galima žiūrėti lėktuve. Norėdami tai padaryti, į programą tereikia įkelti šio aktoriaus nuotrauką.

Antrasis sprendimas – dirbtiniu intelektu pagrįsta programa, skirta vaizdo turinio analizei naudojant mašininį mokymąsi. Platforma turi galimybę identifikuoti tam tikrus elementus, scenarijus arba pagal amžių ribojamą turinį, ko dažnai reikalauja oro linijų turinio reikalavimai. Pavyzdžiui, dirbtinis intelektas gali aptikti turinį, susijusį su lėktuvo katastrofos scenomis arba suaugusiesiems skirtu turiniu, ir jį filtruoti.

2018 m. balandį „FoxTripper“ pirmą kartą pademonstravo „judančio žemėlapio“ programą. Programa suteikia keleiviams informaciją apie sritis, per kurias skrenda orlaivis, ir leidžia keleiviams rezervuoti savo paskirties vietas. Skrydžio metu surinkti duomenys, kartu su oro linijų duomenimis apie keleivį, leidžia daryti prognozes, kokie produktai ir paslaugos jam yra aktualūs.

Kitas įdomus pavyzdys – „Gogo Air“. Ši skrydžio informacijos ir pramogų įmonė naudoja dirbtinį intelektą ir mašininį mokymąsi, kad padėtų oro linijoms pagerinti savo paslaugas. „Gogo Air“ naudoja „Adobe Analytics“ įrankių rinkinį, įskaitant „Virtual Analyst“ – mašininiu mokymusi pagrįstą įrankį, kad surinktų kelių pagrindinių oro linijų klientų informaciją.

Teikdama pramoginį turinį ir „Wi-Fi“ prieigą skrydžio metu „Gogo Air“ renka informaciją apie keleivius, besinaudojančius šiomis paslaugomis. Tada ši informacija apdorojama ir analizuojama. Dėl to oro linijų bendrovės gauna duomenis, kurie padeda pagerinti klientų aptarnavimą ir dažnai pasiūlyti savo keleiviams tikslesnius produktus. Oro linijų bendrovės mokosi, kokiais produktais gali susidomėti jų klientai skrisdami, kokius įrenginius jie naudoja skrisdami, kiek laiko nori praleisti internete arba kokio tipo pramogoms skrydžio metu teikia pirmenybę.

Aviakompanijos gautus duomenis naudoja paslaugoms individualizuoti pagal situacijos kontekstą, pavyzdžiui, lėktuve esančių informacinių ir pramoginių sistemų ekranus pritaiko klientui, priklausomai nuo skrydžio trukmės, keleivio naudojamų įrenginių ir kelionės tikslo.

Taip pat neapleidžiamos ir laive esančios maitinimo technologijos. Taip 2018 metų balandį Hamburge duomenų analizės sprendimus kurianti bendrovė „Black Swan Data“ sudarė bendradarbiavimo sutartį su „gategroup“. Bendradarbiavimo tikslas – analizuoti keleivių duomenis ir tendencijas socialiniuose tinkluose, siekiant numatyti, kokį meniu keleiviai rinksis lėktuve. Keleiviai galės užsisakyti ir tikėtis gauti mėgstamus patiekalus nusileidę. Dviejų įmonių bandomasis projektas parodė gerus rezultatus: pavyko 50% sumažinti maisto švaistymą ir 15% padidinti našumą.

2018 metų gegužę aviacijos sprendimų kūrėja SITA pasiūlė bagažo sekimo ir valdymo sistemą. Jo BagJourney technologija leidžia vis daugiau oro linijų valdyti bagažo operacijas. Vien per pirmuosius šešis 2018 metų mėnesius šį sprendimą pasirinko daugiau nei 20 vežėjų. SITA BagJourney yra vienas iš pagrindinių sprendimų, padedančių oro linijų pramonei laikytis IATA 753 rezoliucijos, pagal kurią bagažas turi būti sekamas kiekviename kelionės etape.

SITA BagJourney kasmet naudojamas šimtams milijonų bagažo vienetų apdorojimui. Vartotojų teigimu, sprendimas klaidų skaičių sumažina 30%. „BagJourney“ yra suderinama su įvairia aparatine įranga, įskaitant mobiliuosius įrenginius nuskaitymui ar stacionariems įrenginiams.

Pasak vieno iš sprendimo naudotojų, BahamasAir, po jo įdiegimo per 7 dienas buvo galima visiškai pereiti prie mobiliųjų įrenginių, kad būtų galima sekti visą bagažą dviejose judriausiose bagažo atžvilgiu vietose – Nasau ir Majamyje. Po šešių mėnesių skundų dėl problemų su bagažu judriausiame maršrute sumažėjo 60 proc. Aviakompanija sprendimą planuoja diegti visuose maršrutuose ir tikisi, kad iki metų pabaigos jis visiškai atitiks 753 nutarimo reikalavimus.

Interviu su ekspertais

Didžiųjų duomenų technologijų taikymas Rusijos civilinėje aviacijoje

Darbas su klientų reputacija yra labai svarbus transporto įmonėms, įskaitant aviaciją. Socialiniai tinklai leidžia rinkti keleivių atsiliepimus realiu laiku ir greitai į juos atsakyti.

Nagrinėjamos sistemos privalumai – galimybė nuolat stebėti pasitenkinimą įmone ir bendravimą su vartotojais socialiniuose tinkluose; saugumo užtikrinimas ir teroristinių organizacijų, ekstremizmo ir kitų problemų nustatymas; nuolatinis pasiūlymo klientui tobulinimas atliekant analizę socialiniuose tinkluose ir galimybę tiesiogiai bendrauti su operatoriumi; aviakompanijos reputacijos palaikymas per greitą kontaktą su auditorija socialiniuose tinkluose; vartotojų pageidavimų analizė ir individualių produktų pasiūlymų ruošimas bei sėkminga tikslinė reklama. Daugiau informacijos apie projektą -

Vidaus DBVS Tarantool didelių duomenų analizės projekte

„Aeroflot“ įdiegė nuspėjamosios analizės algoritmus, kurie yra platformos projekto dalis, skirta analizuoti ir apdoroti keleivių užklausas socialiniuose tinkluose. Vidaus plėtra buvo naudojama kaip DBVS - „Mail.Ru Group“ įmonės „Tarantool“ sprendimas.

Kompleksas susideda iš daugybės modulių, apimančių tiek funkcinius verslo reikalavimus, tiek integravimo į esamą PJSC Aeroflot IT infrastruktūrą ir įvairius užklausų gavimo kanalus (socialinius tinklus, el. paštą, oficialią svetainę, asmeninę paskyrą) modulius.

Pirmasis modulis yra atsakingas už kliento identifikavimą remiantis išsamia duomenų analize, tiek paties teksto, tiek autoriaus profilio duomenų. Užklausų skaičius gali siekti kelis tūkstančius per dieną.

Antrasis modulis skirtas pasikartojančių užklausų paieškai. Teksto kopijavimas, skirtas skelbti įvairiuose šaltiniuose arba siųsti paštu. Semantiškai panašūs įrašai identifikuojami siekiant nustatyti grupes, kurios yra incidentai. Vienu metu apdorojus kelis panašius etatus, ženkliai sumažėja atsakingų darbuotojų darbo krūvis.

Trečiasis modulis „Informaciniai laidai“ yra vienas svarbiausių sistemoje. Pagrindinis jo bruožas yra numatyti pavojingų postų nustatymą dar prieš prasidedant aktyvumui. Taigi įterptieji algoritmai rodo galimą „informacinę bombą“ ir leidžia išlyginti reputacijos praradimą.

Numatomas duomenų prieigos skaičius buvo keli tūkstančiai užklausų per sekundę, o reikiamas atsako laikas yra pora milisekundžių. Norint patenkinti aukštus klientų reikalavimus, tokius kaip nustatytas trijų sekundžių terminas tiražui praturtinti įvairiomis savybėmis, reikėjo naudoti aukštųjų technologijų programinę įrangą. Remiantis našumo, duomenų saugojimo kokybės ir funkcionalumo testų rezultatais, buvo nuspręsta naudoti vietinę plėtrą - Tarantool DBVS.

Tarantool Platformoje naudojama kaip operatyvinė duomenų bazė, kurioje užklausos saugomos specialių duomenų struktūrų, reikalingų analizės algoritmams, forma. Itin didelis našumas ir tokių savybių buvimas duomenų bazėje kaip antriniai indeksai ir daugybės jungčių palaikymas neprarandant našumo, leido sėkmingai įgyvendinti aukščiau aprašytus funkcinius modulius per nustatytą laiką.

Tokioje didelėje įmonėje kaip „Aeroflot“ itin svarbu naudoti vietinius pokyčius. Rusijos programinė įranga dažnai nėra prastesnė ir, kaip ir mūsų atveju, netgi pranašesnė už savo užsienio kolegas. Štai kodėl buvo pasirinktas Tarantool. Natūralu, kad vykdomas svarbus importo pakeitimo veiksnys, kuris mūsų įmonei yra vienas svarbiausių ateinančių metų prioritetų.

Kirilas Bogdanovas, PJSC „Aeroflot“ CIO


Atsižvelgdamas į diegimo rezultatus, klientas, naudodamasis Platforma, ženkliai padidino klientų skundų ir PJSC „Aeroflot“ atsakingų darbuotojų prašymų nagrinėjimo proceso efektyvumą, radikaliai sutrumpino užklausos pristatymo laiką ir apdorojimo laiką. problemos sprendimas dėl mechanizmų, leidžiančių praturtinti užklausą kontekstu, tonu, temomis (žymėjimas), profilio autoriumi ir kt. Visa tai skirta pasiekti teigiamą ekonominį ir reputacinį poveikį beveik visuose PJSC „Aeroflot“ paslaugų teikimo etapuose. Remdamiesi sėkminga patirtimi, visi projekto dalyviai toliau naudos Tarantool programinę įrangą savo projektuose ir stiprins partnerystę

„Technoserv“ įdiegė išmaniąją „Aeroflot“ klientų segmentavimo sistemą

„Technoserv“ patvirtino, kad „Big Data“ technologijos apskritai yra paklausios transporto pramonėje, o tai patvirtina ir išaugęs projektų, kuriuose naudojamos šios technologijos, skaičius. Kartu projektų temos, anot jos, visiškai skirtingos. Tai komunikacijos su klientais personalizavimo didinimo, aktyvaus įrangos remonto, paklausos prognozavimo ir kitos užduotys, išspręstos naudojant mašininio mokymosi algoritmus bei didelio kiekio struktūrizuotų, nestruktūrizuotų ir pusiau struktūrizuotų duomenų analizę tiek aviakompanijai, tiek jos partneriams. Skaičiavimo greitis padidėjo nuo 14 dienų iki 23 sekundžių.

Mes atlikome sandorį, norėdami įsigyti lėktuvo bilietą per atvirą blokų grandinės API į banką, tačiau esu tikras, kad tokia schema labai greitai pasinaudos daugelis įmonių visame pasaulyje. „Blockchain“ platforma leidžia žymiai optimizuoti verslo procesus. Ji automatizuoja bet kokią tarpusavio atsiskaitymo schemą, net ir labai sudėtingą – pavyzdžiui, pristatymus į sandėlį. Naudojant tokį mechanizmą, praktiškai nereikia žmogaus dalyvavimo: nereikia išrašyti sąskaitų faktūrų, atlikti sutikrinimo, rašyti aktų. Potencialiai prie platformos gali būti prijungti maitinimo skrydžio metu, degalų, oro uosto paslaugų tiekėjai – visos tos įmonės, su kuriomis S7 Airlines nuolat dirba ir ne tik.(Aviacijos kuro išmaniosios sutartys, AFSC), pagrįsta blokų grandine. Projektas leido automatizuoti degalų tiekimo planavimą ir apskaitą ir yra skirtas padidinti tarpusavio atsiskaitymų greitį papildant orlaivius degalų.

„Gazprom Neft“ atstovų teigimu, tai pirmoji paskirstytų apskaitos technologijų naudojimo patirtis Rusijos aviacijos rinkai. Jų pagalba aviakompanija galėjo akimirksniu atsiskaityti už degalus, pildama degalus į lėktuvą be išankstinio apmokėjimo, banko garantijų ir finansinės rizikos sandorio dalyviams. Toks požiūris padidina finansinių operacijų efektyvumą ir sumažina darbo sąnaudas, teigia naftos ir dujų bendrovė.

S7 Airlines orlaivių gedimų numatymas naudojant mašininį mokymąsi ir didelių duomenų analizę

2018 m. kovo pradžioje „S7 Airlines“ sukūrė nuspėjimo sistemą Priežiūra(numatoma priežiūra). Pasak pačios bendrovės, ji tapo pirmuoju Rusijos oro vežėju, baigusiu kurti tokią sistemą.

Iš pradžių jis buvo naudojamas Airbus A319 orlaiviams. Ateityje sistema bus pritaikyta visam orlaivių parkui.

Nuspėjamoji techninės priežiūros sistema apima daugybės istorinių duomenų apie orlaivio techninę priežiūrą ir atskirų komponentų veikimą analizę.

Duomenų analizės ir matematinio modelio kūrimo programinę įrangą sukūrė „S7 Airlines“ specialistai kartu su Rusijos įmone „Datadvance“, kuri specializuojasi nuspėjamosios analizės sprendimų kūrime.

2018 m. kovo mėn. jau buvo galima analizuoti 2012–2017 m. laikotarpio duomenų rinkinį. Tai orlaivių telemetrijos sistemose užfiksuoti duomenys, orlaivių techninės priežiūros ir remonto holdingo S7 Technics duomenų bazė, meteorologiniai duomenys.

Pagrindinės užduotys, kurias bendrovė tikisi išspręsti pasitelkdama prognozinę priežiūrą, yra dėl techninių priežasčių vėluojančių skrydžių skaičiaus mažinimas, skrydžių saugumo ir orlaivių priežiūros efektyvumo didinimas bei galimų gedimų tikimybės numatymas kiekvienam bendrovės parke esančiam orlaiviui. .

Kiekviename orlaivyje keli šimtai RFID žymenų yra pritvirtinti prie visko, kas nėra prikalta – nuo ​​gelbėjimosi liemenių iki saugos diržų. Taip pat etiketės tvirtinamos prie karščiui atsparių pirštinių, megafonų, deguonies balionų, kaukių, gesintuvų ir kt.

Projekto tikslas – paspartinti avarinės įrangos inventorizaciją, kuri atsiranda po kiekvieno skrydžio. Vienas iš skrydžio palydovų paleidžia planšetinį kompiuterį speciali programa ir eina per saloną, nuskaitydamas RFID žymas. Kiekviena aptikta žyma atsako trumpuoju signalu garso signalas, o pabaigoje programa sugeneruoja ataskaitą apie visos avarinės įrangos buvimą. Ataskaita iš karto įkeliama į serverį: planšetiniuose kompiuteriuose įdiegtos SIM kortelės, o debesų dalis įdiegta Microsoft Azure pagrindu.

Jei trūksta kokios nors įrangos, tai iš karto matosi ataskaitoje, atitinkamai tokiu atveju komanda peroniniams autobusams su keleiviais išvykti neduodama ir jie tikrinami.

Be įrangos lėktuvas negali būti įleistas į kitą skrydį (ty jei lėktuve nėra pakankamai gelbėjimosi liemenių, tai reiškia, kad vienam iš keleivių bus atsisakyta vežti). Kur kas daugiau laiko ir pastangų atima rankinis inventorizavimas: vien po sėdynėmis yra 189 liemenės ir jas visas reikia patikrinti. Taigi, RFID technologijos dėka „Pobeda“ sugebėjo sumažinti minimalų orlaivio apsisukimo laiką nuo 30 iki 25 minučių. Tai yra vienas iš pagrindinių keleivių aviacijos KPI: esmė ta, kad kuo mažiau laiko praeina nuo atvykimo į oro uostą iki kito skrydžio išvykimo, tuo didesnis ekonominis aviakompanijos efektyvumas, nes lėktuvas uždirba pajamas tik tada, kai skrenda. ant žemės nestovi. Atsižvelgiant į pustrečios dešimties orlaivių „Pobeda“ parko dydį, kiekvieno orlaivio inventorizavimo laiką sumažinus 5 minutėmis, galima atlikti bent vieną papildomą skrydį nedidinant orlaivių parko.

Civilinės aviacijos inovacijų centro sukūrimas, siekiant sustiprinti didžiųjų duomenų patirtį

2017 m. Rusijos programinės įrangos inovatyvių technologijų srityje kūrėja „Innodata Company“ ir Rusijos IT universitetas „Innopolis“ sukūrė Civilinės aviacijos inovacijų centrą (CIGA). Asociacijos tikslas – plėtoti technologinį ir skaitmeninį buvimą šiuolaikinėje civilinėje aviacijoje, padėti atskleisti šiuolaikinių technologijų, turinčių įtakos pasiūlai ir paklausai aviacijos pramonės žaidėjams, esmę ir reikšmę bei integruoti skaitmeninio pasaulio inovacijas į dabartinę civilinę aviaciją. technologijas. 2018 metais RAMAX įmonių grupė tapo Centro partneriu, kurio tikslas – stiprinti turimą patirtį technologijų srityje ir kurti specializuotus sprendimus aviacijos pramonei.

Pagrindinės veiklos sritys – atitinkamai esamų ir naujų sprendimų kūrimas aviacijos pramonei. Centras vykdo tiek edukacinę, tiek projektinę veiklą, nesvarbu, ar tai būtų mokslo, technikos, inovacijų ar informacinės ir analitinės srities projektų įgyvendinimas. CIGA taip pat yra atvira eksperimentiniams projektams, siekiant skatinti pažangias technologijas ir sprendimus, ir yra pasirengusi teikti paramą plėtrai.

Virtuali realybė kovai su aerofobija, technologijomis pagrįsta oro uosto navigacija Virtuali realybė, darbuotojų veiklos informaciniame lauke elgsenos analizė, keleivių perkamosios galios prognozavimas ir dinamiškų rekomendacijų bilietų kainų keitimui generavimas, skrydžių tvarkaraščių planavimas ir sezoninių tvarkaraščių optimizavimo analizė, numatomas keleivių srauto valdymas, personalo valdymas oro uostuose, oro uostų kūrimas Aviakompanijų paslaugoms ir partneriams skirtų asmeninių paketų pasiūlymų atrankos sistema, taip pat orlaivio paviršiaus skenavimo atliekant techninę priežiūrą po skrydžio, kilimo ir tūpimo tako analizės, perpildymo lygio valdymo, keleivių interesų analizės ir pasiūlymų jiems rengimo technikos.

Išvada

Aukščiau aptarti pavyzdžiai rodo, kad oro linijos nebėra tik lėktuvai, vežėjai, prie kurių esame pripratę. Svarbus jų plėtros pagrindas yra technologijos, leidžiančios, pavyzdžiui, individualizuoti paslaugas. Individualūs pasiūlymai, padarantys kiekvieno keleivio kelionę kuo patogesnę. Kelionės informacijos paieška, bilietų užsakymas, paieškos užklausos – bet kokie veiksmai tinkle palieka skaitmeninius pėdsakus, kuriuos analizuojant galima sukurti tikslingiausią paslaugų paketą. Be to, darbas su dideliais duomenimis leidžia padidinti klientų lojalumą, pavyzdžiui, greitai reaguojant į keleivių užklausas.

Gamybos sistemos generuoja dar daugiau duomenų. Lėktuvai, geležinkelio lokomotyvai ir traukiniai yra didžiulis techninių duomenų srautas, gaunamas iš varikliuose ir gyvybės palaikymo sistemose sumontuotų jutiklių. Išsami šių duomenų analizė leidžia nustatyti ir numatyti konkrečios atsarginės dalies remonto poreikį. Taigi jie leidžia padidinti saugos lygį, taip pat sutaupyti daug pinigų vežėjams. Sutrumpėja reikalingas remonto laikas ir orlaivį galima naudoti pagal paskirtį ilgesnį laiką.

Siūloma medžiaga palietė kai kurias „Big Data“ technologijų panaudojimo aviacijos pramonėje galimybes ir praktinius rezultatus, tačiau iš tikrųjų tokių galimybių tobulėti kasdien atsiranda vis daugiau.

„Didieji duomenys“ yra tema, kurią aktyviai diskutuoja technologijų įmonės. Vieni nusivylė dideliais duomenimis, o kiti, atvirkščiai, išnaudoja juos verslui... Nauja analitinė vidaus ir pasaulinės didžiųjų duomenų rinkos apžvalga, kurią parengė Maskvos birža kartu su IPOboard analitikais , parodo, kurios tendencijos šiuo metu yra aktualiausios rinkoje. Tikimės, kad informacija bus įdomi ir naudinga.

KAS YRA BIG DUOMENYS?

Pagrindiniai bruožai
„Big Data“ šiuo metu yra viena iš pagrindinių informacinių technologijų plėtros jėgų. Ši kryptis, palyginti nauja Rusijos verslui, plačiai paplitusi Vakarų šalyse. Taip yra dėl to, kad informacinių technologijų eroje, ypač po bumo socialiniai tinklai, kiekvienam interneto vartotojui pradėjo kauptis nemažas kiekis informacijos, kas galiausiai paskatino Big Data plėtrą.

Sąvoka „didieji duomenys“ sukelia daug ginčų, daugelis mano, kad tai reiškia tik sukauptos informacijos kiekį, tačiau nereikia pamiršti ir techninės pusės – ši sritis apima saugojimo technologijas, kompiuteriją, paslaugas.

Pažymėtina, kad ši sritis apima didelio kiekio informacijos apdorojimą, kurį sunku apdoroti tradiciniais metodais*.

Žemiau yra tradicinių ir didžiųjų duomenų duomenų bazių palyginimo lentelė.

Didelių duomenų sričiai būdingi šie bruožai:
Apimtis – apimtis, sukaupta duomenų bazė reprezentuoja didelį kiekį informacijos, kurią apdoroti ir saugoti tradiciniais būdais reikia daug darbo jėgos, tam reikia naujo požiūrio ir patobulintų priemonių.
Greitis – greitis, šis požymis rodo tiek didėjantį duomenų kaupimo greitį (per pastaruosius 2 metus surinkta 90 proc. informacijos), tiek duomenų apdorojimo spartą, pastaruoju metu vis labiau paklausa realaus laiko duomenų apdorojimo technologijos.
Įvairovė – įvairovę, t.y. galimybė vienu metu apdoroti įvairaus formato struktūrizuotą ir nestruktūruotą informaciją. Pagrindinis skirtumas tarp struktūrinės informacijos yra tas, kad ji gali būti klasifikuojama. Tokios informacijos pavyzdys būtų informacija apie klientų operacijas.
Nestruktūrizuota informacija apima vaizdo, garso failus, laisvą tekstą, informaciją, gaunamą iš socialinių tinklų. Šiandien 80% informacijos yra nestruktūrizuota. Ši informacija reikalinga sudėtinga analizė, kad ji būtų naudinga tolesniam apdorojimui.
Tikrumas – duomenų patikimumas, vartotojai pradėjo teikti vis didesnę reikšmę turimų duomenų patikimumui. Taigi interneto įmonės turi problemų atskirdamos roboto ir žmogaus atliekamus veiksmus įmonės svetainėje, o tai galiausiai sukelia duomenų analizės sunkumų.
Vertė – sukauptos informacijos vertė. Didieji duomenys turi būti naudingi įmonei ir suteikti jai tam tikrą vertę. Pavyzdžiui, padėti tobulinti verslo procesus, teikti ataskaitas ar optimizuoti išlaidas.

Jei įvykdomos aukščiau nurodytos 5 sąlygos, sukauptus duomenų kiekius galima priskirti dideliems.

Didžiųjų duomenų taikymo sritys

„Big Data“ technologijų naudojimo sritis yra plati. Taigi Big Data pagalba galite sužinoti apie klientų pageidavimus, rinkodaros kampanijų efektyvumą ar atlikti rizikos analizę. Žemiau pateikiami IBM instituto atliktos apklausos apie didžiųjų duomenų naudojimo sritis įmonėse rezultatai.

Kaip matyti iš diagramos, dauguma įmonių Big Data naudoja klientų aptarnavimo srityje, antra pagal populiarumą sritis yra veiklos efektyvumas, rizikos valdymo srityje Big Data šiuo metu yra rečiau.

Pažymėtina ir tai, kad „Big Data“ yra viena sparčiausiai augančių informacinių technologijų sričių, pagal statistiką bendras gaunamų ir saugomų duomenų kiekis padvigubėja kas 1,2 metų.
Už laikotarpį nuo 2012 iki 2014 metų kas mėnesį perduodamų duomenų kiekis Mobilieji tinklai, išaugo 81 proc. „Cisco“ skaičiavimais, 2014 metais mobiliojo ryšio srautas buvo 2,5 eksabaito (informacijos kiekio matavimo vienetas, lygus 10^18 standartinių baitų) per mėnesį, o 2019 metais – 24,3 eksabaito.
Taigi Big Data yra jau nusistovėjusi technologijų sritis, net nepaisant gana jauno amžiaus, kuri tapo plačiai paplitusi daugelyje verslo sričių ir atlieka svarbų vaidmenį plėtojant įmones.

Didžiųjų duomenų technologijos
Didžiųjų duomenų rinkimo ir apdorojimo technologijas galima suskirstyti į 3 grupes:
  • Programinė įranga;
  • Įranga;
  • Paslaugos.

Dažniausiai naudojami duomenų apdorojimo (DP) metodai:
SQL – struktūrinė užklausų kalba, leidžianti dirbti su duomenų bazėmis. Naudodami SQL galite kurti ir keisti duomenis, o duomenų masyvo valdymą tvarko atitinkama duomenų bazių valdymo sistema.
NoSQL – terminas reiškia ne tik SQL (ne tik SQL). Tai apima daugybę metodų, skirtų duomenų bazei įdiegti, kurie skiriasi nuo modelių, naudojamų tradicinėse reliacinėse DBVS. Jas patogu naudoti, kai nuolat kinta duomenų struktūra. Pavyzdžiui, rinkti ir saugoti informaciją socialiniuose tinkluose.
MapReduce – skaičiavimo paskirstymo modelis. Naudojamas lygiagretusis skaičiavimas per labai didelius duomenų rinkinius (petabaitus* ar daugiau). Programos sąsajoje į programą apdoroti perduodami ne duomenys, o programa į duomenis. Taigi užklausa yra atskira programa. Veikimo principas yra nuoseklus duomenų apdorojimas, naudojant du metodus: Map ir Reduce. Žemėlapis parenka preliminarius duomenis, o Reduce juos apibendrina.
Hadoop – naudojamas diegti paieškos ir kontekstinius mechanizmus didelės apkrovos svetainėms – Facebook, eBay, Amazon ir kt. Išskirtinis bruožas yra tai, kad sistema yra apsaugota nuo bet kurio klasterio mazgo gedimo, nes kiekvienas blokas turi bent vieną duomenų kopiją kitame mazge.
SAP HANA – didelio našumo NewSQL platforma duomenų saugojimui ir apdorojimui. Užtikrina didelį užklausų apdorojimo greitį. Kitas išskirtinis bruožas yra tai, kad SAP HANA supaprastina sistemos kraštovaizdį, sumažindama analitinių sistemų palaikymo išlaidas.

Technologinė įranga apima:

  • serveriai;
  • infrastruktūros įranga.
Serveriai apima duomenų saugyklą.
Infrastruktūros įranga apima platformos pagreičio įrankius, šaltinius Nepertraukiamo maitinimo šaltinis, serverių konsolių rinkiniai ir kt.

Paslaugos.
Paslaugos apima duomenų bazių sistemos architektūros kūrimo, infrastruktūros sutvarkymo ir optimizavimo bei duomenų saugojimo saugumo užtikrinimo paslaugas.

Programinė įranga, techninė įranga ir paslaugos kartu sudaro išsamias duomenų saugojimo ir analizės platformas. Tokios įmonės kaip „Microsoft“, HP, EMC siūlo „Big Data“ sprendimų kūrimo, diegimo ir valdymo paslaugas.

Taikymas pramonės šakose
Didieji duomenys plačiai paplito daugelyje verslo sektorių. Jie naudojami sveikatos priežiūros, telekomunikacijų, prekybos, logistikos, finansų įmonėse, taip pat valstybės administracijoje.
Toliau pateikiami kai kurių pramonės šakų didelių duomenų programų pavyzdžiai.

Mažmeninė
Mažmeninės prekybos parduotuvių duomenų bazėse galima sukaupti daug informacijos apie klientus, atsargų valdymo sistemas, komercinių produktų tiekimą. Ši informacija gali būti naudinga visose parduotuvės veiklos srityse.

Taigi, sukauptos informacijos pagalba galite valdyti prekių tiekimą, jų saugojimą ir pardavimą. Remiantis sukaupta informacija, galima numatyti prekių paklausą ir pasiūlą. Taip pat duomenų apdorojimo ir analizės sistema gali išspręsti ir kitas mažmenininko problemas, pavyzdžiui, optimizuoti kaštus ar rengti ataskaitų rengimą.

Finansinės paslaugos
„Big Data“ leidžia analizuoti skolininko kreditingumą, taip pat yra naudinga vertinant kredito balus* ir pasirašant**. Didžiųjų duomenų technologijų įdiegimas sumažins paskolos paraiškų peržiūros laiką. Big Data pagalba galima analizuoti konkretaus kliento operacijas ir pasiūlyti jam tinkamas banko paslaugas.

Telecom
Telekomunikacijų pramonėje „Big Data“ plačiai paplito tarp mobiliojo ryšio operatorių.
Korinio ryšio operatoriai kartu su finansų institucijomis turi didžiausias duomenų bazes, kurios leidžia atlikti nuodugniausią sukauptos informacijos analizę.
Pagrindinis duomenų analizės tikslas – išlaikyti esamus klientus ir pritraukti naujų. Norėdami tai padaryti, įmonės segmentuoja klientus, analizuoja jų srautą ir nustato abonento socialinę priklausomybę.

Be „Big Data“ naudojimo rinkodaros tikslais, naudojamos technologijos, siekiant užkirsti kelią nesąžiningoms finansinėms operacijoms.

Kasybos ir naftos pramonė
Big Data naudojami tiek išgaunant naudingąsias iškasenas, tiek apdorojant ir parduodant. Remdamosi gauta informacija, įmonės gali daryti išvadas apie lauko plėtros efektyvumą, stebėti kapitalinio remonto grafiką ir įrangos būklę, prognozuoti produkcijos paklausą ir kainas.

Remiantis „Tech Pro Research“ apklausa, „Big Data“ yra labiausiai paplitusi telekomunikacijų pramonėje, taip pat inžinerijos, IT, finansų ir vyriausybės įmonėse. Remiantis šios apklausos rezultatais, „Big Data“ yra mažiau populiarūs švietimo ir sveikatos priežiūros srityse. Apklausos rezultatai pateikiami žemiau:

„Big Data“ naudojimo įmonėse pavyzdžiai
Šiandien Big Data aktyviai diegiama užsienio įmonėse. Tokios įmonės kaip Nasdaq, Facebook, Google, IBM, VISA, Master Card, Bank of America, HSBC, AT&T, Coca Cola, Starbucks ir Netflix jau naudoja Big Data išteklius.

Apdorotos informacijos taikymas yra įvairus ir skiriasi priklausomai nuo pramonės ir užduočių, kurias reikia atlikti.
Toliau bus pateikti Big Data technologijų taikymo praktikoje pavyzdžiai.

HSBC naudoja Big Data technologijas, kad kovotų su nesąžiningomis operacijomis su plastikinėmis kortelėmis. „Big Data“ pagalba įmonė saugos tarnybos efektyvumą padidino 3 kartus, o sukčiavimo incidentų atpažinimą – 10 kartų. Ekonominis šių technologijų diegimo efektas viršijo 10 mln.

Kova su sukčiavimu* VIZA leidžia automatiškai nustatyti nesąžiningus sandorius; šiuo metu sistema padeda išvengti apgaulingų mokėjimų, kurių suma kasmet siekia 2 mlrd.

Watson superkompiuteris IBM realiu laiku analizuoja piniginių operacijų duomenų srautą. IBM teigimu, Watson aptiktų nesąžiningų operacijų skaičių padidino 15%, klaidingų teigiamų rezultatų sumažino 50%, o nuo tokio pobūdžio operacijų apsaugotą pinigų sumą padidino 60%.

Procter & Gamble naudojant Big Data kuriant naujus produktus ir kuriant pasaulines rinkodaros kampanijas. P&G sukūrė specialius verslo sferų biurus, kuriuose informaciją galima peržiūrėti realiu laiku.
Taigi įmonės vadovybė turėjo galimybę akimirksniu patikrinti hipotezes ir atlikti eksperimentus. P&G mano, kad „Big Data“ padeda prognozuoti įmonės veiklą.

Biuro reikmenų mažmenininkas OfficeMax Naudodami Big Data technologijas, jie analizuoja klientų elgesį. „Big Data“ analizė leido padidinti B2B pajamas 13% ir sumažinti išlaidas 400 000 USD per metus.

Pagal Vikšras , jos platintojai kasmet negauna 9–18 milijardų dolerių pelno vien dėl to, kad nediegia didžiųjų duomenų apdorojimo technologijų. „Big Data“ leistų klientams efektyviau valdyti savo automobilių parką, analizuojant informaciją, gaunamą iš mašinose sumontuotų jutiklių.

Šiandien jau galima analizuoti pagrindinių komponentų būklę, nusidėvėjimo laipsnį, valdyti kuro ir priežiūros išlaidas.

„Luxottica“ grupė yra sportinių akinių, tokių kaip Ray-Ban, Persol ir Oakley, gamintojas. Bendrovė naudoja Big Data technologijas potencialių klientų elgsenai analizuoti ir „išmaniajai“ SMS rinkodarai. „Big Data“ dėka „Luxottica“ grupė nustatė daugiau nei 100 milijonų vertingiausių savo klientų ir padidino rinkodaros kampanijos efektyvumą 10%.

Su „Yandex Data Factory“ pagalba žaidimų kūrėjai Tankų pasaulis analizuoti žaidėjų elgesį. Big Data technologijos leido išanalizuoti 100 tūkstančių World of Tanks žaidėjų elgesį naudojant daugiau nei 100 parametrų (informaciją apie pirkinius, žaidimus, patirtį ir kt.). Atlikus analizę buvo gauta vartotojų nutekėjimo prognozė. Ši informacija leidžia sumažinti vartotojų išvykimą ir kryptingai dirbti su žaidimo dalyviais. Sukurtas modelis pasirodė 20-30% efektyvesnis už standartines žaidimų industrijos analizės priemones.

Vokietijos darbo ministerija naudoja Big Data darbuose, susijusiuose su gaunamų prašymų gauti bedarbio pašalpą analize. Tad išanalizavus informaciją paaiškėjo, kad nepelnytai išmokėta 20 proc. „Big Data“ pagalba Darbo ministerija išlaidas sumažino 10 milijardų eurų.

Toronto vaikų ligoninė įgyvendino Projekto Artemis projektą. Tai informacinė sistema, kuri realiu laiku renka ir analizuoja duomenis apie kūdikius. Sistema kas sekundę stebi 1260 kiekvieno vaiko būklės rodiklių. Projektas Artemis leidžia numatyti nestabilią vaiko būklę ir pradėti vaikų ligų prevenciją.

PASAULINĖS DUOMENŲ RINKOS APŽVALGA

Dabartinė pasaulio rinkos padėtis
2014 m. „Big Data“, „Data Collective“ duomenimis, tapo viena iš prioritetinių investicijų į rizikos industriją sričių. Pagal duomenis informacinis portalas Computerra, taip yra dėl to, kad šios srities pokyčiai pradėjo duoti reikšmingų rezultatų jų vartotojams. Per pastaruosius metus įmonių su įgyvendintais projektais didžiųjų duomenų valdymo srityje padaugėjo 125 proc., o rinkos apimtys, lyginant su 2013 m., išaugo 45 proc.

Didžiąją dalį „Big Data“ rinkos pajamų, „Wikibon“ duomenimis, 2014 m. sudarė paslaugos, jų dalis sudarė 40% visų pajamų (žr. diagramą žemiau):

Jei svarstysime 2014 m. didelius duomenis pagal potipius, rinka atrodys taip:

„Wikibon“ duomenimis, 2014 m. programos ir analizė sudarė 36 % pajamų iš didžiųjų duomenų programų ir analizės, 17 % – iš skaičiavimo įrangos ir 15 % – iš duomenų saugojimo technologijų. Mažiausiai pajamų generavo NoSQL technologijos, infrastruktūros įranga ir tinklų aprūpinimas įmonėms (įmonių tinklai).

Populiariausios Big Data technologijos yra SAP, HANA, Oracle ir kt. atminties platformos. T-Systems apklausos rezultatai parodė, kad jas pasirinko 30 proc. Antros pagal populiarumą buvo NoSQL platformos (18% vartotojų), įmonės taip pat naudojo analitines platformas iš Splunk ir Dell, jas rinkosi 15% įmonių. Remiantis apklausos rezultatais, Hadoop/MapReduce produktai pasirodė esantys mažiausiai naudingi sprendžiant Big Data problemas.

„Accenture“ apklausos duomenimis, daugiau nei 50 % įmonių, naudojančių didžiųjų duomenų technologijas, didelių duomenų sąnaudos svyruoja nuo 21 % iki 30 %.
Remiantis toliau pateikta „Accenture“ analize, 76% įmonių mano, kad šios išlaidos 2015 m. padidės, o 24% įmonių nekeis savo „Big Data“ technologijų biudžeto. Tai rodo, kad šiose įmonėse Big Data tapo nusistovėjusia IT sritimi, kuri tapo neatsiejama įmonės plėtros dalimi.

„Economist Intelligence Unit“ tyrimo rezultatai patvirtina teigiamą „Big Data“ diegimo poveikį. 46 % įmonių teigia, kad naudodamos Big Data technologijas klientų aptarnavimą pagerino daugiau nei 10 %, 33 % įmonių optimizavo atsargas ir pagerino ilgalaikio turto našumą, o 32 % įmonių pagerino planavimo procesus.

Didieji duomenys įvairiose pasaulio šalyse
Šiandien Big Data technologijos dažniausiai diegiamos JAV įmonėse, tačiau jau pradėjo domėtis ir kitos pasaulio šalys. 2014 m., IDC duomenimis, Europos, Artimųjų Rytų, Azijos (išskyrus Japoniją) ir Afrikos šalys sudarė 45% programinės įrangos, paslaugų ir įrangos rinkos didžiųjų duomenų srityje.

Be to, CIO tyrimo duomenimis, Azijos ir Ramiojo vandenyno regiono įmonės sparčiai diegia naujus sprendimus didelių duomenų analizės, saugaus saugojimo ir debesų technologijų srityse. Lotynų Amerika yra antroje vietoje pagal investicijų į didžiųjų duomenų technologijų plėtrą skaičių, aplenkdama Europos šalis ir JAV.
Toliau bus pateiktas Big Data rinkos plėtros keliose šalyse aprašymas ir prognozės.

Kinija
Informacijos apimtis Kinijoje yra 909 eksabaitai, tai prilygsta 10% bendros informacijos apimties pasaulyje, iki 2020 metų informacijos apimtis sieks 8060 eksabaitų, informacijos dalis pasaulinėje statistikoje taip pat padidės, per 5 metų jis bus lygus 18 proc. Potencialus Kinijos didžiųjų duomenų augimas turi vieną sparčiausiai augančių dinamikų.

Brazilija
2014 m. pabaigoje Brazilija sukaupė 212 eksabaitų vertės informacijos, o tai sudaro 3% viso pasaulio. Iki 2020 m. informacijos apimtis išaugs iki 1600 eksabaitų, o tai sudarys 4% pasaulio informacijos.

Indija
EMC duomenimis, sukauptų duomenų apimtis Indijoje 2014 m. pabaigoje yra 326 eksabaitai, tai yra 5% visos informacijos apimties. Iki 2020 m. informacijos apimtis išaugs iki 2800 eksabaitų, o tai sudarys 6% pasaulio informacijos.

Japonija
Sukauptų duomenų apimtis Japonijoje 2014 metų pabaigoje yra 495 eksabaitai, tai yra 8% visos informacijos apimties. Iki 2020 metų informacijos apimtis išaugs iki 2200 eksabaitų, tačiau Japonijos rinkos dalis sumažės ir sudarys 5% visos informacijos apimties visame pasaulyje.
Taigi Japonijos rinkos dydis sumažės daugiau nei 30%.

Vokietija
EMC duomenimis, Vokietijoje sukauptų duomenų apimtis 2014 metų pabaigoje yra 230 eksabaitų, o tai sudaro 4% viso pasaulio informacijos kiekio. Iki 2020 m. informacijos apimtis išaugs iki 1100 eksabaitų ir sieks 2 proc.
Vokietijos rinkoje didelę pajamų dalį, Experton Group prognozėmis, gaus paslaugų segmentas, kurio dalis 2015 metais sudarys 54%, o 2019 metais išaugs iki 59%, programinės įrangos ir aparatinė įranga, priešingai, sumažės.

Apskritai rinkos dydis padidės nuo 1,345 mlrd. eurų 2015 m. iki 3,198 mlrd. eurų 2019 m., o vidutinis augimo tempas sieks 24%.
Taigi, remiantis CIO ir EMC analitika, galime daryti išvadą, kad besivystančios pasaulio šalys artimiausiais metais taps aktyvaus Big Data technologijų plėtros rinkomis.

Pagrindinės rinkos tendencijos
„IDG Enterprise“ duomenimis, 2015 m. įmonių išlaidos dideliems duomenims sudarys vidutiniškai 7,4 mln. USD vienai įmonei, didelės įmonės ketina išleisti apie 13,8 mln. USD, mažos ir vidutinės įmonės – 1,6 mln.
Didžioji dalis investicijų bus skirta duomenų analizės, vizualizavimo ir duomenų rinkimo srityse.
Atsižvelgiant į dabartines tendencijas ir rinkos paklausą, investicijos 2015 metais bus skirtos duomenų kokybei gerinti, planavimui ir prognozavimui bei duomenų apdorojimo spartai didinti.
Finansų sektoriaus įmonės, „Bain Company’s Insights Analysis“ duomenimis, investuos nemenkas, todėl 2015 metais Big Data technologijoms planuoja išleisti 6,4 mlrd. USD, vidutinis investicijų augimo tempas iki 2020 metų sieks 22%. Interneto bendrovės planuoja išleisti 2,8 mlrd. USD, o vidutinis didelių duomenų išlaidų augimo tempas yra 26%.
Atliekant Economist Intelligence Unit apklausą, buvo nustatytos prioritetinės didelių duomenų plėtros sritys 2014 m. ir per ateinančius 3 metus, atsakymų pasiskirstymas yra toks:

Remiantis IDC prognozėmis, rinkos plėtros tendencijos yra tokios:

  • Per ateinančius 5 metus debesų sprendimų sąnaudos didelių duomenų technologijų srityje augs 3 kartus greičiau nei vietinių sprendimų sąnaudos. Hibridinės duomenų saugojimo platformos taps paklausios.
  • 2015 m. paspartės programų, naudojančių sudėtingą ir nuspėjamąją analizę, įskaitant mašininį mokymąsi, augimas, o tokių programų rinka augs 65 % greičiau nei programų, kurios nenaudoja nuspėjamosios analizės.
  • Žiniasklaidos analitika 2015 m. padidės trigubai ir taps pagrindiniu Big Data technologijų rinkos augimo varikliu.
  • Paspartės tendencija diegti nuolatinio informacijos srauto analizės sprendimus, taikomus daiktų internetui.
  • Iki 2018 m. 50 % vartotojų sąveikaus su paslaugomis, pagrįstomis pažinimo kompiuterija.
Rinkos varikliai ir ribotojai
IDC ekspertai nustatė 3 didžiųjų duomenų rinkos variklius 2015 m.:

„Accenture“ apklausos duomenimis, duomenų saugumo problemos šiuo metu yra pagrindinė kliūtis diegti „Big Data“ technologijas – daugiau nei 51% respondentų patvirtino, kad jiems rūpi užtikrinti duomenų apsaugą ir konfidencialumą. 47% įmonių nurodė, kad Didžiųjų duomenų diegti neįmanoma dėl ribotų biudžetų, 41% įmonių kaip problemą nurodė kvalifikuoto personalo trūkumą.

Wikibon prognozuoja, kad didžiųjų duomenų rinka 2015 metais išaugs iki 38,4 mlrd. USD, ty 36% daugiau nei per metus. Ateinančiais metais augimo tempai sumažės iki 10 % 2017 m. Atsižvelgiant į šias prognozes, rinkos dydis 2020 metais bus lygus 68,7 mlrd. JAV dolerių.

Pasaulinės didžiųjų duomenų rinkos pasiskirstymas pagal verslo kategorijas atrodys taip:

Kaip matyti iš diagramos, didžiąją rinkos dalį užims klientų aptarnavimo tobulinimo technologijos. Tikslinė rinkodara iki 2019 metų bus antrasis įmonių prioritetas, o 2020 metais, anot „Heavy Reading“, užleis vietą veiklos efektyvumo gerinimo sprendimams.
Segmentas „Klientų aptarnavimo gerinimas“ taip pat turės didžiausią augimo tempą – kasmet augimas sieks 49%.
„Big Data“ potipių rinkos prognozė atrodys taip:

Dominuojančią rinkos dalį, kaip matyti iš diagramos, užima profesionalios paslaugos, didžiausias augimo tempas bus programose su analitika, jų dalis nuo dabartinių 12% iki 18% padidės 2020 metais ir šio segmento apimtis. bus lygus 12,3 milijardo JAV dolerių.kompiuterinės įrangos dalis, priešingai, sumažės nuo 20% iki 14% ir sieks apie 9,3 mlrd. sieks 6,3 milijardo JAV dolerių, duomenų saugojimui skirtų sprendimų rinkos dalis, priešingai, sumažės nuo 15% 2014 metais iki 13% 2020 metais ir pinigine išraiška prilygs 8,9 milijardo JAV dolerių.
Remiantis „Bain & Company“ Insights Analysis prognoze, didžiųjų duomenų rinkos pasiskirstymas pagal pramonės šakas 2020 m. bus toks:

  • Finansų pramonė išleis 6,4 mlrd. USD dideliems duomenims, kurių vidutinis augimo tempas bus 22 % per metus;
  • Interneto įmonės išleis 2,8 mlrd. USD, o vidutinis išlaidų augimo tempas per ateinančius 5 metus sieks 26 %;
  • Viešojo sektoriaus kaštai bus proporcingi interneto įmonių kaštams, tačiau augimo tempai bus mažesni – 22%;
  • Telekomunikacijų sektorius augs 40 % CAGR ir 2020 m. pasieks 1,2 milijardo JAV dolerių;

Energetikos įmonės į šias technologijas investuos palyginti nedidelę sumą – 800 milijonų dolerių, tačiau augimo tempai bus vienas didžiausių – 54% kasmet.
Taigi didžiausią „Big Data“ rinkos dalį 2020 metais užims finansų industrijos įmonės, o sparčiausiai augantis sektorius bus energetika.
Remiantis analitikų prognozėmis, bendras rinkos dydis artimiausiais metais didės. Rinkos augimas bus pasiektas diegiant Big Data technologijas besivystančiose pasaulio šalyse, kaip matyti iš žemiau esančio grafiko.

Prognozuojamas rinkos dydis priklausys nuo to, kaip besivystančios šalys suvoks didžiųjų duomenų technologijas ir ar jos bus tokios pat populiarios kaip išsivysčiusiose šalyse. 2014 metais besivystančioms pasaulio šalims teko 40% sukauptos informacijos. Remiantis EMC prognoze, dabartinė rinkos struktūra, kurioje vyrauja išsivysčiusios šalys, 2017 m. EMC analitikos duomenimis, 2020 metais besivystančių šalių dalis sudarys daugiau nei 60 proc.
„Cisco“ ir EMC teigimu, besivystančios šalys visame pasaulyje gana aktyviai dirbs su „Big Data“, daugiausia dėl technologijų prieinamumo ir pakankamo informacijos kiekio sukaupimo iki „Big Data“ lygio. Kitame puslapyje pateiktame pasaulio žemėlapyje bus rodoma Big Data apimties ir augimo tempo augimo prognozė pagal regionus.

RUSIJOS RINKOS ANALIZĖ

Dabartinė Rusijos rinkos padėtis

Remiantis „CNews Analytics“ ir „Oracle“ tyrimo rezultatais, Rusijos didžiųjų duomenų rinkos brandos lygis per pastaruosius metus išaugo. Respondentai, atstovaujantys 108 stambioms įvairių pramonės šakų įmonėms, pademonstravo didesnį šių technologijų išmanymą, taip pat nusistovėjusį supratimą apie tokių sprendimų potencialą jų verslui.
2014 m., IDC duomenimis, Rusija sukaupė 155 eksabaitus informacijos, o tai tik 1,8% pasaulio duomenų. Informacijos apimtis iki 2020 metų sieks 980 eksabaitų ir užims 2,2 proc. Taigi vidutinis informacijos apimties augimo tempas bus 36% per metus.
IDC apskaičiavo, kad Rusijos rinka siekia 340 mln. USD, iš kurių 100 mln. USD yra SAP sprendimai, maždaug 240 mln. USD – panašūs „Oracle“, IBM, SAS, „Microsoft“ ir kt. sprendimai.
Rusijos didžiųjų duomenų rinkos augimo tempas yra ne mažesnis kaip 50% per metus.
Prognozuojama, kad teigiama dinamika šiame Rusijos IT rinkos sektoriuje išliks net ir bendros ekonomikos stagnacijos sąlygomis. Taip yra dėl to, kad verslas ir toliau reikalauja sprendimų, gerinančių veiklos efektyvumą, taip pat optimizuojančių sąnaudas, gerinančių prognozių tikslumą ir sumažinančių galimą įmonės riziką.
Pagrindiniai „Big Data“ paslaugų teikėjai Rusijos rinkoje yra:
  • Orakulas
  • Microsoft
  • Cloudera
  • Hortonworks
  • Teradata.
Rinkos apžvalga pagal pramonės šakas ir didžiųjų duomenų naudojimo įmonėse patirtis
„CNews“ duomenimis, Rusijoje tik 10% įmonių pradėjo naudoti „Big Data“ technologijas, kai pasaulyje tokių įmonių dalis siekia apie 30%. „CNews Analytics“ ir „Oracle“ ataskaitoje teigiama, kad pasirengimas didelių duomenų projektams auga daugelyje Rusijos ekonomikos sektorių. Daugiau nei trečdalis apklaustų įmonių (37 proc.) pradėjo dirbti su „Big Data“ technologijomis, iš kurių 20 proc. jau naudoja tokius sprendimus, o 17 proc. Antras trečdalis respondentų šiuo metu svarsto tokią galimybę.

Rusijoje „Big Data“ technologijos yra populiariausios bankininkystės ir telekomunikacijų sektoriuose, tačiau jos paklausios ir kasybos pramonėje, energetikoje, mažmeninėje prekyboje, logistikos įmonėse bei viešajame sektoriuje.
Toliau bus nagrinėjami didžiųjų duomenų panaudojimo Rusijos tikrovėje pavyzdžiai.

Telecom
Telekomunikacijų operatoriai turi didžiausias duomenų bazes, kurios leidžia atlikti nuodugniausią sukauptos informacijos analizę.
Viena iš Big Data technologijos taikymo sričių yra abonentų lojalumo valdymas.
Pagrindinis duomenų analizės tikslas – išlaikyti esamus klientus ir pritraukti naujų. Norėdami tai padaryti, įmonės segmentuoja klientus, analizuoja jų srautą ir nustato abonento socialinę priklausomybę. Be informacijos naudojimo rinkodaros tikslais, telekomunikacijų technologijos naudojamos siekiant užkirsti kelią nesąžiningoms finansinėms operacijoms.
Vienas iš ryškiausių šios pramonės pavyzdžių yra VimpelCom. Bendrovė naudoja „Big Data“ paslaugų kokybei gerinti kiekvieno abonento lygmeniu, rengti ataskaitas, analizuoti duomenis tinklo plėtrai, kovoti su šiukšlėmis ir personalizuoti paslaugas.

Bankai
Didelė dalis Big Data vartotojų yra finansų pramonės specialistai. Vienas iš sėkmingų eksperimentų buvo atliktas Uralo rekonstrukcijos ir plėtros banke, kur informacinė bazė pradėtas naudoti klientų analizei, bankas pradėjo siūlyti specializuotus paskolų pasiūlymus, indėlių ir kitas paslaugas. Per metus, kai buvo naudojamos šios technologijos, įmonės mažmeninių paskolų portfelis išaugo 55 proc.
Alfa-Bank analizuoja informaciją iš socialinių tinklų, apdoroja paskolos paraiškas, analizuoja įmonės interneto svetainės vartotojų elgesį.
„Sberbank“ taip pat pradėjo apdoroti didžiulį duomenų kiekį, kad segmentuotų klientus, užkirstų kelią nesąžiningai veiklai, kryžminiam pardavimui ir rizikai valdyti. Ateityje planuojama tobulinti paslaugą ir analizuoti klientų veiksmus realiu laiku.
Visos Rusijos regioninės plėtros bankas analizuoja plastikinių kortelių turėtojų elgesį. Tai leidžia identifikuoti netipines konkrečiam klientui operacijas, taip padidinant tikimybę aptikti lėšų vagystes iš plastikinių kortelių.

Mažmeninė
Rusijoje „Big Data“ technologijas diegė tiek internetinės, tiek neprisijungusios prekybos įmonės. Šiandien, remiantis CNews Analytics, Big Data naudoja 20% mažmenininkų. 75% mažmeninės prekybos specialistų mano, kad „Big Data“ yra būtini kuriant konkurencingą įmonės skatinimo strategiją. Hadoop statistikos duomenimis, įdiegus Big Data technologiją, pelnas prekybos organizacijose išauga 7-10 proc.
M.Video specialistai kalba apie pagerėjusį logistikos planavimą įdiegus SAP HANA, taip pat dėl ​​jo įdiegimo metinių ataskaitų rengimas sutrumpėjo nuo 10 dienų iki 3, dienos duomenų įkėlimo greitis sumažėjo nuo 3 valandų iki 30 minučių.
Wikimart naudoja šias technologijas, kad sukurtų rekomendacijas svetainės lankytojams.
Viena pirmųjų neprisijungusių parduotuvių, pristačiusių didžiųjų duomenų analizę Rusijoje, buvo „Lenta“. „Big Data“ pagalba mažmeninė prekyba pradėjo tirti informaciją apie klientus iš kasos aparatų kvitų. Mažmenininkas renka informaciją, kad sukurtų elgesio modelius, kurie leidžia priimti labiau pagrįstus sprendimus veiklos ir komerciniu lygmeniu.

Naftos ir dujų pramonė
Šioje pramonės šakoje didelių duomenų apimtis yra gana plati. Big Data technologijos gali būti naudojamos mineralų gavybai iš podirvio. Jų pagalba galite analizuoti patį gavybos procesą ir efektyviausius jo išgavimo būdus, stebėti gręžimo procesą, analizuoti žaliavų kokybę, taip pat galutinio produkto perdirbimą ir rinkodarą. Rusijoje šias technologijas jau pradėjo naudoti „Transneft“ ir „Rosneft“.

Valdžios organai
Tokiose šalyse kaip Vokietija, Australija, Ispanija, Japonija, Brazilija ir Pakistanas nacionaliniams klausimams spręsti naudojamos Big Data technologijos. Šios technologijos padeda valdžios institucijoms efektyviau teikti paslaugas gyventojams ir teikti tikslinę socialinę paramą.
Rusijoje šias technologijas pradėjo įvaldyti tokios valdžios institucijos kaip Pensijų fondas, Federalinė mokesčių tarnyba ir Privalomojo sveikatos draudimo fondas. Galimybė įgyvendinti projektus naudojant didžiuosius duomenis yra didžiulė, šios technologijos gali padėti pagerinti paslaugų kokybę, o kartu ir gyventojų gyvenimo lygį.

Logistika ir transportas
„Big Data“ gali naudoti ir transporto įmonės. Naudodami Big Data technologijas galite sekti savo automobilių parką, atsižvelgti į degalų sąnaudas ir stebėti klientų pageidavimus.
Rusijos geležinkeliai diegė Big Data technologijas kartu su SAP. Šios technologijos padėjo sutrumpinti ataskaitų rengimo laiką 43,5 karto (nuo 14,5 valandos iki 20 minučių), o išlaidų paskirstymo tikslumą padidino 40 kartų. „Big Data“ taip pat buvo įtraukta į planavimo ir tarifų reguliavimo procesus. Iš viso įmonės naudoja daugiau nei 300 SAP sprendimais pagrįstų sistemų, dalyvauja 4 duomenų centrai, vartotojų skaičius siekia 220 000.

Pagrindiniai rinkos varikliai ir ribotuvai
Didžiųjų duomenų technologijų plėtros Rusijos rinkoje varikliai yra šie:
  • Padidėjęs vartotojų susidomėjimas Big Data galimybėmis kaip būdu padidinti įmonės konkurencingumą;
  • Medijos failų apdorojimo pasauliniu lygiu metodų kūrimas;
  • Asmeninę informaciją tvarkančių serverių perkėlimas į Rusijos teritoriją pagal priimtą asmens duomenų saugojimo ir tvarkymo įstatymą;
  • Programinės įrangos importo pakeitimo pramonės plano įgyvendinimas. Į šį planą įtraukta vyriausybės parama vietiniams programinės įrangos gamintojams, taip pat lengvatų suteikimas vietiniams IT produktams perkant valstybės lėšomis.
  • Naujoje ekonominėje situacijoje, kai dolerio kursas išaugo beveik dvigubai, tendencija bus stebima visame pasaulyje daugiau naudoti paslaugos Rusijos tiekėjai debesijos paslaugos, o ne užsienio.
  • Technologijų parkų, prisidedančių prie informacinių technologijų rinkos plėtros, įskaitant didžiųjų duomenų rinką, kūrimas;
  • Valstybinė tinklo sistemų diegimo programa, pagrįsta Big Data technologijomis.

Pagrindinės kliūtys „Big Data“ plėtrai Rusijos rinkoje yra šios:

  • Duomenų saugumo ir konfidencialumo užtikrinimas;
  • Kvalifikuoto personalo trūkumas;
  • Nepakankami sukaupti informacijos ištekliai iki Big Data lygio daugumoje Rusijos įmonių;
  • Sunkumai diegiant naujas technologijas į nusistovėjusias įmonių informacines sistemas;
  • Didelės didžiųjų duomenų technologijų kainos, dėl kurių ribotas įmonių, turinčių galimybę diegti šias technologijas, skaičius;
  • Politinis ir ekonominis neapibrėžtumas, lėmęs kapitalo nutekėjimą ir investicinių projektų įšaldymą Rusijoje;
  • Kylančios importuotų produktų kainos ir infliacijos šuolis, IDC teigimu, stabdo visos IT rinkos plėtrą.
Rusijos rinkos prognozė
Šiandien Rusijos didžiųjų duomenų rinka nėra tokia populiari kaip išsivysčiusiose šalyse. Dauguma Rusijos įmonių tuo domisi, tačiau nedrįsta pasinaudoti savo galimybėmis.
Didžiųjų įmonių, kurios jau gavo naudos iš didelių duomenų technologijų naudojimo, pavyzdžiai didina informuotumą apie šių technologijų galimybes.
Analitikai taip pat turi gana optimistines Rusijos rinkos prognozes. IDC mano, kad Rusijos rinkos dalis per ateinančius 5 metus padidės, kitaip nei Vokietijos ir Japonijos rinkose.
Iki 2020 m. didžiųjų duomenų apimtis Rusijoje išaugs nuo dabartinių 1,8% iki 2,2% pasaulinio duomenų kiekio. Anot EMC, informacijos kiekis išaugs nuo dabartinių 155 eksabaitų iki 980 eksabaitų 2020 m.
Šiuo metu Rusija ir toliau kaupia informacijos apimtį iki didžiųjų duomenų lygio.
„CNews Analytics“ tyrimo duomenimis, 44% apklaustų įmonių dirba su ne didesniais nei 100 terabaitų* duomenimis ir tik 13% dirba su didesniais nei 500 terabaitų apimtimis.

Nepaisant to, Rusijos rinka, sekdama pasaulines tendencijas, didės. 2014 m. IDC apskaičiavo, kad rinkos dydis yra 340 mln.
Rinkos augimo tempas ankstesniais metais siekė 50% per metus, jei išliks tame pačiame lygyje, tai 2018 metais rinkos apimtis sieks 1,7 mlrd. Rusijos rinkos dalis pasaulinėje rinkoje sudarys apie 3%, padidės nuo dabartinių 1,2%.

Labiausiai imliausios didžiųjų duomenų naudojimo pramonės šakos Rusijoje yra šios:

  • Mažmeninė prekyba ir bankai, jiems pirmiausia svarbi klientų bazės analizė ir rinkodaros kampanijų poveikio įvertinimas;
  • Telecom – klientų bazės segmentavimas ir srauto monetizavimas;
  • Viešasis sektorius – ataskaitų teikimas, paraiškų iš visuomenės analizė ir kt.;
  • Naftos įmonės – darbų stebėjimas ir gamybos bei pardavimų planavimas;
  • Energetikos įmonės – išmaniųjų elektros energijos sistemų kūrimas, veiklos stebėjimas ir prognozavimas.
Išsivysčiusiose šalyse „Big Data“ plačiai paplito sveikatos apsaugos, draudimo, metalurgijos, interneto įmonių ir gamybos įmonių srityse; greičiausiai artimiausiu metu Rusijos įmonės iš šių sričių taip pat įvertins „Big Data“ diegimo efektą ir prisitaikys. šios technologijos savo pramonės šakose.
Netolimoje ateityje Rusijoje, kaip ir pasaulyje, išryškės duomenų vizualizavimo, medijos failų analizės ir daiktų interneto plėtros tendencija.
Nepaisant bendro ekonomikos stagnacijos, artimiausiais metais analitikai prognozuoja tolesnį didžiųjų duomenų rinkos augimą, visų pirma dėl to, kad didelių duomenų technologijų naudojimas suteikia vartotojams konkurencinį pranašumą didinant įmonės veiklos efektyvumą. verslą, papildomų klientų srautų pritraukimą, rizikos mažinimą ir duomenų prognozavimo technologijų diegimą.
Taigi galime daryti išvadą, kad Big Data segmentas Rusijoje yra formavimosi stadijoje, tačiau šių technologijų paklausa kasmet didėja.

Pagrindiniai rinkos analizės rezultatai

Pasaulio rinka
2014 m. pabaigoje didžiųjų duomenų rinka pasižymi šiais parametrais:
  • rinkos apimtis siekė 28,5 mlrd. JAV dolerių, ty 45% daugiau nei praėjusiais metais;
  • didžiąją dalį Big Data rinkos pajamų gavo iš paslaugų, jų dalis sudarė 40% visų pajamų;
  • 36% pajamų gauta iš "Big Data" taikomųjų programų ir analizės, 17% iš skaičiavimo įrangos ir 15% iš duomenų saugojimo technologijų;
  • Populiariausios sprendžiant Big Data problemas yra atmintyje esančios platformos iš tokių kompanijų kaip SAP, HANA ir Oracle.
  • įmonių, įgyvendinusių projektus Big Data valdymo srityje, skaičius išaugo 125 proc.;
Rinkos prognozė ateinantiems metams yra tokia:
  • 2015 metais rinkos apimtis sieks 38,4 mlrd. JAV dolerių, 2020 m. – 68,7 mlrd. JAV dolerių;
  • vidutinis augimo tempas bus 16% kasmet;
  • vidutinės įmonės sąnaudos didelių duomenų technologijoms sudarys 13,8 mln. USD didelėms įmonėms ir 1,6 mln. USD mažoms ir vidutinėms įmonėms;
  • technologijos bus plačiausiai paplitusios klientų aptarnavimo ir tikslinės rinkodaros srityse;
  • 2017 m. pasaulinės rinkos struktūra pasikeis link besivystančių šalių vartotojų įmonių dominavimo.
Rusijos rinka
Rusijos didžiųjų duomenų rinka yra formavimosi stadijoje, 2014 m. rezultatai yra tokie:
  • rinkos apimtis siekė 340 mln. USD;
  • vidutinis rinkos augimo tempas ankstesniais metais siekė 50% kasmet;
  • bendra sukauptos informacijos apimtis – 155 eksabaitai;
  • 10% Rusijos įmonių pradėjo naudoti Big Data technologijas;
  • Big Data technologijos buvo populiaresnės bankininkystės sektoriuje, telekomunikacijų, interneto įmonėse ir mažmeninėje prekyboje.
Rusijos rinkos prognozė ateinantiems metams yra tokia:
  • Rusijos rinkos apimtys 2015 metais sieks 500 milijonų JAV dolerių, o 2018 metais – 1,7 milijardo JAV dolerių;
  • Rusijos rinkos dalis pasaulinėje rinkoje 2018 m. sieks apie 3 proc.;
  • sukauptų duomenų kiekis 2020 metais bus 980 eksabaitų;
  • 2020 m. duomenų apimtis išaugs iki 2,2 % pasaulinio duomenų kiekio;
  • Populiariausiomis taps duomenų vizualizavimo, medijos failų analizės ir daiktų interneto technologijos.
Remiantis analizės rezultatais, galime daryti išvadą, kad Big Data rinka vis dar yra pradiniame vystymosi etape, o artimiausiu metu sulauksime jos augimo ir šių technologijų galimybių plėtimosi.

Dėkojame, kad skyrėte laiko perskaityti šį gausų kūrinį, užsiprenumeruokite mūsų tinklaraštį – pažadame daug naujų įdomių leidinių!
 

Skaityti:



Kodėl nešiojamam kompiuteriui reikalingas mažas SSD ir ar verta jame įdiegti „Windows“?

Kodėl nešiojamam kompiuteriui reikalingas mažas SSD ir ar verta jame įdiegti „Windows“?

Kiek SSD diskas yra svarbus žaidimams, ką jis veikia ir kokia yra šios technologijos nauda - apie tai bus kalbama mūsų straipsnyje. Kietojo...

„Flash“ atmintinės taisymas naudojant programas Kaip pataisyti nešiojamojo kompiuterio USB prievadą

„Flash“ atmintinės taisymas naudojant programas Kaip pataisyti nešiojamojo kompiuterio USB prievadą

Kaip pataisyti USB prievadą? Technikos atsakymas: naudojant kompiuterį USB prievadai dažnai sugenda. Visų pirma, jiems nepavyksta...

Pažeista disko struktūra; nuskaityti neįmanoma, ką turėčiau daryti?

Pažeista disko struktūra; nuskaityti neįmanoma, ką turėčiau daryti?

Vartotojų asmeniniuose kompiuteriuose dažnai saugoma svarbi informacija – dokumentai, nuotraukos, vaizdo įrašai, tačiau atsarginių duomenų kopijų kūrimas dažniausiai yra...

Iš ko susideda kompiuteris?

Iš ko susideda kompiuteris?

Paskelbta: 2017-01-14 Sveiki, draugai, šiandien mes išsamiai apsvarstysime kompiuterio sistemos bloko dizainą. Išsiaiškinkime, kas...