Rambler's Top100
Статьи ИКС № 05-06 2015
Александра КРЫЛОВА  01 июня 2015

Встречаем Colossal Data

Спираль накопления человечеством «больших данных» продолжает раскручиваться, ее уже не остановить.

Люди, их компьютеры, смартфоны, планшеты, смарт-телевизоры, фитнес-трекеры каждый день производят колоссальные объемы данных. Свой вклад в их накопление начинают вносить всевозможные сенсоры и датчики интернета вещей.

Большие объемы данных – финансовых, технологических, транзакционных, клиентских, – хранящихся и зачастую дублирующих друг друга в информационных системах, становятся проблемой для компаний из самых разных секторов экономики, будь то ритейл, связь или металлургия. Несмотря на то что эксперты отмечают снижение стоимости хранения 1 Кбайт данных, а соответственно, и совокупной стоимости владения ими, даже перед крупными компаниями в России сегодня встает вопрос, стоит ли копить, обрабатывать и анализировать эти разнообразные и разноформатные данные.

В бизнесе операторов связи для характеристики объемов данных, с которыми приходится работать, на смену Big Data приходит термин Colossal Data. Поставить их под контроль на всех уровнях, от инфраструктурного до абонентского, начать анализировать эти груды и горы данных – значит получить мощное конкурентное преимущество. Главное – разумно и результативно использовать этот багаж для управления клиентским опытом, персонализации услуг, поддержания лояльности абонентов, кросс-продаж и т.д.

Что копим? Как анализируем?

Данные – поддающиеся многократной интерпретации представления информации в формализованном виде, пригодные для передачи, связи и обработки, – возникают в информационных системах или порождаются действиями пользователей этих систем. У крупных и высокотехнологичных компаний информационных систем много. У банка их в среднем около 40.

Обычно значительная часть данных утилизируется, а та, которая признается полезной, сохраняется в информационных системах или специальных хранилищах. Полезные данные служат основой для построения разных видов отчетов – управленческих, финансовых, стратегических и др. Внутри компаний основными их потребителями обычно выступают финансовый и маркетинговый блоки, а также отдел продаж.

Подготовкой отчетов занимаются бизнес-аналитики – индустриальные специалисты, которые анализируют те или иные процессы, протекающие в компании. Иногда они составляют отдельную группу в ИТ-департаменте и обслуживают всех ее внутренних заказчиков, иногда каждое функциональное подразделение имеет своих бизнес-аналитиков.

Инструменты, которые аналитики используют в своей работе с данными, могут иметь разную специализацию: либо это средства для формирования отчетности, входящие в состав учетных систем, либо системы бизнес-аналитики (Business Intelligence, BI), полностью ориентированные на решение аналитических задач в интересах разных блоков компании – финансового, маркетингового, коммерческого, логистического и др.

Надо сказать, что рынок программного обеспечения бизнес-аналитики в России растет темпами, опережающими мировой, – на 20,9% за 2013 г. По данным отчета IDC, опубликованного в конце 2014 г., объем рынка ПО бизнес-аналитики составил в России $411 млн, что чуть больше 1% глобального рынка, который оценивается в $37,7 млрд.

В объеме рынка, по словам Александра Прохорова (IDC), учитываются три сегмента: во-первых, программные средства для построения хранилищ данных и управления ими, во-вторых, различного рода BI tools, включая средства создания запросов, инструменты data mining и text mining, прогнозной аналитики. И третий сегмент – это аналитические приложения для финансового планирования, HR, управления цепочкой поставок, CRM.

При этом самая большая доля в структуре российского рынка ПО бизнес-аналитики – 25% – принадлежит финансовым компаниям. За ними с долей 15% следуют органы государственного управления, телекоммуникации занимают 14%, розничная и оптовая торговля – 10%.

Как показал проведенный IDC опрос провайдеров таких решений, основными драйверами 20%-ного роста рынка были необходимость ускорить принятие управленческих решений, экспоненциальный рост объемов информации в организациях, снижение прибыльности бизнеса, спрос на оптимизацию расходов, потребность в обоснованных управленческих решениях, усиление финансового контроля, повышение культуры новых руководителей.

Тормозили развитие рынка в России, считают участники опроса, невысокий уровень корпоративной культуры (недостаточная проработка бизнес-процессов), сложность постановки задачи, нехватка бюджетов, высокая стоимость лицензий, в том числе на ПО, и услуг для малого и среднего бизнеса, сложность оценки отдачи от внедрения систем бизнес-аналитики, дефицит бизнес-аналитиков.

Большие, быстрые и разные

Когда же у компаний из разных отраслей экономики возникает понимание, что традиционных инструментов бизнес-анализа недостаточно, что пора задуматься о специализированных технологиях и решениях для обработки «больших данных»? Вариантов ответа на этот вопрос несколько, утверждает А. Прохоров. Вариант первый предполагает, что данные поступают из разных источников в одном или нескольких форматах. Вариант второй – объем накопленных компанией данных превышает 100 Тбайт. Вариант третий – данные поступают со скоростью 60 Гбит/с и их необходимо анализировать «на лету». И наконец, четвертый вариант предполагает, что объем данных в компании увеличивается на 60% в год. И если ситуация в компании подпадает под любой из вышеперечисленных вариантов, ей стоит задуматься об использовании новых технологий и архитектур для экономичного извлечения ценности из большого объема разноформатных данных.

В категорию компаний, для которых быстрый захват, обработка и анализ «больших данных» – насущная необходимость, входят розничные сети, как онлайн, так и офлайн. Их внимание к этой сфере обусловлено подверженностью серьезным рискам, связанным с товарными запасами и логистикой. «Активно интересуются такими технологиями банки, в первую очередь для решения задач скоринга, определения вероятности дефолта тех или иных потенциальных заемщиков», – отмечает Михаил Левиев  («АлгоМост»). По его словам, всем компаниям, работающим на массовом рынке, анализ «больших данных», безусловно, полезен. Впрочем, у компании «АлгоМост», специализирующейся на оказании услуг дата-консалтинга и дата-майнинга, есть проекты в и строительстве, энергетике и медицине.

Колоссальные данные

Термин Colossal Data начинает употребляться применительно к данным, накапливаемым в отрасли телекоммуникаций. «У операторов сегодня под контролем десятки миллиардов параметров, которые нужно обрабатывать практически в режиме реального времени, – говорит Владимир Шапоров  (Nokia Networks), – чтобы отслеживать параметры сервиса, который предоставляется абоненту в каждой точке сети, и понимать: качество услуги хорошее, абонент удовлетворен».

Такой подход – мониторинг всех уровней, от сетевого для абонентского – подразумевают концепция CEM (Customer Experience Management) и одноименное решение, ее реализующее. «Темам клиентоцентричности, управления клиентским опытом и обработки «больших данных» посвящена одна из трех стратегических программ Международной ассоциации TM Forum – Customer Centricity. Ее задача – помочь участвующим в этой организации операторам и поставщикам услуг использовать анализ Big Data для повышения удовлетворенности клиентов, увеличения индекса потребительской лояльности, привязанности абонентов к бренду поставщика услуг, снижения их оттока и т.д. Программа, в развитии которой принимают участие более 120 компаний – членов Форума, вызывает неизменный интерес у отраслевого сообщества», – поясняет Сергей Анфилофьев  (TM Forum Россия и СНГ).

В рамках программы уже разработан и утвержден набор стандартов, методик и лучших практик – Big Data Analytics Solution Suite 2.0. Основной документ – GB979, руководство по анализу «больших данных». В планах на этот год – создание калькулятора, позволяющего операторам и сервис-провайдерам подсчитать ROI от внедрения решений CEM, проработка сценариев использования (use case) для аналитики «больших данных» в области CEM, интернета вещей, виртуализации и т., а также создание репозитория лучших практик анализа Big Data у операторов связи.

Свой набор лучших практик сегодня предлагают операторам и поставщики оборудования и ПО. По словам В. Шапорова, у Nokia сегодня около 100 use case в области CEM, реализовать которые предлагается операторам, нацеленным на управление опытом абонента.

Данные превращаются… в деньги

Управление клиентским опытом на основе анализа «колоссальных данных» – верный путь к повышению лояльности абонента, подтверждением которой может быть расширение набора потребляемых им услуг или готовность порекомендовать оператора друзь­ям и знакомым, отказ от перехода к другому оператору. И хотя не все эффекты от вышеперечисленных действий можно выразить в деньгах, все они являются инструментами монетизации накопленных данных о клиентах, считает эксперт в области CRM Максим Мозговой .

Еще одна возможность монетизации внедренных технологий обработки Big Data, по мнению М. Левиева, это использование выявленных в ходе анализа закономерностей для совершенствования и развития технологических и бизнес-процессов. Впрочем, такой возможностью интересуются не только коммерческие компании, но и государство. Например, в Москве департаменты здравоохранения и информационных технологий объявили о создании исследовательской лаборатории, которая займется анализом массивов данных, накопленных благодаря информатизации столичной системы здравоохранения. С ее помощью, в частности, планируется выявлять узкие места в системе городского здравоохранения и решать другие задачи.

Постепенно начнет приносить прибыль и продажа особым образом подготовленных, обезличенных данных о потребительском поведении клиентов. В них сегодня заинтересованы, в частности, рекламные агентства и компании из других сфер, не накопившие «больших данных», но желающие их анализировать для повышения эффективности своего бизнеса.

«Продажа аналитических отчетов – самый простой вариант монетизации в сфере Big Data», – считает Алексей Беднов  (AT Consulting). Именно его используют операторы большой тройки в Москве, предоставляя городскому департаменту транспорта данные геолокационных сервисов о трафике на дорогах в рамках проекта оптимизации транспортной системы столицы. Эта информация позволяет своевременно определять наиболее загруженные участки и предлагать меры по улучшению ситуации.

Так что начало формированию рынка аналитических продуктов, подготовленных на основе обработки «больших данных», уже положено.

Готовность заказчиков

Для компаний, сфокусированных на решении повседневных бизнес-задач, которым неважно, дни, часы или минуты их BI-система тратит на подготовку самого сложного отчета, анализ имеющихся в ее распоряжении «больших данных» не является на сегодняшний день приоритетом. Роман Баранов  (КРОК) объясняет это отсутствием у некоторых заказчиков понимания, как и в чем им может помочь аналитика Big Data: «Еще один барьер – парадигма ожидания ими чуда. Но чудес не бывает. Заказчик должен определить для себя конечную цель анализа накопленной или даже требующей накопления информации, а уже потом переходить к решению задачи с точки зрения ИТ».

Вместе с тем другие эксперты отмечают, что компании еще в прошлом году начали больше интересоваться технологиями и инструментами анализа Big Data в области управления взаимоотношениями с клиентами, формирования таргетированных предложений, борьбы с мошенничеством. Примером тут может служить компания «ВымпелКом», которой благодаря закономерностям, выявленным в ходе анализа «больших данных», удалось сократить объем спама, получаемого ее абонентами, с 12 до 0,5 сообщений в месяц.

Есть основания полагать, что поиск путей оптимизации технологических и бизнес-процессов приведет компании к осознанию необходимости искать эти пути в накопленных у них больших объемах данных. «В идеале лучше копать в том направлении, в котором компания зарабатывает, – советует М. Левиев, – поскольку именно там она и теряет деньги из-за того, что плохо контролирует свои издержки».

Тем более что сегодня для того, чтобы воспользоваться плодами анализа Big Data, можно прибегнуть к вполне экономичным предложениям ведущих вендоров. «Есть оборудование TalkSum, которое на порядок превосходит в скорости коммерческие приложения обработки событий и может быть в несколько раз эффективнее детища Twitter – Apache Storm, – рассказывает Роман Баранов. – Компании Huawei и Oracle предлагают коммерческий Hadoop с оборудованием по привлекательным ценам. Даже IBM сделала начальную версию Netezza (PureData), которая не только дает возможность интеграторам заработать на поставке, но и обеспечивает действительно приятную стоимость хранения и обработки единицы информации на потраченный рубль». Кроме того, на рынок уже выходят игроки, позволяющие потреблять аналитику «больших данных» из облака или предлагающие услуги в области дата-майнинга.

Так что нынешнее состояние рынка технологий, решений и услуг в области «больших данных» можно охарактеризовать словами: уже не маркетинговое, но еще не массовое явление. Однако тем компаниям, которые успели внедрить решения Big Data до наступления кризиса, эти сильнодействующие средства существенно облегчают повышение эффективности бизнеса.

Заметили неточность или опечатку в тексте? Выделите её мышкой и нажмите: Ctrl + Enter. Спасибо!
Поделиться: