Как большие данные меняют облик компаний

25.09.2014

Помните, в школе всегда были этакие «всезнайки»? Каким-то образом, вне зависимости от предмета, им удавалось увязывать в голове разрозненные блоки информации и приходить к пониманию вопроса.

Я привел этот пример потому, что, по-моему, он хорошо отражает будущее компаний: им приходится становиться «всезнайками» от бизнеса. Сейчас, благодаря Hadoop и другим технологиям так называемых Больших данных, компании могут рассматривать до недавнего времени разрозненную информацию как единое целое. Вообразите, что это может означать. Авиалинии будут знать, когда ценный для них клиент сталкивался с неприятностями в момент вылета, и, благодаря этому, постараются улучшить обслуживание во время обратного полета. Медики смогут увязывать разрозненные виды информации, такие как результаты МРТ, показатели давления, данные о фибрилляции предсердий для предсказания возможности инфаркта или инсульта.

Речь идет не только об объемах данных – а именно это приходит в голову большинству при упоминании о Больших данных. Напротив, главное в том, что между этими данными – вне зависимости от их типа и источника – скрыты крайне важные взаимосвязи, как, например, между информацией из колл-центра, данными по пользованию веб-сайтом и показателями продаж. Для меня разница в этих подходах существенна. Проще говоря, размер тут не имеет значения.

И все же, после стольких лет восторженных разговоров о Больших данных, наш фокус сместился в сторону того, что основная их ценность состоит в возможности собирать гигантские объемы информации. Такое «промывание мозгов» напоминает мне мое детство в Чехословакии, где мы – как в «Скотном дворе» Оруэлла – привыкли думать, что «четыре ноги – хорошо, две – плохо». Я же хочу сказать вам, что две ноги – это просто отлично [учитывая сюжет «Скотного двора», переводчик не уверен в том, присутствует ли в этом пассаже скрытый сарказм – прим. перев.], а применительно к большим данным, что термин «большие» в данном случае не всегда уместен. Гораздо более значимой является возможность оценить данные – будь то поток информации напрямую из Интернета или его часть, просочившаяся через фаервол, данные сенсоров или информация из публичных источников – а затем связать их в единую цельную картину (как если бы в результате игры «нарисуй картинку по цифрам» получался шедевр живописи). Не менее важно и то, что затем компании могут встраивать эти полученные на основе данных знания в свои процессы, продукты и сервисы.

В своей книге «The Rise of Analytics 3.0: How to Compete in the Data Economy» Том Дэвенпорт (Tom Davenport) описывает, как компании начинают внедрять аналитику «в полностью автоматизированные системы, основанные на алгоритмах ранжирования или правилах, в основу которых положена аналитика. Другие встраивают аналитику в продукты и характеристики, ориентированные на нужды потребителя».

Вот, что значит быть тем, кого я называю «бизнес, во всем использующий данные» – предприятие, где знают все, что необходимо, и используют эти знания в работе.

У нас уже есть несколько примеров таких компаний:

В каждом из этих случаев компании использовали инсайты, которые появились в результате наблюдения за всеми доступными типами данных, и внедрили их в свой бизнес. В этом-то и состоит вся разница в работе с данными. Вместо того, чтобы передать лишь основную суть инсайтов нескольким аналитикам (в духе больших данных), эти компании постоянно анализируют весь объем существующей у них информации, чтобы продолжать в реальном времени принимать бизнес-решения.

Хотя большинство компаний не обладает подобными мощностями, я верю, что любой бизнес может стать «компанией, во всем использующей данные», коль скоро его руководство активно нацелено на применение информации и аналитики, как устойчивого конкурентного преимущества. Как пишет в своей книге Дэвенпорт: «Самая важная черта эры Аналитики 3.0 заключается в том, что не только онлайн-компании, но буквально любые фирмы в любой сфере деятельности могут быть вовлечены в экономику данных».

Компания UPS, например, использует данные цифровых карт и телематические системы, встроенные в грузовики, чтобы спланировать оптимальный маршрут для каждого из своих 55 000 водителей. Progressive Insurance сочетает информацию о кредитном рейтинге своих клиентов с внутренними данными для предсказания вероятности наступления страховых случаев. Известная мне компания, управляющая недвижимостью и оборудованием, сейчас анализирует соответствующие публичные и частные данные за последние 12 лет. Ее цель – предсказать длительность периодов сильной жары прежде, чем кондиционеры начнут выходить из строя.

Обратите внимание, что каждая компания соотносит данные ранее несвязанных типов. И все они включают инсайты, основанные на полученной информации, в свою деятельность, услуги или продукты, чтобы предсказать поведение или направление движения. Как пишет Дэвенпорт, у нас всегда было три типа аналитики: описательная, которая характеризует прошлое, нормативная, которая указывает нам, что делать, и предсказательная, которая использует данные о прошлом, чтобы предсказать будущее. «Аналитика 3.0 включает в себя все три типа, однако акцент делается в первую очередь на предсказательной аналитике», – пишет он.

Не могу с ним не согласиться. Я верю, что преимущества превращения в «бизнес, во всем использующий данные» одновременно и пугающие, и привлекательные. Я также верю, что компании, которые не анализируют всю имеющуюся у них информацию, прекратят свое существование.

С чего начать?

«Всезнайки» рулят.

Зарегистрироваться