Компании уже хорошо осознают, что большие данные могут принести существенную пользу бизнесу и даже стать локомотивом его роста, констатировали участники конференции «Большие данные: новые подходы», проведенной CNews Analytics и CNews Conferences 27 сентября в Москве. Путь к успеху – получение детальной информации по клиентам, услугам и активам, сегментация доходов и расходов и оптимизация бизнес-процессов.
Аналитики прогнозируют уверенный дальнейший рост рынка больших данных. По данным IDC, среднегодовой темп роста мирового рынка технологий и услуг для больших данных в период с 2014 по 2019 гг. составит 23,1% и достигнет $48,6 млрд в 2019 г. В структуре этого рынка, который сейчас примерно поровну поделен на сегменты программного обеспечения, инфраструктуры и сервисов, как отметил эксперт RCCPA (Russian Cloud Computing Professional Association) Николай Носов, в будущем значительно увеличится доля сервисов, что в целом соответствует общемировым тенденциям в ИТ. Он напомнил, что большие данные – зонтичный термин, объединяющий большое количество разных технологий. Одними из наиболее перспективных являются технологии предиктивной аналитики, которые уже ушли на «плато продуктивности» в цикле зрелости Gartner в 2016 году.
Примеры использования предиктивной аналитики на базе облачной платформы SAP HANA в металлургии, энергетике и железнодорожном транспорте привел Алексей Чурин, директор по развитию бизнеса сектора телекоммуникаций SAP СНГ. На примере компании Vodafonе он показал, как большие данные могут даже изменить парадигму бизнеса – трансформировать фокус с ARPU на AMPU (Average Margin Per User). Новый подход дает возможность найти области неэффективности, например, в области затрат на роуминг и дилерские комиссии. Путь к успеху – получение детальной информации о марже и прибыли по клиентам, услугам и активам. Поможет в этом анализ прибыльности каждого абонента с последующей корректировкой предлагаемых ему тарифов и сервисов.
Про персонификацию подхода говорил и Алексей Кулешов, заместитель начальника отдела сопровождения продаж, анализа и контроля трафика корпоративного центра «Ростелекома»: «Мы решили связать наши расходы на клиента с тем, какой доход генерирует клиент, и смотрим затраты, связанные со всеми его номерами». Реализация такого подхода стала возможной после создания в «Ростелекоме» хранилища данных межоператорских расчетов. Появился единый источник информации, была проведена унификация нормативно-справочной информации, спроектирована архитектура, основанная на технологиях обработки больших данных. Это дало возможность сегментировать расходы на пропуск голосового трафика, провести оценку маржинальности каждого сегмента, себестоимости продуктов, услуг, абонентов, разных направлений и провести оптимизацию тарифных планов.
«Большие данные – не волшебное решение всех проблем, – отметил бизнес-менеджер по техническим решениям Huawei Пётр Предтеченский. – Такие проекты сложно запускать, сложно поддерживать, сложно развивать. В итоге 70% из них заканчиваются неудачей». Петр выделил три основные причины неудачи проектов по большим данным. Первая – недостаточный уровень поддержки руководством и недооценка последствий неудач проектов. Вторая – неправильный выбор данных и технологий их обработки. Третья – недостаток конвергенции данных и синергии проектных команд.
Он рекомендовал четко формулировать бизнес-задачи, выбирать проекты, которые могут быстро принести результат, использовать правильные технологии. Пётр согласился с мнением о возрастающей роли сервисов на рынке больших данных и в качестве примера привел работу Big Data Open Lab в Москве, где пользователи могут получить анализ своих данных как сервисную услугу лаборатории.
Важность поддержки проектов больших данных на высшем уровне компании отметил на круглом столе Борис Рабинович, директор Центра компетенций развития BI-технологий компании «Сбербанк-Технологии». Именно это он считает главным слагаемым успеха проекта. Борис Рабинович рекомендовал компаниям в первую очередь внедрять хорошо известные кейсы успешных проектов, гарантирующие отдачу вложенных средств, чтобы показать эффективность использования технологий больших данных, а потом уже переходить к более рискованным внедрениям. Он отметил, что 70% неудач – неплохой показатель для таких проектов, так как полученная за счет внедрения технологий прибыль окупает все неудачные проекты.
Компаниям, которые хотят проводить анализ данных сами, поможет платформа компании Informatica, обеспечивающая автоматизацию этапов решения задач в области Data Science. О ней рассказал Пётр Борисов, руководитель направления Big Data в DIS Group. К преимуществам использования платформы относятся быстрый старт, доступность экспертизы, снижение доли рунного программирования, скорость разработки и развития, быстрота выхода на рынок, простота поддержки и работа с ключевыми вендорами Hadoop.
Система дает возможность сопоставления данных по нечеткой логике, проведения матчинга (сопоставления исследуемого значения с образцом) в условиях низкого качества исходных данных, нахождение связей, в том числе и на разных языках, объединения данных в кластеры, загрузки их в Hadoop, а также обеспечивает онлайн API-сервисы.
Вопросам активного контроля качества данных был посвящен доклад Владимира Бахова, директора практики инновационных технологий AT Consulting. По его мнению, для получения информации о промышленных устройствах и системах, финансовой и оперативной отчетности предприятий требуются очень качественные данные. Необходимо обеспечивать в режиме реального времени мониторинг технологических, экономических и операционных KPI в больших потоковых данных и своевременно реагировать на любые нештатные ситуации до того, как они окажут существенное влияние на бизнес.
Эти задачи поможет решить система «Алмаз», которая обеспечивает непрерывный автономный мониторинг качества отчетности и потоковых данных, а также незамедлительную отправку сообщений в случае обнаружения статистически значимых отклонений.
«Современные технологии и большие данные завоевывают не только бизнес, но и государственные структуры, – сказала Татьяна Матвеева, начальник управления информационных технологий Федеральной налоговой службы. – В ФНС очень много данных, которые требуют обработки: 30 млн деклараций, 3 млрд счетов-фактур по НДС, 250 млн сделок по трансфертному ценообразованию, 160 млн единиц справочной информации из Росреестра».
Нужна консолидация данных из самых разных источников и последующая обработка этого огромного объема данных. В инфраструктурном плане, как рассказала докладчик, обработка ведется на базе трех ЦОДов, связанных между собой каналами с пропускной способностью до 100 Гбит/с.
Татьяна Матвеева также рассказала о новых технологиях на службе ФНС России. Так электронный портал представляет доступ к 48 электронным сервисам службы. Для централизации функций налогового администрирования создана и развивается АИС «Налог-3». Для анализа данных обо всех операциях с НДС в реальном времени – АСК НДС-2. Есть возможность регистрации на портале, что обеспечивает централизацию регистрации и учета налогоплательщиков. К новым технологиям можно отнести и RFID-маркировку для обеспечения контроля за оборотом товаров и борьбы с контрафактом. И, конечно, система передача данных о кассовых операциях в режиме онлайн.
Пока, как отметила Татьяна Матвеева, технологии больших данных используются для анализа внутренней информации. Но, отвечая на вопрос о перспективе их использования и для анализа внешних данных, например, для выявления неплательщиков налогов на основе операторских данных, докладчик ответила: «Этим мы еще не занимались, но, возможно, будем».
Петр Предтеченский: Проекты в области больших данных – это непростая исследовательская задача
Зачастую ожидания от проектов в области больших данных существенно превосходят достигнутые результаты. О том, что необходимо для того, чтобы они были успешными, в интервью CNews рассказал Петр Предтеченский, менеджер по техническим решениям Huawei.
CNews: Список удачных проектов в области больших данных не так велик. С чем, на ваш взгляд, это связано?
Петр Предтеченский: Успех проекта определяется, в частности, теми целями, которые ставятся перед ним. Можно поставить задачу заработать деньги с помощью больших данных, а можно – консолидировать разрозненные хранилища, оптимизировать какие-то бизнес-процессы. Как бы то ни было, четыре наших крупнейших партнера из финансовой отрасли и отрасли телекоммуникаций представляют конкретные результаты реализованных проектов. Более того, на конференциях CNews я вижу, что и многие другие компании рассказывают о новых успехах.
Андрей Горяйнов: Возможности использования больших данных для анализа маржинальности до сих пор недооценены
Бизнесу необходимо сосредоточиться не только повышении темпов роста, но и на анализе маржинальности. Провести такой анализ можно с использованием технологий больших данных, рассказал CNews Андрей Горяйнов, заместитель генерального директора SAP СНГ.
CNews: Для каких целей сегодня используются большие данные в телекоме?
Андрей Горяйнов: Сегодня большие данные широко применяются в телеком-индустрии с целью внешней или внутренней монетизации.
Презентации участников форума
