Jak Big Data zrewolucjonizuje scenę biznesową w niedalekiej przyszłości: część 2

Big data zapoczątkowała poważną transformację w sposobie, w jaki firmy i firmy prowadzą swoją działalność na całym świecie. W przyszłości wiele obszarów funkcjonalnych wymagających interwencji człowieka zostanie zautomatyzowanych. Tak jak Amazon sugeruje „książki do kupienia”, LinkedIn poleca „Osoby, które możesz znać”, Facebook wyświetla strony, które mogą Ci się spodobać; te same technologie zostaną wkrótce zastosowane w innych dziedzinach. Na przykład w zalecaniu leczenia, diagnozowaniu chorób i być może w rozpoznawaniu przestępców, zanim popełnią przestępstwo.

Big data z pewnością zmienią zasady gry w nadchodzących latach. Zbiorczy efekt wprowadzenia praktyk i technologii big data do organizacji spowodowałby zmianę transformacyjną. Big data może wpływać na różne funkcje w całej organizacji, od przedefiniowania rozwoju produktu, optymalizacji łańcucha dostaw, pozytywnego wpływu na relacje z klientami, skupienia się na danych biznesowych, usprawnienia operacji i wielu innych. Kierownicy wyższego szczebla muszą zacząć zastanawiać się, w jaki sposób ich firmy mogą skorzystać na spostrzeżeniach uzyskanych z wdrażania dużych zbiorów danych.

Prognozy Big Data na rok 2017 i później

W miarę jak przechodzimy przez rok 2016 i wkrótce obejmiemy rok 2017, coraz więcej czujników, urządzeń, technologii, firm, a nawet ludzi dołączyłoby do mody na big data. Oto obszary, w których big data najprawdopodobniej zrewolucjonizuje biznes.

Internet rzeczy (IoT)

Usługa chmury Big Data to zakulisowa magia Internetu Rzeczy. Neil Mendelson, wiceprezes Big Data Advanced Analytics, Oracle, powiedział, że rozszerzanie usług w chmurze nie tylko przechwyci dane z czujników, ale także wprowadzi je do algorytmów i analiz Big Data, aby efektywnie z nich korzystać. Ponadto bezpieczna usługa w chmurze IoT pomoże producentom w tworzeniu nowych produktów i usług, które bezpiecznie podejmują działania na analizowanych danych, bez interwencji człowieka.

Internet przemysłowy łączy uczenie maszynowe, komunikację między maszynami i big data, aby identyfikować wzorce i dostosowywać operacje biznesowe w czasie rzeczywistym. Za chwilę przemysłowy internet z definicji rozszerzy się o IoT. Wkrótce strumienie danych w czasie rzeczywistym zmienią możliwości przemysłowego Internetu, umożliwiając użytkownikom dostosowanie procesu, zadawanie krytycznych pytań lub natychmiastowe zobaczenie określonego wzorca. Całe branże, takie jak farmaceutyczna, energetyczna, informatyczna, telekomunikacyjna, bankowa i rolnicza, będą pod dużym wpływem możliwości wspólnego analizowania danych historycznych i danych w czasie rzeczywistym w celu podejmowania świadomych i szybkich decyzji biznesowych.

Będziemy rozwijać się jako społeczeństwo, w którym same informacje i dane staną się naszym podstawowym towarem handlowym. Mikrolicencje, transakcje i spieniężona wymiana informacji staną się ważnymi zadaniami, ponieważ nasze sieci typu maszyna-maszyna i automatyzacji dbają o nasze codzienne potrzeby. Posiadanie danych, ocena danych oraz wprowadzanie innowacji i ulepszanie stałoby się podstawą sukcesu branży i firmy.

Nauczanie maszynowe

Big data jest wszechobecna i zintegrowana z codziennymi czynnościami, które wykonujemy, takimi jak zakupy online, czytanie mapy, a nawet podróże. W nadchodzącym czasie technolodzy i firmy przesuną swoją uwagę z big data na uczenie maszynowe i zapewnią proaktywne wglądy. Co więcej, aktywna inteligencja będzie nowym celem, dzięki któremu firmy będą wykorzystywać technologię, taką jak uczenie maszynowe i analityka predykcyjna, do dostarczania rozwiązań, które oceniają dane 24 godziny na dobę, 7 dni w tygodniu i powiadamiają nas o ważnych wydarzeniach.

Z drugiej strony istnieje wiele emocji związanych ze sztuczną inteligencją (AI). Duże firmy, a nawet startupy dokonują dużych inwestycji w sztuczną inteligencję. Niemniej jednak sukces biznesowy przypadłby firmom, które stosują więcej technik uczenia maszynowego w celu rozwiązywania rutynowych problemów, takich jak zapewnianie bardziej spersonalizowanych promocji produktów, usług i rekomendacji bez większych fanfar i zamieszania. Firmy, które potrafią przekształcić futurystyczne pomysły w wykonalne, praktyczne aplikacje, które mogą być efektywnie wykorzystywane w całej organizacji, osiągnęłyby większy zwrot i korzyści z inwestycji. W roku 2017 technologie sztucznej inteligencji, takie jak wykresy właściwości (PG), przetwarzanie języka naturalnego (NLP) i uczenie maszynowe (ML), zostaną zastosowane do typowych lub normalnych wyzwań związanych z przetwarzaniem danych. Chociaż PG, NLP i ML są już dostępne jako biblioteki interfejsu programowania aplikacji (API) w dużych zbiorach danych, nowa zmiana obejmowałaby szerokie zastosowanie tych technologii w narzędziach informatycznych, które wspierają naukę o danych, analitykę w czasie rzeczywistym i aplikacje.

Opieka zdrowotna

Obliczenia kognitywne i sztuczna inteligencja ukształtują drogę dla medycyny spersonalizowanej, pomogą ratować życie osób cierpiących na rzadkie schorzenia i poprawią stan opieki zdrowotnej w nadchodzących latach. Obecnie tylko 16 procent szpitali w USA korzysta z analiz predykcyjnych, pomimo inicjatywy prezydenta Baracka Obamy w zakresie medycyny precyzyjnej zawartej w przemówieniu parlamentu USA z 2015 roku. Jednak ostatnie postępy technologiczne, które wykorzystują sztuczną inteligencję do analizy predykcyjnej dużych zbiorów danych, umożliwiają praktykowanie medycyny spersonalizowanej poprzez zmapowane dane genomowe z elektroniczną dokumentacją medyczną pacjenta oraz udzielanie odpowiedzi na pytania dotyczące medycyny lub leczenia rzadkich chorób. W przeszłości badania medyczne nad nowymi chorobami i ich leczeniem były nieopłacalne ze względu na małe zestawy próbek, ale wydaje się to wykonalne przy dużych zbiorach danych w dużych zbiorach danych. Teraz może być możliwe wykorzystanie medycyny precyzyjnej poprzez zawieranie odpowiedzi na pytania dotyczące potencjalnego leczenia subpopulacji, takich jak kobiety, osoby starsze, dzieci i różne grupy etniczne.

Zapobieganie przestępstwom

Aby zidentyfikować potencjalnych przestępców, zanim popełnią jakiekolwiek przestępstwo, organy ścigania, szczególnie na zachodzie, sięgają po big data. Informacje udostępniane publicznie w połączeniu z informacjami wywiadowczymi i danymi dostarczonymi przez organy ścigania i władze lokalne pomagają policji wykrywać osoby naruszające przepisy i działania przestępcze z większą dokładnością, zanim zaczną się kłopoty. W rezultacie organy ścigania byłyby mniej reaktywne, co zmniejszałoby ryzyko zastrzelenia lub aresztowania niewłaściwej osoby. Ponadto ci policjanci skupiają się na gorących punktach przestępczości, aby złapać przestępców, gdy wyjdą z kryjówki. Dzięki analizie Big Data zaplanowane misje pomogły organom ścigania zmniejszyć lub kontrolować wskaźniki przestępczości w największych miastach na całym świecie.

Radzenie sobie z klęskami żywiołowymi

Każdego roku podczas powodzi, trzęsień ziemi, susz lub innych klęsk żywiołowych giną miliardy dolarów i tysiące istnień ludzkich. Naukowcy zajmujący się danymi doceniają wartość wykorzystywania technik eksploracji danych do oceny klęsk żywiołowych, aby pomóc w zrozumieniu trendów, analizie podatności populacji i przewidywaniu przyszłych katastrof. Celem takich analiz jest pomoc rządom na całym świecie w działaniach humanitarnych, reagowaniu w sytuacjach kryzysowych oraz opracowywaniu strategii łagodzenia przyszłych klęsk żywiołowych. Niedawne postępy w zakresie technologii big data i nauki o danych pomogły naukowcom zajmującym się danymi w ekonomicznym i dokładnym stosowaniu technik opisowych i predykcyjnych. Techniki te okazały się przydatne w identyfikowaniu populacji podatnych na klęski żywiołowe poprzez analizę przeszłych incydentów w celu określenia wzorców, które mogą identyfikować zagrożone populacje i poprawiać przewidywania przyszłych katastrof.

Wpływ Big Data na przedsiębiorstwa

Edwin Miller, dyrektor generalny 9Lenses, amerykańskiej firmy technologicznej, mówi, że big data wywarły znaczący wpływ na firmy, począwszy od operacji w łańcuchu dostaw, rozwoju produktu po relacje z klientami, i nadal będzie to miało. Chociaż wielu może nie wiedzieć o big data, z pewnością ma to wpływ na wiele konwencjonalnych firm.

Dobrym przykładem jest amerykańska korporacja Capital One Financial Corporation. W latach 1990-2000 branża kart kredytowych stosowała jednolity model cenowy, naliczając każdemu konsumentowi tę samą cenę, z wyjątkiem Capital One. Firma wykorzystała model statystyczny, który opierał się na danych demograficznych i publicznych danych kredytowych, aby dostarczać klientom spersonalizowane produkty. Innowacja umożliwiła firmie uzyskanie 33-procentowej rocznej stopy wzrostu (CAGR) w latach 1995-2003. W rezultacie wiele banków skoncentrowało się bardziej na analizie dużych zbiorów danych, co pozwoliło im osiągnąć 17-procentowy wzrost rocznych przychodów netto w porównaniu z czołowymi amerykańskimi bankami, takimi jak Bank of America z 11 procentami, Citigroup z 11 procentami i JP Morgan z 6 procentami w latach 2009-2015.

Walmart stale korzysta z analiz big data, aby zapewnić lepsze operacje, produkty i usługi. W latach 90. firma przekształciła sektor sprzedaży detalicznej, rejestrując każdy produkt jako dane za pomocą systemu zwanego łączem detalicznym. System ten umożliwił dostawcom nadzorowanie i organizowanie swoich produktów i usług poprzez monitorowanie ich danych, w tym rotacji zapasów, wielkości zapasów, marży brutto i procentu zapasów. W rezultacie osiągnęli niskie ryzyko związane z zapasami i inne związane z tym koszty.

Rolls Royce również stosuje big data, co z kolei zreformowało produkcję silników lotniczych. Producent luksusowych samochodów rutynowo monitoruje około 3600 silników, z których każdy ma kilka czujników, aby przewidzieć, gdzie i kiedy mogą wystąpić awarie. Firma przekształciła swoją działalność ze sprzedaży silników na sprzedaż zarówno silników wysokiej jakości, jak i usług monitorowania, pobierania opłat za użytkowanie, naprawę i wymianę. Obecnie usługa odpowiada za ponad 68 procent ich rocznych przychodów w dziale silników lotniczych.

Wniosek

Ponieważ big data wciąż się rozwija, jest całkiem jasne, że zmiany wprowadzane przez big data przekształcą firmy, organizacje, a nawet społeczeństwa. Duże zbiory danych pozostaną tutaj, a firmy muszą dostosować się do tego nowego paradygmatu. Firmy mogą odkładać lub opóźniać wdrażanie swoich strategii big data, ale oczywiste jest, że firmy, które już wdrożyły swoje strategie, osiągają lepsze wyniki niż ich konkurenci. Dlatego opracuj swoją strategię Big Data już teraz, jeśli Twoja firma również chce tworzyć i dostarczać produkty i usługi w prosperującej erze Big Data.

Planujesz pozyskiwać dane z sieci? Jesteśmy tutaj, aby pomóc. Daj nam znać o swoich wymaganiach.