Как большие данные революционизируют бизнес-сцену в ближайшем будущем: часть 2

Большие данные вызвали серьезные изменения в том, как компании и фирмы будут вести свой бизнес по всему миру. В будущем многие функциональные области, требующие вмешательства человека, станут автоматизированными. Точно так же, как Amazon предлагает «книги для покупки», LinkedIn рекомендует «Людей, которых вы можете знать», Facebook открывает страницы, которые могут вам понравиться; те же самые технологии вскоре будут применены в других областях. Например, при рекомендации лечения, диагностике заболеваний и, возможно, при распознавании преступников до того, как они совершат преступление.

Большие данные, безусловно, изменят правила игры в ближайшие годы. Коллективный эффект внедрения практики и технологий больших данных в организацию приведет к трансформационным изменениям. Большие данные могут влиять на различные функции в организации, от переопределения разработки продуктов, оптимизации цепочки поставок, положительного влияния на отношения с клиентами, ориентации бизнес-данных, улучшения операций и многого другого. Руководители высшего звена должны начать думать о том, как их компании могут извлечь выгоду из идей, полученных в результате внедрения больших данных.

Прогнозы больших данных на 2017 год и далее

По мере того, как мы приближаемся к 2016 году и вскоре приближаемся к 2017 году, все больше датчиков, устройств, технологий, предприятий и даже людей присоединятся к победе над большими данными. Вот области, в которых большие данные, скорее всего, произведут революцию в бизнесе.

Интернет вещей (IoT)

Облачный сервис больших данных — это закулисная магия Интернета вещей. Нил Мендельсон, вице-президент Oracle по расширенной аналитике больших данных, сказал, что расширяющиеся облачные сервисы будут не только собирать данные датчиков, но и передавать их в алгоритмы и аналитику больших данных для их эффективного использования. Кроме того, безопасный облачный сервис IoT поможет производителям создавать новые продукты и услуги, которые безопасно и без вмешательства человека воздействуют на проанализированные данные.

Промышленный Интернет сочетает в себе машинное обучение, межмашинное взаимодействие и обмен большими данными для выявления закономерностей и корректировки бизнес-операций в режиме реального времени. Через некоторое время промышленный интернет расширится по определению, чтобы включить IoT. Вскоре потоки данных в режиме реального времени изменят возможности промышленного интернета, позволяя пользователям настраивать процессы, задавать критические вопросы или сразу же видеть конкретную закономерность. Целые отрасли, такие как фармацевтика, энергетика, информационные технологии, связь, банковское дело и сельское хозяйство, будут в значительной степени зависеть от возможности одновременного изучения исторических данных и данных в реальном времени для принятия обоснованных и быстрых бизнес-решений.

Мы будем развиваться как общество, в котором информация и данные сами по себе станут нашим основным товаром в торговле. Микролицензирование, транзакции и монетизированный обмен информацией станут важными задачами, поскольку наши межмашинные сети и сети автоматизации заботятся о наших повседневных потребностях. Владение данными, оценка данных, инновации и улучшения станут основой успеха отрасли и корпорации.

Машинное обучение

Большие данные вездесущи и интегрированы в повседневную деятельность, которую мы делаем, например, совершаем покупки в Интернете, читаем карту или даже путешествуем. В будущем технологи и компании сместят свое внимание с больших данных на машинное обучение и предоставят упреждающую информацию. Кроме того, активный интеллект станет новым направлением, с помощью которого компании будут использовать такие технологии, как машинное обучение и прогнозная аналитика, для предоставления решений, которые оценивают данные круглосуточно и без выходных и уведомляют нас о важных событиях.

С другой стороны, существует много ажиотажа по поводу искусственного интеллекта (ИИ). Крупные компании и даже стартапы вкладывают большие средства в ИИ. Тем не менее, успех в бизнесе достанется компаниям, которые применяют больше методов машинного обучения для решения рутинных проблем, таких как предоставление более персонализированных рекламных акций, услуг и рекомендаций без лишней шумихи и шума. Компании, которые могут превратить футуристические идеи в управляемые практические приложения, которые можно эффективно использовать в рамках всей организации, получат больше прибыли и выгоды от своих инвестиций. В 2017 году технологии искусственного интеллекта, такие как графы свойств (PG), обработка естественного языка (NLP) и машинное обучение (ML), будут применяться для решения обычных или обычных задач обработки данных. Хотя PG, NLP и ML уже доступны в виде библиотек интерфейса прикладного программирования (API) в больших данных, новый сдвиг будет включать широкое использование этих технологий в инструментах информационных технологий, которые поддерживают науку о данных, аналитику в реальном времени и приложения.

Здравоохранение

Когнитивные вычисления и ИИ проложат путь к персонализированной медицине, помогут спасти жизни людей, страдающих редкими заболеваниями, и улучшить состояние здравоохранения в ближайшие годы. Сегодня только 16 процентов больниц в США используют прогностическую аналитику, несмотря на инициативу президента Барака Обамы в области точной медицины в обращении к парламенту США в 2015 году. Однако недавние технологические достижения, которые применяют ИИ к прогнозной аналитике больших данных, позволяют практиковать персонализированную медицину с помощью сопоставления геномных данных с электронными медицинскими картами пациента и отвечать на вопросы о лекарствах или методах лечения редких заболеваний. В прошлом медицинские исследования новых заболеваний и их лечения были непомерно дорогими из-за небольших наборов образцов, но они кажутся вполне осуществимыми с большими наборами данных в больших данных. Теперь можно использовать точную медицину, отвечая на вопросы о возможных методах лечения таких групп населения, как женщины, пожилые люди, дети и представители различных этнических групп.

Предотвращение преступлений

Для выявления потенциальных преступников до того, как они совершат какое-либо преступление, правоохранительные органы, особенно на западе, обращаются к большим данным. Общедоступная информация в сочетании с разведданными и данными, предоставленными правоохранительными органами и местными властями, помогает полиции выявлять нарушителей и преступную деятельность с большей точностью до того, как начнутся проблемы. В результате правоохранительные органы будут меньше реагировать, что снизит риск стрельбы или ареста не того человека. Кроме того, эти полицейские сосредотачиваются на горячих точках преступности, чтобы схватить преступников, как только они выйдут из своего укрытия. Благодаря анализу больших данных запланированные миссии помогли правоохранительным органам снизить или контролировать уровень преступности в крупных городах по всему миру.

Борьба со стихийными бедствиями

Ежегодно во время наводнений, землетрясений, засух и других стихийных бедствий гибнут миллиарды долларов и тысячи жизней. Специалисты по данным признают ценность использования методов интеллектуального анализа данных для оценки стихийных бедствий, чтобы помочь понять тенденции, проанализировать уязвимость населения и предсказать будущие бедствия. Целью такого анализа является помощь правительствам по всему миру в усилиях по оказанию помощи, реагировании на чрезвычайные ситуации и в разработке стратегий смягчения последствий стихийных бедствий в будущем. Недавние разработки в области больших данных и технологий обработки данных помогли ученым, работающим с данными, экономично и точно использовать описательные и прогнозные методы. Эти методы оказались полезными для выявления групп населения, подверженных стихийным бедствиям, путем анализа прошлых инцидентов для определения закономерностей, которые могли бы выявить группы риска и улучшить прогнозирование будущих бедствий.

Влияние больших данных на бизнес

Эдвин Миллер, генеральный директор американской технологической компании 9Lenses, говорит, что большие данные оказали значительное влияние на бизнес, начиная с операций с цепочками поставок, разработки продуктов и заканчивая отношениями с клиентами, и будут продолжать оказывать это влияние. Хотя многие могут не знать о больших данных, они, безусловно, оказали влияние на многие традиционные предприятия.

Хорошим примером является базирующаяся в США финансовая корпорация Capital One. Однако в период с 1990 по 2000-е годы индустрия кредитных карт использовала единую модель ценообразования, взимая с каждого потребителя одинаковую цену, за исключением Capital One. Фирма использовала статистическую модель, основанную на демографических и общедоступных кредитных данных, для предоставления клиентам индивидуальных продуктов. Инновация позволила фирме добиться среднегодового темпа роста (CAGR) в размере 33% с 1995 по 2003 год. В результате довольно много банков сосредоточили свое внимание на аналитике больших данных, что позволило им добиться 17-процентного роста чистой годовой выручки. по сравнению с ведущими американскими банками, такими как Bank of America (11 процентов), Citigroup (11 процентов) и JP Morgan (6 процентов) в период с 2009 по 2015 год.

Walmart постоянно использует аналитику больших данных для улучшения операций, продуктов и услуг. В 1990-х компания преобразовала сектор розничной торговли, записывая каждый продукт в виде данных с помощью системы, известной как розничная связь. Эта система позволила поставщикам контролировать и систематизировать свои продукты и услуги, отслеживая свои данные, включая оборачиваемость запасов, объем запасов, валовую прибыль и процент на складе. Следовательно, они добились низких складских рисков и других связанных с этим затрат.

Rolls Royce также применяет большие данные, что, в свою очередь, реформирует производство авиационных двигателей. Производитель роскошных автомобилей регулярно контролирует около 3600 двигателей, каждый из которых имеет несколько датчиков, чтобы предсказать, где и когда может произойти поломка. Компания преобразовала свой бизнес с продажи двигателей на продажу как качественных двигателей, так и услуг по мониторингу, взимая плату с клиентов в зависимости от использования, ремонта и замены. В настоящее время на эту услугу приходится более 68 процентов их годового дохода в подразделении авиационных двигателей.

Вывод

Поскольку большие данные все еще развиваются, совершенно очевидно, что изменения, вызванные большими данными, изменят предприятия, организации и даже общества. Большие данные останутся здесь, и предприятия должны адаптироваться к этой новой парадигме. Компании могут откладывать или откладывать реализацию своих стратегий работы с большими данными, но очевидно, что фирмы, которые уже внедрили свои стратегии, превосходят конкурентов. Итак, разработайте свою стратегию работы с большими данными сейчас, если ваша компания также хочет создавать и предоставлять продукты и услуги в процветающую эпоху больших данных.

Планируете получать данные из Интернета? Мы здесь, чтобы помочь. Дайте нам знать о ваших требованиях.