Автор: Севостьянов Василий Николаевич

Рубрика: Спецвыпуск

Опубликовано в Молодой учёный №8 (67) июнь-1 2014 г.

Дата публикации: 16.06.2014

Статья просмотрена: 167 раз

Библиографическое описание:

Севостьянов В. Н. BIG Data как инновационный путь развития компании // Молодой ученый. — 2014. — №8.2. — С. 55-57.

Состояние рынка на сегодняшний момент можно охарактеризовать как высоко конкурентное, количество сфер деятельности, где компании чувствуют себя комфортно в гордом одиночестве сравнительно мало, поэтому анализ данных становится основным драйвером развития компаний. Но в связи с этим фактом возникает новая проблема – огромные массивы информации, которые нужно упорядочить и проанализировать. Именно поэтому технология Big Data набирает все большую популярность и становится целью инвестиций крупных корпораций и правительственных агентств. Ведь сегодня по всему миру в различных формах ежедневно создается около 2,5 квинтиллионов байтов информации, что может привести нас к такому выводу: за последние несколько лет было сгенерировано 90% данных, созданных за всю историю человечества. В данной работе представлены возможные варианты развития технологии и проанализирован исторический опыт успешного применения анализа больших массивов информации.

Ключевые слова:Big Data, маркетинг, инновации, большие данные, инвестиции, анализ данных.

Маркетинг, как в и большинство современных областей деятельности, не остановился в своем развитии и, как следствие, внутри этой сферы постоянно рождаются новые направления. За последние несколько лет можно было увидеть рождение и развитие как минимум пяти серьезных дисциплин, которые коренным образом поменяли отношение к самому маркетингу и подходам, используемым в нем.  

Появление новых брендов и бурное их развитие во многом обусловлено знаниями, полученными на основе инноваций в маркетинге. Давно известные компании также стараются не попасть впросак и не упустить лидерство, поэтому очень важное место в деятельности компании занимает получение информации и, что даже является наиболее значимым, анализа входящих потоков данных.

Сегодня по всему миру в различных формах ежедневно создается около 2,5 квинтиллионов байтов информации, что может привести нас к такому выводу: за последние несколько лет было сгенерировано 90% данных, созданных за всю историю человечества[1]. Источники могут быть совершенно разными – это и сенсоры для сбора данных о погоде, публикации в социальных медиа, цифровые видео и фото, GPS мобильных устройств и т.д. Эти данные принято называть BIG data.

В эру информационных технологий, когда ситуация может меняться ежеминутно, если не ежесекундно, способность анализировать данные и быстро принимать верные решения становится весомым конкурентным преимуществом для больших и маленьких компаний. Основатель международной династии предпринимателей М.А. Ротшильд еще в 18 веке не зря говорил: «Кто владеет информацией, тот владеет миром». В веке двадцать первом данное высказывание приобрело еще больше смысла и значимости, так как очень часто информация, которая была очень ценна и актуальна сегодня, может быть никому не нужна на следующий день. Именно этот факт является основным драйвером развития модели анализа данных BIG data.

Маркетинг — вид человеческой деятельности, направленной на удовлетворение нужд и потребностей посредством обмена [3, стр.10]. И именно в этой сфере человеческой деятельности информация, зачастую, может играть ключевую роль, так как нужно постоянно отслеживать меняющиеся вкусы потребителей и новые тенденции в отрасли, чтобы вовремя успевать реагировать на меняющуюся конъектуру рынка. Существует несколько сфер применения модели BIG data:

·     Анализ информации о месторасположении покупателя –сегментация рынка по территории;

·     Анализ социальных сетей;

·     Смысловой анализ – изучение реакции пользователей социальных сетей на определенные товары и услуги;

·     Анализ контента – получение информации об используемых приложения или веб адресах каждым отдельно взятым человеком.

В свою очередь типичными вариантами использования модели BIG data могут являться:

·     Сегментация;

·     Товарные рекомендации;

·     Уменьшение «текучести» клиентов;

·     Управление компанией;

·     Создание новых товаров и услуг;

·     Развитие возможных путей продвижения.

Большие данные открывают для пользователя связи между отдельными фрагментами, которые до некоторых пор были неуловимы. В связи с этим возникает необходимость в развитии нового мышления. На пути к этому стоит отметить три основных шага. Первый – способность анализировать все данные, а не только определенные статистические выборки. Второй – готовность иметь дело с неупорядоченными данными в ущерб точности. Третий – изменение образа мыслей: доверие корреляциям, а не погоня за причинностью[2].

Одной из первых компаний, осознавших необходимость структурированного анализа данных, явилась Walmart — крупнейшая в мире сеть розничной торговли, которая насчитывает более двух миллионов сотрудников. Ее объем продаж составляет около 400 миллиардов долларов — больше, чем ВВП большинства стран.

Перед наплывом огромных массивов данных, порожденных интернетом, компания Walmart располагала, пожалуй, самым большим хранилищем данных среди коммерческих компаний в США. В 1990-х годах она произвела переворот в розничной торговле, внедрив учет всей продукции в виде данных с помощью сети Retail Link. Компания Walmart предоставила поставщикам возможность самим контролировать темпы и объемы продаж и запасов. Благодаря такой прозрачности Walmart удалось вынудить поставщиков самостоятельно заботиться о своей логистике. В большинстве случаев Walmart не выступает «собственником» продукта до момента продажи, тем самым снимая с себя риск обесценения запасов и снижая затраты. По сути, с помощью данных Walmart удалось стать крупнейшим комиссионным магазином.

О чем могут рассказать все эти накопленные данные, если их проанализировать должным образом? В сотрудничестве с экспертом в области обработки чисел Teradata (ранее — почитаемая корпорация NCR) компания Walmart стремилась выявить интересные корреляции. В 2004 году она взялась за изучение своих гигантских баз данных прошлых операций, которые включали не только информацию о товарах, приобретенных каждым клиентом, и общей сумме покупки, но и об остальных товарах в корзине, о времени суток и даже о погоде. Это дало компании возможность заметить, что перед ураганом росли объемы продаж не только фонариков, но и печенья PopTarts, а также сладких сухих американских завтраков. Поэтому, как только надвигалась буря, в магазинах Walmart поближе к витрине выкладывались коробки Pop-Tarts и припасы на случай урагана для удобства клиентов, снующих снаружи и внутри магазина, и, разумеется, для увеличения продаж[2].

В течение многих лет операторы беспроводной связи собирали и анализировали информацию, чтобы улучшить уровень обслуживания своих сетей. Однако эти данные все чаще используются в других целях и собираются третьими лицами для новых услуг. Например, некоторые приложения для смартфонов накапливают информацию о местоположении независимо от того, имеет ли она отношение к функциям самого приложения. Цель других приложений — построить бизнес вокруг знания о местоположении пользователя. Яркий тому пример — веб-служба Foursquare, которая дает людям возможность «отметиться» в местах, которые они любят посещать. Компания получает доход от программ лояльности, а также рекомендуя рестораны и другие объекты, так или иначе связанные с местоположением. Возможность собирать геолокационные данные о пользователях становится чрезвычайно ценной. На уровне отдельных лиц она позволяет нацеливать рекламу, исходя из местоположения человека или его предполагаемого пункта назначения. Эту информацию можно объединять для выявления определенных тенденций. Данные о местоположении массовых скоплений дают компаниям возможность обнаруживать пробки, не видя самих автомобилей, на основании количества и скорости перемещения телефонов вдоль шоссе. Компания AirSage ежедневно обрабатывает три миллиарда записей геолокационных данных о перемещении миллионов абонентов сотовой связи для создания отчетов о ситуации на дорогах более чем в 100 городах по всей Америке в режиме реального времени. Две другие компании, которые занимаются геолокацией, Sense Networks и Skyhook, имея данные о местоположении, сообщают, в каких районах города активнее кипит ночная жизнь или сколько протестующих собралось на демонстрации [2, стр.23-25].

Поскольку большие данные обещают ценные открытия тем, кто их анализирует, естественно ожидать стремительного увеличения числа тех, кто будет собирать, хранить и повторно использовать наши личные данные. Поскольку стоимость хранения будет так же стремительно падать, а аналитические инструменты — становиться все мощнее, размер и масштаб сбора данных станет расти не по дням, а по часам. Если эпоха интернета поставила под угрозу конфиденциальность, возможно ли, что большие данные усугубят эту проблему? Это ли не темная их сторона? Существует еще одна опасность: мы рискуем стать жертвами диктатуры данных, в результате которой станем боготворить информацию и выходные данные анализов, а в конечном счете и злоупотреблять ими. Большие данные являются хорошим инструментом рационального принятия решений, если с ними вдумчиво обращаться. Если же ими орудовать неблагоразумно, они способны превратиться из мощного инструмента в оправдание репрессий, создавая неудобства клиентам и сотрудникам или, что еще хуже, нанося ущерб гражданам.

В эпоху больших данных самые инновационные способы их вторичного использования невозможно было представить на момент их сбора. Как же компаниям уведомлять о цели, которая еще не придумана? И разве станут частные лица давать информированное согласие на неизвестное? А при отсутствии согласия, для того чтобы анализировать большие данные, содержащие личную информацию, потребуется обращаться к каждому лично, спрашивая разрешение на каждое повторное применение. Альтернативный вариант — перед сбором получать согласие на любое дальнейшее использование их данных — тоже бесполезен. Такое разрешение «оптом» сводит на нет само понятие информированного согласия.

В контексте больших данных проверенная временем концепция «уведомления и согласия» налагает слишком много ограничений для извлечения скрытой ценности данных и слишком бесполезна для защиты конфиденциальности частных лиц. Кроме того, в эпоху больших данных технические способы защиты неприкосновенности частной жизни тоже сдают свои позиции. Если вся информация находится в наборе данных, ее извлечение само по себе может оставить след. Возьмем, к примеру, функцию Google Street View. Для ее создания собрали фотографии дорог и домов во многих странах (как и многие другие данные — но это спорный вопрос). В Германии компания Google столкнулась с массовым протестом общественности и СМИ. Люди опасались, что фотографии их домов и садов помогут бандам грабителей выбрать выгодные цели. Под давлением регулирующих органов Google согласилась предоставить домовладельцам возможность отказа от участия, которая позволяла размыть изображения их домов. Но результаты этой возможности заметны в Street View — вы видите размытые дома, а грабители могут расценить их как сигнал, что это отличная цель.

Каждая новая технология претерпевает несколько стадий развития: появление и заявление о себе, набирание оборотов, бурный рост, расцвет и, наконец, спад, совершая своеобразный цикл. После этого существует только два варианта развития событий: либо технология входит в ежедневный быт людей, как WI-FI, либо она не получает дальнейшего развития и уходит в небытие. Сейчас BIG data как раз находится на своем пике, в стадии бурного развития, поэтому передовые компании стараются внедрять данную модель в своей деятельности, но дальнейшее развитие зависит от того, как приживется данная технология и принесут ли вкладываемые средства ожидаемые результаты.

Литература:

1.   “IBM big data and analytics portfolio” [Электронный ресурс] – URL: http://www-01.ibm.com/software/data/bigdata/ Дата обращения: 13.03.2014

2.   Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим / Виктор Майер-Шенбергер, Кеннет Кукьер ; пер. с англ. Инны Гайдюк. — М.: Манн, Иванов и Фербер, 2014.

3.   Филипп Котлер «Основы маркетинга» Краткий курс.: Пер. с англ. - М.: Издательский дом «Вильямс», 2007.

Основные термины (генерируются автоматически): big data, большие данные, больших данных, эпоху больших данных, компания walmart, основным драйвером развития, 90% данных, квинтиллионов байтов информации, ·     Анализ, помощью данных walmart, анализ данных, анализа данных, сбора данных, технология big data, Большие данные, большинстве случаев walmart, прозрачности walmart, Компания Walmart, магазинах walmart, огромных массивов данных.

Обсуждение

Социальные комментарии Cackle
Задать вопрос