Большому бизнесу - большие данные

Как перестать беспокоиться о больших данных и начать извлекать из них пользу для бизнеса.

Кто владеет информацией – тот владеет миром, то есть, в переводе на язык бизнеса, – вкусной долей рынка, кошельками потребителей и их неостывающей лояльностью. Однако сегодня компаниям приходится работать не просто с информацией, а с большими данными – big data. Для определения этого явления часто используют аббревиатуру VVV, которая указывает что данные «большого размера» отличаются не только объемом (Volume), но и разнообразием (Variety), и высокой скоростью обновления (Velocity).

С помощью больших данных компании могут развивать клиентский сервис и повышать операционную эффективность. Но прежде чем найти применение своему информационному богатству, нужно научиться хранить и обрабатывать его наилучшим образом. Как же работать с big data, чтобы не было мучительно больно, то есть дорого, медленно и неэффективно? Мы обратились за советом к экспертам и предлагаем вам несколько полезных подсказок.

1. Проведите аудит ИТ-инфраструктуры

Вопрос хранения информации регулярно преграждает дорогу самым разным бизнесам: приходится постоянно докупать новые и новые ёмкости. Решение этой проблемы требует профессионального системного подхода к оптимизации хранения данных.

Можно провести аудит имеющейся ИТ-инфраструктуры и выявить в ней узкие места – по результатам анализа может выясниться, что устаревшее оборудование не позволяет бизнес-приложениям работать оперативно или окажется, что одни и те же данные дублируются в системе хранения по нескольку раз.

2. Разделите данные между медленными и быстрыми носителями

Этот способ оптимизации можно рассмотреть на примере корпоративной почты: из всего объема её данных компания, скорее всего, интенсивно использует лишь 15-20%, то есть хранение всех 100% информации на быстрых носителях не имеет смысла.

Если разместить часто используемую информацию на быстрых носителях, а ту, которая используется реже, переместить на более медленные носители с должным уровнем защиты, можно уменьшить стоимость хранения за единицу данных без ущерба для бизнеса. Такая оптимизация поможет обеспечить оперативный доступ к самой важной информации и ускорить работу с ней на десятки процентов.

3. Используйте облако и резервирование данных как услугу

Евгений Нефедов рекомендует этот ход делать в том случае, если компании не хватает вычислительных мощностей для обработки собранной информации.

4. Централизуйте сбор данных

Во многих компаниях данными управляют несколько отделов – от HR до IT, и каждый из них делает это согласно собственным политикам и стандартам. В результате информацию невозможно собрать воедино, она часто теряется.

Этот фактор имеет большое значение, в частности в процессе подготовки отчетности. В последние годы он значительно усложнился в связи с увеличением видов и применимых стандартов отчетности, диверсификации видов продукции и большим количеством различных систем, используемых для сбора учетных данных и подготовки отчетности.

5. Проектируя систему для работы с big data, «заточите» ее под решение конкретных задач

Выбор архитектуры, топологии сети передачи данных, аппаратного обеспечения оказывает большое влияние на общую стоимость проекта. Правильный выбор параметров системы может значительно снизить затраты на внедрение.

Что бизнес может сделать с помощью big data?

Приняв все меры для того, чтобы данные хранились оптимальным образом, быстро обрабатывались и не терялись, компания получает возможность использовать их для решения насущных задач. Каких именно – зависит от отрасли и масштаба бизнеса.

Например, в логистике для того, чтобы спрогнозировать стоимость перевозки, необходимо учитывать инфляцию, налоги, региональные особенности и свойства перевозимого груза. Прежние способы высчитать столь сложный показатель – слишком трудоёмкие; к тому же, они чреваты некорректными результатами. Если же использовать специализированную информационную систему, то цена перевозки негабаритного груза определяется легко и просто.

С помощью специально разработанной формулы информационный комплекс вычисляет оценочную стоимость запрашиваемой клиентом перевозки без необходимости проводить тендер. Эта стоимость, по сути, является ориентиром рыночной (с определённой долей погрешности) цены для клиента. Также на эту стоимость ориентируется и наша компания. Информационная система предлагает несколько возможных альтернатив перевозки, а также автоматически рассчитывает прогнозный уровень снижения затрат на логистику относительно рынка.

Для крупных компаний важной задачей является анализ поведения потребителей. И тут грамотная работа с big data будет незаменима.

Сегодня наша техническая база позволяет изучать и анализировать поведенческие характеристики больших групп людей, оценивать их перемещения в границах территорий любой площади и по разным маршрутам, а также прогнозировать изменения в будущем.

Наше решение использует обезличенные данные на основе аналитики изменений нагрузки на базовые станции мобильного оператора. Геопространственный анализ дает точную и исключительно оперативную картину жизни района, города или страны в целом на заданном отрезке времени, что невозможно при использовании теоретических выкладок, опросов или других традиционных инструментов сбора и обработки информации.

На базе таких исследований бизнес может принимать стратегические решения о том, как развивать собственную инфраструктуру, распределять ресурсы и инвестиции, а также прогнозировать собственные перспективы развития.

Решение о строительстве новых базовых станций мы принимаем, оценивая перспективы увеличения нагрузки на сеть в конкретном месте карты и усиливаем количество ретранслирующих устройств там, где оно будет востребовано в перспективе. Решения по развитию ритейл-сети мы также основываем на анализе big data, выбирая для новых салонов местоположение, в котором поток потенциальных клиентов способен окупить затраты на открытие и поддержание точки продаж.

Ну, и, наконец, немного цифр для вдохновения. Известно ли вам, что исследования указывают на прямую зависимость между работой с данными и финансовыми показателями компании?

В 48% компаний, где развитие аналитики данных было одной из приоритетных задач, рост EBITDA за последние три года составил свыше 10%. В то же время только у 35% компаний, где аналитика не была в приоритете, аналогичный показатель превышал 10%.