"Μεγάλα δεδομένα"- ένα θέμα που συζητείται ενεργά από εταιρείες τεχνολογίας. Κάποιοι από αυτούς έχουν απογοητευτεί από τα μεγάλα δεδομένα, ενώ άλλοι, αντίθετα, τα χρησιμοποιούν για επαγγελματικούς λόγους όσο το δυνατόν περισσότερο... . Ελπίζουμε οι πληροφορίες να είναι ενδιαφέρουσες και χρήσιμες.

ΤΙ ΕΙΝΑΙ ΜΕΓΑΛΑ ΔΕΔΟΜΕΝΑ;

Βασικά χαρακτηριστικά

Τα Big Data είναι επί του παρόντος ένας από τους βασικούς μοχλούς ανάπτυξης Τεχνολογίες πληροφορικής. Αυτή η κατεύθυνση, σχετικά νέα για τις ρωσικές επιχειρήσεις, έχει γίνει ευρέως διαδεδομένη στις δυτικές χώρες. Αυτό οφείλεται στο γεγονός ότι στην εποχή της πληροφορικής, ειδικά μετά την άνθηση των κοινωνικών δικτύων, άρχισε να συσσωρεύεται σημαντικός όγκος πληροφοριών για κάθε χρήστη του Διαδικτύου, κάτι που τελικά οδήγησε στην κατεύθυνση των Big Data.

Ο όρος "Big Data" προκαλεί πολλές διαμάχες, πολλοί πιστεύουν ότι σημαίνει μόνο την ποσότητα των συσσωρευμένων πληροφοριών, αλλά μην ξεχνάτε την τεχνική πλευρά, αυτός ο τομέας περιλαμβάνει τεχνολογίες αποθήκευσης, υπολογιστές και υπηρεσίες.

Θα πρέπει να σημειωθεί ότι αυτός ο τομέας περιλαμβάνει την επεξεργασία μεγάλου όγκου πληροφοριών, που είναι δύσκολο να επεξεργαστεί με παραδοσιακές μεθόδους*.

Παρακάτω είναι ένας συγκριτικός πίνακας παραδοσιακής και μεγάλης βάσης δεδομένων.

Η σφαίρα των Μεγάλων Δεδομένων χαρακτηρίζεται από τα ακόλουθα χαρακτηριστικά:
Ενταση ΗΧΟΥ - ο όγκος, η συσσωρευμένη βάση δεδομένων είναι ένας μεγάλος όγκος πληροφοριών που είναι επίπονη για επεξεργασία και αποθήκευση με παραδοσιακούς τρόπους, απαιτούν νέα προσέγγισηκαι προηγμένα εργαλεία.
Ταχύτητα - ταχύτητα, αυτό το σύμβολο υποδεικνύει τόσο την αυξανόμενη ταχύτητα συσσώρευσης δεδομένων (το 90% των πληροφοριών συλλέχθηκαν τα τελευταία 2 χρόνια) όσο και την ταχύτητα επεξεργασίας δεδομένων· πρόσφατα, οι τεχνολογίες επεξεργασίας δεδομένων σε πραγματικό χρόνο έχουν γίνει πιο απαιτητικές.
Ποικιλία – ποικιλία, δηλ. τη δυνατότητα ταυτόχρονης επεξεργασίας δομημένων και μη δομημένων πληροφοριών διαφορετικών μορφών. Η κύρια διαφορά μεταξύ των δομημένων πληροφοριών είναι ότι μπορούν να ταξινομηθούν. Ένα παράδειγμα τέτοιων πληροφοριών είναι οι πληροφορίες σχετικά με τις συναλλαγές πελατών.
Οι μη δομημένες πληροφορίες περιλαμβάνουν βίντεο, αρχεία ήχου, δωρεάν κείμενο, πληροφορίες που προέρχονται από κοινωνικά δίκτυα. Μέχρι σήμερα, το 80% των πληροφοριών περιλαμβάνεται στην ομάδα των μη δομημένων. Αυτή η πληροφορίαχρειάζεται πολύπλοκη ανάλυση για να είναι χρήσιμο για περαιτέρω επεξεργασία.
Φιλαλήθεια – Αξιοπιστία των δεδομένων, οι χρήστες άρχισαν να δίνουν σημασία στην αξιοπιστία των διαθέσιμων δεδομένων. Έτσι, οι εταιρείες του Διαδικτύου έχουν πρόβλημα να διαχωρίσουν τις ενέργειες που πραγματοποιούνται από ένα ρομπότ και ένα άτομο στην ιστοσελίδα της εταιρείας, κάτι που τελικά οδηγεί στη δυσκολία ανάλυσης δεδομένων.
αξία - την αξία των συσσωρευμένων πληροφοριών. Τα Big Data θα πρέπει να είναι χρήσιμα για την εταιρεία και να έχουν κάποια αξία. Για παράδειγμα, βοηθήστε στη βελτίωση των επιχειρηματικών διαδικασιών, στην υποβολή εκθέσεων ή στη βελτιστοποίηση κόστους.

Εάν πληρούνται οι παραπάνω 5 προϋποθέσεις, οι συσσωρευμένοι όγκοι δεδομένων μπορούν να ταξινομηθούν ως μεγάλοι.

Εφαρμογές Μεγάλων Δεδομένων

Το πεδίο εφαρμογής των τεχνολογιών Big Data είναι εκτεταμένο. Έτσι, με τη βοήθεια των Big Data, μπορείτε να μάθετε για τις προτιμήσεις των πελατών, την αποτελεσματικότητα των καμπανιών μάρκετινγκ ή τη διεξαγωγή ανάλυσης κινδύνου. Παρακάτω είναι τα αποτελέσματα μιας έρευνας του Ινστιτούτου IBM σχετικά με τις κατευθύνσεις χρήσης Big Data σε εταιρείες.

Όπως φαίνεται από το διάγραμμα, οι περισσότερες εταιρείες χρησιμοποιούν Big Data στον τομέα της εξυπηρέτησης πελατών, η δεύτερη πιο δημοφιλής κατεύθυνση είναι η λειτουργική αποτελεσματικότητα, στον τομέα της διαχείρισης κινδύνου τα Big Data είναι λιγότερο συνηθισμένα αυτή τη στιγμή.

Θα πρέπει επίσης να σημειωθεί ότι τα Big Data είναι ένας από τους ταχύτερα αναπτυσσόμενους τομείς της πληροφορικής, καθώς σύμφωνα με στατιστικά στοιχεία, ο συνολικός όγκος των δεδομένων που λαμβάνονται και αποθηκεύονται διπλασιάζεται κάθε 1,2 χρόνια.
Μεταξύ 2012 και 2014, ο όγκος των δεδομένων που μεταδίδονται μηνιαίως δίκτυα κινητής τηλεφωνίας, αυξήθηκε κατά 81%. Η Cisco εκτιμά ότι το 2014 ο όγκος κίνηση κινητής τηλεφωνίαςανήλθε σε 2,5 exabyte (μονάδα μέτρησης της ποσότητας πληροφοριών ίση με 10 ^ 18 τυπικά byte) ανά μήνα και ήδη το 2019 θα είναι ίση με 24,3 exabyte.
Έτσι, το Big Data είναι ήδη ένας καθιερωμένος τομέας τεχνολογίας, παρά τη σχετικά νεαρή του ηλικία, που έχει διαδοθεί ευρέως σε πολλούς επιχειρηματικούς τομείς και παίζει σημαντικό ρόλο στην ανάπτυξη των εταιρειών.

Big Data Technologies

Οι τεχνολογίες που χρησιμοποιούνται για τη συλλογή και επεξεργασία Big Data μπορούν να χωριστούν σε 3 ομάδες:

• Λογισμικό;
• Εξοπλισμός;
• Υπηρεσία.

Οι πιο κοινές προσεγγίσεις επεξεργασίας δεδομένων (ΠΔ) περιλαμβάνουν:
SQL - μια δομημένη γλώσσα ερωτημάτων που σας επιτρέπει να εργάζεστε με βάσεις δεδομένων. Χρησιμοποιώντας SQL, μπορείτε να δημιουργήσετε και να τροποποιήσετε δεδομένα και η διαχείριση του πίνακα δεδομένων γίνεται από το κατάλληλο σύστημα διαχείρισης βάσης δεδομένων.
NoSQL - ο όρος σημαίνει Όχι μόνο SQL (όχι μόνο SQL). Περιλαμβάνει μια σειρά από προσεγγίσεις που στοχεύουν στην υλοποίηση της βάσης δεδομένων, οι οποίες διαφέρουν από τα μοντέλα που χρησιμοποιούνται στα παραδοσιακά, σχεσιακά DBMS. Είναι βολικά στη χρήση με μια συνεχώς μεταβαλλόμενη δομή δεδομένων. Για παράδειγμα, για τη συλλογή και αποθήκευση πληροφοριών σε κοινωνικά δίκτυα.
ΜΕΙΩΣΗ ΧΑΡΤΗ – μοντέλο κατανομής υπολογισμού. Χρησιμοποιείται για παράλληλους υπολογιστές πάνω από πολύ μεγάλα σετδεδομένα (πεταμπάιτ* ή περισσότερα). Στη διεπαφή προγραμματισμού, τα δεδομένα δεν μεταφέρονται στο πρόγραμμα για επεξεργασία, αλλά το πρόγραμμα μεταφέρεται στα δεδομένα. Επομένως, το ερώτημα είναι ένα ξεχωριστό πρόγραμμα. Η αρχή λειτουργίας είναι η διαδοχική επεξεργασία δεδομένων με δύο μεθόδους Map και Reduce. Ο χάρτης επιλέγει προκαταρκτικά δεδομένα, το Reduce τα συγκεντρώνει.
Hadoop - χρησιμοποιείται για την εφαρμογή μηχανισμών αναζήτησης και συμφραζομένων για ιστότοπους με υψηλή φόρτωση - Facebook, eBay, Amazon κ.λπ. Διακριτικό χαρακτηριστικόείναι ότι το σύστημα προστατεύεται από την αποτυχία οποιουδήποτε από τους κόμβους του συμπλέγματος, αφού κάθε μπλοκ έχει τουλάχιστον ένα αντίγραφο των δεδομένων στον άλλο κόμβο.
SAP HANA είναι μια πλατφόρμα NewSQL υψηλής απόδοσης για αποθήκευση και επεξεργασία δεδομένων. Παρέχει υψηλή ταχύτηταεπεξεργασία αιτήματος. Ένας άλλος παράγοντας που διαφοροποιεί είναι ότι το SAP HANA απλοποιεί το τοπίο του συστήματος μειώνοντας το κόστος υποστήριξης αναλυτικών συστημάτων.

Ο τεχνολογικός εξοπλισμός περιλαμβάνει:

• διακομιστές?
• εξοπλισμό υποδομής.

Οι διακομιστές περιλαμβάνουν αποθήκες δεδομένων.
Ο εξοπλισμός υποδομής περιλαμβάνει εργαλεία επιτάχυνσης πλατφόρμας, πηγές αδιάκοπη παροχή ενέργειας, σύνολα κονσολών διακομιστή κ.λπ.

Υπηρεσία.
Οι υπηρεσίες περιλαμβάνουν αρχιτεκτονική συστήματος βάσεων δεδομένων, ανάπτυξη και βελτιστοποίηση υποδομής και ασφάλεια αποθήκευσης δεδομένων.

Λογισμικό, υλικό και υπηρεσίες συνδυάζονται για να σχηματίσουν πλατφόρμες από άκρο σε άκρο για αποθήκευση και ανάλυση δεδομένων. Εταιρείες όπως η Microsoft, η HP, η EMC προσφέρουν υπηρεσίες για την ανάπτυξη, ανάπτυξη και διαχείριση λύσεων Big Data.

Εφαρμογή σε βιομηχανίες

Τα Big Data έχουν γίνει ευρέως διαδεδομένα σε πολλούς επιχειρηματικούς τομείς. Χρησιμοποιούνται στην υγειονομική περίθαλψη, τις τηλεπικοινωνίες, το εμπόριο, τα logistics, τις χρηματοοικονομικές εταιρείες, καθώς και στη δημόσια διοίκηση.
Παρακάτω είναι μερικά παραδείγματα εφαρμογών Big Data σε ορισμένες από τις βιομηχανίες.

Λιανεμποριο
Οι βάσεις δεδομένων των καταστημάτων λιανικής μπορούν να συγκεντρώσουν πολλές πληροφορίες για πελάτες, σύστημα διαχείρισης αποθεμάτων, προμήθεια εμπορεύσιμων προϊόντων. Αυτές οι πληροφορίες μπορούν να είναι χρήσιμες σε όλους τους τομείς δραστηριότητας του καταστήματος.

Έτσι, με τη βοήθεια των συσσωρευμένων πληροφοριών, μπορείτε να διαχειριστείτε την προμήθεια αγαθών, την αποθήκευση και την πώλησή τους. Με βάση τις συσσωρευμένες πληροφορίες, είναι δυνατό να προβλεφθεί η ζήτηση και η προσφορά αγαθών. Επίσης, το σύστημα επεξεργασίας και ανάλυσης δεδομένων μπορεί να λύσει άλλα προβλήματα του λιανοπωλητή, για παράδειγμα, να βελτιστοποιήσει το κόστος ή να προετοιμάσει αναφορές.

Χρηματοπιστωτικές υπηρεσίες
Τα Μεγάλα Δεδομένα καθιστούν δυνατή την ανάλυση της πιστοληπτικής ικανότητας ενός δανειολήπτη και είναι επίσης χρήσιμα για πιστοληπτική αξιολόγηση* και αναδοχή**. Η εισαγωγή τεχνολογιών Big Data θα μειώσει τον χρόνο εξέτασης των αιτήσεων δανείου. Με τη βοήθεια Big Data, είναι δυνατή η ανάλυση των λειτουργιών ενός συγκεκριμένου πελάτη και η προσφορά τραπεζικών υπηρεσιών που είναι κατάλληλες για αυτόν.

Τηλεπικοινωνίες
Στον κλάδο των τηλεπικοινωνιών, τα Big Data χρησιμοποιούνται ευρέως από παρόχους κινητής τηλεφωνίας.
χειριστές κυψελοειδούς επικοινωνίαςμαζί με τα χρηματοπιστωτικά ιδρύματα, διαθέτουν μια από τις μεγαλύτερες βάσεις δεδομένων, η οποία τους επιτρέπει να πραγματοποιούν την πιο εις βάθος ανάλυση των συσσωρευμένων πληροφοριών.
Ο κύριος στόχος της ανάλυσης δεδομένων είναι η διατήρηση των υπαρχόντων πελατών και η προσέλκυση νέων. Για να γίνει αυτό, οι εταιρείες τμηματοποιούν τους πελάτες, αναλύουν την επισκεψιμότητά τους και καθορίζουν την κοινωνική σχέση του συνδρομητή.

Εκτός από τη χρήση Big Data για σκοπούς μάρκετινγκ, η τεχνολογία χρησιμοποιείται για την αποτροπή δόλιων οικονομικών συναλλαγών.

Μεταλλευτική και πετρελαϊκή βιομηχανία
Τα Big Data χρησιμοποιούνται τόσο στην εξόρυξη ορυκτών όσο και στην επεξεργασία και εμπορία τους. Με βάση τις πληροφορίες που ελήφθησαν, οι επιχειρήσεις μπορούν να εξάγουν συμπεράσματα σχετικά με την αποτελεσματικότητα της ανάπτυξης πεδίου, να παρακολουθούν το πρόγραμμα γενικής επισκευής και την κατάσταση του εξοπλισμού και να προβλέπουν τη ζήτηση για προϊόντα και τιμές.

Σύμφωνα με έρευνα της Tech Pro Research, τα Big Data είναι πιο διαδεδομένα στον κλάδο των τηλεπικοινωνιών, καθώς και στη μηχανική, την πληροφορική, τις χρηματοοικονομικές και κυβερνητικές επιχειρήσεις. Σύμφωνα με τα αποτελέσματα αυτής της έρευνας, τα Big Data είναι λιγότερο δημοφιλή στην εκπαίδευση και την υγειονομική περίθαλψη. Τα αποτελέσματα της έρευνας παρουσιάζονται παρακάτω:

Παραδείγματα χρήσης Big Data σε εταιρείες

Σήμερα, τα Big Data εφαρμόζονται ενεργά σε ξένες εταιρείες. Εταιρείες όπως οι Nasdaq, Facebook, Google, IBM, VISA, Master Card, Bank of America, HSBC, AT&T, Coca Cola, Starbucks και Netflix χρησιμοποιούν ήδη πόρους Big Data.

Οι τομείς εφαρμογής των επεξεργασμένων πληροφοριών είναι ποικίλοι και ποικίλλουν ανάλογα με τον κλάδο και τις εργασίες που πρέπει να εκτελεστούν.
Στη συνέχεια, θα παρουσιαστούν παραδείγματα εφαρμογής των τεχνολογιών Big Data στην πράξη.

HSBC χρησιμοποιεί τεχνολογίες Big Data για να αντιμετωπίσει τις δόλιες συναλλαγές με πλαστικές κάρτες. Με τη βοήθεια των Big Data, η εταιρεία αύξησε την αποτελεσματικότητα της υπηρεσίας ασφαλείας κατά 3 φορές και την αναγνώριση περιστατικών απάτης κατά 10 φορές. Το οικονομικό αποτέλεσμα από την εισαγωγή αυτών των τεχνολογιών ξεπέρασε τα 10 εκατομμύρια δολάρια ΗΠΑ.

Κατά της απάτης* VISA επιτρέπει την είσοδο αυτόματη λειτουργίαυπολογίστε τις συναλλαγές δόλιας φύσης, το σύστημα ενεργοποιημένο αυτή τη στιγμήβοηθά στην αποτροπή δόλιων πληρωμών αξίας 2 δισεκατομμυρίων δολαρίων ετησίως.

Υπερυπολογιστής της εταιρείας Watson IBM αναλύει σε πραγματικό χρόνο τη ροή των δεδομένων για τις χρηματικές συναλλαγές. Σύμφωνα με την IBM, η Watson αύξησε τον αριθμό των εντοπισμένων δόλιων συναλλαγών κατά 15%, μείωσε τα ψευδώς θετικά κατά 50% και αύξησε το ποσό των κεφαλαίων που προστατεύονται από συναλλαγές αυτού του είδους κατά 60%.

Procter & Gamble με τη βοήθεια των Big Data, σχεδιάζουν νέα προϊόντα και δημιουργούν παγκόσμιες καμπάνιες μάρκετινγκ. Η P&G έχει δημιουργήσει ειδικά γραφεία Business Spheres όπου μπορείτε να δείτε πληροφορίες σε πραγματικό χρόνο.
Έτσι, η διοίκηση της εταιρείας έχει την ευκαιρία να δοκιμάσει άμεσα υποθέσεις και να πραγματοποιήσει πειράματα. Η P&G πιστεύει ότι τα Big Data βοηθούν στην πρόβλεψη της απόδοσης της εταιρείας.

Έμπορος λιανικής ειδών γραφείου officemax με τη βοήθεια τεχνολογιών Big Data, αναλύουν τη συμπεριφορά των πελατών. Η ανάλυση Big Data επέτρεψε την αύξηση των εσόδων B2B κατά 13%, μείωση του κόστους κατά 400.000 $ ετησίως.

Σύμφωνα με Κάμπια , οι διανομείς του χάνουν έσοδα από 9 έως 18 δισεκατομμύρια δολάρια ετησίως μόνο και μόνο επειδή δεν εφαρμόζουν την τεχνολογία Big Data. Τα Big Data θα επιτρέψουν στους πελάτες να διαχειρίζονται τον στόλο τους πιο αποτελεσματικά αναλύοντας πληροφορίες από αισθητήρες που είναι εγκατεστημένοι σε μηχανές.

Σήμερα είναι ήδη δυνατή η ανάλυση της κατάστασης βασικοί κόμβοι, τον βαθμό φθοράς τους, διαχείριση του κόστους καυσίμου και συντήρησης.

Ομάδα Luxottica είναι κατασκευαστής αθλητικών γυαλιών με μάρκες όπως Ray-Ban, Persol και Oakley. Η εταιρεία χρησιμοποιεί τεχνολογίες Big Data για να αναλύσει τη συμπεριφορά πιθανούς πελάτεςκαι «έξυπνο» μάρκετινγκ SMS. Ως αποτέλεσμα, ο όμιλος Big Data Luxottica εντόπισε περισσότερους από 100 εκατομμύρια από τους πιο πολύτιμους πελάτες και αύξησε την αποτελεσματικότητα της εκστρατείας μάρκετινγκ κατά 10%.

Με τη βοήθεια του Yandex Data Factory, προγραμματιστές παιχνιδιών Ο κόσμος των τανκ αναλύσει τη συμπεριφορά των παικτών. Οι τεχνολογίες Big Data κατέστησαν δυνατή την ανάλυση της συμπεριφοράς 100 χιλιάδων παικτών του World of Tanks χρησιμοποιώντας περισσότερες από 100 παραμέτρους (πληροφορίες για αγορές, παιχνίδια, εμπειρία κ.λπ.). Ως αποτέλεσμα της ανάλυσης, προέκυψε μια πρόβλεψη της απόκλισης των χρηστών. Αυτές οι πληροφορίες σάς επιτρέπουν να μειώσετε την προσοχή των χρηστών και να εργαστείτε με τους συμμετέχοντες στο παιχνίδι με στοχευμένο τρόπο. Το μοντέλο που αναπτύχθηκε αποδείχθηκε ότι ήταν 20-30% πιο αποτελεσματικό από τα τυπικά εργαλεία ανάλυσης της βιομηχανίας τυχερών παιχνιδιών.

Υπουργείο Εργασίας της Γερμανίας χρησιμοποιεί Big Data για να αναλύσει τις εισερχόμενες αιτήσεις ανεργίας. Έτσι, μετά την ανάλυση των πληροφοριών, έγινε σαφές ότι το 20% των παροχών καταβλήθηκε αδικαιολόγητα. Με τη βοήθεια των Big Data το υπουργείο Εργασίας μείωσε το κόστος κατά 10 δισ. ευρώ.

Νοσοκομείο Παίδων του Τορόντο υλοποίησε το έργο Project Artemis. Πρόκειται για ένα πληροφοριακό σύστημα που συλλέγει και αναλύει δεδομένα για μωρά σε πραγματικό χρόνο. Το σύστημα παρακολουθεί 1.260 δείκτες της κατάστασης κάθε παιδιού κάθε δευτερόλεπτο. Το Project Artemis σάς επιτρέπει να προβλέψετε την ασταθή κατάσταση του παιδιού και να ξεκινήσετε την πρόληψη ασθενειών στα παιδιά.

ΕΠΙΣΚΟΠΗΣΗ ΤΗΣ ΠΑΓΚΟΣΜΙΑΣ ΑΓΟΡΑΣ ΜΕΓΑΛΩΝ ΔΕΔΟΜΕΝΩΝ

Η τρέχουσα κατάσταση της παγκόσμιας αγοράς

Το 2014, τα Big Data, σύμφωνα με την Data Collective, έχουν γίνει ένας από τους τομείς προτεραιότητας για επενδύσεις στον κλάδο επιχειρηματικών συμμετοχών. Σύμφωνα με τα στοιχεία πύλη πληροφοριών Computerra, αυτό οφείλεται στο γεγονός ότι οι εξελίξεις σε αυτόν τον τομέα έχουν αρχίσει να φέρνουν σημαντικά αποτελέσματα για τους χρήστες τους. Κατά το παρελθόν έτος, ο αριθμός των εταιρειών με υλοποιημένα έργα στον τομέα της διαχείρισης μεγάλων δεδομένων αυξήθηκε κατά 125%, ο όγκος της αγοράς αυξήθηκε κατά 45% σε σύγκριση με το 2013.

Το μεγαλύτερο μέρος των εσόδων της αγοράς Big Data, σύμφωνα με το Wikibon, το 2014 αποτελούνταν από υπηρεσίες, το μερίδιό τους ήταν ίσο με το 40% των συνολικών εσόδων (δείτε το παρακάτω διάγραμμα):

Εάν λάβουμε υπόψη τα Big Data για το 2014 κατά υποτύπους, τότε η αγορά θα μοιάζει με αυτό:

Σύμφωνα με το Wikibon, οι εφαρμογές και τα αναλυτικά στοιχεία αντιπροσώπευαν το 36% των εσόδων Big Data το 2014 από εφαρμογές και αναλυτικά στοιχεία Big Data, 17% από υπολογιστικό υλικό και 15% από τεχνολογία αποθήκευσης. Τα λιγότερα έσοδα προήλθαν από τεχνολογίες NoSQL, εξοπλισμό υποδομής και παροχή δικτύου εταιρειών (εταιρικά δίκτυα).

Οι πιο δημοφιλείς τεχνολογίες Big Data είναι οι πλατφόρμες in-memory των SAP, HANA, Oracle κ.λπ. Τα αποτελέσματα της έρευνας της T-Systems έδειξαν ότι τις επέλεξε το 30% των εταιρειών που συμμετείχαν στην έρευνα. Οι δεύτερες πιο δημοφιλείς ήταν οι πλατφόρμες NoSQL (18% των χρηστών), οι εταιρείες χρησιμοποίησαν επίσης αναλυτικές πλατφόρμες από τις Splunk και Dell, τις επέλεξε το 15% των εταιρειών. Τα λιγότερο χρήσιμα για την επίλυση προβλημάτων Big Data, σύμφωνα με τα αποτελέσματα της έρευνας, ήταν τα προϊόντα Hadoop/MapReduce.

Σύμφωνα με έρευνα της Accenture, σε περισσότερο από το 50% των εταιρειών που χρησιμοποιούν τεχνολογίες Big Data, το κόστος Big Data κυμαίνεται από 21% έως 30%.
Σύμφωνα με την ακόλουθη ανάλυση της Accenture, το 76% των εταιρειών πιστεύει ότι αυτό το κόστος θα αυξηθεί το 2015 και το 24% των εταιρειών δεν θα αλλάξει τον προϋπολογισμό τους για τεχνολογίες Big Data. Αυτό υποδηλώνει ότι σε αυτές τις εταιρείες τα Big Data έχουν ήδη γίνει μια καθιερωμένη περιοχή της πληροφορικής, η οποία έχει γίνει αναπόσπαστο μέρος της ανάπτυξης της εταιρείας.

Τα αποτελέσματα της έρευνας Economist Intelligence Unit επιβεβαιώνουν τη θετική επίδραση της εφαρμογής Big Data. Το 46% των εταιρειών ισχυρίζονται ότι έχουν βελτιώσει την εξυπηρέτηση πελατών κατά περισσότερο από 10% χρησιμοποιώντας τεχνολογίες Big Data, το 33% των εταιρειών έχουν βελτιστοποιήσει το απόθεμα και βελτίωσαν την παραγωγικότητα των βασικών περιουσιακών στοιχείων, το 32% των εταιρειών έχουν βελτιώσει τις διαδικασίες σχεδιασμού.

Μεγάλα δεδομένα σε διαφορετικές χώρεςειρήνη

Μέχρι σήμερα, οι τεχνολογίες Big Data εφαρμόζονται συχνότερα σε εταιρείες των ΗΠΑ, αλλά τώρα και άλλες χώρες του κόσμου έχουν αρχίσει να δείχνουν ενδιαφέρον. Το 2014, σύμφωνα με την IDC, οι χώρες της Ευρώπης, της Μέσης Ανατολής, της Ασίας (πλην Ιαπωνίας) και της Αφρικής αντιπροσώπευαν το 45% της αγοράς λογισμικού, υπηρεσιών και εξοπλισμού Big Data.

Επίσης, σύμφωνα με την έρευνα της CIO, εταιρείες από τις χώρες της περιοχής Ασίας-Ειρηνικού κατακτούν γρήγορα νέες λύσεις στον τομέα της ανάλυσης Big Data, της ασφαλούς αποθήκευσης και των τεχνολογιών cloud. Η Λατινική Αμερική βρίσκεται στη δεύτερη θέση ως προς τον αριθμό των επενδύσεων στην ανάπτυξη τεχνολογιών Big Data, μπροστά από την Ευρώπη και τις ΗΠΑ.
Στη συνέχεια, θα παρουσιαστεί μια περιγραφή και προβλέψεις για την ανάπτυξη της αγοράς Big Data σε πολλές χώρες.

Κίνα
Ο όγκος των πληροφοριών στην Κίνα είναι 909 exabyte, που ισούται με το 10% της συνολικής ποσότητας πληροφοριών στον κόσμο, μέχρι το 2020 ο όγκος των πληροφοριών θα φτάσει τα 8060 exabyte και το μερίδιο των πληροφοριών στις παγκόσμιες στατιστικές θα αυξηθεί επίσης, 5 χρόνια θα είναι ίσο με 18%. Η πιθανή ανάπτυξη των Big Data της Κίνας έχει μια από τις ταχύτερα αναπτυσσόμενες δυναμικές.

Βραζιλία
Μέχρι το τέλος του 2014, η Βραζιλία έχει συγκεντρώσει 212 exabyte πληροφοριών, που είναι το 3% του παγκόσμιου όγκου. Μέχρι το 2020, ο όγκος των πληροφοριών θα αυξηθεί στα 1600 exabyte, που θα είναι το 4% των πληροφοριών του κόσμου.

Ινδία
Σύμφωνα με την EMC, ο όγκος των συσσωρευμένων δεδομένων στην Ινδία το 2014 είναι 326 exabyte, που είναι το 5% του συνολικού όγκου πληροφοριών. Μέχρι το 2020, ο όγκος των πληροφοριών θα αυξηθεί στα 2800 exabyte, που θα είναι το 6% των παγκόσμιων πληροφοριών.

Ιαπωνία
Ο όγκος των συσσωρευμένων δεδομένων στην Ιαπωνία στο τέλος του 2014 είναι 495 exabyte, που είναι το 8% του συνολικού όγκου πληροφοριών. Μέχρι το 2020, ο όγκος των πληροφοριών θα αυξηθεί στα 2200 exabyte, αλλά το μερίδιο αγοράς της Ιαπωνίας θα μειωθεί και θα ανέλθει στο 5% του συνολικού όγκου πληροφοριών σε ολόκληρο τον κόσμο.
Έτσι, ο όγκος της ιαπωνικής αγοράς θα μειωθεί περισσότερο από 30%.

Γερμανία
Σύμφωνα με την EMC, ο όγκος των συσσωρευμένων δεδομένων στη Γερμανία το 2014 είναι 230 exabyte, που είναι το 4% του συνολικού όγκου πληροφοριών στον κόσμο. Μέχρι το 2020, ο όγκος των πληροφοριών θα αυξηθεί στα 1100 exabyte και θα είναι 2%.
Στη γερμανική αγορά, μεγάλο μερίδιο των εσόδων, σύμφωνα με τις προβλέψεις του Ομίλου Experton, θα δημιουργηθεί από τον τομέα των υπηρεσιών, του οποίου το μερίδιο το 2015 θα είναι 54%, και το 2019 θα αυξηθεί στο 59%, το μερίδιο του λογισμικόκαι ο εξοπλισμός, αντίθετα, θα μειωθεί.

Γενικά, το μέγεθος της αγοράς θα αυξηθεί από 1,345 δισ. ευρώ το 2015 σε 3,198 δισ. ευρώ το 2019, με μέσο ρυθμό ανάπτυξης 24%.
Έτσι, με βάση τις αναλύσεις CIO και EMC, μπορούμε να συμπεράνουμε ότι οι αναπτυσσόμενες χώρες του κόσμου θα γίνουν αγορές για την ενεργό ανάπτυξη τεχνολογιών Big Data τα επόμενα χρόνια.

Κύριες τάσεις της αγοράς

Σύμφωνα με την IDG Enterprise, το 2015 οι εταιρείες Big Data θα δαπανήσουν κατά μέσο όρο 7,4 εκατομμύρια δολάρια ανά εταιρεία, οι μεγάλες εταιρείες σκοπεύουν να δαπανήσουν περίπου 13,8 εκατομμύρια δολάρια και οι μικρές και μεσαίες εταιρείες θα δαπανήσουν 1,6 εκατομμύρια δολάρια.
Το μεγαλύτερο μέρος της επένδυσης θα γίνει σε τομείς όπως η ανάλυση δεδομένων, η οπτικοποίηση και η συλλογή δεδομένων.
Σύμφωνα με τις τρέχουσες τάσεις και τη ζήτηση της αγοράς, οι επενδύσεις το 2015 θα χρησιμοποιηθούν για τη βελτίωση της ποιότητας των δεδομένων, τη βελτίωση του σχεδιασμού και των προβλέψεων και την αύξηση της ταχύτητας επεξεργασίας δεδομένων.
Οι εταιρείες του χρηματοοικονομικού τομέα, σύμφωνα με την Insights Analysis της Bain Company, θα πραγματοποιήσουν σημαντικές επενδύσεις, επομένως το 2015 προγραμματίζεται να δαπανηθούν 6,4 δισεκατομμύρια δολάρια ΗΠΑ σε τεχνολογίες Big Data, ο μέσος ρυθμός αύξησης των επενδύσεων θα είναι 22% μέχρι το 2020. Οι εταιρείες του Διαδικτύου σχεδιάζουν να δαπανήσουν 2,8 δισεκατομμύρια δολάρια, με μέσο ρυθμό αύξησης 26% στις δαπάνες Big Data.
Κατά τη διάρκεια της έρευνας του Economist Intelligence Unit, εντοπίστηκαν οι τομείς προτεραιότητας για την ανάπτυξη Big Data το 2014 και τα επόμενα 3 χρόνια, η κατανομή των απαντήσεων έχει ως εξής:

Σύμφωνα με τις προβλέψεις της IDC, οι τάσεις της αγοράς έχουν ως εξής:

• Τα επόμενα 5 χρόνια, το κόστος των λύσεων Big Data που βασίζονται σε cloud θα αυξηθεί 3 φορές πιο γρήγορα από το κόστος των λύσεων εσωτερικής εγκατάστασης. Οι υβριδικές πλατφόρμες αποθήκευσης θα γίνουν δημοφιλείς.
• Η ανάπτυξη των εφαρμογών που χρησιμοποιούν εξελιγμένα και προγνωστικά αναλυτικά στοιχεία, συμπεριλαμβανομένης της μηχανικής μάθησης, θα επιταχυνθεί το 2015, η αγορά τέτοιων εφαρμογών θα αναπτυχθεί 65% ταχύτερα από εφαρμογές που δεν χρησιμοποιούν προγνωστικά αναλυτικά στοιχεία.
• Τα αναλυτικά στοιχεία πολυμέσων θα τριπλασιαστούν το 2015 και θα αποτελέσουν βασικό μοχλό ανάπτυξης για την αγορά τεχνολογίας Big Data.
• Η τάση για εφαρμογή λύσεων για την ανάλυση της συνεχούς ροής πληροφοριών που ισχύει για το Διαδίκτυο των πραγμάτων θα επιταχυνθεί.
• Μέχρι το 2018, το 50% των χρηστών θα αλληλεπιδρά με υπηρεσίες που βασίζονται στη γνωστική πληροφορική.

Οδηγοί αγοράς και περιορισμοί

Οι ειδικοί της IDC εντόπισαν 3 οδηγούς της αγοράς Big Data το 2015:

Σύμφωνα με την έρευνα της Accenture, τα ζητήματα ασφάλειας δεδομένων αποτελούν πλέον το κύριο εμπόδιο για την υιοθέτηση των τεχνολογιών Big Data, περισσότερο από το 51% των ερωτηθέντων επιβεβαίωσαν ότι ανησυχούν για την προστασία των δεδομένων και την ιδιωτική ζωή. Το 47% των εταιρειών ανέφερε την αδυναμία υλοποίησης Big Data λόγω περιορισμένου προϋπολογισμού, το 41% ​​των εταιρειών ανέφερε ως πρόβλημα την έλλειψη ειδικευμένου προσωπικού.

Το Wikibon προβλέπει ότι η αγορά Big Data θα αυξηθεί στα 38,4 δισεκατομμύρια δολάρια το 2015, σημειώνοντας αύξηση 36% από έτος σε έτος. Τα επόμενα χρόνια θα υπάρξει μείωση των ρυθμών ανάπτυξης στο 10% το 2017. Λαμβάνοντας υπόψη αυτές τις προβλέψεις, το μέγεθος της αγοράς το 2020 θα είναι ίσο με 68,7 δισεκατομμύρια δολάρια ΗΠΑ.

Η κατανομή της παγκόσμιας αγοράς Big Data ανά κατηγορία επιχείρησης θα μοιάζει με αυτό:

Όπως μπορείτε να δείτε από το διάγραμμα, το μεγαλύτερο μέρος της αγοράς θα καταληφθεί από τεχνολογίες από τον τομέα της βελτίωσης της εξυπηρέτησης πελατών. Το Spot Marketing θα είναι η νούμερο δύο προτεραιότητα για τις εταιρείες μέχρι το 2019, το 2020, σύμφωνα με την πρόβλεψη του Heavy Reading, θα δώσει τη θέση του σε λύσεις για τη βελτίωση της λειτουργικής αποτελεσματικότητας.
Ο τομέας «βελτίωση εξυπηρέτησης πελατών» θα έχει επίσης τον υψηλότερο ρυθμό ανάπτυξης, με αύξηση 49% ετησίως.
Η πρόβλεψη αγοράς για τους υποτύπους Big Data θα μοιάζει με αυτό:

Το κυρίαρχο μερίδιο αγοράς, όπως φαίνεται από το γράφημα, καταλαμβάνεται από επαγγελματικές υπηρεσίες, οι εφαρμογές με αναλυτικά στοιχεία θα έχουν τον υψηλότερο ρυθμό ανάπτυξης, το μερίδιό τους θα αυξηθεί από το σημερινό 12% σε 18% το 2020 και ο όγκος αυτό το τμήμαθα είναι ίσο με 12,3 δισεκατομμύρια δολάρια ΗΠΑ, το μερίδιο του υπολογιστικού εξοπλισμού, αντίθετα, θα μειωθεί από 20% στο 14% και θα είναι περίπου 9,3 δισεκατομμύρια δολάρια ΗΠΑ το 2020, η αγορά των τεχνολογιών cloud θα αυξηθεί σταδιακά και το 2020 θα φτάσει τα 6,3 δισεκατομμύρια δολάρια, το μερίδιο της αγοράς λύσεων αποθήκευσης δεδομένων, αντίθετα, θα μειωθεί από 15% το 2014 σε 13% το 2020 και σε χρηματικό επίπεδο θα είναι ίσο με 8,9 δισεκατομμύρια δολάρια.
Σύμφωνα με την πρόβλεψη της Insights Analysis της Bain & Company, η διανομή της αγοράς Big Data ανά κλάδο το 2020 θα μοιάζει με αυτό:

• Ο χρηματοπιστωτικός κλάδος θα δαπανήσει 6,4 δισεκατομμύρια δολάρια σε Big Data με μέσο ρυθμό ανάπτυξης 22% ετησίως.
• Οι εταιρείες του Διαδικτύου θα δαπανήσουν 2,8 δισεκατομμύρια δολάρια και μέσο ρυθμό αύξησης κόστους 26% τα επόμενα 5 χρόνια.
• Το κόστος του δημόσιου τομέα θα είναι ανάλογο με το κόστος των εταιρειών του Διαδικτύου, αλλά ο ρυθμός ανάπτυξης θα είναι χαμηλότερος - 22%.
• Ο τομέας των τηλεπικοινωνιών θα αναπτυχθεί με μέσο ρυθμό ανάπτυξης 40% και θα φτάσει τα 1,2 δισεκατομμύρια δολάρια το 2020.

Οι εταιρείες ενέργειας θα επενδύσουν σε αυτές τις τεχνολογίες ένα σχετικά μικρό ποσό - 800 εκατομμύρια δολάρια ΗΠΑ, αλλά ο ρυθμός ανάπτυξης θα είναι ένας από τους υψηλότερους - 54% ετησίως.
Έτσι, οι εταιρείες του χρηματοπιστωτικού κλάδου θα λάβουν μεγάλο μερίδιο της αγοράς Big Data το 2020 και η ενέργεια θα είναι ο ταχύτερα αναπτυσσόμενος τομέας.
Σύμφωνα με τις προβλέψεις των αναλυτών, ο συνολικός όγκος της αγοράς θα αυξηθεί τα επόμενα χρόνια. Η ανάπτυξη της αγοράς θα διασφαλιστεί με την εισαγωγή των τεχνολογιών Big Data στις αναπτυσσόμενες χώρες του κόσμου, όπως φαίνεται από το παρακάτω γράφημα.

Το προβλεπόμενο μέγεθος της αγοράς θα εξαρτηθεί από το πώς αντιλαμβάνονται οι αναπτυσσόμενες χώρες τις τεχνολογίες Big Data, αν θα είναι τόσο δημοφιλείς όσο στις ανεπτυγμένες χώρες. Το 2014, οι αναπτυσσόμενες χώρες του κόσμου αντιπροσώπευαν το 40% των συσσωρευμένων πληροφοριών. Σύμφωνα με την πρόβλεψη της EMC, η τρέχουσα δομή της αγοράς, στην οποία κυριαρχούν οι ανεπτυγμένες χώρες, θα αλλάξει ήδη από το 2017. Σύμφωνα με την EMC analytics, το 2020 το μερίδιο των αναπτυσσόμενων χωρών θα είναι πάνω από 60%.
Σύμφωνα με τη Cisco και την EMC, οι αναπτυσσόμενες χώρες του κόσμου θα εργαστούν ενεργά με τα Big Data, από πολλές απόψεις που θα οφείλεται στη διαθεσιμότητα τεχνολογιών και στη συσσώρευση επαρκούς όγκου πληροφοριών μέχρι το επίπεδο των Big Data. Ο παγκόσμιος χάρτης στην επόμενη σελίδα θα δείχνει την πρόβλεψη ανάπτυξης και το ρυθμό ανάπτυξης των Big Data ανά περιοχή.

ΑΝΑΛΥΣΗ ΤΗΣ ΡΩΣΙΚΗΣ ΑΓΟΡΑΣ

Τωρινή κατάσταση ρωσική αγορά

Σύμφωνα με τα αποτελέσματα μελέτης των CNews Analytics και Oracle, το επίπεδο ωριμότητας της ρωσικής αγοράς Big Data για Πέρυσιτριαντάφυλλο. Οι ερωτηθέντες που αντιπροσώπευαν 108 μεγάλες επιχειρήσεις από διαφορετικούς κλάδους έδειξαν περισσότερα υψηλό βαθμόσυνειδητοποίηση αυτών των τεχνολογιών, καθώς και η υπάρχουσα κατανόηση των δυνατοτήτων τέτοιων λύσεων για την επιχείρησή τους.
Από το 2014, σύμφωνα με την IDC, η Ρωσία έχει συγκεντρώσει 155 exabyte πληροφοριών, που είναι μόνο το 1,8% των παγκόσμιων δεδομένων. Ο όγκος των πληροφοριών έως το 2020 θα φτάσει τα 980 exabyte και θα καταλαμβάνει το 2,2%. Έτσι, ο μέσος ρυθμός αύξησης του όγκου των πληροφοριών θα είναι 36% ετησίως.
Η IDC εκτιμά τη ρωσική αγορά σε 340 εκατομμύρια δολάρια, εκ των οποίων τα 100 εκατομμύρια δολάρια είναι λύσεις SAP, περίπου 240 εκατομμύρια δολάρια είναι παρόμοιες λύσεις από Oracle, IBM, SAS, Microsoft κ.λπ.
Ο ρυθμός ανάπτυξης της ρωσικής αγοράς Big Data είναι τουλάχιστον 50% ετησίως.
Προβλέπεται ότι η θετική δυναμική σε αυτόν τον τομέα της ρωσικής αγοράς πληροφορικής θα συνεχιστεί, ακόμη και στο πλαίσιο μιας γενικής στασιμότητας της οικονομίας. Αυτό οφείλεται στο γεγονός ότι οι επιχειρήσεις συνεχίζουν να απαιτούν λύσεις που μπορούν να βελτιώσουν την αποδοτικότητα της εργασίας, καθώς και να βελτιστοποιήσουν το κόστος, να βελτιώσουν την ακρίβεια των προβλέψεων και να ελαχιστοποιήσουν τους πιθανούς εταιρικούς κινδύνους.
Οι κύριοι πάροχοι υπηρεσιών στον τομέα των Big Data στη ρωσική αγορά είναι:

• Μαντείο
• Microsoft
• cloudera
• Hortonworks
• Teradata.

Επισκόπηση της αγοράς ανά κλάδο και η εμπειρία χρήσης Big Data σε εταιρείες

Σύμφωνα με το CNews, μόνο το 10% των εταιρειών στη Ρωσία έχουν αρχίσει να χρησιμοποιούν τεχνολογίες Big Data, ενώ το μερίδιο τέτοιων εταιρειών στον κόσμο είναι περίπου 30%. Η ετοιμότητα για έργα Big Data αυξάνεται σε πολλούς τομείς της ρωσικής οικονομίας, σύμφωνα με έκθεση των CNews Analytics και Oracle. Πάνω από το ένα τρίτο των εταιρειών που συμμετείχαν στην έρευνα (37%) έχουν αρχίσει να συνεργάζονται Μεγάλες τεχνολογίεςΔεδομένα, μεταξύ των οποίων το 20% χρησιμοποιεί ήδη τέτοιες λύσεις και το 17% αρχίζει να πειραματίζεται με αυτές. Το δεύτερο τρίτο των ερωτηθέντων σε αυτή τη στιγμήεξετάζουν ένα τέτοιο ενδεχόμενο.

Στη Ρωσία, οι τεχνολογίες Big Data είναι πιο δημοφιλείς στον τραπεζικό τομέα και τις τηλεπικοινωνίες, αλλά έχουν επίσης ζήτηση στη βιομηχανία εξόρυξης, την ενέργεια, το λιανικό εμπόριο, τις εταιρείες logistics και τον δημόσιο τομέα.
Στη συνέχεια, θα εξεταστούν παραδείγματα χρήσης μεγάλων δεδομένων στη ρωσική πραγματικότητα.

Τηλεπικοινωνίες
Οι πάροχοι τηλεπικοινωνιών διαθέτουν μία από τις μεγαλύτερες βάσεις δεδομένων, η οποία τους επιτρέπει να πραγματοποιούν την πιο εις βάθος ανάλυση των συσσωρευμένων πληροφοριών.
Ένας από τους τομείς εφαρμογής της τεχνολογίας Big Data είναι η διαχείριση πιστότητας συνδρομητών.
Ο κύριος στόχος της ανάλυσης δεδομένων είναι η διατήρηση των υπαρχόντων πελατών και η προσέλκυση νέων. Για να γίνει αυτό, οι εταιρείες τμηματοποιούν τους πελάτες, αναλύουν την επισκεψιμότητά τους και καθορίζουν την κοινωνική σχέση του συνδρομητή. Εκτός από τη χρήση πληροφοριών για σκοπούς μάρκετινγκ, οι τηλεπικοινωνίες χρησιμοποιούν τεχνολογία για να αποτρέψουν δόλιες οικονομικές συναλλαγές.
Η Vimpelcom είναι ένα από τα λαμπρότερα παραδείγματα αυτού του κλάδου. Η εταιρεία χρησιμοποιεί Big Data για τη βελτίωση της ποιότητας των υπηρεσιών σε επίπεδο κάθε συνδρομητή, την αναφορά, την ανάλυση δεδομένων για την ανάπτυξη δικτύου, την καταπολέμηση των ανεπιθύμητων μηνυμάτων και την εξατομίκευση των υπηρεσιών.

Τράπεζες
Ένα σημαντικό ποσοστό των χρηστών Big Data καταλαμβάνεται από ειδικούς του χρηματοοικονομικού κλάδου. Ένα από τα επιτυχημένα πειράματα πραγματοποιήθηκε στην Ural Bank for Reconstruction and Development, όπου βάση πληροφοριώνάρχισε να χρησιμοποιείται για την ανάλυση πελατών, η τράπεζα άρχισε να προσφέρει εξειδικευμένες προσφορές δανείων, καταθέσεις και άλλες υπηρεσίες. Κατά τη διάρκεια του έτους χρήσης αυτών των τεχνολογιών, το χαρτοφυλάκιο δανείων λιανικής της εταιρείας αυξήθηκε κατά 55%.
Η Alfa-Bank αναλύει πληροφορίες από τα κοινωνικά δίκτυα, επεξεργάζεται αιτήσεις δανείου, αναλύει τη συμπεριφορά των χρηστών της ιστοσελίδας της εταιρείας.
Η Sberbank έχει επίσης αρχίσει να επεξεργάζεται μια σειρά δεδομένων για την τμηματοποίηση των πελατών, την πρόληψη της απάτης, τις διασταυρούμενες πωλήσεις και τη διαχείριση του κινδύνου. Στο μέλλον, σχεδιάζεται η βελτίωση της υπηρεσίας και η ανάλυση των ενεργειών των πελατών σε πραγματικό χρόνο.
Η Πανρωσική Τράπεζα Περιφερειακής Ανάπτυξης αναλύει τη συμπεριφορά των κατόχων πλαστικών καρτών. Αυτό σας επιτρέπει να προσδιορίσετε συναλλαγές που είναι άτυπες για έναν συγκεκριμένο πελάτη, αυξάνοντας έτσι την πιθανότητα εντοπισμού κλοπής χρημάτων από πλαστικές κάρτες.

Λιανεμποριο
Στη Ρωσία, οι τεχνολογίες Big Data έχουν εφαρμοστεί τόσο από διαδικτυακές όσο και από εταιρείες εκτός σύνδεσης. Σήμερα, σύμφωνα με το CNews Analytics, τα Big Data χρησιμοποιούνται από το 20% των λιανοπωλητών. Το 75% των επαγγελματιών λιανικής θεωρεί τα Big Data απαραίτητα για την ανάπτυξη μιας ανταγωνιστικής στρατηγικής για την προώθηση μιας εταιρείας. Σύμφωνα με τα στατιστικά στοιχεία του Hadoop, μετά την εισαγωγή της τεχνολογίας Big Data, το κέρδος στους εμπορικούς οργανισμούς αυξάνεται κατά 7-10%.
Οι ειδικοί του M.Video μιλούν για τη βελτίωση του σχεδιασμού logistics μετά την εφαρμογή του SAP HANA, επίσης, ως αποτέλεσμα της εφαρμογής του, η προετοιμασία των ετήσιων αναφορών μειώθηκε από 10 ημέρες σε 3, η ταχύτητα ημερήσιας φόρτωσης δεδομένων μειώθηκε από 3 ώρες έως 30 λεπτά.
Το Wikimart χρησιμοποιεί αυτές τις τεχνολογίες για να δημιουργήσει προτάσεις για τους επισκέπτες του ιστότοπου.
Ένα από τα πρώτα καταστήματα εκτός σύνδεσης που εισήγαγε την ανάλυση Big Data στη Ρωσία ήταν το Lenta. Με τη βοήθεια του Big Data, το λιανικό άρχισε να μελετά πληροφορίες για πελάτες από ταμειακές αποδείξεις. Ο έμπορος λιανικής συλλέγει πληροφορίες για να δημιουργήσει μοντέλα συμπεριφοράς που επιτρέπουν τη λήψη πιο ενημερωμένων αποφάσεων σε επιχειρησιακό και επιχειρηματικό επίπεδο.

Βιομηχανία πετρελαίου και φυσικού αερίου
Σε αυτόν τον κλάδο, το εύρος των Big Data είναι αρκετά ευρύ. Οι τεχνολογίες Big Data μπορούν να εφαρμοστούν στην εξαγωγή ορυκτών από τα έντερα. Με τη βοήθειά τους, μπορείτε να αναλύσετε την ίδια τη διαδικασία εξόρυξης και τα περισσότερα αποτελεσματικούς τρόπουςτην εξόρυξή του, την παρακολούθηση της διαδικασίας γεώτρησης, την ανάλυση της ποιότητας των πρώτων υλών και την επεξεργασία και εμπορία του τελικού προϊόντος. Στη Ρωσία, αυτές οι τεχνολογίες χρησιμοποιούνται ήδη από την Transneft και τη Rosneft.

Κρατικοί φορείς
Σε χώρες όπως η Γερμανία, η Αυστραλία, η Ισπανία, η Ιαπωνία, η Βραζιλία και το Πακιστάν, χρησιμοποιούνται τεχνολογίες Big Data για την επίλυση εθνικών προβλημάτων. Αυτές οι τεχνολογίες βοηθούν τις δημόσιες αρχές να παρέχουν αποτελεσματικότερα υπηρεσίες στον πληθυσμό, να παρέχουν στοχευμένη κοινωνική υποστήριξη.
Στη Ρωσία, αυτές οι τεχνολογίες άρχισαν να κυριαρχούνται από κρατικούς φορείς όπως Ταμείο συντάξεων, την Ομοσπονδιακή Φορολογική Υπηρεσία και το Ταμείο Υποχρεωτικής Ιατρικής Ασφάλισης. Οι δυνατότητες υλοποίησης έργων που χρησιμοποιούν Big Data είναι μεγάλες· αυτές οι τεχνολογίες θα μπορούσαν να συμβάλουν στη βελτίωση της ποιότητας των υπηρεσιών και, ως εκ τούτου, στο βιοτικό επίπεδο του πληθυσμού.

Logistics και μεταφορών
Τα Big Data μπορούν επίσης να χρησιμοποιηθούν από εταιρείες μεταφορών. Με τη βοήθεια των τεχνολογιών Big Data, είναι δυνατή η παρακολούθηση του στόλου των αυτοκινήτων, η λήψη υπόψη του κόστους καυσίμων και η παρακολούθηση των αιτημάτων των πελατών.
Οι Ρωσικοί Σιδηρόδρομοι εφάρμοσαν τεχνολογίες Big Data μαζί με τη SAP. Αυτές οι τεχνολογίες συνέβαλαν στη μείωση του χρόνου αναφοράς κατά 43,5 φορές (από 14,5 ώρες σε 20 λεπτά) και βελτίωσαν την ακρίβεια της κατανομής του κόστους κατά 40 φορές. Επίσης, τα Big Data εισήχθησαν στις διαδικασίες σχεδιασμού και τιμολογιακής ρύθμισης. Συνολικά, οι εταιρείες χρησιμοποιούν περισσότερα από 300 συστήματα που βασίζονται σε λύσεις SAP, εμπλέκονται 4 κέντρα δεδομένων και ο αριθμός των χρηστών είναι 220.000.

Κύριοι παράγοντες και περιορισμοί της αγοράς

Οδηγοί για την ανάπτυξη τεχνολογιών Big Data στη ρωσική αγορά είναι:

• Αυξημένο ενδιαφέρον των χρηστών για τις δυνατότητες των Big Data ως τρόπο αύξησης της ανταγωνιστικότητας της εταιρείας.
• Ανάπτυξη μεθόδων επεξεργασίας αρχείων πολυμέσων σε παγκόσμιο επίπεδο.
• Επεξεργασία μεταφοράς διακομιστών προσωπικές πληροφορίεςστο έδαφος της Ρωσίας, σύμφωνα με τον εκδοθέντα νόμο για την αποθήκευση και την επεξεργασία δεδομένων προσωπικού χαρακτήρα·
• Εφαρμογή του βιομηχανικού σχεδίου για την υποκατάσταση εισαγωγής λογισμικού. Αυτό το σχέδιοπεριλαμβάνει κρατική υποστήριξη εγχώριους κατασκευαστέςλογισμικού, καθώς και η παροχή προτιμήσεων για εγχώρια προϊόντα πληροφορικής κατά την αγορά με δημόσια δαπάνη.
• Στη νέα οικονομική κατάσταση, όταν το δολάριο έχει σχεδόν διπλασιαστεί, θα υπάρξει μια τάση για αυξανόμενη χρήση των υπηρεσιών των Ρώσων παρόχων υπηρεσίες cloudαπό τα ξένα.
• Δημιουργία τεχνολογικών πάρκων που συμβάλλουν στην ανάπτυξη της αγοράς τεχνολογίας πληροφοριών, συμπεριλαμβανομένης της αγοράς Big Data.
• Κρατικό πρόγραμμα για την εισαγωγή συστημάτων πλέγματος, τα οποία βασίζονται σε τεχνολογίες Big Data.

Τα κύρια εμπόδια στην ανάπτυξη των Big Data στη ρωσική αγορά είναι:

• Διασφάλιση της ασφάλειας και της εμπιστευτικότητας των δεδομένων·
• Έλλειψη ειδικευμένου προσωπικού.
• Ανεπάρκεια συσσωρευμένων πόρων πληροφοριών μέχρι το επίπεδο των Big Data στα περισσότερα Ρωσικές εταιρείες;
• Δυσκολίες στην εισαγωγή νέων τεχνολογιών σε καθιερωμένες Πληροφοριακά συστήματαεταιρείες?
• Το υψηλό κόστος των τεχνολογιών Big Data, το οποίο οδηγεί σε περιορισμένο αριθμό επιχειρήσεων που έχουν την ευκαιρία να εφαρμόσουν αυτές τις τεχνολογίες.
• Η πολιτική και οικονομική αβεβαιότητα οδηγεί σε φυγή κεφαλαίων και πάγωμα επενδυτικά σχέδιασε ρωσικό έδαφος·
• Η αύξηση των τιμών για τα εισαγόμενα προϊόντα και η άνοδος του πληθωρισμού, σύμφωνα με την IDC, εμποδίζουν την ανάπτυξη ολόκληρης της αγοράς πληροφορικής.

Πρόβλεψη της ρωσικής αγοράς

Από σήμερα, η ρωσική αγορά Big Data δεν είναι τόσο δημοφιλής όσο στις ανεπτυγμένες χώρες. Οι περισσότερες ρωσικές εταιρείες δείχνουν ενδιαφέρον για αυτό, αλλά δεν τολμούν να εκμεταλλευτούν τις ευκαιρίες τους.
Παραδείγματα μεγάλων εταιρειών που έχουν ήδη επωφεληθεί από τη χρήση τεχνολογιών Big Data αυξάνουν την επίγνωση των δυνατοτήτων αυτών των τεχνολογιών.
Οι αναλυτές έχουν επίσης αρκετά αισιόδοξες προβλέψεις για τη ρωσική αγορά. Η IDC πιστεύει ότι το μερίδιο της ρωσικής αγοράς τα επόμενα 5 χρόνια θα αυξηθεί, σε αντίθεση με την αγορά της Γερμανίας και της Ιαπωνίας.
Μέχρι το 2020, ο όγκος των Μεγάλων Δεδομένων στη Ρωσία θα αυξηθεί από το σημερινό 1,8% στο 2,2% του παγκόσμιου όγκου δεδομένων. Ο όγκος των πληροφοριών θα αυξηθεί, σύμφωνα με την EMC, από τα σημερινά 155 exabyte σε 980 exabyte το 2020.
Αυτή τη στιγμή, η Ρωσία συνεχίζει να συγκεντρώνει τον όγκο των πληροφοριών στο επίπεδο των Big Data.
Σύμφωνα με έρευνα του CNews Analytics, το 44% των εταιρειών που συμμετείχαν στην έρευνα εργάζονται με δεδομένα όχι μεγαλύτερα από 100 terabyte* και μόνο το 13% εργάζεται με όγκους άνω των 500 terabyte.

Ωστόσο, η ρωσική αγορά, ακολουθώντας τις παγκόσμιες τάσεις, θα αυξηθεί. Από το 2014, η IDC εκτιμά το μέγεθος της αγοράς σε 340 εκατομμύρια δολάρια.
Ο ρυθμός ανάπτυξης της αγοράς για τα προηγούμενα χρόνια ήταν 50% ετησίως, εάν παραμείνει στα ίδια επίπεδα, τότε το 2018 ο όγκος της αγοράς θα φτάσει τα 1,7 δισεκατομμύρια δολάρια ΗΠΑ. Το μερίδιο της ρωσικής αγοράς στην παγκόσμια αγορά θα είναι περίπου 3%, έχοντας αυξηθεί από το σημερινό 1,2%.

Οι πιο δεκτικοί κλάδοι στη χρήση Big Data στη Ρωσία περιλαμβάνουν:

• Το λιανικό εμπόριο και οι τράπεζες, για αυτούς, πρώτα απ 'όλα, είναι σημαντικό να αναλύσουν τη βάση πελατών, να αξιολογήσουν την επίδραση των εκστρατειών μάρκετινγκ.
• Τηλεπικοινωνίες - Τμηματοποίηση βάσης πελατών και δημιουργία εσόδων από την κυκλοφορία.
• Δημόσιος τομέας - αναφορά, ανάλυση αιτήσεων από το κοινό, κ.λπ.
• Εταιρείες πετρελαίου - παρακολούθηση εργασιών και προγραμματισμός παραγωγής και εμπορίας.
• Ενεργειακές εταιρείες - δημιουργία ευφυών συστημάτων ηλεκτρικής ενέργειας, λειτουργική παρακολούθηση και πρόβλεψη.

Στις ανεπτυγμένες χώρες, τα Big Data έχουν γίνει ευρέως διαδεδομένα στους τομείς της υγειονομικής περίθαλψης, της ασφάλισης, της μεταλλουργίας, των εταιρειών Διαδικτύου και των μεταποιητικών επιχειρήσεων, πιθανότατα στο εγγύς μέλλον, οι ρωσικές εταιρείες από αυτές τις περιοχές θα εκτιμήσουν επίσης την επίδραση της εφαρμογής Big Data και θα τα προσαρμόσουν τεχνολογίες στους κλάδους τους.
Στη Ρωσία, καθώς και στον κόσμο, στο εγγύς μέλλον θα υπάρξει μια τάση για οπτικοποίηση δεδομένων, ανάλυση αρχείων πολυμέσων και ανάπτυξη του Διαδικτύου των πραγμάτων.
Παρά τη γενική στασιμότητα της οικονομίας, τα επόμενα χρόνια, οι αναλυτές προβλέπουν περαιτέρω ανάπτυξη στην αγορά Big Data, κυρίως λόγω του γεγονότος ότι η χρήση τεχνολογιών Big Data δίνει στους χρήστες της ανταγωνιστικό πλεονέκτημα όσον αφορά την αύξηση της λειτουργικής αποτελεσματικότητας των επιχειρήσεις, προσελκύοντας πρόσθετη ροή πελατών, ελαχιστοποιώντας τους κινδύνους και εφαρμογή τεχνολογιών πρόβλεψης δεδομένων.
Έτσι, μπορούμε να συμπεράνουμε ότι το τμήμα Big Data στη Ρωσία βρίσκεται στο στάδιο του σχηματισμού, αλλά η ζήτηση για αυτές τις τεχνολογίες αυξάνεται κάθε χρόνο.

Κύρια αποτελέσματα της ανάλυσης αγοράς

Παγκόσμια αγορά

Στο τέλος του 2014, η αγορά Big Data χαρακτηρίζεται από τις ακόλουθες παραμέτρους:

• Ο όγκος της αγοράς ανήλθε σε 28,5 δισεκατομμύρια δολάρια ΗΠΑ, σημειώνοντας αύξηση 45% σε σύγκριση με το προηγούμενο έτος.
• Το μεγαλύτερο μέρος των εσόδων της αγοράς Big Data αποτελούνταν από υπηρεσίες, το μερίδιό τους ήταν ίσο με το 40% των συνολικών εσόδων.
• Το 36% των εσόδων προήλθε από εφαρμογές Big Data και analytics, 17% από υπολογιστικό υλικό και 15% από τεχνολογίες αποθήκευσης.
• Οι πλατφόρμες στη μνήμη εταιρειών όπως οι SAP, HANA και Oracle είναι οι πιο δημοφιλείς για την επίλυση προβλημάτων Big Data.
• ο αριθμός των εταιρειών με υλοποιημένα έργα στον τομέα της διαχείρισης Big Data αυξήθηκε κατά 125%.

Η πρόβλεψη της αγοράς για τα επόμενα χρόνια έχει ως εξής:

• το 2015 ο όγκος της αγοράς θα φτάσει τα 38,4 δισεκατομμύρια δολάρια ΗΠΑ, το 2020 - 68,7 δισεκατομμύρια δολάρια ΗΠΑ.
• ο μέσος ρυθμός ανάπτυξης θα είναι 16% ετησίως.
• Η μέση εταιρική δαπάνη για τεχνολογίες Big Data θα είναι 13,8 εκατομμύρια δολάρια για μεγάλες εταιρείες και 1,6 εκατομμύρια δολάρια για μικρές και μεσαίες επιχειρήσεις.
• Οι τεχνολογίες θα έχουν τη μεγαλύτερη επικράτηση στους τομείς της εξυπηρέτησης πελατών και του στοχευμένου μάρκετινγκ·
• το 2017, η δομή της παγκόσμιας αγοράς θα αλλάξει προς την επικράτηση εταιρειών χρηστών από αναπτυσσόμενες χώρες.

ρωσική αγορά

Η ρωσική αγορά Big Data βρίσκεται στο στάδιο της διαμόρφωσης, τα αποτελέσματα του 2014 έχουν ως εξής:

• ο όγκος της αγοράς έφτασε τα 340 εκατομμύρια δολάρια ΗΠΑ.
• ο μέσος ρυθμός ανάπτυξης της αγοράς τα προηγούμενα χρόνια ήταν 50% ετησίως.
• Ο συνολικός όγκος των συσσωρευμένων πληροφοριών ήταν 155 exabyte.
• Το 10% των ρωσικών εταιρειών έχουν αρχίσει να χρησιμοποιούν τεχνολογίες Big Data.
• Οι τεχνολογίες Big Data ήταν πιο δημοφιλείς στον τραπεζικό τομέα, τις τηλεπικοινωνίες, τις εταιρείες Διαδικτύου και το λιανικό εμπόριο.

Η πρόβλεψη για τη ρωσική αγορά για τα επόμενα χρόνια έχει ως εξής:

• ο όγκος της ρωσικής αγοράς το 2015 θα φτάσει τα 500 εκατομμύρια δολάρια ΗΠΑ και το 2018 - 1,7 δισεκατομμύρια δολάρια ΗΠΑ.
• το μερίδιο της ρωσικής αγοράς στην παγκόσμια αγορά θα είναι περίπου 3% το 2018.
• ο όγκος των συσσωρευμένων δεδομένων το 2020 θα είναι 980 exabyte.
• Τα δεδομένα θα αυξηθούν στο 2,2% των παγκόσμιων δεδομένων το 2020.
• τεχνολογίες οπτικοποίησης δεδομένων, ανάλυση αρχείων πολυμέσων και το Διαδίκτυο των πραγμάτων θα αποκτήσουν τη μεγαλύτερη δημοτικότητα.

Με βάση τα αποτελέσματα της ανάλυσης, μπορούμε να συμπεράνουμε ότι η αγορά Big Data βρίσκεται ακόμη στα αρχικά στάδια ανάπτυξής της και στο εγγύς μέλλον θα παρατηρήσουμε την ανάπτυξή της και την επέκταση των δυνατοτήτων αυτών των τεχνολογιών.

Σας ευχαριστούμε που αφιερώσατε χρόνο για να διαβάσετε αυτό το ογκώδες έργο, εγγραφείτε στο blog μας - υποσχόμαστε πολλές νέες ενδιαφέρουσες δημοσιεύσεις!

Ομιλητής: Philip Katz

Συνεντευκτής: Alexey Karlinsky

Πολλές φορές πιστεύαμε τις υποσχέσεις της επιστημονικής φαντασίας για ένα απίστευτο μέλλον, και κάθε φορά οι ελπίδες μας γκρεμίζονταν από ένα βαρετό παρόν. Ζούμε ακόμα στη γη και τα αυτοκίνητά μας δεν πετούν στον αέρα. «Ξαναπατηθήκαμε!» - σκεφτόμαστε, και πίσω από όλες αυτές τις φαντασιώσεις χάνουμε και πάλι τη στιγμή που έρχεται πραγματικά το μέλλον.

Αυτή τη φορά συνέβη με την έλευση των Big Data. Μπορούμε να τους αγνοήσουμε, αλλά δεν μπορούμε πλέον να αρνηθούμε τον αντίκτυπό τους στη ζωή μας. Ο Phillip Katz, αρχιτέκτονας και ειδικός στα Big Data, λέει πώς τα Big Data άλλαξαν αθόρυβα τις πόλεις μας και τον τρόπο που ζούμε σε αυτές.

Ένας πολυεπιστημονικός ειδικός, αρχιτέκτονας στην εκπαίδευση, ο Philip είναι ειδικός στα Big Data. Απόφοιτος του Πανεπιστημίου Αρχιτεκτονικής του Καζάν, Ινστιτούτο Μέσων Μαζικής Ενημέρωσης, Αρχιτεκτονικής και Σχεδίου Strelka, ένας από τους ιδρυτές του έργου Branch Point. Διδάσκει στο Εθνικό Ερευνητικό Πανεπιστήμιο Τεχνολογιών Πληροφορικής, Μηχανικής και Οπτικής της Αγίας Πετρούπολης και ασχολείται με την ανάλυση δεδομένων για την Rambler&Co.

Κλείσε

Philip, πες μας πώς χρησιμοποιούνται οι τεχνολογίες Big Data στον αρχιτεκτονικό σχεδιασμό και τον πολεοδομικό σχεδιασμό σήμερα;

Ας ξεκινήσουμε από το γεγονός ότι πριν από τέσσερα χρόνια, όταν σπούδαζα στη Strelka, στη Ρωσία, τουλάχιστον, κανείς δεν ήξερε για τα Big Data. Ο κόσμος μιλάει μόνο για αυτούς. Ένα χρόνο αργότερα, στη Ρωσία, όλοι γνώριζαν γι 'αυτούς και είχαν αρρωστήσει μαζί τους. Μου φαίνεται ότι αυτό είναι σε μεγάλο βαθμό μια παραδοσιακή δυναμική - πότε νέα τεχνολογίαανεβαίνει σε ένα βάθρο, επαινείται και τότε πολύ γρήγορα εμφανίζεται ο σκεπτικισμός εναντίον της. Η τεχνολογία γκρεμίζεται από το βάθρο της και μετά ενσωματώνονται στην κοινωνία με πιο χαλαρό τρόπο.

Αν μιλάμε για αρχιτεκτονικές ή πολεοδομικές αναλύσεις, τότε μου φαίνεται ότι σήμερα αυτό είναι ένα είδος συμβιβασμού μεταξύ σύγχρονες τεχνολογίεςκαι παραδοσιακή ανάλυση. Για παράδειγμα, πριν από ένα χρόνο βοηθούσα έναν φίλο μου να συμμετάσχει σε έναν αρχιτεκτονικό διαγωνισμό για φοιτητές στις Ηνωμένες Πολιτείες. Για αυτούς, ο διευθυντής της πόλης παρείχε αρχεία GIS με αρκετά καλή περιγραφήδεδομένα: διαδρομές μεταφοράς, ο όγκος αυτών των διαδρομών, όπου εμφανίζονται λακκούβες κάθε χρόνο, όπου πλημμυρίζει κάθε πέντε χρόνια, όπου υπάρχουν τετράγωνα με υψηλό επίπεδο φόρων, όπου υπάρχουν μπλοκ με υψηλό ποσοστό μαύρων. Στις Ηνωμένες Πολιτείες, η λεπτομέρεια των στατιστικών είναι υψηλή και τα δεδομένα συνοψίζονται αρκετά καλά, οπότε ακόμη και στο επίπεδο του διαγωνιστικού έργου, θα μπορούσαμε να έχουμε κάποια πράγματα έτοιμα. Δεν χρειάστηκε να συλλεχθούν ή να αναλυθούν.

Τα περισσότερα από τα πιο χρήσιμα αναλυτικά στοιχεία, κατά τη γνώμη μου, συνοψίζονται στο γεγονός ότι παίρνετε ορισμένα δεδομένα ως δεδομένα και σχεδιάζετε με βάση αυτά. Και παρόλο που τα δεδομένα μπορεί να είναι ίδια για όλους, εξακολουθούν να διαβάζονται και να κατανοούνται με εντελώς διαφορετικούς τρόπους.

Η Google ισχυρίζεται ότι τα αυτοκίνητά της μπορούν να μειώσουν τον αριθμό των τροχαίων ατυχημάτων και να βοηθήσουν στην αποτελεσματικότερη χρήση καυσίμων και χώρου στους δρόμους / φωτογραφία: Google.com

Πώς χρησιμοποιήσατε τις τεχνολογίες Big Data στην πρακτική σας;

Εμείς για πολύ καιρόέκανα το έργο "Branch Point" με τους συναδέλφους μου Edik Khaiman και Sasha Boldyreva - προσπάθησαν με κάποιο τρόπο να συζητήσουν και να αναπτύξουν τον ψηφιακό σχεδιασμό και, φυσικά, τότε το κοινό μας υποτιθέμενο όνειρο και απώτερος στόχος ήταν ο σχεδιασμός με βάση τις παραμέτρους. Ταυτόχρονα, το απόλυτο όνειρό μας ήταν ακριβώς να βρούμε νέες επίσημες λύσεις βασισμένες σε κάποιον περίπλοκο κώδικα που θα κάλυπτε τις απαιτήσεις μας, αλλά η μορφή του αποτελέσματος δεν θα ήταν αυτή που θέσαμε, αλλά κάποια απροσδόκητη - όμορφη.

Το Analytics είναι ένα είδος τέχνης, όπου σε κάθε περίπτωση ο αλγόριθμος για την εργασία με δεδομένα είναι μια εικόνα

Στην ώριμη εποχή του έργου, όλοι καταλάβαμε ότι αυτό το όνειρο όχι μόνο ήταν ανέφικτο, αλλά μάλλον η ιδέα ότι ένα κτίριο θα έπρεπε να σχεδιαστεί πλήρως με βάση μόνο δεδομένα ήταν αμφιλεγόμενη. Είναι μάλλον κάτι για το οποίο πρέπει να επιδιώκετε, αλλά καταλάβετε ότι δεν θα φτάσετε ποτέ εκεί.

Εδώ προκύπτει μια σημαντική διαλεκτική στιγμή για μένα. Ας υποθέσουμε ότι φτιάχνουμε έναν αλγόριθμο και καταλαβαίνουμε ότι, πρώτα απ 'όλα, λόγω γενετικών απαιτήσεων, απαιτεί αρκετά απλές, αλλά και πάλι τυπικές παραμέτρους. Και σε ένα σύνθετο σύστημα, και ένα κτίριο ή μια συνοικία είναι ένα πολύπλοκο σύστημα, εμφανίζονται αμέσως πολλές τέτοιες παράμετροι που πρέπει να έρθουν σε έναν κοινό παρονομαστή. Χρειάζεστε πάντα μια κύρια επίσημη χειρονομία, κάποια μορφή: έναν κύλινδρο ή ένα παραλληλεπίπεδο, πυραμίδες και ούτω καθεξής.

Αν δούμε τη δουλειά της Zaha Hadid, τότε υπάρχει πάντα κάποια κομψή επίσημη χειρονομία στην καρδιά του έργου. Στη συνέχεια μπορεί να τροποποιηθεί ψηφιακά, αλλά παραμένει πάντα στην καρδιά των πάντων και ανήκει στην πένα του συγγραφέα. Ο γενετικός αλγόριθμος μπορεί στη συνέχεια να επιλέξει την καλύτερη από τις προκύπτουσες επιλογές, αλλά δεν θα μπορέσει ποτέ να τις εφεύρει.

Δηλαδή, στην καρδιά του σχεδιασμού θα βρίσκεται πάντα η ανθρώπινη βούληση. Πώς, σε αυτή την περίπτωση, θα αλλάξει ο βαθμός της ανθρώπινης συμμετοχής στο σχεδιασμό με την ανάπτυξη των Big Data;

Στο μέλλον, βλέπω κάποιο είδος αναλυτικού κινητήρα - μεγάλο και πολύπλοκο κβαντικός υπολογιστής, για παράδειγμα, ή τηλεπαθητικοί και παραψυχολόγοι, βυθισμένοι σε θαλάμους στέρησης, που προβλέπουν κάτι ή προτείνουν κάτι που αξίζει να προσέξουμε.

Νομίζω ότι ένα άτομο δεν θα αποσπαστεί ποτέ από τη διαδικασία. Όλα αυτά τα πράγματα (μέθοδοι ανάλυσης Big Data) ονομάζονται αλγόριθμοι βοήθειας απόφασης και η ουσία τους συνίσταται στην εξάλειψη ανωμαλιών στη δυναμική των διαδικασιών όσο το δυνατόν πιο αποτελεσματικά και στην ελαχιστοποίηση του ποσοστού τεχνικής εργασίας ανά άτομο. Ένας αναλυτής πρέπει να είναι ειδικός στην εργασία μαζί τους, και οι αλγόριθμοι μπορούν να του φέρουν τα πάντα σε μια ασημένια πιατέλα, εκτός, στην πραγματικότητα, τη λύση. Φυσικά, υπάρχει ένα τεχνικό όριο για την είσοδο σε αυτόν τον κλάδο, αλλά η ίδια η ανάλυση είναι μια μορφή τέχνης, όπου ο αλγόριθμος για την εργασία με δεδομένα είναι μια εικόνα. Αριστούργημα.

Τα drones εξοπλισμένα με κάμερα μπορούν να περιπολούν ανεξάρτητα μια δεδομένη περιοχή και να μεταφέρουν εικόνες στο κέντρο πληροφοριών σε πραγματικό χρόνο / φωτογραφία: Kevin Baird / Flickr.com

Τα Big Data δεν μπορούν να καλύψουν όλες τις πληροφορίες. Πώς να αντιμετωπίσετε ό,τι δεν λαμβάνεται υπόψη κατά την ανάλυση Big Data;

Πράγματι, οι αναλυτές συχνά επικρίνονται επειδή περιγράφουν μόνο αυτούς που είναι συνδεδεμένοι στο Διαδίκτυο και όσοι δεν είναι συνδεδεμένοι στο Διαδίκτυο αποκλείονται από την ανάλυση. Αυτό είναι απολύτως αλήθεια, αλλά έχει τη δική του αμυντική λογική. Μιλώντας κυνικά, αν δεν γνωρίζουμε τα προβλήματα μιας γιαγιάς που ντρέπεται να γράψει στο Διαδίκτυο επειδή δεν το έχει συνηθίσει, τότε μπορούμε να αγνοήσουμε τα προβλήματά της, απλά γιατί αν χρησιμοποιήσουμε αυτήν την προσέγγιση, τότε είτε η γιαγιά είτε εκείνη εγγονός θα τη στηρίξει, γράψε τελικά.

Ένα άλλο πρόβλημα έγκειται στο γεγονός ότι οποιαδήποτε τεχνολογία για τη συλλογή ή την αποθήκευση δεδομένων είναι πάντα ο πρώτος παράγοντας σφάλματος. Ταυτόχρονα, είναι κατ' αρχήν αδύνατο να παρακολουθήσουμε όλη την πολυπαραγοντικότητα - γιατί οι άνθρωποι έπαιζαν με αυτόν τον τρόπο και όχι με άλλο τρόπο. Στην αρχή, τα Big Data δεν δίνουν απάντηση. Σας επιτρέπουν να κάνετε σοβαρές ερωτήσεις.

Πώς αλλάζει την αντίληψή μας για την πόλη η ευκαιρία να κάνουμε ερωτήσεις με νέους τρόπους;

Ο Έντουαρντ Χάιμαν επινόησε κάποτε τον όρο «πλαγκόπολη». Η ιδέα είναι ότι η σύγχρονη πόλη γίνεται όλο και πιο προορατική και δυναμική. Σήμερα είναι ένα είδος περιβάλλοντος με δικές του ροές, κινήσεις, όπου το υγρό που ξεχειλίζει στα αγγεία αυτορυθμίζεται συνεχώς. Ταυτόχρονα, μπορείτε να πιάσετε μόνο ένα σημείο και να το διορθώσετε πολύ υπό όρους. Θα αλλάξει αμέσως τον εαυτό του και θα αλλάξει άλλα σημεία γύρω του. Για μένα, αυτή η ιδέα είναι ένα αρκετά πρακτικό πράγμα για να δουλέψω. Τώρα γίνεται σαφές ότι δεν μπορούμε πλέον να αντιληφθούμε την πόλη ως κάτι μηχανικό.

Είναι αποδεκτή αυτή η ιδέα στον ρωσικό πολεοδομικό σχεδιασμό;

Σε επίπεδο πολεοδομικού σχεδιασμού με αυτή τη ρωσική έννοια, αυτό δεν είναι προφανές. Με τον ένα ή τον άλλο τρόπο, ξεκινάμε χαράσσοντας μονοπάτια, δρόμους και πιστεύουμε ότι αυτό θα γίνει στο τέλος. Στην καλύτερη περίπτωση, αρχίζουμε να πιστεύουμε ότι πρέπει να ελέγξουμε πώς να το κάνουμε σωστά και τότε είτε θα είναι ο τρόπος που σχεδιάζουμε, είτε οι ίδιοι οι άνθρωποι θα ξανακάνουν τα πάντα αργότερα.

Τα Big Data δεν δίνουν απάντηση. Σας επιτρέπουν να κάνετε σοβαρές ερωτήσεις.

Γενικά, οι ισχυρισμοί που βασίζονται σε στερεότυπα και αφηρημένες ιδέες είναι πολύ ενοχλητικοί σήμερα. Εξάλλου, αρχιτέκτονες και πολεοδόμοι, πρώτα από όλα με τρελαίνουν. Λένε απλώς ότι «οι πεζοί είναι καλύτεροι από τους αυτοκινητιστές» ή ότι «οι δημιουργικές επιχειρήσεις θα μετατρέψουν ένα βιομηχανικό πάρκο σε επίγειο παράδεισο». Θα ήθελα να έχω έναν βασικό υπολογισμό πίσω από οποιοδήποτε από αυτά τα πράγματα, γιατί μπορεί να είναι έτσι, αλλά μπορεί να μην είναι έτσι, και στις περισσότερες περιπτώσεις είναι κατά κάποιο τρόπο λάθος.

Πώς μπορούν τότε τα Big Data να μας βοηθήσουν να κατανοήσουμε καλύτερα την πόλη;

Η πόλη είναι πάντα ένας ελέφαντας από ένα παραμύθι για τους τυφλούς, που προσπαθούν να την περιγράψουν με την αφή. Πάντα δουλεύουμε με τον ίδιο τρόπο - κάποιος πιάνει από τον κώλο, κάποιον από το αυτί, κάποιος από τον κορμό. Και όλοι την ίδια στιγμή λένε ότι βλέπει έναν ελέφαντα. Στην περίπτωσή μας, όλοι πιστεύουμε επίσης ότι έχουμε όραση και γνωρίζουμε τι είναι πόλη.

Τα Big Data μας προστατεύουν από το να αγγίζουμε μόνο ένα μέρος, μας δίνουν την ευκαιρία να φανταστούμε χονδρικά το γενικό σχήμα ενός ελέφαντα και να καταλάβουμε ότι αγγίζουμε περίπου αυτό το μέρος, αλλά υπάρχουν και άλλα. Λαμβάνω τεράστιες αναφορές για την πόλη και μπορώ πάντα να μπω σε ορισμένες συγκεκριμένες δέκα γραμμές δεδομένων, να κοιτάξω και να ρωτήσω: γιατί συμβαίνει αυτό; Συνήθως αυτό γίνεται η αρχή για κάποιου είδους έρευνα, έρευνα, ιστορία.

Τα δεδομένα GIS σε συνδυασμό με αλγόριθμους χωρικής μοντελοποίησης βοηθούν στην πρόβλεψη του επιπέδου απομόνωσης σε μια επιλεγμένη περιοχή / φωτογραφία: Trevor Patt / Flickr.com

Αυτές οι σκέψεις εμπνευσμένες από τα Big Data εκφράζονται με κάποιο τρόπο σε πραγματικά έργα αργότερα;

Υπάρχει η λεγόμενη μέθοδος «αστικός βελονισμός». Η ουσία του έγκειται στο γεγονός ότι οι κόμβοι πόνου αναζητούνται στην πόλη και σε αυτούς τους μικρούς κόμβους - σε χώρους το πολύ ενός τετραγώνου, και κατά προτίμηση σε ένα κτίριο, ή ακόμα και σε κάποια μικρή περιοχή μεταξύ των κτιρίων - κάποιο είδος αλλαγής είναι φτιαγμένο. Λόγω του μεγέθους του προϋπολογισμού, είναι εντελώς μικροσκοπικός και οι αλλαγές για την πόλη συνολικά, αν υπολογιστούν σωστά αυτοί οι κόμβοι, είναι τεράστιες.

Παρόλο Ο "αστικός βελονισμός" σήμερα είναι μάλλον ένα κερδοσκοπικό έργο, ήδη τώρα υπάρχουν έξυπνοι χωροταξικές λύσεις, με φανάρια σε ένα ενιαίο σύστημα, για παράδειγμα. Σε συνδυασμό με έξυπνους δρόμους, σας επιτρέπουν να αλλάξετε τον χώρο και αυτό μπορεί να προκαλέσει απροσδόκητες εξατμίσεις. Ακόμη και σήμερα, πραγματοποιείται η ρομποτοποίηση των βιομηχανιών και αυτό προσθέτει αξία. Αν τώραdronesθα ξεκινήσει η μεταφορά εμπορευμάτων και μετά η αστική επιμελητείαsmerdzhitsya (από τα αγγλικά για συγχώνευση — "συγχώνευση"— A.K.)- και υπάρχουν αριθμοί, και εδώ είναι αριθμοί. Θα είναι σίγουρα πολύ πιο εύκολο να δουλέψετε με αυτό παρά με ζωντανούς οδηγούς φορτηγών.

Η τεχνολογία από την οποία εμπνέομαι αυτή τη στιγμή, και ελπίζω να βγει κάτι αρχιτεκτονικό, είναι νέο έργο Amazon όταν αξίζει έξυπνο ηχείοστο κέντρο του σπιτιού, που ακούει όλες τις ερωτήσεις σας και τις απαντά. Κάτι σαν τη Siri, μόνο μέσα στο σπίτι. Αυτή η τεχνολογία είναι πιθανό να αλλάξει την αίσθηση του χώρου της πόλης περισσότερο από οποιονδήποτε αλγόριθμο.

Άρα η πόλη θα βασίζεται όλο και περισσότερο στο λογισμικό;

Ακριβώς. Τώρα το I/O και οι διάφορες διεπαφές για τη λήψη πληροφοριών από ένα άτομο αλλάζουν πολύ θεσμικά. Από την άποψή μου, η υπηρεσία για να καλέσω ένα φτηνό ταξί αλλάζει τη ζωή μου πολύ περισσότερο από το 90 τοις εκατό των αποφάσεων πολεοδομικού σχεδιασμού. Τα ταξί αλλάζουν πολύ στην αντίληψή μου για την πόλη. Παρά την προηγούμενη εμπειρία, με την έλευση του Yandex. Το ταξί και ο ανταγωνισμός των υπηρεσιών ταξί αποδείχτηκε ότι οι οδηγοί ταξί μας είναι ευγενικοί, και τα χρήματα είναι συγκεκριμένα, και αντιδρούν γρήγορα - καθόλου όπως σε καμία Νέα Υόρκη.

Η φθηνή υπηρεσία ταξί αλλάζει τη ζωή μου πολύ περισσότερο από το 90 τοις εκατό των αποφάσεων πολεοδομικού σχεδιασμού

Νομίζω ότι η πιο σημαντική υπηρεσία που θα μπορούσε να αποφέρει τεράστια κέρδη από την υπαρξία είναι η πορνεία. Ο υποθετικός χρήστης είναι ντροπαλός και ίσως γι' αυτό πολλοί άνθρωποι δεν χρησιμοποιούν τις υπηρεσίες ιερόδουλων - τους φαίνεται κάτι επικίνδυνο, τρομακτικό και ακατανόητο. Κάθονται στο τηλέφωνό τους - σίγουρα θα ήταν πολύ πιο εύκολο για αυτούς. Φυσικά, αυτό θα έπαιρνε αμέσως ψωμί από τους μαστροπούς και θα άλλαζε εντελώς την επιχείρηση. Απλά κολοσσιαίο! Νομίζω ότι αυτό θα συμβεί σύντομα σε κάποια φιλελεύθερη χώρα.

Πιστεύετε ότι οι άνθρωποι θα μπορούν να εργαστούν προσωπικά με τεχνολογίες Big Data στο μέλλον;

Νομίζω ότι όλα οδηγούν σε αυτό. Η τεχνολογική πολυπλοκότητα θα αυξηθεί, και αυτό είναι κατανοητό, αλλά στην πράξη, θα μάθουμε πώς να το συσκευάζουμε σωστά. Λεπτές διεπαφές(από το αγγλικό sleek— λεπτός, χαριτωμένος— A.K.)σήμερα, σε κάποιο βαθμό, απλοποιούν την αντίληψή μας για το πώς συμβαίνουν όλα. Εδώ είναι ένα κουμπί, εδώ είναι ένα pipka, και αυτό είναι. Σήμερα, όσο περισσότερα μπορείς να κρυφτείς από τον μέσο άνθρωπο χωρίς να χάσεις τη λειτουργία, τόσο το καλύτερο, γιατί ο κόσμος τρομάζει λίγο από όλη αυτή την πολυπλοκότητα. Αν και η γνωστή τεχνολογία, όπως στο Minority Report, δεν εμφανίστηκε, αλλά αισθησιακά η ταινία περιγράφει πολύ σωστά τι θα συμβεί τώρα.

Τι θα είναι? Τι πιστεύετε ότι θα αντιμετωπίσουν τα μεγάλα δεδομένα στο εγγύς μέλλον;

Εμφανίστηκαν ως ένα είδος μοδάτου θέματος και τώρα σιγά σιγά σβήνουν, γιατί τα πιο προφανή πράγματα έχουν ήδη γίνει. Επιπλέον, θα χρειαστεί να επεξεργαστούμε τους τεχνικούς μηχανισμούς στη μεθοδολογία - όχι σε ρομαντική, αλλά σε χρηστική μορφή. Σε πέντε χρόνια, είμαι σίγουρος ότι θα υπάρξει μια αρκετά καλοπληρωμένη και, ίσως, μάλλον βαρετή θέση κάποιου είδους ψηφιακού αναλυτή στο γραφείο του δημάρχου, σε υπουργεία και επιχειρήσεις.

Ταυτόχρονα, τα Big Data έχουν μια συγκεκριμένη ασθένεια. Υπάρχουν άνθρωποι που καταλαβαίνουν τι κάνουν, και υπάρχουν άνθρωποι που τρέφονται με αυτό, που δεν καταλαβαίνουν πραγματικά πώς λειτουργούν τα Μεγάλα Δεδομένα. Μια τρύπα μεταξύ επαγγελματιών τεχνολόγων και ανθρώπων που καταλαβαίνουν γιατί μπορεί να συμβούν όλα αυτά υπάρχει πάντα σε οποιαδήποτε επιχείρηση, σε οποιαδήποτε επιστήμη, και αυτό, φυσικά, είναι ένα συγκεκριμένο πρόβλημα. Οι άνθρωποι που γνωρίζουν την τεχνολογική πλευρά και πειραματίζονται με νέες λύσεις σπάνια κάνουν πραγματικά χρήσιμα πράγματα, και οι άνθρωποι που ξέρουν πώς να εφαρμόζουν αυτές τις εξελίξεις επίσης δεν μπορούν να δημιουργήσουν μόνοι τους ένα ποιοτικό προϊόν. Επομένως, ο μόνος τρόπος ανάπτυξης όταν εργάζεστε με Big Data είναι να βρείτε νέους τρόπους αλληλεπίδρασης μεταξύ ειδικών.

Η MegaFon ανέπτυξε και παρείχε για χρήση από τις θυγατρικές των Ρωσικών Σιδηροδρόμων μια δοκιμαστική έκδοση της υπηρεσίας για την ανάλυση της επιβατικής κίνησης με βάση μεγάλα δεδομένα, αναφέρει η RBC αναφερόμενη στον Maxim Motin, εκπρόσωπο της εταιρείας. Το εργαλείο βοηθά στον προσδιορισμό του μεγέθους και λεπτομερείς προδιαγραφέςαγορά μεταφορών, καθώς και το μερίδιο της μεταφορικής εταιρείας σε αυτήν σε τρόπο κοντά σε πραγματικό χρόνο.

Τώρα βρίσκονται σε εξέλιξη προπαρασκευαστικές εργασίες για την εφαρμογή ενός συστήματος για την ανάλυση Big Data, επιβεβαίωσε ο Oleg Yemchenko, επικεφαλής του τμήματος συστημάτων ERP (σύστημα σχεδιασμού πόρων για επιχειρήσεις) του τμήματος τεχνολογίας πληροφοριών του FPC RZD. «Αυτό μπορεί να πραγματοποιηθεί μόνο σε ένα συγκεκριμένο έργο το 2016», είπε ο Yemchenko.

Η υπηρεσία Megafon geoanalytics ξεκίνησε το 2013 και ο αρχικός στόχος ήταν η πρόβλεψη των φορτίων του δικτύου. Με τη βοήθειά του, μπορείτε να υπολογίσετε τον ακριβή όγκο της επιβατικής κίνησης, να λάβετε πληροφορίες για τις διαδρομές (ποιος, πότε, πού και πού πηγαίνει), διάταξη ανά τύπο μεταφοράς. Η υπηρεσία αξιολογεί επίσης τη φερεγγυότητα των επιβατών και τη φύση του ταξιδιού (επαγγελματικά ταξίδια, τουρισμός, προσωπικές ανάγκες). Όλα τα δεδομένα είναι ανώνυμα.

Είναι δυνατό να αναλυθούν περισσότερα από 10.000 συμβάντα ανά δευτερόλεπτο χρησιμοποιώντας περισσότερες από χίλιες παραμέτρους, δήλωσε ο Roman Postnikov, διευθυντής τμήματος μάρκετινγκ και ανάλυσης πελατών στο MegaFon. Τα τελευταία τρία χρόνια, έχουν συσσωρευτεί περισσότερα από 5 petabyte πληροφοριών - όγκος συγκρίσιμος με περισσότερες από 30 δισεκατομμύρια φωτογραφίες στο Facebook. Ο Postnikov διαβεβαιώνει ότι κάθε πελάτης έχει τη δική του λίστα παραμέτρων για ανάλυση, δηλαδή, στην πραγματικότητα, μιλάμε για μια καθολική λύση σύννεφο, το οποίο μπορεί να χρησιμοποιηθεί από εντελώς διαφορετικούς τύπους πελατών που πρέπει να αναλύσουν μεγάλο όγκο δεδομένων.

Η Megafon το υπολόγισε μεταφορικές εταιρείεςΣτη Ρωσία, περισσότερα από 1,2 δισεκατομμύρια ρούβλια δαπανώνται ετησίως για την έρευνα της επιβατικής κίνησης. «Ταυτόχρονα, οι ίδιες οι εταιρείες μπορούν να συλλέξουν μόνο ένα μέρος των δεδομένων που έχουν στη διάθεσή τους και η υπηρεσία μας καθιστά δυνατή την προβολή της συνολικής εικόνας της αγοράς στο σύνολό της», λέει ο Postnikov. Ακόμα κι αν, χάρη στην εισαγωγή της υπηρεσίας, ο αερομεταφορέας θα μπορέσει να αυξήσει το μερίδιό του στη συνολική αγορά μεταφοράς επιβατών κατά 1,5-2%, τότε αυτά είναι δισεκατομμύρια ρούβλια, λέει.

Οι λύσεις Big Data μπορούν επίσης να χρησιμοποιηθούν για τη διαχείριση αστικών υποδομών. Το Κέντρο Εμπειρογνωμόνων του Ηλεκτρονικού Κράτους, η κυβέρνηση της Μόσχας πρόκειται να συνάψει σύμβαση βάσει της οποίας η πόλη θα λαμβάνει συγκεντρωτικά αποπροσωποποιημένα γεωχωρικά δεδομένα χρηστών τοπικών τηλεπικοινωνιακών φορέων σε 11 διαφορετικές ενότητες εντός δύο ετών. Οι καταναλωτές αυτών των πληροφοριών θα είναι η Κρατική Ενιαία Επιχείρηση "NI και PI του Γενικού Σχεδίου της Μόσχας", το Τμήμα Μεταφορών και Ανάπτυξης Οδικών Υποδομών, το Τμήμα Πολιτισμού και άλλα μητροπολιτικά τμήματα.

Στη Μπασκίρια, για πρώτη φορά, χρησιμοποιήθηκαν «μεγάλα δεδομένα» στην ανάλυση της τουριστικής ροής. Η Κρατική Επιτροπή Τουρισμού της Δημοκρατίας της Λευκορωσίας διέταξε μια μελέτη από το Ural Center for Monitoring and Analytics, η οποία διεξήχθη με βάση τη δυναμική των κινήσεων των συνδρομητών κινητής τηλεφωνίας.

Σύμφωνα με μελέτες, από τον Ιανουάριο έως τον Νοέμβριο του 2018, τη δημοκρατία επισκέφτηκαν 1,656 εκατομμύρια τουρίστες, το 60% των οποίων είναι άνδρες ηλικίας 30 έως 45 ετών, κατά κανόνα, υπάλληλοι εμπορικών οργανισμών με τριτοβάθμια εκπαίδευση, με εισόδημα 40 χιλιάδων ρούβλια μήνας. Η μέση διάρκεια διαμονής είναι 3,8 ημέρες.

Η κορύφωση της τουριστικής ροής πέφτει το καλοκαίρι. Τον Ιούνιο του 2018, ο αριθμός των ατόμων που εισήλθαν ήταν 179 χιλιάδες άτομα, τον Ιούλιο - 215 χιλιάδες άτομα. Ο ελάχιστος αριθμός παρατηρήθηκε τον Φεβρουάριο - 118 χιλιάδες άτομα.

Καλεσμένοι ήρθαν από διάφορες περιοχές της Ρωσίας. Το μεγαλύτερο μερίδιο επισκεπτών - Μόσχα, περιοχή της Μόσχας, Ταταρστάν - 11% το καθένα. Οι κάτοικοι της περιοχής του Όρενμπουργκ, των περιοχών Τσελιάμπινσκ και Σαμάρα αντιπροσώπευαν το μερίδιο της τουριστικής ροής στο 9%, 7%, 6%. Περαιτέρω Περιφέρεια Σβερντλόφσκκαι KhMAO - 3,8% το καθένα, η περιοχή Tyumen - 3%, η περιοχή Perm και η Udmurtia - το καθένα ελαφρώς περισσότερο από 2%.

Ξένοι τουρίστες ήρθαν από γειτονικές χώρες, καθώς και από Ινδία, Ισπανία, Ιταλία, Υεμένη, Γερμανία, Τουρκία, Αίγυπτο, Νιγηρία, Ισραήλ, ΗΠΑ, Τσεχία, Σαουδική Αραβία, Βουλγαρία, Ιράν, Κίνα και Φινλανδία.

Πραγματοποιήθηκε επίσης κοινωνιολογική μελέτη με τη μορφή ερευνών τουριστών. Το 37% των ερωτηθέντων επέλεξε ξενοδοχείο ή ξενοδοχείο για διαμονή. Το 17% έμενε με φίλους ή συγγενείς, το 11% προτίμησε ξενώνες. Σύμφωνα με τους σκοπούς του ταξιδιού, η τουριστική ροή κατανεμήθηκε ως εξής: ταξίδια σε συγγενείς (30%), επαγγελματικός τουρισμός (28%), τουρισμός υγείας (18%), περιήγηση στα αξιοθέατα (12%), ενεργός (8%), προσκύνημα τουρισμός (0,2%) .

Το 40% των τουριστών δεν ήρθε για πρώτη φορά στη Μπασκίρια. Το 20% ήρθε μετά από σύσταση φίλων (συναδέλφων, συγγενών). 24% κέρδος σε επαγγελματικό ταξίδι. Οι λιγότερο χρησιμοποιούμενες πηγές πληροφόρησης κατά την επιλογή της κατεύθυνσης ταξιδιού για τους ερωτηθέντες ήταν οι πύλες του Διαδικτύου (3,4%), τα κοινωνικά δίκτυα (1,2%), οι διαφημίσεις μέσων ενημέρωσης (0,5%).

Το τρέχον 2019 θα αναλυθεί επίσης η τουριστική ελκυστικότητα ορισμένων περιοχών της δημοκρατίας, ενημέρωσε η κρατική επιτροπή.

«Geoanalytics χρησιμοποιώντας τις δυνατότητες παρόχους κινητής τηλεφωνίαςείναι μια προηγμένη μέθοδος μέτρησης της τουριστικής ροής. Επί του παρόντος, μόνο η Μόσχα έχει τέτοια εμπειρία και επιτρέψτε μου να σας υπενθυμίσω ότι η τελευταία κατέχει την πρώτη θέση στην εθνική τουριστική βαθμολογία στην Ομοσπονδιακή Περιφέρεια του Βόλγα, Μπασκορτοστάν - η δεύτερη », δήλωσε ο Azamat Galin, αναπληρωτής επικεφαλής της Κρατικής Επιτροπής Τουρισμού και Επιχειρηματικότητα της Δημοκρατίας της Λευκορωσίας.

Σύμφωνα με την πύλη Turstat, στα τέλη του 2018, η Μπασκίρια μπήκε στο Top 15 στην κατάταξη του εσωτερικού και του εισερχόμενου τουρισμού, καταλαμβάνοντας την 13η θέση με αριθμό τουριστών πάνω από 2,5 εκατομμύρια άτομα (+13% σε σύγκριση με το 2017).

Αυτές οι πρωτοβουλίες της κυβέρνησης της Μπασκιρίας είναι πολύ ενδιαφέρουσες και χρήσιμες για τη μελέτη της τουριστικής ροής και τον προγραμματισμό των δραστηριοτήτων τους για την προώθηση των τουριστικών προϊόντων της περιοχής μέσω της ολοκληρωμένης παροχής υπηρεσιών στους τουρίστες, συμπεριλαμβανομένης της χρήσης τεχνολογιών πληροφορικής.

Παρεμπιπτόντως, οι ειδήσεις αναφέρουν το Nizhny Nogorod. Προηγουμένως αναφέραμε ότι αυτή η πόλη έχει εφαρμόσει το έργο "Guest Card", το οποίο θα σας επιτρέψει να παρακολουθείτε την κίνηση των τουριστών που επισκέπτονται τα αξιοθέατα της πόλης, τα ενδιαφέροντά τους, οι τουρίστες θα μπορούν να λαμβάνουν διάφορες εκπτώσεις, καθώς και δωρεάν χρήση δημόσια συγκοινωνία.

Όλες αυτές οι πρωτοβουλίες υλοποιούνται στις περιφέρειες απομονωμένη και απομονωμένη, χωρίς ομοσπονδιακή συμμετοχή.

ΓΙΑ ΤΙ ΠΡΑΓΜΑ ΜΙΛΑΣ?

Η ουσία είναι ότι επί του παρόντος επιλύεται το ζήτημα της εφαρμογής ηλεκτρονικών βίζας για αλλοδαπούς πολίτες που φτάνουν στη Ρωσική Ομοσπονδία. Σύμφωνα με την Ένωση «Ασφάλεια του Τουρισμού», η χρήση τέτοιων θεωρήσεων με χρήση ειδικών ψηφιακών τεχνολογιών χωρίς την ενσωμάτωση του συστήματος μετανάστευσης και εγγραφής τουριστών σε ξενοδοχεία και τις υπηρεσίες που αναφέρονται παραπάνω με χρήση της «κάρτας επισκεπτών» δεν έχει νόημα. Δεν πρόκειται για κυβερνητική προσέγγιση.

Κατά τη γνώμη μας, μια συστηματική, κρατική προσέγγιση θα πρέπει να περιλαμβάνει τη συνεκτίμηση όλων αυτών των στοιχείων. Ένας τουρίστας πρέπει να εγγραφεί στα σύνορα μία φορά, έχοντας λάβει ηλεκτρονική ετικέτα, και στη συνέχεια να μετακινηθεί στη χώρα, να εγγραφεί σε ξενοδοχεία (ήδη χωρίς εγγραφή μετανάστευσης), να επισκεφτεί μουσεία χωρίς προβλήματα, να λάβει διάφορες εκπτώσεις, να χρησιμοποιήσει τα μέσα μαζικής μεταφοράς δωρεάν ή με εκπτώσεις. Και ταυτόχρονα, αυτή η προσέγγιση θα επιτρέψει τόσο τη διασφάλιση της εθνικής ασφάλειας καταγράφοντας τις μετακινήσεις αλλοδαπών όσο και τους ξενοδόχους από τον πονοκέφαλο της εγγραφής και της λογιστικής μετανάστευσης, καθώς και τους φορείς διαχείρισης τουρισμού στις συνιστώσες οντότητες της Ρωσικής Ομοσπονδίας να λαμβάνουν πληροφορίες σχετικά με τα πιο δημοφιλή αντικείμενα της περιοχής (πόλης) και, στη βάση της, σχηματίζουν τουριστικές προσφορές, αποκομίζοντας έτσι το μέγιστο όφελος.

ΚΑΙ ΟΛΑ ΕΙΝΑΙ ΓΙΑ ΑΥΤΟ!

Δηλαδή το Κυβερνητικό Διάταγμα Ρωσική Ομοσπονδία 6 Αυγούστου 2015 Αρ. 813, που ενέκρινε τους Κανονισμούς περί κρατικό σύστημααρχεία μετανάστευσης και καταγραφής, η εφαρμογή των οποίων μπορεί να επηρεάσει σημαντικά τη φιλοξενία και να αυξήσει την εισερχόμενη τουριστική ροή γενικότερα. Αυτό ακριβώς μίλησε ο Πρόεδρος του ΔΣ του Συλλόγου «Ασφάλεια Τουρισμού» στις 06 Δεκεμβρίου 2018 στο Ομοσπονδιακό Συμβούλιο Σεργκέι Γκρουζντσυμμετέχοντες της στρογγυλής τραπέζης με θέμα "Πραγματικά ζητήματα χρήσης ηλεκτρονικών θεωρήσεων για αλλοδαπούς πολίτες που φτάνουν στη Ρωσική Ομοσπονδία και βελτίωση της νομοθεσίας της Ρωσικής Ομοσπονδίας σε αυτόν τον τομέα"

Υπενθυμίζεται ότι τα θέματα της βελτίωσης των αρχείων μετανάστευσης και εγγραφής, της απλούστευσης του καθεστώτος θεωρήσεων, της ανάπτυξης και εφαρμογής ενός ενιαίου βιομετρικού αναγνωριστικού για ταξίδια θα αποτελέσουν αντικείμενο συζήτησης στο πλαίσιο του Διεθνές Φόρουμ "Τουριστική Ασφάλεια" - TSIF - 2019.Αυτό το Φόρουμ είναι μια βασική επαγγελματική εκδήλωση όπου εκπρόσωποι των αρχών, της επαγγελματικής κοινότητας και των επιχειρήσεων συζητούν επίκαιρα ζητήματα για τη διασφάλιση της ασφάλειας του τουρισμού σε μία πλατφόρμα.Η μορφή του Φόρουμ παρέχει 4 επιμέρους συνεδρίες.

2,5 δισεκατομμύρια gigabyte δεδομένων. Οι εταιρείες αναλυτών προβλέπουν ότι ο όγκος των δεδομένων που παράγονται ετησίως θα φτάσει τα 43 τρισεκατομμύρια gigabyte έως το 2020. Ανάμεσα σε όλες αυτές τις πληροφορίες: tweets, reposts και βίντεο, υπάρχει ένα που χρησιμοποιούν πολλές εταιρείες για την ανάπτυξη υπηρεσιών. Οι άνθρωποι έχουν ήδη βρει τη χρήση μεγάλων δεδομένων στο μάρκετινγκ για να αξιολογήσουν τις επιθυμίες των πελατών. Τα Big Data χρησιμοποιούνται επίσης στην ιατρική για τη βελτίωση των διαγνωστικών και στο τραπεζικό περιβάλλον για τη δημιουργία εξατομικευμένων προσφορών. Τα μεγάλα δεδομένα χρησιμοποιούνται επίσης στον τομέα της αυτοκινητοβιομηχανίας, βοηθώντας τους οδηγούς να φτάσουν στον προορισμό τους πιο γρήγορα. Πως? Για αυτό θα μιλήσουμε σήμερα.

Βοηθήστε στην αποφυγή κυκλοφοριακής συμφόρησης

Τα δεδομένα βοηθούν τους οδηγούς να φτάσουν στον προορισμό τους με την πραγματική έννοια της λέξης. Μιλάμε για πλοηγούς - φτιάχνουν τη συντομότερη διαδρομή χωρίς μποτιλιάρισμα και έργα οδοποιίας.

Οι πλοηγοί στέλνουν τις συντεταγμένες τους στο σύστημα του παρόχου της εφαρμογής κάθε λίγα δευτερόλεπτα. Με βάση τα δεδομένα που λαμβάνονται, ο αλγόριθμος κατασκευάζει μια διαδρομή, δηλαδή μια διαδρομή με πληροφορίες για την ταχύτητα κίνησης. Με βάση το άθροισμα των ιχνών που λαμβάνονται από πολλούς οδηγούς, ανιχνεύονται μποτιλιαρίσματα.

Τα αυτοκίνητα αποτελούν μέρος του δικτύου και σχηματίζουν μια σταθερή ροή πληροφοριών. Ταυτόχρονα, μπορούν να ανταλλάσσουν δεδομένα με τις γύρω υποδομές. Οι κάμερες παρακολούθησης που είναι εγκατεστημένες σε διασταυρώσεις της πόλης μπορούν επίσης να χρησιμοποιηθούν για τον εντοπισμό κυκλοφοριακής συμφόρησης. Οι ερευνητές εργάζονται πάνω σε διάφορες επιλογές για την εφαρμογή τέτοιων λύσεων.

Για παράδειγμα, για τη δημιουργία επικοινωνιών από αυτοκίνητο σε αυτοκίνητο και αυτοκίνητο σε υποδομή, οι επιστήμονες προτείνουν τη χρήση μονάδων OBU (On-Board Units), οι οποίες καθορίζουν τη θέση του αυτοκινήτου και την ταχύτητα σε περιορισμένα χρονικά διαστήματα. Αυτές οι πληροφορίες θα μεταφερθούν στο RSU (Roadside Unit) και στη συνέχεια στα cluster που είναι υπεύθυνα για τη συγκέντρωση και την επεξεργασία δεδομένων.

Τα συμπλέγματα λαμβάνουν δεδομένα μέσω API και ερμηνεύουν. Για παράδειγμα, εάν πολλοί χρήστες της εφαρμογής πλοήγησης κινούνται με χαμηλή ταχύτητα σε μια περιοχή, το σύστημα κατανοεί ότι η κίνηση είναι δύσκολη σε αυτήν. Μπορείτε να διαβάσετε περισσότερα για έναν από τους προτεινόμενους αλγόριθμους.

Οι χρήστες μπορούν επίσης να στείλουν δεδομένα στην υπηρεσία μόνοι τους: πληροφορίες για ατυχήματα, επισκευές, λακκούβες κ.λπ. Συντεταγμένες GPS, κατεβάζει σημεία συμφόρησης του δρόμου. Με βάση αυτά τα δεδομένα κατασκευάζονται διαδρομές πλοήγησης.

Όταν δημιουργείται μια διαδρομή, η εφαρμογή την παρακολουθεί για να ενημερώνεται για την κατάσταση που επικρατεί. Ο αλγόριθμος είναι υπεύθυνος για την κατασκευή μιας διαδρομής που θα είναι απαλλαγμένη από μποτιλιαρίσματα. Εάν υπάρχει μποτιλιάρισμα στη διαδρομή, τότε ο αλγόριθμος αναζητά άλλο τρόπο. Αν ένα εναλλακτικές(ακόμα και με μποτιλιαρίσματα, αλλά πιο γρήγορα) δεν βρίσκεται, τότε η διαδρομή παραμένει ίδια. Μια απλοποιημένη μορφή αυτού του αλγορίθμου φαίνεται παρακάτω:

Μπλοκ διάγραμμα μιας παραλλαγής του αλγορίθμου για την παρακολούθηση διαδρομής

Οι επιστήμονες είναι βέβαιοι ότι η ακρίβεια τέτοιων συστημάτων θα αυξηθεί σημαντικά όταν όλα ή σχεδόν όλα τα αυτοκίνητα αρχίσουν να επικοινωνούν μεταξύ τους και να ανταλλάσσουν δεδομένα. Στο μέλλον, θα αλλάξουν τους κανόνες συμπεριφοράς στο δρόμο. Αυτή την άποψη συμμερίζεται ο Tim Lomax, αναλυτής στο Texas A&M Transportation Institute.

«Αν τα αυτοκίνητα αρχίσουν να μιλάνε μεταξύ τους, δεν θα χρειαστούμε φανάρια», λέει ο Tim. «Το αυτοκίνητο, πλησιάζοντας στη διασταύρωση, θα αναφέρει την πρόθεσή του να το διασχίσει και τα γύρω οχήματα θα ξέρουν πώς να αποφύγουν μια σύγκρουση». Η Lomax λέει ότι αυτό θα είναι ένα βήμα προς την ευρεία χρήση των αυτοοδηγούμενων αυτοκινήτων.

Θα σε πάνε στο μέρος

Τα αυτοοδηγούμενα αυτοκίνητα είναι ένας άλλος τομέας όπου τα μεγάλα δεδομένα θα μπορούσαν να έχουν σημαντικό αντίκτυπο. Τα αυτοοδηγούμενα αυτοκίνητα αποτελούν μέρος του Διαδικτύου των Πραγμάτων και οδηγούν σε αύξηση του όγκου των δεδομένων που παράγονται. Για να φτιάξει μια διαδρομή, ο αυτόματος πιλότος πρέπει να καταλάβει σε ποιους δρόμους θα πρέπει να διανύσει και τι θα συναντήσει στη διαδρομή. Για να γίνει αυτό, τα αυτοκίνητα, εκτός από τους δικούς τους αισθητήρες, αντλούν πληροφορίες από τους λεγόμενους χάρτες περιβάλλοντος. Στο μέλλον, αυτή η λίστα θα αναπληρωθεί με άλλους συμμετέχοντες στην κυκλοφορία και στοιχεία υποδομής: φανάρια, κτίρια, ακόμη και δέντρα.