"Nagy adat"- a technológiai cégek által aktívan megvitatott téma. Egy részük kiábrándult a big data-ból, mások pedig éppen ellenkezőleg, maximálisan üzleti célokra használják fel... . Reméljük, hogy az információ érdekes és hasznos lesz.

MI AZ A BIG DATA?

Főbb jellemzők

A Big Data jelenleg a fejlődés egyik fő mozgatórugója információs technológiák. Ez az orosz üzleti életben viszonylag új irányzat széles körben elterjedt a nyugati országokban. Ennek oka az a tény, hogy az információs technológia korszakában, különösen a közösségi hálózatok fellendülése után, minden internethasználó számára jelentős mennyiségű információ kezdett felhalmozódni, ami végül a Big Data irányvonalát eredményezte.

A "Big Data" kifejezés sok vitát vált ki, sokan úgy gondolják, hogy ez csak a felhalmozott információ mennyiségét jelenti, de ne feledkezzünk meg a technikai oldalról sem, ebbe a területbe tartoznak a tárolási technológiák, a számítástechnika, a szolgáltatások.

Megjegyzendő, hogy ez a terület nagy mennyiségű információ feldolgozását foglalja magában, amelyet hagyományos módszerekkel* nehéz feldolgozni.

Az alábbiakban a hagyományos és a Big Data adatbázis összehasonlító táblázata látható.

A Big Data szféráját a következő jellemzők jellemzik:
Hangerő - a kötet, a felhalmozott adatbázis nagy mennyiségű információ, amelyet munkaigényes feldolgozni és hagyományos módon tárolni, igényelnek új megközelítésés fejlett eszközök.
Sebesség - sebesség, ez a jel mind az adatgyűjtés gyorsaságát (az információ 90%-át gyűjtötték össze az elmúlt 2 évben), mind az adatfeldolgozás sebességét jelzi, az utóbbi időben egyre nagyobb a kereslet a valós idejű adatfeldolgozási technológiák iránt.
Fajta – változatosság, i.e. a különböző formátumú strukturált és strukturálatlan információk egyidejű feldolgozásának lehetősége. A strukturált információk közötti fő különbség az, hogy osztályozható. Ilyen információ például az ügyféltranzakciókra vonatkozó információ.
A strukturálatlan információk közé tartoznak a videó-, hangfájlok, szabad szövegek és a közösségi hálózatokról származó információk. A mai napig az információk 80%-a a strukturálatlan csoportba tartozik. Ez az információ komplex elemzést igényel, hogy hasznos legyen a további feldolgozáshoz.
Igazság – Az adatok megbízhatósága, a felhasználók fontosnak tartották a rendelkezésre álló adatok megbízhatóságát. Az internetes cégeknek tehát gondot okoz a robot és az ember által a cég weboldalán végrehajtott műveletek elkülönítése, ami végső soron az adatelemzés nehézségéhez vezet.
érték - a felhalmozott információ értéke. A Big Data hasznosnak kell lennie a vállalat számára, és értéket kell adnia neki. Például segítség az üzleti folyamatok javításában, a jelentéskészítésben vagy a költségoptimalizálásban.

Ha a fenti 5 feltétel teljesül, a felhalmozott adatmennyiségek nagynak minősíthetők.

A Big Data alkalmazásai

A Big Data technológiák hatóköre kiterjedt. A Big Data segítségével tehát megismerheti az ügyfelek preferenciáit, a marketingkampányok hatékonyságát, vagy kockázatelemzést végezhet. Az alábbiakban közöljük az IBM Institute felmérésének eredményeit, amely a Big Data vállalati felhasználási irányairól szól.

A diagramból látható, hogy a legtöbb cég ügyfélszolgálati területen alkalmaz Big Data-t, a második legnépszerűbb irány a működési hatékonyság, a kockázatkezelés terén a Big Data jelenleg ritkább.

Azt is meg kell jegyezni, hogy a Big Data az egyik leggyorsabban fejlődő információs technológiai terület, a statisztikák szerint a fogadott és tárolt adatok összmennyisége 1,2 évente megduplázódik.
2012 és 2014 között a havonta továbbított adatmennyiség mobilhálózat, 81%-kal nőtt. A Cisco becslése szerint 2014-ben a kötet mobilforgalom havi 2,5 exabájtot tett ki (10 ^ 18 szabvány bájtnak megfelelő információmennyiség mértékegysége), és már 2019-ben 24,3 exabájt lesz.
A Big Data tehát már viszonylag fiatal kora ellenére is bejáratott technológiai terület, amely az üzleti élet számos területén elterjedt, és fontos szerepet játszik a cégek fejlődésében.

Big Data technológiák

A Big Data gyűjtésére és feldolgozására használt technológiák 3 csoportra oszthatók:

• Szoftver;
• Felszerelés;
• Szolgáltatás.

A leggyakoribb adatfeldolgozási (PD) megközelítések a következők:
SQL - egy strukturált lekérdező nyelv, amely lehetővé teszi az adatbázisokkal való munkát. Az SQL segítségével adatokat hozhatunk létre és módosíthatunk, az adattömböt pedig a megfelelő adatbázis-kezelő rendszer kezeli.
NoSQL - a kifejezés a Nem csak SQL-t (nem csak az SQL-t) jelenti. Számos olyan megközelítést tartalmaz, amelyek az adatbázis megvalósítását célozzák, amelyek eltérnek a hagyományos, relációs DBMS-ekben használt modellektől. Használatuk kényelmes a folyamatosan változó adatszerkezet mellett. Például információk gyűjtésére és tárolására a közösségi hálózatokon.
MapReduce – számítási eloszlási modell. Párhuzamos számításokhoz használják nagyon nagy készletek adatok (petabájt* vagy több). A programozói felületen az adatok nem kerülnek feldolgozásra a programba, hanem a program az adatok közé. Ezért a lekérdezés egy külön program. A működés elve az adatok szekvenciális feldolgozása két Map és Reduce módszerrel. A Map kiválasztja az előzetes adatokat, a Reduce összesíti azokat.
Hadoop - keresési és kontextuális mechanizmusok megvalósítására használják nagy terhelésű webhelyeken - Facebook, eBay, Amazon stb. Megkülönböztető tulajdonság az, hogy a rendszer védve van a klaszter bármelyik csomópontjának meghibásodásától, mivel minden blokkban van legalább egy másolat az adatokból a másik csomóponton.
SAP HANA egy nagy teljesítményű NewSQL platform az adatok tárolására és feldolgozására. Biztosítja Magassebesség kérés feldolgozása. Egy másik különbség az, hogy az SAP HANA leegyszerűsíti a rendszerkörnyezetet azáltal, hogy csökkenti az analitikai rendszerek támogatásának költségeit.

A technológiai felszerelés a következőket tartalmazza:

• szerverek;
• infrastrukturális berendezések.

A szerverek adattárakat tartalmaznak.
Az infrastruktúra-berendezések platformgyorsító eszközöket, forrásokat tartalmaznak szünetmentes tápegység, szerverkonzolkészletek stb.

Szolgáltatás.
A szolgáltatások magukban foglalják az adatbázis-rendszer architektúráját, az infrastruktúra fejlesztését és optimalizálását, valamint az adattárolás biztonságát.

A szoftverek, a hardverek és a szolgáltatások teljes körű platformokat alkotnak az adatok tárolására és elemzésére. Olyan cégek, mint a Microsoft, a HP, az EMC kínálnak szolgáltatásokat a Big Data megoldások fejlesztéséhez, telepítéséhez és kezeléséhez.

Alkalmazás az iparban

A Big Data számos üzleti szektorban elterjedt. Használják az egészségügyben, a távközlésben, a kereskedelemben, a logisztikában, a pénzügyi cégeknél, valamint a közigazgatásban.
Az alábbiakban néhány példát mutatunk be a Big Data alkalmazásokra néhány iparágban.

Kiskereskedelem
A kiskereskedelmi üzletek adatbázisai sok információt gyűjthetnek a vásárlókról, a készletgazdálkodási rendszerről, a piacképes termékek kínálatáról. Ez az információ az üzlet tevékenységének minden területén hasznos lehet.

A felhalmozott információk segítségével tehát kezelheti az áruellátást, azok tárolását, értékesítését. A felhalmozott információk alapján előre jelezhető az áruk kereslete és kínálata. Az adatfeldolgozó és elemző rendszer a kereskedő egyéb problémáit is meg tudja oldani, például optimalizálja a költségeket vagy készítsen jelentéseket.

Pénzügyi szolgáltatások
A Big Data lehetővé teszi a hitelfelvevő hitelképességének elemzését, és hasznos a hitelbírálat* és a kockázatvállalás** szempontjából is. A Big Data technológiák bevezetése csökkenti a hitelkérelmek elbírálásának idejét. A Big Data segítségével lehetőség nyílik egy adott ügyfél működésének elemzésére és a számára megfelelő banki szolgáltatások felajánlására.

Telecom
A távközlési iparban a Big Data-t széles körben használják a mobilszolgáltatók.
Üzemeltetők sejtes kommunikáció a pénzintézetekkel együtt az egyik legnagyobb adatbázissal rendelkeznek, amely lehetővé teszi a felhalmozott információk legmélyebb elemzését.
Az adatelemzés fő célja a meglévő ügyfelek megtartása és újak megnyerése. Ennek érdekében a cégek szegmentálják az ügyfeleket, elemzik forgalmukat, és meghatározzák az előfizető társadalmi hovatartozását.

A Big Data marketingcélú felhasználása mellett a technológiát a csalárd pénzügyi tranzakciók megelőzésére is használják.

Bányászat és olajipar
A Big Data-t mind az ásványok kitermelésében, mind pedig azok feldolgozásában és értékesítésében használják fel. A kapott információk alapján a vállalkozások következtetéseket vonhatnak le a terepfejlesztés hatékonyságára vonatkozóan, nyomon követhetik a nagyjavítás ütemezését és a berendezések állapotát, előre jelezhetik a termékek iránti keresletet és az árakat.

A Tech Pro Research felmérése szerint a Big Data a legelterjedtebb a távközlési iparban, valamint a mérnöki, informatikai, pénzügyi és kormányzati vállalkozásokban. A felmérés eredményei szerint a Big Data kevésbé népszerű az oktatásban és az egészségügyben. A felmérés eredményeit az alábbiakban mutatjuk be:

Példák a Big Data vállalati felhasználására

Ma a Big Data-t aktívan bevezetik a külföldi vállalatoknál. Olyan cégek, mint a Nasdaq, Facebook, Google, IBM, VISA, Master Card, Bank of America, HSBC, AT&T, Coca Cola, Starbucks és Netflix már használnak Big Data erőforrásokat.

A feldolgozott információk felhasználási területei sokrétűek, és az iparágtól és az elvégzendő feladatoktól függően változnak.
Ezt követően a Big Data technológiák gyakorlati alkalmazásának példái kerülnek bemutatásra.

HSBC Big Data technológiát használ a plasztikkártyákkal végzett csaló tranzakciók leküzdésére. A cég a Big Data segítségével 3-szorosára növelte a biztonsági szolgáltatás hatékonyságát, 10-szeresére a csalási incidensek felismerését. E technológiák bevezetésének gazdasági hatása meghaladta a 10 millió USD-t.

Csalás elleni* VÍZUM beengedi automatikus üzemmód kiszámítja a csalárd jellegű tranzakciókat, a rendszer bekapcsolva Ebben a pillanatban segít megelőzni a 2 milliárd dollár értékű csalárd kifizetést évente.

Szuperszámítógép Watson cég IBM valós időben elemzi a pénzforgalmi adatok áramlását. Az IBM szerint a Watson 15%-kal növelte az azonosított csaló tranzakciók számát, 50%-kal csökkentette a hamis pozitívakat, és 60%-kal növelte az ilyen jellegű tranzakcióktól védett források összegét.

Procter & Gamble a Big Data segítségével új termékeket terveznek és globális marketingkampányokat készítenek. A P&G külön Business Spheres irodákat hozott létre, ahol valós idejű információkat tekinthet meg.
Így a cégvezetésnek lehetősége nyílik hipotézisek azonnali tesztelésére és kísérletek elvégzésére. A P&G hisz abban, hogy a Big Data segít előre jelezni a vállalat teljesítményét.

Irodaszerek kiskereskedelme officemax a Big Data technológiák segítségével elemzik az ügyfelek viselkedését. A Big Data elemzése lehetővé tette a B2B bevételek 13%-os növelését, a költségek évi 400 000 dolláros csökkentését.

Alapján hernyó , forgalmazói 9-18 milliárd dolláros bevételtől esnek el évente csak azért, mert nem alkalmazzák a Big Data technológiát. A Big Data lehetővé tenné az ügyfelek számára, hogy hatékonyabban kezeljék flottájukat a gépekre telepített érzékelők információinak elemzésével.

Ma már lehetséges az állapot elemzése kulcscsomópontok, kopási fokukat, kezelheti az üzemanyag- és karbantartási költségeket.

Luxottica csoport sportszemüvegeket gyárt olyan márkákkal, mint a Ray-Ban, a Persol és az Oakley. A vállalat Big Data technológiákat használ a viselkedés elemzésére potenciális ügyfelekés "okos" SMS marketing. Ennek eredményeként a Big Data Luxottica csoport több mint 100 millió legértékesebb ügyfelet azonosított, és 10%-kal növelte a marketingkampány hatékonyságát.

A Yandex Data Factory segítségével a játékfejlesztők World of Tanks elemzi a játékosok viselkedését. A Big Data technológiák 100 ezer World of Tanks játékos viselkedésének elemzését tették lehetővé több mint 100 paraméter (vásárlási információk, játékok, tapasztalatok stb.) segítségével. Az elemzés eredményeként a felhasználói lemorzsolódás előrejelzését kaptuk. Ez az információ lehetővé teszi a felhasználói gondoskodás csökkentését és a játék résztvevőivel való célzott együttműködést. A kifejlesztett modell 20-30%-kal hatékonyabbnak bizonyult, mint a szabványos játékipari elemző eszközök.

Német Munkaügyi Minisztérium Big Data segítségével elemzi a bejövő munkanélküli segélykérelmeket. Így az információk elemzése után kiderült, hogy az ellátások 20%-át érdemtelenül folyósították. A Big Data segítségével a Munkaügyi Minisztérium 10 milliárd euróval csökkentette a költségeket.

Torontói Gyermekkórház megvalósította a Project Artemis projektet. Ez egy információs rendszer, amely valós időben gyűjti és elemzi a babákra vonatkozó adatokat. A rendszer másodpercenként 1260 mutatót figyel minden gyermek állapotáról. Az Artemis projekt lehetővé teszi a gyermek instabil állapotának előrejelzését és a gyermekek betegségeinek megelőzését.

A GLOBÁLIS BIG DATA PIAC ÁTTEKINTÉSE

A globális piac jelenlegi helyzete

2014-ben a Big Data a Data Collective szerint a kockázati iparba történő befektetések egyik kiemelt területévé vált. Az adatok szerint információs portál Computerra, ez annak a ténynek köszönhető, hogy az ezen a területen végzett fejlesztések jelentős eredményeket kezdtek hozni a felhasználók számára. Az elmúlt év során 125%-kal nőtt a big data menedzsment területén megvalósított projektekkel rendelkező cégek száma, a piaci volumen 45%-kal nőtt 2013-hoz képest.

A Big Data piac bevételének nagy részét a Wikibon szerint 2014-ben a szolgáltatások adták, részesedésük a teljes bevétel 40%-át tette ki (lásd az alábbi ábrát):

Ha a 2014-es Big Data-t altípusok szerint vesszük figyelembe, akkor a piac így fog kinézni:

A Wikibon szerint az alkalmazások és elemzések a Big Data bevételek 36%-át tették ki 2014-ben a Big Data alkalmazásokból és elemzésekből, 17%-át a számítástechnikai hardverekből és 15%-át a tárolási technológiából. A legkevesebb bevételt a NoSQL-technológiák, az infrastruktúra-berendezések és a vállalati hálózat (vállalati hálózatok) biztosítása adták.

A legnépszerűbb Big Data technológiák az SAP, HANA, Oracle stb. memórián belüli platformjai. A T-Systems felmérése szerint a megkérdezett cégek 30%-a ezt választotta. A második legnépszerűbbek a NoSQL platformok voltak (a felhasználók 18%-a), a cégek a Splunk és a Dell elemző platformjait is használták, a cégek 15%-a választotta őket. A Big Data problémák megoldásában a legkevésbé hasznosak a felmérés eredményei szerint a Hadoop/MapReduce termékek voltak.

Az Accenture felmérése szerint a Big Data technológiát használó vállalatok több mint 50%-ánál a Big Data költségek 21% és 30% között mozognak.
Az alábbi Accenture elemzés szerint a cégek 76%-a gondolja úgy, hogy ezek a költségek 2015-ben növekedni fognak, és a cégek 24%-a nem változtat a Big Data technológiákra szánt költségvetésén. Ez arra utal, hogy ezeknél a cégeknél a Big Data már az informatika bevett területévé vált, amely a vállalat fejlődésének szerves részévé vált.

Az Economist Intelligence Unit felmérésének eredményei megerősítik a Big Data bevezetésének pozitív hatását. A cégek 46%-a állítja, hogy több mint 10%-kal javította az ügyfélszolgálatot a Big Data technológiák használatával, a vállalatok 33%-a optimalizálta a készleteket és javította a kulcsfontosságú eszközök termelékenységét, a vállalatok 32%-a pedig javította a tervezési folyamatokat.

Big Data be különböző országok béke

Eddig a Big Data technológiákat leggyakrabban amerikai vállalatok alkalmazzák, de mostanra a világ más országai is érdeklődést mutattak. Az IDC szerint 2014-ben Európa, a Közel-Kelet, Ázsia (Japán kivételével) és Afrika országai adták a Big Data szoftverek, szolgáltatások és berendezések piacának 45%-át.

Szintén a CIO felmérése szerint az ázsiai-csendes-óceáni térség országainak vállalatai rohamosan sajátítják el az új megoldásokat a Big Data elemzése, a biztonságos tárolás és a felhőtechnológiák területén. Latin-Amerika a második helyen áll a Big Data technológiák fejlesztésére irányuló befektetések számát tekintve, megelőzve Európát és az USA-t.
Ezt követően a Big Data piac több országbeli fejlődésének leírása és előrejelzései kerülnek bemutatásra.

Kína
Kínában az információ mennyisége 909 exabájt, ami a világ összes információmennyiségének 10%-ának felel meg, 2020-ra az információ mennyisége eléri a 8060 exabájtot, és a globális statisztikákban is nő az információk aránya, 5 év múlva ez 18% lesz. A kínai Big Data potenciális növekedése az egyik leggyorsabban növekvő dinamikával rendelkezik.

Brazília
2014 végére Brazília 212 exabájtnyi információt halmozott fel, ami a globális mennyiség 3%-a. 2020-ra az információ mennyisége 1600 exabájtra nő, ami a világ információinak 4%-a lesz.

India
Az EMC szerint 2014-ben Indiában a felhalmozott adatok mennyisége 326 exabájt, ami a teljes információmennyiség 5%-a. 2020-ra az információ mennyisége 2800 exabájtra nő, ami a világ információinak 6%-a lesz.

Japán
A felhalmozott adatok mennyisége Japánban 2014 végén 495 exabájt, ami a teljes információmennyiség 8%-a. 2020-ra az információ mennyisége 2200 exabájtra nő, de Japán piaci részesedése csökken, és eléri az 5 százalékot a világ teljes információmennyiségéből.
Így a japán piac volumene több mint 30%-kal csökken.

Németország
Az EMC szerint Németországban 2014-ben a felhalmozott adatmennyiség 230 exabájt, ami a világ összes információmennyiségének 4%-a. 2020-ra az információ mennyisége 1100 exabájtra nő, és 2% lesz.
A német piacon az Experton Csoport előrejelzése szerint a bevételek nagy részét a szolgáltatási szegmens termeli majd, amelynek részesedése 2015-ben 54%, 2019-ben pedig 59%-ra nő. szoftver a felszerelés pedig éppen ellenkezőleg, csökkenni fog.

Általánosságban elmondható, hogy a piac mérete a 2015-ös 1,345 milliárd euróról 2019-re 3,198 milliárd euróra nő, átlagosan 24%-os növekedési ütem mellett.
A CIO és az EMC elemzése alapján tehát arra a következtetésre juthatunk, hogy a világ fejlődő országai a Big Data technológiák aktív fejlesztésének piacaivá válnak a következő években.

Fő piaci trendek

Az IDG Enterprise szerint 2015-ben a Big Data cégek átlagosan 7,4 millió dollárt költenek cégenként, a nagyvállalatok körülbelül 13,8 millió dollárt, a kis- és középvállalatok pedig 1,6 millió dollárt.
A beruházások nagy része olyan területekre irányul majd, mint az adatelemzés, a vizualizáció és az adatgyűjtés.
A jelenlegi trendeknek és piaci igényeknek megfelelően 2015-ben a beruházásokat az adatminőség javítására, a tervezés és előrejelzés javítására, valamint az adatfeldolgozási sebesség növelésére fordítják.
A pénzügyi szektor vállalatai a Bain Company Insights Analysis szerint jelentős beruházásokat hajtanak végre, így 2015-ben 6,4 milliárd dollárt terveznek költeni Big Data technológiákra, 2020-ig a beruházások átlagos növekedési üteme 22 százalék lesz. Az internetes cégek 2,8 milliárd dollárt terveznek elkölteni, a Big Data kiadások átlagosan 26%-os növekedési üteme mellett.
Az Economist Intelligence Unit felmérése során meghatározásra kerültek a Big Data fejlesztésének kiemelt területei 2014-ben és a következő 3 évben, a válaszok megoszlása ​​a következő:

Az IDC előrejelzései szerint a piaci trendek a következők:

• A következő 5 évben a felhőalapú Big Data megoldások költsége háromszor gyorsabban fog növekedni, mint a helyszíni megoldások költsége. Népszerűek lesznek a hibrid tárolóplatformok.
• A kifinomult és prediktív analitikát (beleértve a gépi tanulást is) használó alkalmazások növekedése 2015-ben felgyorsul, az ilyen alkalmazások piaca 65%-kal gyorsabban fog növekedni, mint a prediktív elemzést nem használó alkalmazásoké.
• A médiaelemzés 2015-ben megháromszorozódik, és a Big Data technológiai piac kulcsfontosságú növekedési hajtóereje lesz.
• Felgyorsul az a tendencia, hogy az állandó információáramlás elemzésére szolgáló, a dolgok internetére alkalmazható megoldásokat alkalmazzanak.
• 2018-ra a felhasználók 50%-a interakcióba lép a kognitív számítástechnikán alapuló szolgáltatásokkal.

Piac mozgatórugói és korlátozói

Az IDC szakértői a Big Data piac három mozgatórugóját azonosították 2015-ben:

Az Accenture felmérése szerint jelenleg az adatbiztonsági problémák jelentik a Big Data technológiák átvételének fő akadályát, a válaszadók több mint 51%-a erősítette meg, hogy aggódik az adatvédelem és a magánélet miatt. A cégek 47%-a számolt be arról, hogy a korlátozott költségvetés miatt lehetetlen a Big Data megvalósítása, a cégek 41%-a pedig a szakképzett munkaerő hiányát jelölte meg problémaként.

A Wikibon előrejelzése szerint a Big Data piac 38,4 milliárd dollárra nő 2015-ben, ami 36%-os növekedést jelent éves szinten. A következő években a növekedési ráták 2017-ben 10%-ra csökkennek. Ezeket az előrejelzéseket figyelembe véve a piac mérete 2020-ban 68,7 milliárd dollár lesz.

A globális Big Data piac üzleti kategóriák szerinti megoszlása ​​így fog kinézni:

Amint az az ábrán látható, a piac nagy részét az ügyfélszolgálat fejlesztésének területéről származó technológiák fogják elfoglalni. A spotmarketing 2019-ig a második számú prioritás lesz a cégek számára, 2020-ban a Heavy Reading előrejelzése szerint átadja a helyét a működési hatékonyságot javító megoldásoknak.
Az „ügyfélszolgálatot javító” szegmens is a legnagyobb növekedést produkálja, évi 49%-os növekedéssel.
A Big Data altípusokra vonatkozó piaci előrejelzés a következőképpen fog kinézni:

A túlnyomó piaci részesedést, amint az a diagramból is látható, a professzionális szolgáltatások foglalják el, a legnagyobb növekedési ütemben az analitikával rendelkező alkalmazások lesznek, ezek részesedése a jelenlegi 12%-ról 18%-ra nő 2020-ban és a volumen ezt a szegmenst 12,3 milliárd dollár lesz, a számítástechnikai berendezések részaránya ezzel szemben 20%-ról 14%-ra csökken, és körülbelül 9,3 milliárd dollár lesz 2020-ban, a felhőtechnológiák piaca fokozatosan növekszik és 2020-ban eléri a 6,3 milliárd dollárt, az adattárolási megoldások piacának részesedése éppen ellenkezőleg, a 2014-es 15%-ról 2020-ra 13%-ra csökken, pénzben pedig 8,9 milliárd dollár lesz.
A Bain & Company Insights Analysis előrejelzése szerint a Big Data piac iparágonkénti megoszlása ​​2020-ban így fog kinézni:

• A pénzügyi ágazat 6,4 milliárd dollárt költ Big Data-ra, évi 22%-os átlagos növekedési ütem mellett;
• az internetes cégek 2,8 milliárd dollárt költenek, és átlagosan 26%-os költségnövekedést kell elérniük a következő 5 évben;
• A közszféra költségei arányosak lesznek az internetes cégek költségeivel, de a növekedési ütem alacsonyabb lesz - 22%;
• A távközlési szektor átlagosan 40%-os növekedési ütemben fog növekedni, és 2020-ban eléri az 1,2 milliárd dollárt;

Az energiavállalatok viszonylag kis összeget – 800 millió dollárt – fektetnek be ezekbe a technológiákba, de a növekedés üteme az egyik legmagasabb lesz – évi 54 százalékos.
Így a pénzügyi szektor vállalatai 2020-ban nagy részesedést fognak venni a Big Data piacán, és az energia lesz a leggyorsabban növekvő ágazat.
Az elemzői előrejelzések szerint a következő években a teljes piaci volumen növekedni fog. A piac növekedését a Big Data technológiák bevezetése biztosítja majd a világ fejlődő országaiban, ahogy az az alábbi grafikonon is látható.

Az előre jelzett piacméret attól függ, hogy a fejlődő országok hogyan érzékelik a Big Data technológiákat, vajon olyan népszerűek lesznek-e, mint a fejlett országokban. 2014-ben a világ fejlődő országai adták a felhalmozott információk 40%-át. Az EMC előrejelzése szerint a jelenlegi, fejlett országok által uralt piaci struktúra már 2017-től megváltozik. Az EMC analytics szerint 2020-ban a fejlődő országok részesedése meghaladja a 60%-ot.
A Cisco és az EMC szerint a világ fejlődő országai aktívan fognak dolgozni a Big Data-val, ennek sok tekintetben a technológiák elérhetősége és a Big Data szintjéig megfelelő mennyiségű információ felhalmozódása lesz az oka. A következő oldalon lévő világtérkép a Big Data növekedési előrejelzését és növekedési ütemét mutatja régiónként.

AZ OROSZ PIAC ELEMZÉSE

Jelen állapot orosz piac

A CNews Analytics és az Oracle tanulmányának eredményei szerint az orosz Big Data piac érettségi szintje Tavaly rózsa. A 108, különböző iparágak nagyvállalatát képviselő válaszadók többet mutattak meg magas fok ezen technológiák ismerete, valamint az ilyen megoldásokban rejlő lehetőségek meglévő ismerete az üzletükben.
Az IDC szerint 2014-ben Oroszország 155 exabájtnyi információt halmozott fel, ami a világ adatainak mindössze 1,8%-a. Az információ mennyisége 2020-ra eléri a 980 exabájtot és 2,2%-ot fog elfoglalni. Így az információmennyiség átlagos növekedési üteme évi 36% lesz.
Az IDC 340 millió dollárra becsüli az orosz piacot, amelyből 100 millió dollár SAP-megoldások, körülbelül 240 millió dollár az Oracle, IBM, SAS, Microsoft stb. hasonló megoldásai.
Az orosz Big Data piac növekedési üteme legalább 50% évente.
Az előrejelzések szerint az orosz IT-piac ezen szektorában a pozitív dinamika folytatódni fog, még a gazdaság általános stagnálása mellett is. Ez annak köszönhető, hogy a vállalkozások továbbra is olyan megoldásokat keresnek, amelyek javíthatják a munka hatékonyságát, valamint optimalizálhatják a költségeket, javíthatják az előrejelzések pontosságát és minimalizálhatják a lehetséges vállalati kockázatokat.
A Big Data területén a fő szolgáltatók az orosz piacon:

• Jóslat
• Microsoft
• cloudera
• Hortonworks
• Teradata.

Áttekintés a piacról iparágonként és a Big Data vállalati felhasználásának tapasztalatairól

A CNews szerint Oroszországban a cégeknek mindössze 10%-a kezdett el Big Data technológiákat használni, míg a világon az ilyen cégek részesedése körülbelül 30%. A CNews Analytics és az Oracle jelentése szerint az orosz gazdaság számos szektorában nő a Big Data projektekre való felkészültség. A megkérdezett cégek több mint egyharmada (37%) kezdett el együtt dolgozni Nagy technológiák Adatok, amelyek közül 20% már használ ilyen megoldásokat, 17% pedig kísérletezni kezd velük. A válaszadók második harmada ben Ebben a pillanatban mérlegelnek egy ilyen lehetőséget.

Oroszországban a Big Data technológiák népszerűbbek a bankszektorban és a távközlésben, de keresettek rájuk a bányászatban, az energetikában, a kiskereskedelemben, a logisztikai vállalatokban és a közszférában is.
Ezután a Big Data orosz valóságban való felhasználására vonatkozó példákat tekintünk meg.

Telecom
A távközlési szolgáltatók rendelkeznek az egyik legnagyobb adatbázissal, amely lehetővé teszi számukra a felhalmozott információk legmélyebb elemzését.
A Big Data technológia egyik alkalmazási területe az előfizetői hűségkezelés.
Az adatelemzés fő célja a meglévő ügyfelek megtartása és újak megnyerése. Ennek érdekében a cégek szegmentálják az ügyfeleket, elemzik forgalmukat, és meghatározzák az előfizető társadalmi hovatartozását. Amellett, hogy az információkat marketing célokra használja fel, a telecom technológiát használ a csalárd pénzügyi tranzakciók megelőzésére.
A Vimpelcom ennek az iparágnak az egyik legfényesebb példája. A vállalat a Big Data segítségével javítja a szolgáltatás minőségét az egyes előfizetők szintjén, jelentéskészítést, adatelemzést a hálózatfejlesztéshez, a spam elleni küzdelmet és a szolgáltatások személyre szabását.

Bankok
A Big Data felhasználóinak jelentős részét a pénzügyi szektor szakemberei foglalják el. Az egyik sikeres kísérletet az Ural Újjáépítési és Fejlesztési Bankban végezték, ahol információs bázis Az ügyfelek elemzésére használták, a bank speciális hitelajánlatokat, betéteket és egyéb szolgáltatásokat kezdett kínálni. E technológiák alkalmazásának évében a társaság lakossági hitelállománya 55%-kal nőtt.
Az Alfa-Bank elemzi a közösségi hálózatokból származó információkat, feldolgozza a hitelkérelmeket, elemzi a cég weboldalának felhasználóinak viselkedését.
A Sberbank egy adattömb feldolgozását is megkezdte az ügyfelek szegmentálására, a csalások megelőzésére, a keresztértékesítésre és a kockázatkezelésre. A jövőben a tervek szerint javítani fogják a szolgáltatást, és valós időben elemzik az ügyfelek cselekedeteit.
Az Összoroszországi Regionális Fejlesztési Bank a plasztikkártya-tulajdonosok viselkedését elemzi. Ez lehetővé teszi, hogy azonosítsa azokat a tranzakciókat, amelyek egy adott ügyfél számára atipikusak, ezáltal növelve annak valószínűségét, hogy észlelik a plasztikkártyákból származó pénzeszközök ellopását.

Kiskereskedelem
Oroszországban a Big Data technológiát online és offline kereskedelmi vállalatok is bevezették. A CNews Analytics szerint ma a kiskereskedők 20%-a használja a Big Data-t. A kiskereskedelmi szakemberek 75%-a úgy véli, hogy a Big Data szükséges egy versenyképes stratégia kidolgozásához egy vállalat népszerűsítésére. A Hadoop statisztikái szerint a Big Data technológia bevezetése után a kereskedelmi szervezetek profitja 7-10%-kal nő.
Az M.Video szakemberei az SAP HANA bevezetése után a logisztikai tervezés javulásáról beszélnek, továbbá a bevezetés eredményeként az éves jelentések elkészítése 10 napról 3 napra, a napi adatbetöltés sebessége 3 napról óra és 30 perc között.
A Wikimart ezeket a technológiákat használja arra, hogy ajánlásokat készítsen a webhely látogatói számára.
Az egyik első offline üzlet, amely bevezette a Big Data elemzést Oroszországban, a Lenta volt. A Big Data segítségével a kiskereskedelem elkezdte tanulmányozni a pénztárbizonylatokból származó információkat az ügyfelekről. A kiskereskedő információkat gyűjt, hogy olyan viselkedési modelleket építsen fel, amelyek lehetővé teszik a tájékozottabb döntéshozatalt működési és üzleti szinten.

Olaj- és gázipar
Ebben az iparágban a Big Data hatóköre meglehetősen széles. A Big Data technológiák alkalmazhatók ásványi anyagok belekből történő kinyerésére. Segítségükkel elemezheti magát a bányászati ​​folyamatot és a legtöbbet hatékony módszerek kitermelése, a fúrási folyamat nyomon követése, az alapanyagok minőségének elemzése, valamint a végtermék feldolgozása és forgalmazása. Oroszországban ezeket a technológiákat már a Transneft és a Rosznyefty is alkalmazza.

állami szervek
Az olyan országokban, mint Németország, Ausztrália, Spanyolország, Japán, Brazília és Pakisztán, a Big Data technológiákat nemzeti problémák megoldására használják. Ezek a technológiák segítik a hatóságokat abban, hogy hatékonyabban szolgálják ki a lakosságot, célirányos szociális támogatást nyújtsanak.
Oroszországban ezeket a technológiákat olyan kormányzati szervek kezdték elsajátítani, mint Nyugdíjpénztár, a Szövetségi Adószolgálat és a Kötelező Egészségbiztosítási Alap. A Big Data felhasználásával megvalósuló projektek megvalósításának lehetőségei nagyok, ezek a technológiák hozzájárulhatnak a szolgáltatások minőségének, ennek eredményeként a lakosság életszínvonalának javításához.

Logisztika és szállítás
A Big Data-t a közlekedési vállalatok is használhatják. A Big Data technológiák segítségével lehetőség nyílik az autópark nyomon követésére, az üzemanyagköltségek figyelembe vételére, a vásárlói igények nyomon követésére.
Az Orosz Vasutak az SAP-val együtt implementálta a Big Data technológiákat. Ezek a technológiák 43,5-szeresére csökkentették a jelentési időt (14,5 óráról 20 percre), és 40-szeresére javították a költségelosztás pontosságát. A tervezési és tarifaszabályozási folyamatokba is bekerült a Big Data. Összességében több mint 300 SAP megoldásokra épülő rendszert használnak a cégek, 4 adatközpont érintett, a felhasználók száma pedig 220 ezer.

A piac fő mozgatórugói és korlátai

A Big Data technológiák fejlesztésének mozgatórugói az orosz piacon a következők:

• Megnövekedett felhasználói érdeklődés a Big Data lehetőségei iránt, mint a vállalat versenyképességének növelésének módja;
• Médiafájlok globális szintű feldolgozására szolgáló módszerek fejlesztése;
• Szerverek feldolgozása Személyes adat Oroszország területére, a személyes adatok tárolásáról és kezeléséről szóló elfogadott törvénynek megfelelően;
• A szoftverimport helyettesítésére vonatkozó iparági terv végrehajtása. Ezt a tervetállami támogatást tartalmaz hazai gyártók szoftverek, valamint a hazai informatikai termékek preferenciáinak biztosítása közköltségen történő vásárláskor.
• Az új gazdasági helyzetben, amikor a dollár majdnem megduplázódott, az orosz szolgáltatók szolgáltatásainak növekvő igénybevétele irányába mutat. felhő szolgáltatások mint a külföldiek.
• Technológiai parkok létrehozása, amelyek hozzájárulnak az információs technológiai piac, ezen belül a Big Data piac fejlődéséhez;
• Állami program a Big Data technológiákon alapuló grid rendszerek bevezetésére.

A Big Data fejlesztésének fő akadályai az orosz piacon a következők:

• Az adatok biztonságának és titkosságának biztosítása;
• szakképzett személyzet hiánya;
• A legtöbb esetben a Big Data szintjéig felhalmozott információforrások elégtelensége orosz cégek;
• Nehézségek az új technológiák bevezetésében a bevált technológiákban Információs rendszerek cégek;
• A Big Data technológiák magas költsége, ami miatt korlátozott számú vállalkozásnak van lehetősége e technológiák bevezetésére;
• A politikai és gazdasági bizonytalanság tőkemeneküléshez és befagyáshoz vezet beruházási projektek orosz területen;
• Az IDC szerint az importtermékek árának emelkedése és az infláció megugrása akadályozza a teljes IT-piac fejlődését.

Orosz piaci előrejelzés

A mai napig az orosz Big Data piac nem olyan népszerű, mint a fejlett országokban. A legtöbb orosz cég érdeklődést mutat iránta, de nem merik kihasználni a lehetőségeit.
Példák azokra a nagyvállalatokra, amelyek már részesültek a Big Data technológiák használatából, egyre jobban megismerik e technológiák lehetőségét.
Az elemzők meglehetősen optimista előrejelzésekkel is szolgálnak az orosz piaccal kapcsolatban. Az IDC úgy véli, hogy az orosz piac részesedése a következő 5 évben növekedni fog, ellentétben a németországi és japán piaccal.
2020-ra a Big Data mennyisége Oroszországban a jelenlegi 1,8%-ról a globális adatmennyiség 2,2%-ára nő. Az információ mennyisége az EMC szerint a jelenlegi 155 exabájtról 980 exabájtra növekszik 2020-ban.
Jelenleg Oroszország továbbra is a Big Data szintjére halmoz fel információmennyiséget.
A CNews Analytics felmérése szerint a megkérdezett cégek 44%-a dolgozik 100 terabájtnál* nem nagyobb adatokkal, és csak 13%-uk dolgozik 500 terabájt feletti mennyiséggel.

Ennek ellenére az orosz piac a globális trendeket követve növekedni fog. 2014-ben az IDC 340 millió dollárra becsüli a piac méretét.
A piac növekedési üteme a korábbi években évi 50%-os volt, ha ezen a szinten marad, akkor 2018-ban a piac volumene eléri az 1,7 milliárd dollárt. Az orosz piac részesedése a világpiacon mintegy 3% lesz, a jelenlegi 1,2%-ról nőtt.

A Big Data felhasználására leginkább fogékony iparágak Oroszországban:

• A lakosság és a bankok számára mindenekelőtt az ügyfélkör elemzése, a marketingkampányok hatásának értékelése a fontos;
• Telekommunikáció – ügyfélbázis szegmentálása és forgalom bevételszerzése;
• Közszféra – jelentéskészítés, lakossági kérelmek elemzése stb.;
• Olajtársaságok - a munka nyomon követése és a termelés és a marketing tervezése;
• Energetikai cégek - intelligens villamosenergia-rendszerek létrehozása, működési felügyelet és előrejelzés.

A fejlett országokban a Big Data széles körben elterjedt az egészségügy, a biztosítás, a kohászat, az internetes cégek és a feldolgozóipari vállalkozások területén, valószínűleg a közeljövőben ezeken a területeken az orosz cégek is értékelni fogják a Big Data bevezetésének hatását és adaptálni fogják ezeket. technológiákat iparukban.
Oroszországban és a világban is a közeljövőben tendencia lesz az adatok megjelenítésére, a médiafájlok elemzésére és a dolgok internetének fejlesztésére.
A gazdaság általános stagnálása ellenére az elkövetkező években további növekedést jósolnak az elemzők a Big Data piacán, elsősorban annak köszönhetően, hogy a Big Data technológiák alkalmazása versenyelőnyt biztosít felhasználóinak a vállalat működési hatékonyságának növelése terén. üzleti tevékenység, további ügyfelek vonzása, kockázatok minimalizálása és adat-előrejelzési technológiák bevezetése.
Így arra a következtetésre juthatunk, hogy a Big Data szegmens Oroszországban a kialakulás szakaszában van, de az ilyen technológiák iránti kereslet évről évre növekszik.

A piacelemzés főbb eredményei

Világpiac

2014 végén a Big Data piacát a következő paraméterek jellemzik:

• a piaci volumen 28,5 milliárd USD volt, ami 45%-os növekedést jelent az előző évhez képest;
• a Big Data piac bevételének nagy részét a szolgáltatások adták, részesedésük a teljes bevétel 40%-át tette ki;
• A bevétel 36%-a Big Data alkalmazásokból és elemzésekből, 17%-a számítástechnikai hardverből és 15%-a tárolási technológiákból származott;
• Az olyan cégek, mint az SAP, a HANA és az Oracle memóriabeli platformjai a legnépszerűbbek a Big Data problémák megoldásában.
• a Big Data menedzsment területén megvalósított projektekkel rendelkező cégek száma 125%-kal nőtt;

A következő évek piaci előrejelzése a következő:

• 2015-ben a piaci volumen eléri a 38,4 milliárd USD-t, 2020-ban pedig a 68,7 milliárd USD-t;
• az átlagos növekedési ütem évente 16% lesz;
• A Big Data technológiákra fordított átlagos vállalati költés nagyvállalatok esetében 13,8 millió dollár, kis- és középvállalkozások esetében pedig 1,6 millió dollár lesz;
• a technológiák az ügyfélszolgálat és a célzott marketing területén lesznek a legnagyobb elterjedtséggel;
• 2017-ben a globális piac szerkezete a fejlődő országok felhasználói cégek túlsúlya felé változik.

orosz piac

Az orosz Big Data piac formálódási szakaszban van, a 2014-es eredmények a következők:

• a piaci volumen elérte a 340 millió USD-t;
• a piac átlagos növekedési üteme a korábbi években évi 50% volt;
• a felhalmozott információ teljes mennyisége 155 exabájt volt;
• Az orosz vállalatok 10%-a elkezdte használni a Big Data technológiákat;
• A Big Data technológiák népszerűbbek voltak a bankszektorban, a távközlésben, az internetes cégeknél és a kiskereskedelemben.

Az orosz piac előrejelzése a következő évekre a következő:

• az orosz piac volumene 2015-ben eléri az 500 millió USD-t, 2018-ban pedig az 1,7 milliárd USD-t;
• az orosz piac részesedése a világpiacon 2018-ban körülbelül 3% lesz;
• a felhalmozott adatok mennyisége 2020-ban 980 exabájt lesz;
• az adatok a globális adatok 2,2%-ára nőnek 2020-ban;
• az adatvizualizáció, a médiafájlok elemzése és a dolgok internete technológiái fognak a legnagyobb népszerűségre szert tenni.

Az elemzés eredményei alapján megállapítható, hogy a Big Data piac még a fejlődés korai szakaszában van, a közeljövőben pedig növekedését, illetve ezen technológiák képességeinek bővülését figyelhetjük meg.

Köszönjük, hogy időt szánt ennek a terjedelmes műnek az elolvasására, iratkozzon fel blogunkra - sok új érdekes kiadványt ígérünk!

Előadó: Philip Katz

Kérdező: Alexey Karlinsky

Sokszor elhittük a sci-fi ígéreteit a hihetetlen jövőről, és reményeinket minden alkalommal összetörte egy unalmas jelen. Még mindig a földön élünk, és az autóink nem repülnek a levegőben. „Már megint becsaptak minket!” - gondoljuk, és mindezen fantáziák mögött ismét elszalasztjuk azt a pillanatot, amikor valóban eljön a jövő.

Ezúttal a Big Data megjelenésével történt. Figyelmen kívül hagyhatjuk őket, de már nem tagadhatjuk le életünkre gyakorolt ​​hatásukat. Phillip Katz, építész és Big Data specialista elmondja, hogyan változtatta meg csendesen a Big Data városainkat és a bennük élő életmódunkat.

Multidiszciplináris szakember, végzettsége szerint építész, Philip Big Data specialista. Végzett a Kazany Építészeti Egyetemen, a Strelka Média-, Építészeti és Tervezői Intézetben, a Branch Point projekt egyik alapítója. A Szentpétervári Nemzeti Információtechnológiai, Mechanikai és Optikai Kutató Egyetemen tanít, és a Rambler&Co. adatelemzésével foglalkozik.

Bezárás

Philip, kérem, mondja el nekünk, hogyan használják ma a Big Data technológiákat az építészeti tervezésben és várostervezésben?

Kezdjük azzal, hogy négy évvel ezelőtt, amikor az oroszországi Strelkában tanultam, legalábbis senki nem tudott a Big Data-ról. A világ csak róluk beszél. Egy évvel később Oroszországban mindenki tudott róluk, és beteg volt tőlük. Nekem úgy tűnik, hogy ez nagyrészt egy hagyományos dinamika – amikor új technológia piedesztálra emelkedik, megdicsérik, majd elég gyorsan megjelenik vele szemben a szkepticizmus. A technológia leüti a talapzatáról, és ezt követően lazábban integrálódnak a társadalomba.

Ha építészeti vagy várostervezési analitikáról beszélünk, akkor számomra úgy tűnik, hogy ma ez egyfajta kompromisszum modern technológiákés a hagyományos elemzés. Például egy évvel ezelőtt segítettem egy barátomnak nevezni egy építészeti versenyre, amelyet diákoknak rendeztek az Egyesült Államokban. Számukra a városvezető biztosította a térinformatikai fájlokat eléggé jó leírás adatok: közlekedési útvonalak, ezen útvonalak mennyisége, ahol évente tócsák jelennek meg, ahol ötévente elönt, hol vannak magas adókulcsokkal járó tömbök, ahol magas a feketék aránya. Az Egyesült Államokban nagy a statisztika részletessége, és elég jól összesítik az adatokat, így akár a versenyprojekt szintjén is kaphatnánk néhány dolgot készen. Nem kellett összegyűjteni vagy elemezni őket.

A legtöbb hasznos elemzés véleményem szerint abból adódik, hogy bizonyos adatokat ténynek veszünk, és ezek alapján tervezünk. És bár az adatok mindenki számára azonosak lehetnek, mégis teljesen más módon olvassák és értelmezik őket.

A Google azt állítja, hogy önvezető autóik csökkenthetik az autóbalesetek számát, és hozzájárulhatnak az utakon lévő üzemanyag és hely hatékonyabb felhasználásához / fotó: Google.com

Hogyan használta a Big Data technológiákat a gyakorlatában?

Mi hosszú ideje Edik Khaiman és Sasha Boldyreva kollégáimmal megcsinálták a "Branch Point" projektet - próbálták valahogy megvitatni és fejleszteni a digitális tervezést, majd természetesen közös feltételezett álmunk és végső célunk a paramétereken alapuló tervezés volt. Ugyanakkor a végső álmunk éppen az volt, hogy valamilyen trükkös kód alapján új formai megoldásokat találjunk, amelyek megfelelnek a követelményeinknek, de az eredmény formája nem az általunk lefektetett, hanem valami váratlan - szép .

Az elemzés egyfajta művészet, ahol az adatokkal való munkavégzés algoritmusa minden esetben egy kép

A projekt érett korában mindannyian megértettük, hogy ez az álom nemcsak elérhetetlen, hanem inkább az az elképzelés, hogy egy épületet teljes egészében csak adatok alapján kell megtervezni, ellentmondásos volt. Inkább törekedni kell rá, de értse meg, hogy soha nem fog eljutni odáig.

Itt egy fontos dialektikus momentum merül fel számomra. Tegyük fel, hogy készítünk egy algoritmust, és megértjük, hogy először is a genetikai követelmények miatt meglehetősen egyszerű, de mégis formális paramétereket igényel. És egy komplex rendszerben, és egy épület vagy egy kerület összetett rendszer, azonnal megjelenik sok olyan paraméter, amelyet közös nevezőre kell hozni. Mindig szükség van egy elsődleges formális gesztusra, valamilyen formára: hengerre vagy paralelepipedonra, piramisokra és így tovább.

Ha Zaha Hadid munkásságát nézzük, akkor mindig van valami elegáns formai gesztus a projekt középpontjában. Ezt követően digitálisan módosítható, de mindig mindennek a középpontjában marad, és a szerző tollába tartozik. A genetikai algoritmus ezután kiválaszthatja a legjobbat a kapott lehetőségek közül, de soha nem fogja tudni kitalálni őket.

Vagyis a tervezés középpontjában mindig az emberi akarat áll. Ebben az esetben hogyan változik meg az emberi tervezésben való részvétel mértéke a Big Data fejlődésével?

A jövőben látok valamiféle elemző motort - nagy és összetett kvantumszámítógép, például, vagy a nélkülözési kamrákban elmerült telepaták és parapszichológusok, akik megjósolnak valamit, vagy azt javasolják, hogy mire kell figyelni.

Szerintem az ember soha nem lesz kiszorítva a folyamatból. Mindezeket a dolgokat (Big Data elemzési módszereket) döntést segítő algoritmusoknak nevezik, és lényegük abban áll, hogy a folyamatok dinamikájában anomáliákat a lehető leghatékonyabban húzzák ki, és minimalizálják az egy főre jutó technikai munka százalékos arányát. Egy elemzőnek szakértőnek kell lennie a velük való munkavégzésben, és az algoritmusok mindent egy ezüsttányérra tudnak vinni, kivéve valójában a megoldást. Természetesen van egy technikai küszöb ebbe a tudományágba való belépéshez, de maga az analitika egy művészeti forma, ahol az adatokkal való munka algoritmusa egy kép. Mestermű.

A kamerával felszerelt drónok önállóan tudnak járőrözni egy adott területen és valós időben továbbítani a képeket az információs központba / fotó: Kevin Baird / Flickr.com

A Big Data nem képes lefedni az összes információt. Hogyan kezeljük azt, amit nem veszünk figyelembe a Big Data elemzésekor?

Az elemzőket ugyanis gyakran kritizálják amiatt, hogy csak azokat írják le, akik csatlakoznak az internethez, és akik nem csatlakoznak az internethez, azok kiesnek az elemzésből. Ez teljesen igaz, de megvan a maga védekezési logikája. Cinikusan szólva, ha nem ismerjük egy nagymama problémáit, aki zavarban van az interneten írni, mert nem szokott hozzá, akkor figyelmen kívül hagyhatjuk a problémáit, egyszerűen azért, mert ha ezt a megközelítést alkalmazzuk, akkor vagy a nagymama, vagy az ő unokája támogatni fogja, végül ír.

Egy másik probléma abban rejlik, hogy minden adatgyűjtési vagy -tárolási technológia mindig az első hibatényező. Ugyanakkor elvileg lehetetlen nyomon követni a soktényezősséget – hogy az emberek miért játszottak így és nem másként. A Big Data eleinte nem ad választ. Lehetővé teszik, hogy komoly kérdéseket tegyen fel.

Hogyan változtatja meg a városról alkotott képünket az a lehetőség, hogy új módon kérdezzünk?

Edward Hyman egyszer megalkotta a "plagopolisz" kifejezést. Az ötlet az, hogy a modern város egyre proaktívabb és dinamikusabb. Ma ez egyfajta környezet saját áramlásokkal, mozgásokkal, ahol az edényekben túlcsorduló folyadék folyamatosan önszabályozó. Ugyanakkor csak nagyon feltételesen lehet pontot megragadni és kijavítani. Azonnal megváltoztatja önmagát, és más pontokat is megváltoztat maga körül. Számomra ez az ötlet elég praktikus dolog, amivel dolgozni kell. Most már világossá válik, hogy a várost már nem tudjuk valami mechanikus dolognak felfogni.

Elfogadják ezt az elképzelést az orosz várostervezésben?

Az orosz értelemben vett várostervezés szintjén ez nem nyilvánvaló. Így vagy úgy, utak, utcák megrajzolásával kezdjük, és hisszük, hogy ez a végén így lesz. Legjobb esetben is elkezdünk azon gondolkodni, hogy ellenőriznünk kell, hogyan kell helyesen csinálni, és akkor vagy úgy lesz, ahogy rajzolunk, vagy az emberek maguk csinálnak majd mindent később.

A Big Data nem ad választ. Lehetővé teszik, hogy komoly kérdéseket tegyen fel.

Általánosságban elmondható, hogy a sztereotípiákon és elvont elképzeléseken alapuló állítások ma nagyon bosszantóak. Sőt, az építészek és várostervezők elsősorban az őrületbe kergetnek. Egyszerűen azt mondják, hogy "a gyalogosok jobbak, mint az autósok", vagy hogy "a kreatív üzlet egy ipari parkot a földi mennyországgá varázsol". Bármelyik dolog mögött szeretném, ha egy alapszámítás lenne, mert lehet, hogy így van, de lehet, hogy nem, és a legtöbb esetben valahogy hibás.

Hogyan segíthet akkor a Big Data, hogy jobban megértsük a várost?

A város mindig elefánt a vakokról szóló meséből, akik tapintással próbálják leírni. Mindig ugyanúgy dolgozunk – valaki a fenekénél, valaki a fülénél, valaki a törzsénél fogva. És egyszerre mindenki azt mondja, hogy elefántot lát. A mi esetünkben is mindannyian hiszünk abban, hogy látók vagyunk, és tudjuk, mi a város.

A Big Data megvéd minket attól, hogy csak egy helyen érintsünk meg, lehetőséget ad arra, hogy nagyjából elképzeljük egy elefánt általános alakját, és megértsük, hogy megközelítőleg ezt a helyet érintjük meg, de vannak máshol is. Hatalmas riportokat kapok a városról, és mindig bele tudok lépni néhány konkrét tíz sornyi adatba, megnézem és megkérdezem: miért van ez? Általában ez a kezdete valamiféle nyomozásnak, kutatásnak, történelemnek.

A térmodellező algoritmusokkal kombinált térinformatikai adatok segítenek előre jelezni az elszigeteltség szintjét a kiválasztott területen / fotó: Trevor Patt / Flickr.com

Vajon ezek a Big Data által ihletett reflexiók a későbbiekben valamilyen módon valós projektekben is megjelennek?

Létezik egy úgynevezett "városi akupunktúrás" módszer. Lényege abban rejlik, hogy a városban fájdalomcsomópontokat keresnek, és ezekben a kis csomópontokban - maximum tömbnyi terekben, és lehetőleg egy épületben, vagy akár kis épületek közötti területen - valamilyen változás. készül. A költségvetés nagyságából adódóan teljesen mikroszkopikus, és a város egészét érintő változások, ha ezeket a csomópontokat helyesen számoljuk, óriásiak.

Habár A "városi akupunktúra" ma inkább egy spekulatív projekt, már most is vannak okosak térbeli megoldások, például a közlekedési lámpák egyetlen rendszerben. Az intelligens utakkal párosulva lehetővé teszik a tér megváltoztatását, és ez váratlan kipufogógázokat okozhat. Ma is zajlik az iparágak robotizálása, és ez is hozzáadott értéket ad. Ha mostdrónokáruszállítást kezd, majd a városi logisztikátszmerdzsitsya (angolból egyesítésre — "összeolvad"— A.K.)- és vannak számok, és itt vannak számok. Biztosan sokkal könnyebb lesz ezzel dolgozni, mint élő kamionosokkal.

A technológia, amely jelenleg ihletett, és remélem, hogy valami építészeti lesz belőle, az új projekt Amazon, amikor megéri okos hangszóró a ház közepén, aki meghallgatja minden kérdését és válaszol rájuk. Olyan, mint Siri, csak a házban. Ez a technológia valószínűleg jobban megváltoztatja a város térérzetét, mint bármely algoritmus.

Tehát a város egyre inkább a szoftverekre fog támaszkodni?

Pontosan. Mostanra intézményileg sokat változnak az I/O és a különféle interfészek az információszerzéshez. Az én szemszögemből az olcsó taxi hívásának szolgáltatása a várostervezési döntések több mint 90 százalékában megváltoztatja az életemet. A taxik sokat változtatnak a városról alkotott felfogásomban. Minden korábbi tapasztalat ellenére a Yandex megjelenésével. A taxisok és a taxisok versenye kiderült, hogy a taxisok udvariasak, a pénz specifikus, és gyorsan reagálnak - egyáltalán nem úgy, mint New Yorkban.

Az olcsó taxi szolgáltatás megváltoztatja az életemet a várostervezési döntések több mint 90 százalékában

Szerintem a prostitúció a legfontosabb szolgáltatás, amely hatalmas profitot termelhet az überizációból. A feltételezett felhasználó félénk, és talán ezért nem veszik sokan a prostituáltak szolgáltatásait – ez számukra veszélyes, ijesztő és érthetetlen. A telefonjukon ülve minden bizonnyal sokkal könnyebb lenne számukra. Ez persze azonnal elvenné a kenyeret a striciktől, és teljesen megváltoztatná az üzletet. Egyszerűen kolosszális! Szerintem ez hamarosan megtörténik valamelyik liberális országban.

Gondolja, hogy az emberek a jövőben személyesen is tudnak majd Big Data technológiákkal dolgozni?

Szerintem mindez idáig vezet. A technológiai összetettség növekedni fog, és ez érthető is, de a gyakorlatban megtanuljuk, hogyan kell megfelelően csomagolni. Sima felületek(az angol sleek szóból— vékony, kecses— A.K.)manapság bizonyos mértékig leegyszerűsítjük minden történésről alkotott felfogásunkat. Itt egy gomb, itt egy pipka, és ennyi. Ma minél többet tudsz elbújni az átlagember elől anélkül, hogy elveszítenéd a funkciódat, annál jobb, mert az embereket egy kicsit megfélemlíti ez a sok bonyolultság. Bár az ismert technológia, mint a Minority Report-ban, nem jelent meg, de érzékien nagyon korrekten írja le a film, hogy most mi fog történni.

Mi lesz az? Mit gondol, mivel fog szembesülni a big data a közeljövőben?

Amolyan divatos témaként jelentek meg, és mára lassan elenyésznek, mert a legkézenfekvőbb dolgok már megtörténtek. Továbbá ki kell dolgozni a módszertan technikai mechanizmusait - nem romantikus, hanem haszonelvű formában. Öt év múlva biztos vagyok benne, hogy a polgármesteri hivatalban, a minisztériumokban és a vállalkozásoknál lesz egy meglehetősen jól fizetett és talán meglehetősen unalmas digitális elemző poszt.

Ugyanakkor a Big Data-nak van egy bizonyos betegsége. Vannak emberek, akik értik, mit csinálnak, és vannak, akik abból táplálkoznak, akik nem igazán értik a Big Data működését. Egy lyuk a professzionális technológusok és az emberek között, akik értik, hogy mindez miért történhet meg, mindig létezik minden üzletben, bármilyen tudományban, és ez mindenképpen probléma. Aki ismeri a technológiai oldalt és kísérletezik új megoldásokkal, ritkán tesz igazán hasznosat, és aki tudja, hogyan tudja ezeket a fejlesztéseket alkalmazni, az sem tud egyedül minőségi terméket létrehozni. Ezért a Big Data-val való munka során a fejlődés egyetlen módja a szakemberek közötti interakció új módjainak megtalálása.

A MegaFon kifejlesztette és az Orosz Vasút leányvállalatai rendelkezésére bocsátotta a szolgáltatás tesztverzióját az utasforgalom big data alapján történő elemzésére – számol be az RBC Maxim Motinra, az üzemeltető képviselőjére hivatkozva. Az eszköz segít meghatározni a méretet és részletes specifikációk fuvarozási piac, valamint a fuvarozási vállalat részesedése ebben a valós időhöz közeli módban.

Most folynak az előkészítő munkák a Big Data elemző rendszer bevezetésére – erősítette meg Oleg Yemchenko, az FPC RZD informatikai osztályának ERP-rendszerek osztályának (vállalati erőforrás-tervezési rendszer) vezetője. „Ez csak egy konkrét projektben valósulhat meg 2016-ban” – mondta Jemcsenko.

A Megafon geoanalitikai szolgáltatás még 2013-ban indult, a kezdeti cél a hálózati terhelések előrejelzése volt. Segítségével pontosan megbecsülhető az utasforgalom nagysága, tájékozódhat az útvonalakról (ki, mikor, merre és hova megy), közlekedési típusonkénti elrendezésről. A szolgáltatás az utasok fizetőképességét és az utazás jellegét (üzleti utak, turizmus, személyes igények) is értékeli. Minden adat anonimizált.

Több mint 10 000 eseményt lehet másodpercenként elemezni több mint ezer paraméter segítségével – mondta Roman Postnikov, a MegaFon szegmensmarketing- és ügyfélelemzési igazgatója. Az elmúlt három évben több mint 5 petabájtnyi információ halmozódott fel – ez a mennyiség a Facebookon található több mint 30 milliárd fotóhoz hasonlítható. Postnikov biztosítja, hogy minden ügyfélnek saját paraméterlistája van az elemzéshez, vagyis valójában egy univerzálisról beszélünk. felhő megoldás, amelyet teljesen más típusú ügyfelek használhatnak, akiknek nagy mennyiségű adat elemzésére van szükségük.

A Megafon kiszámolta közlekedési vállalatok Oroszországban évente több mint 1,2 milliárd rubelt költenek utasforgalmi kutatásokra. „Ugyanakkor maguk a cégek a rendelkezésükre álló adatoknak csak egy részét tudják begyűjteni, szolgáltatásunk pedig lehetővé teszi a piac egészének teljes képét” – mondja Postnikov. Még ha a szolgáltatás bevezetésének köszönhetően a fuvarozó 1,5-2%-kal tudja is növelni részesedését a teljes személyszállítási piacon, akkor is több milliárd rubelről van szó – mondja.

A Big Data megoldások a városi infrastruktúra menedzselésére is használhatók. Az Elektronikus Állam Szakértői Központja, a moszkvai kormány szerződést köt, amelynek értelmében a város két éven belül 11 különböző szakaszon kapja meg a helyi távközlési szolgáltatók felhasználóinak összesített, személytelenített térinformatikai adatait. Ezen információk fogyasztói a „Moszkva Általános Tervének NI és PI” Állami Egységes Vállalata, a Közlekedési és Közúti Infrastruktúra Fejlesztési Minisztérium, a Kulturális Minisztérium és más nagyvárosi osztályok lesznek.

Baskíriában először használtak „big data”-t a turistaáramlás elemzéséhez. A Fehérorosz Köztársaság Állami Turisztikai Bizottsága tanulmányt rendelt az Ural Monitoring and Analytics Centertől, amelyet a mobiltelefon-előfizetők mozgásának dinamikája alapján készítettek.

Tanulmányok szerint 2018 januárja és novembere között a köztársaságot 1,656 millió turista kereste fel, akiknek 60%-a 30 és 45 év közötti férfi, általában felsőfokú végzettségű kereskedelmi szervezetek alkalmazottai, akiknek bevétele 40 ezer rubel volt. hónap. Az átlagos tartózkodási idő 3,8 nap.

A turistaforgalom csúcspontja a nyárra esik. 2018 júniusában 179 ezer fő volt a belépők száma, júliusban - 215 ezer fő. A minimális adatot februárban figyelték meg - 118 ezer ember.

A vendégek Oroszország különböző régióiból érkeztek. A látogatók legnagyobb része - Moszkva, Moszkva régió, Tatársztán - egyenként 11%. Az Orenburg régió, a cseljabinszki és a szamarai régió lakosai 9%, 7%, 6% arányban részesedtek a turistaforgalomból. További Szverdlovszki régióés KhMAO - egyenként 3,8%, a Tyumen régió - 3%, a Perm Terület és Udmurtia - egyenként valamivel több, mint 2%.

Külföldi turisták a környező országokból, valamint Indiából, Spanyolországból, Olaszországból, Jemenből, Németországból, Törökországból, Egyiptomból, Nigériából, Izraelből, az USA-ból, Csehországból, Szaúd-Arábiából, Bulgáriából, Iránból, Kínából és Finnországból érkeztek.

A turisták körében végzett felmérések formájában szociológiai vizsgálat is készült. A válaszadók 37%-a választott szállást vagy szállodát. 17%-uk barátoknál vagy rokonoknál szállt meg, 11%-uk a hostelt részesítette előnyben. Az utazási célok szerint a turistaáram a következőképpen oszlott meg: rokoni utazások (30%), üzleti turizmus (28%), egészségturizmus (18%), városnézés (12%), aktív (8%), zarándoklat. turizmus (0,2%) .

A turisták 40%-a nem először érkezett Baskíriába. 20%-a baráti (kollégák, rokonok) ajánlására érkezett. 24% haszon üzleti úton. A válaszadók utazási irányának megválasztásakor a legkevésbé használt információforrások az internetes portálok (3,4%), a közösségi oldalak (1,2%), a médiahirdetések (0,5%) voltak.

A jelenlegi 2019-ben is elemzik a köztársaság egyes régióinak turisztikai vonzerejét – tájékoztatott az állami bizottság.

"Geoanalytics használja a képességeket mobilszolgáltatók egy fejlett módszer a turistaáramlás számlálására. Jelenleg csak Moszkvának van ilyen tapasztalata, és hadd emlékeztessem Önöket arra, hogy az utóbbi a baskíriai Volga szövetségi körzet országos turisztikai besorolásában az első helyet foglalja el - a másodikat ”- mondta Azamat Galin, az Állami Turisztikai Bizottság helyettes vezetője. A Belarusz Köztársaság vállalkozói szelleme.

A Turstat portál szerint 2018 végén Baskíria bekerült a Top 15-be a belföldi és beutazó turizmus értékelésében, a 2,5 millió fő feletti turisták számával a 13. helyet szerezte meg (+13% 2017-hez képest).

A baskíriai kormány ezen kezdeményezései nagyon érdekesek és hasznosak a turisztikai áramlás tanulmányozásában és tevékenységeik megtervezésében a régió turisztikai termékeinek népszerűsítése érdekében a turistáknak nyújtott átfogó szolgáltatások révén, beleértve az IT-technológiákat is.

A hírek egyébként Nyizsnyij Nogorodot említenek. Korábban már beszámoltunk róla, hogy ebben a városban megvalósult a "Vendégkártya" projekt, melynek segítségével nyomon követhető lesz a város nevezetességeit meglátogató turisták mozgása, érdeklődési köre, a turisták különböző kedvezményekben részesülhetnek, valamint ingyenesen használhatják tömegközlekedés.

Mindezeket a kezdeményezéseket a régiókban hajtják végre elszigetelt és elszigetelt, szövetségi részvétel nélkül.

MIRŐL BESZÉLSZ?

A lényeg az, hogy jelenleg megoldás alatt áll az Orosz Föderációba érkező külföldi állampolgárok elektronikus vízumkérelmének kérdése. A "Turizmus biztonsága" Egyesület szerint nincs értelme az ilyen vízumok speciális digitális technológiák segítségével történő felhasználásának anélkül, hogy integrálnák a migrációs rendszert és a turisták regisztrációját a szállodákban, valamint a fent említett szolgáltatásokat a "vendégkártya" használatával. Ez nem kormányzati megközelítés.

Véleményünk szerint a szisztematikus, állami megközelítésnek tartalmaznia kell mindezen elemek figyelembevételét. A turistának egyszer regisztrálnia kell a határon, miután megkapta az elektronikus címkét, majd körbe kell járnia az országot, regisztrálnia kell a szállodákban (már migrációs regisztráció nélkül), gond nélkül látogatnia kell a múzeumokat, különféle kedvezményekben kell részesülnie, ingyenesen vagy kedvezményesen használhatja a tömegközlekedést. Ez a megközelítés egyúttal lehetővé teszi a nemzetbiztonság biztosítását a külföldiek mozgásának rögzítésével, és lehetővé teszi, hogy a szállodatulajdonosok mentesüljenek a regisztrációs és migrációs elszámolási fejfájástól, valamint az Orosz Föderációt alkotó szervezetek turisztikai irányító szervei információhoz juthassanak. a régió (város) legkedveltebb objektumairól, és ennek alapján turisztikai ajánlatokat alkotnak, ezáltal a maximális hasznot hozva.

ÉS MINDEN EZÉRT VAN!

Mégpedig a kormányrendelet Orosz Föderáció 2015. augusztus 6. 813. sz., mely a Szabályzatot jóváhagyta államrendszer migrációs és regisztrációs nyilvántartások, amelyek megvalósítása jelentősen befolyásolhatja a vendéglátást és általában véve növelheti a beutazó turistaáramlást. Pontosan erről beszélt a "Turizmus biztonsága" Egyesület elnökségi elnöke 2018. december 06-án a Szövetségi Tanácsban Szergej Gruzd„Az Orosz Föderációba érkező külföldi állampolgárok elektronikus vízumhasználatának aktuális kérdései és az Orosz Föderáció jogszabályainak javítása ezen a területen” című kerekasztal résztvevői

Emlékezzünk vissza arra, hogy a migrációs és regisztrációs nyilvántartások javításának, a vízumrendszer egyszerűsítésének, valamint az utazási célú egységes biometrikus azonosító kidolgozásának és bevezetésének kérdései vita tárgyát képezik majd a bizottságon belül. „Turizmusbiztonság” Nemzetközi Fórum – TSIF – 2019.Ez a Fórum egy kiemelt szakmai rendezvény, ahol a hatóságok, a szakmai közösség és az üzleti élet képviselői egy platformon vitatják meg a turizmus biztonságának megőrzésének aktuális kérdéseit. A Fórum formátuma 4 kitörési ülést biztosít.

2,5 milliárd gigabájt adat. Az elemzőcégek előrejelzése szerint az éves adatmennyiség 2020-ra eléri a 43 billió gigabájtot. Az összes információ között: tweetek, újraküldések és videók, sok cég használ szolgáltatást. Az emberek már megtalálták a big data használatát a marketingben, hogy értékeljék az ügyfelek vágyait. A Big Data-t az orvostudományban is használják a diagnosztika javítására, a banki környezetben pedig személyre szabott ajánlatok készítésére. Az autóiparban is használatos a big data, ami segíti a sofőröket, hogy gyorsabban érjék el úticéljukat. Hogyan? Erről fogunk ma beszélni.

Segítsen elkerülni a forgalmi dugókat

Az adatok segítségével a járművezetők eljuthatnak a szó legigazibb értelmében céljukhoz. Navigátorokról beszélünk - ők építik meg a legrövidebb útvonalat forgalmi dugók és útépítések nélkül.

A navigátorok néhány másodpercenként elküldik koordinátáikat az alkalmazásszolgáltató rendszerének. A kapott adatok alapján az algoritmus egy nyomvonalat, azaz egy útvonalat készít a mozgás sebességére vonatkozó információkkal. A sok járművezetőtől kapott nyomok összege alapján a rendszer forgalmi dugókat észlel.

Az autók a hálózat részét képezik, és stabil információáramlást alkotnak. Ugyanakkor adatokat cserélhetnek a környező infrastruktúrával. A városban a kereszteződésekben elhelyezett térfigyelő kamerák is használhatók a forgalmi torlódások észlelésére. A kutatók különféle lehetőségeken dolgoznak az ilyen megoldások megvalósítására.

Például az autók közötti és az autók közötti kommunikáció létrehozásához a tudósok OBU modulok (On-Board Units) használatát javasolják, amelyek korlátozott időközönként meghatározzák az autó helyzetét és sebességét. Ez az információ az RSU-hoz (Roadside Unit), majd az adatösszesítésért és -feldolgozásért felelős fürtökhöz kerül.

A klaszterek API-n keresztül fogadják az adatokat és értelmezik. Például, ha a navigátor alkalmazás több felhasználója alacsony sebességgel mozog egy területen, a rendszer megérti, hogy a mozgás nehézkes. Az egyik javasolt algoritmusról bővebben olvashat.

A felhasználók önállóan is küldhetnek adatokat a szolgáltatásnak: információkat balesetekről, javításokról, kátyúkról stb. Az aggregátor a kapott információkat darabonként egy képbe gyűjti, és az adatokat összehasonlítja GPS koordináták, lerakja az utak torlódási pontjait. Ezen adatok alapján készülnek a navigációs útvonalak.

Amikor egy útvonalat megépítenek, az alkalmazás figyeli, hogy naprakész legyen az úton lévő helyzettel. Az algoritmus felelős egy olyan útvonal megépítéséért, amely mentes lenne a forgalmi dugóktól. Ha forgalmi dugó van az útvonalon, akkor az algoritmus más utat keres. Ha egy alternatívák(forgalmi dugókkal is, de gyorsabbak) nem található, akkor az útvonal változatlan marad. Az alábbiakban az algoritmus egyszerűsített formája látható:

Az útvonal megfigyelésére szolgáló algoritmus egy változatának blokkvázlata

A tudósok biztosak abban, hogy az ilyen rendszerek pontossága jelentősen megnő, amikor az összes vagy majdnem minden autó kommunikálni kezd egymással és adatokat cserél. A jövőben változtatnak a közúti viselkedési szabályokon. Ezt a véleményt osztja Tim Lomax, a Texas A&M Transportation Institute elemzője.

„Ha az autók elkezdenek beszélni egymással, nem lesz szükségünk közlekedési lámpákra” – mondja Tim. "A kereszteződéshez közeledő autó jelezni fogja, hogy szándékában áll átkelni rajta, a környező járművek pedig tudni fogják, hogyan kerüljék el az ütközést." Lomax szerint ez egy lépés lesz az önvezető autók széles körű elterjedése felé.

Elvisznek a helyre

Az önvezető autók egy másik olyan terület, ahol a big data jelentős hatással lehet. Az önvezető autók a tárgyak internete részét képezik, és az előállított adatok mennyiségének növekedéséhez vezetnek. Az útvonal felépítéséhez az robotpilótának meg kell értenie, milyen utakon kell haladnia, és mivel találkozik útközben. Ennek érdekében az autók a saját szenzoraik mellett az úgynevezett környezeti térképekből merítenek információkat. A jövőben ez a lista a közlekedés többi résztvevőjével és infrastrukturális elemeivel bővül: közlekedési lámpákkal, épületekkel, sőt fákkal is.