Большие данные — как нефть, только лучше

Экперты ФРИИ — заместитель директора по техническому развитию Сергей Алимбеков и руководитель лаборатории больших данных Анатолий Орлов — о качестве, применимости, ценности и даже об «отсутствии» больших данных:
***
По большому счёту, нет никаких больших данных. Есть просто данные, много данных, — их количество растёт экспоненциально. Если правильно собрать и обработать данные, найти и применить удачную модель, то можно получить большие экономические эффекты.


Данные — это как новая нефть, но их больше, и они выгоднее. Потенциальная ценность увеличивается вместе с объёмом данных, но реальный профит получается только в результате их обработки. Для сбора, хранения, анализа данных и приложения результатов к конкретным задачам используют много разных алгоритмов и технологий. В занимающиеся этим направлением стартапы ФРИИ планирует до 2018 года инвестировать порядка полумиллиарда рублей.
Для того, чтобы начать использовать данные, не нужны большие инвестиции. А в первую очередь нужны сами данные и осознание их ценности людьми, принимающими решения. Разрозненные, разбросанные по отдельным носителям данные — технически непригодны; можно сказать, что их нет. Стратегия внедрения big data должна включать требования к сбору и хранению данных. Когда данные собраны и оцифрованы, к ним можно применять любые алгоритмы.
Чтобы найти решение, даже очень инновационное и эффективное, нам необходимы только данные. Причём лучше, если они будут «сырыми», необработанными: «систематизация» данных как самоцель часто ведёт к порче, искажению информации. Обрабатывая большие массивы данных, мы находим идеи их применения, порой совсем неожиданные для заказчика. Затем уже разрабатываем технические решения.
Прогнозирование и автоматизация на основе больших данных позволяют решать всё больше сложных задач. От традиционной бизнес-аналитики — до интернета вещей; от оптимизации логистики, управления качеством и предиктивного техобслуживания — до обеспечения безопасности и раскрытия преступлений на основе анализа видео с камер наблюдения. Сейчас технологии big data активно развиваются на транспорте, в промышленности, ритейле, рекламе, банковском деле, медицине. Но они могут быть эффективны всюду, где есть большие инфопотоки. Например, в лесном и сельском хозяйстве.
Одна из самых наглядных сфер применения — предиктивное техобслуживание. Сложные станки, газовые турбины, буровые, самолёты — всё это ломается. Ремонт каждой единицы такой техники обходится в миллионы рублей, а если восстановление невозможно, то убытки от поломки или аварии измеряются уже десяками миллионов. Ремонт, особенно непредвиденный — это большие издержки: оборудование простаивает, нужны резервные мощности, нужно содержать команду специалистов и склад запасных частей. А обучаемая машина на основе данных мониторинга может заранее спрогнозировать возможные поломки. Тогда профилактику и замену частей можно проводить заранее и в плановом режиме. Выгода очевидна, и через 10 лет на крупных производствах не останется ни одного дорогого станка, не подключенного к интернету.
Пока заметно непонимание многими руководителями возможностей big data. Это показывают исследования, и мы видим по своему опыту работы. На Западе популярность и развитие этих технологий намного выше. На основе больших данных торговые сети предсказывают спрос на конкретные продукты и распределяют задачи между работниками; в телекоме прогнозируют отток клиентов; автостраховщики оценивают навыки вождения своих клиентов; а новое приложение ResearchKit от Apple превращает iPhone в инструмент массовых биомедицинских исследований. Мы отстаём в этой сфере, как и во многом другом, на 3-5 лет. Но это не фатальная дистанция, взрывной рост числа проектов сможет быстро её устранить. А рост неизбежен: реализуемые проекты покажут рынку, где лежит цифровое золото.
12 декабря в "tceh" стартует обновлённый курс, на котором будущие «золотоискатели» — digital-аналитики — научатся обрабатывать данные, принимать эффективные решения и управлять поведением пользователей. Подробности и программа курса.