Накопленный ресурс

Практически все участники пленарного заседания V Digital City Forum РБК, посвященного перспективам и практике применения Big Data, утверждали, что в различных отраслях уже накоплены огромные массивы данных, поэтому сейчас среди важнейших задач — научиться их анализировать.

Директор по монетизации данных и цифровой рекламе «ВымпелКом» Константин Романов заметил, что телеком-операторы давно работают в этом направлении: «Для нас слова Big Data и тренд в одном предложении уже не актуальны. Недавно генеральный директор нашей компании заметил, что сегодня Big Data — как электричество, данность, которая есть и к которой все привыкли».

«Большие данные появились не вчера — операторы занимаются этим направлением уже давно, — говорит директор филиала МТС в Санкт-Петербурге Павел Коротин. — Еще в 2005 году мы с точностью до 15% строили предиктивные модели оттока, которые основывались на том, насколько часто абонент звонит, платит, совершает другие действия. За эти полтора десятилетия количество наших абонентов увеличилось кратно, как и масштабы сетевой инфраструктуры, что неминуемо сказалось и на объеме данных, и на нашем умении ими пользоваться. Соответственно и точность перешла на новый уровень. К примеру, сейчас мы можем точно спрогнозировать, в какой момент конкретный клиент захочет сменить свой девайс на новый, и первыми сделать ему подходящее предложение».

При этом эксперты уверены: объем накопленных данных сам по себе не столь важен — важнее то, какой пользы можно добиться, анализируя накопленную информацию. Сейчас же многие отрасли напоминают пушкинского Кащея, который «над златом чахнет». «Big Data это не о данных, а о невидимых закономерностях, о том, как можно создать новую алгоритмию, которой не было, найти связи, которые человек не может увидеть», — убежден директор Института Цифровой экономики СПбГЭУ Денис Горулев.

Ситуацию явно нужно менять. «Проблема не в том, какие объемы данных кто сумел накопить, а в том, какие мы можем придумать алгоритмы для их обработки и бизнес-модели — для их применения», — отмечает Елена Полякова, директор по развитию цифровых проектов Северо-Западного филиала ПАО «МегаФон».

«Данные, действительно, уже накоплены в огромном количестве. Причем, как те, кто их накопил, так и те, кому они могут пригодиться, пока еще не вполне ясно понимают ценность, важность и нужность накопленного. Тут необходим диалог обеих сторон: осознание специалистами одной стороны какие им могут понадобится данные для оптимизации их бизнеса, уменьшения затрат, рациональности принимаемых решений, а также понимание специалистами другой — накопившей данные — стороны кому и в чем эти данные могут пригодиться. И, конечно же, важно разработать и воплотить в жизнь алгоритмы обработки этих данных для получения нужного и понятного результата. Думаю, что это «сближение» уже началось», — утверждает Виктория Тихонова, директор Филиала «ВЕСТ КОЛЛ СПб» АО «ЭР-Телеком Холдинг».

Этим путем идет и администрация города. Вице-губернатор Санкт-Петербурга Владимир Княгинин отметил, что с Big Data еще далеко не все понятно, но увеличение объемов открытых данных уже находится среди приоритетов власти. Причем, речь идет в том числе о так называемых «сырых» данных, позволяющих на их основе строить сервисы и выводить новые специальные решения. «Для нас важен не подсчет, сколько данных мы загрузили, а их качество, и мы будем постепенно развивать это направление», — подчеркнул Владимир Княгинин.

Заглянуть в чужой холодильник

Аналитики Frost & Sullivan к крупнейшим сегментам потребителей BigData в ближайшие несколько лет причисляют производственный сектор, финансы, здравоохранение, охрану окружающей среды и розничную торговлю. «В применении Big Data нет ограничений с точки зрения индустрий, — уверен Константин Романов. — В какой-то отрасли аналитика больших данных уже сегодня более востребована, в каких-то — менее. Отличается и уровень эффективности использования технологии, но все же говорить о каких-либо ограничениях нельзя».

Правда, в нашей стране пока далеко не все из названных отраслей активно идут в Big Data. Зато есть и другие интересанты. Например, Павел Коротин рассказал о наличии спроса на геоаналитику со стороны городских администраций: «Запросы со стороны правительства появляются, потому что невозможно найти других сопоставимых по качеству данных источников». Константин Романов заметил, что именно данные операторов сегодня часто становятся основой планов по совершенствованию инфраструктуры городов. Так, можно отследить динамику заселения новых жилых массивов, что позволяет планировать развитие транспортной и социальной инфраструктуры, прогнозировать нагрузку на энергосети и т.д. Эти задачи актуальны и для Санкт-Петербурга, в котором ежегодной вводится более 3 млн квадратных метров жилья.

Елена Полякова напомнила, что операторские данные уже используются для анализа туристических потоков и управления ими. Кроме того, основываясь на Big Data, «МегаФон разработал новую линейку тарифных планов «Включайся!», каждый из тарифов которой ориентирован на определенный профиль потребления, в том числе с учетом потребностей цифровых абонентов в мессенджерах и соцсетях, онлайн-видео и музыке. На базе анализа данных о потребностях клиентов и продуктов крупнейших финансовых организаций страны формируются и кредитные предложения для держателей виртуальных и пластиковых карт «МегаФон Банка». В ретейле Big Data уже работает: все телеком-операторы с ее помощью уже оптимизировали свои торговые сети и готовы предлагать внешним торговым сетям необходимые им данные по геоаналитике.

Есть и другие перспективы — прежде всего, ориентированные на повышение удобства для покупателей. «Представьте, что система будет автоматически определять, какие продукты и товары закончились дома у конкретного клиента, и сопоставлять полученные данные с историей покупок. А затем она начинает подсказывать, когда нужно совершить покупки, чтобы не закончилась туалетная бумага, масло, молоко. Человеку останется только подтвердить покупку и время доставки», — прогнозирует основатель сервиса iGooods Григорий Кунис.

Этим перспективы не ограничиваются. Например, на основе кластеризации определенных психотипов людей можно предсказывать, какие дополнительные покупки могут их порадовать и предлагать их. В том числе это позволит торговым сетям корректировать закупки и производство. Правда, работать подобная система будет не завтра, а в перспективе 5-10 лет.

Здоровье и деньги

Гораздо сложнее обстоят дела с другими отраслями. «Сейчас медицинская отрасль находится на этапе стандартизации: она идет мощно, с большими успехами и прорывами. В частности, в России, в Санкт-Петербурге подхватили лучшие мировые стандарты, — рассказывает генеральный директор Лабораторной службы Хеликс Юрий Андрейчук. — До недавнего времени вся медицина жила в проприетарных справочниках: провайдеры медицинских услуг накапливали данные о пациенте, но не могли ими делиться. Теперь мир, похоже, договорился, как правильно делиться этими данными, а значит — их можно будет агрегировать из разных источников. Кто будет хранителем этих агрегированных данных — пока большой вопрос. Государство в этом, безусловно, заинтересовано — для этого создается Единая государственная информационная система в здравоохранении (ЕГИСЗ). Будут наверняка и независимые операторы».

При этом потенциал применения Big Data в медицине огромен. Юрий Андрейчук рассказал, что анализ электронных медицинских карт двух американских госпиталей, работавших с единым стандартом данных, позволил прогнозировать время выписки пациентов из госпиталей, а также их смерти — в некоторых случаях с точностью до часа. Следовательно, можно определить и то, правильно ли был поставлен диагноз, корректно ли было лечение.

Кроме организационных и технологических факторов развитие этого направления сдерживает и традиционная экономическая составляющая. Эксперты уверены, что уже по накопленным данным искусственный интеллект может ставить диагнозы, предложить варианты лечения, причем зачастую точнее врачей. Т.е. эффективность решения высока, но даже в этом случае возникают вопросы. Система большая, сложная, а следовательно — дорогостоящая. Кто за нее будет платить? Возможно, заинтересованы будут страховые компаний, которые хотели бы понимать, правильно ли медицинские учреждения назначают лечение для данного типа болезни. Но уже сейчас понятно, что далеко не все страховщики пойдут на такие затраты. Готовы ли будут инвестировать в подобные системы государство или отдельные регионы — также не известно.

Что нам стоит дом построить

Строительная отрасль за последние пять лет сделала значительный скачок в направлении цифровизации. Однако данные в отрасли, как отметил генеральный директор НТЦ «Эталон» Арсентий Сидоров, начали накапливаться лишь недавно. Это касается и данных по строительным объектам, и по покупателям.

В частности, большие возможности открываются при анализе профилей покупателей. Можно узнать, как в рамках жизненного цикла у него меняются интересы, выстроить новые более эффективные модели таргетирования фокус-групп.

Что касается данных по объектам, то после перехода от кульмана к трехмерному проектированию — а это произошло порядка 5 лет назад — стали накапливаться библиотеки проектных решений. «Основные тренды использования Big Data сегодня — это управление рисками, снижение себестоимости реализации проекта и управление покупателям, — рассказывает Арсентий Сидоров. — Также мы идем в сторону видеоаналитики, искусственного интеллекта для мониторинга стройплощадки, дополненной реальности. Но проблема в том, что эти технологии эффективнее использовать на локальных ограниченных площадях — я имею в виду предприятия. Что касается строительства, то очень остро стоит вопрос экономической эффективности любых инноваций. Даже если речь идет про застройку большого микрорайона, инновации могут не окупиться. Что же говорить про небольшие площадки!».

К примеру, эксперт поставил под сомнение возможность использования всеми рабочими на стройке очков дополненной реальности, подключенных к базе данных — это слишком дорого при текущей стоимости оборудования и масштабах строительства. Подобные технологии оправдывают себя в процессе обучения персонала, при проведении инструктажа по технике безопасности или передаче объекта эксплуатирующей организации. Такие кейсы в Группе «Эталон» уже реализованы.

На полпути к умному транспорту

BigData может быть полезна и для дорожно-транспортной области. Чаще всего в этом случае говорят про управление транспортными потоками и развитие дорожно-транспортной инфраструктуры на основе данных с камер фотовидеофиксации, системы «Платон» и т.д. Однако все это более интересно государству, чем бизнесу.

Что касается коммерческих предприятий, то тут эффекты от применения Big Data пусть и не столь масштабны, зато уже заметны. «Сложно представить современную компанию, которая, внедряя различные цифровые инструменты, не умеет анализировать большие данные и не использует их, — отмечет руководитель клиентского центра CTRL Лизинг Мария Черникова. — BigData позволяет повысить эффективность сразу по нескольким критериям: снизить простой транспорта, улучшить качество контроля за водителем и техническим состоянием автомобиля, оптимизировать процессы управления автопарком и, самое главное, сделать пассажирские перевозки еще более безопасными».

Это особенно важно, потому что в транспортной отрасли сейчас создаются определенные экосистемы, которые позволяют управлять большим парком автомобилей. К примеру, CTRL Лизинг управляет более чем 15 тыс. автомобилей по всей России, а это каждый четвертый автомобиль в такси или каршеринге. «Чтобы продать клиентам не просто машину, а устойчивую бизнес модель, мы обязаны аккумулировать и анализировать Big Data, — рассказывает Мария Черникова. — Например, сейчас мы пришли к выводу о том, что таксопарк более экономически устойчив, если пользуется услугами несколько агрегаторов. А значит, он платежеспособен и мы можем его развивать, давая ему во владение новые транспортные средства».

Собирая данные по загрузке каждого конкретного автомобиля, можно определить критический уровень загрузки, который позволит таксопарку быть перспективным. Для этого 70% автомобилей оснащены тематическими устройствами. Если таксопарк не достигает этой загрузки, его необходимо «вытягивать» на устойчивый уровень выбранной бизнес-модели.

Также собранные телематикой данные позволяют выявлять и затем корректировать стиль вождения конкретного сотрудника. Результатом такой работы становится снижение аварийности. Для таксопарка или каршерингового сервиса это означает минимизацию затрат на техническое обслуживание автомобилей.

Несмотря на столь прозрачную экономическую выгоду вопрос экономики и здесь стоит остро. Так, недавно проведенный пилот по оснащению автомобилей системой ADAS (advanced driver-assistance systems — система помощи водителю) показал, что это приводит к удорожанию каждой машины на 10-15%. Отсюда вопрос, кто понесет риски, если вдруг масштабирование такой системы не даст ожидаемого экономического эффекта, существенного снижения аварийности не произойдет, расходы таксопарков или каршеринговых сервисов не сократятся.

Если эти риски возьмет на себя лизинговая компания, ее финансовые результаты могут ухудшиться. Так что сейчас транспортной отрасли необходимо найти партнеров по реализации подобных инициативы. Возможно, заинтересованными в таком проекте станут страховые компании, но наработанной практики пока нет.

Информированное будущее

По мнению экспертов, перспективы Big Data гораздо шире нынешних результатов. Однако для того, чтобы технология заработала на полную мощность, нужно сделать многое. Елена Полякова уверена, что бизнесу самому необходимо уйти от цифровизации ради цифровизации, в том числе не просто накапливать данные или покупать аналитику, а понимать, как встроить данные в свою бизнес-модель.

«Драйвером направления станет позитивный опыт использования Big Data в деятельности тех или иных предприятий в различных отраслях и областях жизни, тиражирование этого опыта и, конечно, уменьшение стоимости получения, хранения и обработки нужной информации», — уверена Виктория Тихонова.

Также эксперты отметили, что для повышения эффективности работы с Big Data необходимо увеличивать репрезентативные выборки, а значит, чтобы удовлетворить запросы потребителей, будет наблюдаться тренд на объединение операторов больших данных. Необходимо обогащать данные, обеспечивая их обмен между телекомом, ретейлом и банками. Шаги в этом направлении, по словам экспертов, уже делаются, но это сложный с точки зрения регуляторики процесс, поэтому и ждать быстрых результатов не стоит.

«Big Data появилась не сегодня, и большинство проблем, связанных с накоплением и обработкой данных мы уже давно успешно решаем. К примеру, в рамках совместного проекта с учеными СПбПУ, мы реализовали систему, обрабатывающую потоки данных об активностях пользователей и сервисов корпоративной сети, при этом система справляется с потоком интенсивностью тридцать тысяч событий в секунду. Сейчас же, на мой взгляд, перед нами встает другая проблема: нехватка квалифицированного персонала для сопровождения таких аналитических систем», — отмечает заместитель генерального директора «Газинформсервис» по техническим вопросам Николай Нашивочников.

Участники дискуссии уверены: необходимо уходить от старой модели ведения бизнеса. Новые же модели требуют гораздо большего количества данных, и в том числе — недостоверных, в отношении которых обычно применяют термин «цифровой мусор». Это данные, позволяющие оценить впечатления потребителей от услуг и продуктов, выявить истинные мысли. То есть речь идет не о количественных данных по оттоку клиентов, если говорить в терминах того же телекома, а о глубинных причинах — а это аналитика уже другого порядка.