Термин Big Data впервые был озвучен в 1977 году и с тех пор является самым таинственным и загадочным инструментом в экономике. Одни говорят о необыкновенной эффективности этой технологии, другие относятся скептически.
Попробуем разобраться, где же здесь реальные факты, а где – маркетинг и пустые обещания.
Мощное решение или пустая трата времени?
Определимся с терминами — big data in economics представляет собой значительной объем неструктуризированных данных. В отличие от статистики, сбор информации не ведется по каким-либо определенным параметрам, не имеет заранее оговоренной цели. Вы берёте все доступные показатели и только потом анализируете, определяете наличие взаимосвязи и используете для повышения эффективности работы компании. Никто заранее не может предсказать, что именно сыграет решающую роль – привычки потенциальных клиентов или погодные условия в конкретной климатической зоне.
Economics and big data: плюсы и минусы
Необходимо помнить, что дешевизна сбора и хранения Big Data компенсируется необходимостью привлекать профессиональных аналитиков. К счастью, технологии постепенно вытесняют человеческий ресурс, давая возможность оперировать большими массивами информации относительно недорого.
От теории к фактам: как влияют Большие Данные на мировую экономику
Рост озер данных позволяет наиболее полно учитывать все факторы и риски, влияющие на развитие конкретной компании. В 2011 году объем сгенерированной информации достиг 1,8 зеттабайт, в 2012- 2,8 зеттабайт. К 2020 эта цифра умножится многократно, перешагнув отметку в 40 зеттабайт. Одной из крупнейших компаний, генерирующей информацию, является Google, не отстает от нее Facebook и Apple.
Простым примером может служить деятельность кредитной организации.
- Используя простую статистику, банк может понять, сможет ли заемщик выплатить займ сейчас, прогнозировать что-либо невозможно;
- Большее количество информации позволят построить правдивый прогноз и понять, насколько высок риск невыплаты ссуды. Более того, значительный массив информации даст возможность действовать на опережение – проанализировав множества факторов, предложить кредит нуждающемуся в нем «надежному» человеку, опередив при этом конкурентов.
Вопрос лишь в грамотной трактовке, насколько быстро и правильно big data economist сможет превратить информационный хаос в «информационный бриллиант».
По подсчетам специалистов, если все развивающиеся страны мира будут с той же активностью использовать Большие Данные, как и передовые государства (Сингапур, Нидерланды, США, Германия), мировой ВВП вырастет на 13% (источник McKinsey & Company).
Что дали озера данных экономике?
Каково же реальное использование Big Data? Пока отдельные компании «хвастают» сэкономленными миллионами, выясним, что же дает внедрение этого инструмента экономике в целом.
- Снижение финансовых рисков – до 60% в банковском секторе;
- Увеличение гибкости – исключаются потери дохода из-за недостаточной информированности менеджмента;
- Стремление к большей автоматизации – снижаются затраты на оплату труда, дорогой человеческий ресурс постепенно замещается менее затратным программным;
- Увеличение уровня удовлетворенности клиентов – при создании любого продукта, от подгузников до железнодорожного состава, учитывается гораздо большее количество факторов.
Благодаря внедрению технологии экономика развивается активнее, все секторы становятся более конкурентоспособными. Соответственно увеличивается и уровень благополучия занятых в этой сфере граждан.
Поэтому между Большими Данными и экономическим благополучием жителей государства можно смело ставить знак равенства. Учитывая этот факт, многие государственные институции начали активно внедрять этот инструмент. Минтруда Германии проанализировав огромный объем данных, смогло сэкономить 10 миллиардов евро, исключив выплаты по безработице тем, кто получал их незаслуженно. Были проанализированы не только анкетные данные, но и информация из открытых данных, в том числе и социальных сетей.
Экономический эффект в банковском секторе
И коммерческий, и бюджетный сектор несет самые большие убытки не из-за неграмотности менеджеров и управленцев. За потерей миллиардов долларов стоят мошенники всех мастей – от мелких аферистов до практически гениальных хакеров. Использование Больших Данных повысило эффективность работы службы безопасности в три раза. Благодаря этому компания VISA ежегодно предотвращает финансовые аферы более чем на 2 миллиарда долларов. Для этого не требуется привлечение человеческого ресурса – за все поиск «подозрительных» транзакций отвечает программа. Big Data economists подготовили базу, а в дальнейшем все работает автоматически.
Сфера обслуживания
В глобальной economics big data в первую очередь внедрялись, как способ угодить клиенту, обслужить его максимально качественно. Секрет успеха прост – нужно узнать, что действительно нужно клиенту и дать ему это.
По такому принципу работает компания Uber – телефоны водителей отправляют данные на сервер каждые 4 секунды. Фиксируется все, от особенностей конкретного заказа до маршрута. При этом персональные данные не важны, главное – определить закономерность, которая в дальнейшем позволит увеличить доходность компании и удовлетворенность клиентов и сотрудников. В планах бренда создание автомобилей, управляемых только компьютером, на основе именно этих собранных данных.
Эти же принципы работают в медицинской сфере, хедхантинге и страховом секторе.
Реклама, маркетинг и торговля
Не имеет значения, что вы предлагаете потребителю, качественные товары, услуги или яркие обещания – все это должно находить отклик. И тут снова приходят на помощь озера данных. Компании получили возможность предугадывать желания – предлагать продукт, который вы подсознательно хотите купить.
Классический пример – торговая площадка Амазон или китайская ее версия АлиЭкспресс. Анализируя просмотры, покупки, интерес, программа отслеживает закономерность и рекомендует то, что потенциально может вас заинтересовать. Уровень продаж благодаря такому инструменту значительно возрастает.
А что если?
Дает ли сбои технология анализа Больших Данных? Нет, ошибку может совершить человек, не имеющий достаточных знаний и опыта. В основе любого действия с информацией лежит математическая модель. Соответственно неправильная модель даст не те результаты, которые необходимы. Ярким примером такой ошибки является сервис Google Flu Trends, который должен был регистрировать начало эпидемии гриппа на основе увеличения поисковых запросов о лечении простуды, действия противовирусных препаратов. Модель не учитывала сезонность, стремление людей предотвратить проблему (профилактические меры). В результате ЦКЗ от использования сервиса отказался, сосредоточившись на разработке более точной модели.
