Облака и трехмерное моделирование повышают эффективность проектов

Gartner опубликовал рекомендации, которые помогутпредприятиям не наступать на грабли при работе с большими данными. По мнению аналитиков,примерно 50% всех случаев нарушения деловой этики к 2018 году будут вызваны неспособностьюправильно обращаться с огромными объемами информации и инструментами для их обработки.Речь идет о неэффективном использовании ресурсов, возможной потере репутации, обограничении деятельности бизнеса и даже о правовых санкциях. В первую очередь, специалисты Gartner советуютпошагово соотносить аналитические выводы с тем эффектом, который получает предприятиепо результатам принятых на их основе бизнес-решений. Некоторые организации по рядупричин не способны применить в своей деятельности результаты исследований. Крометого, принятие решения не всегда требует инвестиций в инженерные разработки и сложныеаналитические проекты. «Мы видим две ключевые проблемы, с которыми сталкиваетсяотрасль,— комментирует Алексей Благирев, директор по развитию систем аналитики и отчетности Банка «Открытие». — Однаиз них связана с человеческим капиталом. Технологии сильно опережают текущий уровеньзнаний в отрасли о том, как извлекать ценность из данных, как использовать конкретныетехнологические решения. Нужно обучать людей тому, как использовать данные, какс ними работать. Другая сторона проблемы касается роли данных в бизнесе и процессахпринятия решений. Безусловно, необходима единая стратегия работы с данными в организации,но ее реализация потребует от ключевых подразделений перехода на иную модель зрелостиработы с информацией». Заместитель генерального директора SAP СНГ Дмитрий Шепелявый считает, что никто несобирает данные просто так: «Все заказчики используют собранную информацию как минимумдля базовой регулярной отчетности. Вопрос здесь в том, чтобы перейти от консолидированнойпериодической отчетности к системе поддержки принятия решений, где выявление закономерностейи рекомендации по управленческим решениям будут реализовываться в режиме реальноговремени. Доля таких компаний неуклонно растет, мы постоянно наблюдаем похожие тенденциии участвуем в подобных проектах практически со всеми нашими крупными заказчиками». Предприятию необходима долгосрочная стратегия внедрениясредств обработки больших данных, конкретно отвечающая на вопрос о том, как именноданные будут обработаны и использованы,считает Святослав Штумпф, главный эксперт группы маркетинга продуктов «Петер-Сервис».То есть в момент сбора данных уже нужно знать детали будущего анализа. «На этапеобработки может выясниться, что некоторые данные отсутствуют, и это обесцениваетсобранный массив, нужно повторять сбор. И, возможно, окажется, что данные структурированыне подходящим для анализа образом. Значит нужно их реструктурировать, что потребуетбольших затрат труда и машинного времени», — комментирует эксперт. Еще одна типовая трудность, по мнению СвятославаШтумпфа, связана не с технологией, а с организацией инвестиционной деятельности.Большие данные позволяют найти то, чего еще никто не знает — на основе вероятностныхметодов и корреляционного анализа. Но гарантировать, что результат будет иметь бизнес-ценность,невозможно. А без таких гарантий трудно получить инвестиции на проект. Это приводитк наличию портфеля вялотекущих исследовательских проектов, которые трудно закрыть(ведь деньги уже вложены, и немалые), но неясно, зачем продолжать. Аналитики Gartner также акцентируют вниманиена необходимости управлять данными как активами предприятия. Огромное количествоинформации поступает по разным каналам от покупателей и потребителей услуг, но бизнесигнорирует их ценность и редко имеет четкую схему монетизации этого ресурса. Банкии платежные системы уже сейчас на основе пользовательских данных предоставляют сервисыритейлерам. Розничные торговцы, в свою очередь, делятся информацией из точек продажс поставщиками, чтобы увеличить оборот. По мнению Дмитрия Шепелявого, решения по монетизации пользовательских данных сегодняочень востребованы в телекоме, где индивидуальные тарифные предложения илицелевые маркетинговые программы используются для удержания абонентов и увеличениясредней выручки на одного пользователя. «Плотно подходят к монетизации данных такженаши капиталоемкие индустрии — нефтегазовая, рудная отрасли, энергетика — где, например,программы предиктивного качества, ремонтов или управления банками мощности опираютсяна средства предиктивной аналитики и обработки больших данных и могут принести существенныйфинансовый эффект». Ссылка на источник