Еще 70 лет назад большие данные выглядели как огромные картотеки, которые невозможно было масштабировать или скопировать. Даже в 2000-х годах информация лежала и была востребована лишь периодически. О том, что изменилось за 20 лет и как организовать работу Data Science департамента, на конференции K-Tech 2019 рассказали представитель «Кселл» Руслан Хамзин и руководитель департамента решений для государственных организаций, SAS Россия/СНГ Александр Ефимов, сообщает корреспондент центра деловой информации Kapital.kz.
«С IoT и BigData связаны огромные возможности. Для операторов BigData это то, что позволяет извлечь дополнительный доход, возможности и инсайты. При этом BigData не формируется единовременно. Технологии нужно время, чтобы стать достоверной. IoT или интернет вещей – это то, что уже сейчас позволяет стать нашим жизням комфортнее, улучшить клиентский опыт и вместе с тем дать рост еще большему накоплению больших данных», - замечает Руслан Хамзин.
Он отмечает, количество смартфонов в мире приближается к 5 млрд. IoT устройств становится в разы больше, если в список включить выключатели, пылесосы, телевизоры. «Есть большое количество компонентов, которые нужно рассматривать на этапе внедрения IoT. Как сотовый оператор в свою экосистему IoT мы включаем связь и сами устройства. Один из важных моментов – безопасность. Все должно быть интегрировано», - рассказал спикер.
Он привел прогноз по развития IoT в Казахстане - до 2025 года на рынке появится около 100 млн смарт-устройств.
«Прогноз не самый оптимистичный, поскольку сейчас количество девайсов (телефонов, смартфонов, планшетов) составляет порядка 25 млн. Это не предел, - замечает эксперт. - Если говорить про IoT и BigData в Казахстане, то для операторов связи это достаточно новые вещи. 2015 год можно считать годом осознанного внедрения BigData, началом сбора информации и осмысленного хранения. 2016–2017 годы, зарождение первых проектов IoT с точки зрения общих вещей, съема показания счетчиков и т. д.».
Эксперт подчеркивает, что для развития этого направления в Казахстане нужно создать разноплановую экосистему с партнерами, консалтинговыми агентствами, привлечением лидогенераций, государственного и бизнес-сектора.
Как организовать работу Data Science департамента?
По словам руководителя департамента решений для государственных организаций, SAS Россия/СНГ Александра Ефимова, для внедрения больших данных в компании не обязательно нанимать экспертов по аналитическим данным. Система начнет работать, если каждому из сотрудников дать понятные инструменты для принятия решений.
«Чаще всего компании работают традиционно и принимают решения, как прописано в должностной инструкции. Есть компании, которые с самого начала росли как цифровые. Но даже такая классическая отрасль, как банки, все больше цифровизируются. У традиционных компаний возникает вопрос, как с ними конкурировать? Конкурировать можно за счет понятных инструментов для сотрудников. Это может быть простой специалист, который знает свою область предметно», - говорит спикер.
Но как сделать так, чтобы эти технологии действительно работали? В конце 2016 года McKinsey опросил несколько организаций из разных отраслей. Компании с положительным опытом использования Data Science отметили ключевой фактор – вовлечение топ-менеджеров в процессы принятия решений.
«Второй тезис – представители компании, у которых плохо приживается цифровизация, говорили, что самое сложное - это соорудить четкую организационную структуру. Если слишком много об этом думать и пытаться все расписать, то компания начинает тормозить и сдавать темп. Эта мысль, которая мне больше всего понравилась в исследовании. Начинайте с малого и идите к большему», - объясняет Александр Ефимов.
Основная идея цифровизации, по мнению эксперта, заключается в том, что у любого бизнеса есть множество гипотез, которые имеет смысл проверить. Университет Гарвард провел исследование и выяснил, что придумывать гипотезы это одно, но сколько из них принесут конкретный результат? Оказалось только 40%, 60% гипотез в области Big Data, не дойдут до промышленного внедрения в офис. «Например, кредитный конвейер, когда каждый раз клиентам необходимо отвечать одно и тоже. Это массовое решение. А разовое решение, это когда мы сегментируем на год всю клиентскую базу и понимаем, кто к нам ходит», - замечает он, подчеркивая, что иногда можно иметь приблизительное решение, которое будет удовлетворять потребности бизнеса.
