Компании начали вкладываться в анализ больших данных

Анализ больших данных (Big data) становится важной задачей для компаний. Более 90 процентов предпринимателей подтвердили это, ответив, что в той или иной степени сталкиваются с ними. Наиболее актуальной задачей аналитики больших данных 46 процентов респондентов считают создание новых бизнес-моделей и источников дохода для компании, показало исследование, подготовленное IDC совместно с Hitachi Vantara.
iStock

Рост объемов данных за год отметили 78 процентов участников. С помощью аналитики решаются такие задачи, как анализ транзакционных данных из учетных систем (61%), работа с информацией о клиентах (52%), анализ потоковой информации (51%).

Аналитика Big data - одна из ключевых тем для ИT-компаний, уверен Юрий Скачков, генеральный директор Hitachi Vantara: "Опрос показал, например, что 20 процентов компаний уже активно работают с различной информацией из соцсетей, с аудио- и видеофайлами, которые тоже нужно анализировать. До сих пор актуальна задача извлечения ценности из неструктурированных данных - более половины опрошенных считают ее жизненно необходимой для компании".

Компании уже работают с новыми источниками данных из соцсетей или видеопотоков с камер. А более половины предприятий имеют бюджет на внедрение решений по аналитике больших данных. "Аналитика больших данных стала реальной задачей для тех компаний, которые хотят остаться на рынке, - считает Елена Семеновская, директор по исследованиям IDC в России и СНГ. - Совсем скоро это перестанет быть конкурентным преимуществом и будет каждодневной практикой в организации. Это означает, что компаниям нужен правильный инструментарий для того, чтобы техническая часть работы с данными, подготовка их к аналитике, была эффективной и нетрудозатратной".

20 процентов компаний уже активно работают с различной информацией из соцсетей

Однако когда организации начинают внедрять углубленную аналитику, они часто забывают о важности кадрового потенциала и организационных изменений. "Именно эти факторы являются сдерживающими при получении практический пользы от технологий машинного обучения. Конкретный выбор механизма построения моделей и их точность - это не более 10-20% от успеха проекта. Способность и желание организации использовать новые продвинутые инструменты в ежедневной работе весят гораздо больше", - считает партнер McKinsey & Company, руководитель направления Advanced Analytics в EEMA Алексей Белкин.