Сам термин "большие данные" появился сравнительно недавно. Google Trends фиксирует начало активного роста частоты использования этого выражения начиная с 2011-2012 годов. Сейчас его не употребляет разве что ленивый. Но успехи Big Data еще впереди.
По прогнозу консалтинговой компании Experian, к 2025 году общемировой объем информации превысит 163 зеттабайт. Практически каждое наше действие, не только финансовые транзакции и платежи по кредитам, но и покупки в магазине (не обязательно интернет), поездки на такси, посты в соцсетях фиксируются и сохраняются. Объем данных, которые могут быть проанализированы и использованы, растет каждый день. Логично, что, обладая таким огромным объемом данных, компании хотят монетизировать и использовать его для собственных целей, говорит Тимофей Костин, глобальный консультант Experian в России и странах СНГ. Но здесь возникает закавыка.
Когда о Big Data только начинали говорить, появилось такое сравнение, что большие данные - как нефть. Оно было очень правильным. В случае с нефтью вы извлекаете прибыль не из того, что она просто у вас есть, а из того, что вы умеете ее добывать и перерабатывать. В этом смысле речь не только о том, что компании должны уметь собирать данные, но также о том, чтобы они могли обрабатывать и извлекать из них прибавочную стоимость. Это не автоматический процесс. Способность накапливать данные еще не означает, что вы умеете их обрабатывать и извлекать из них прибыль, отмечает Леонид Жуков, директор BCG Gamma.
Основная проблема в том, что данные плохо структурированы, что не позволяет применять для анализа традиционные методы, полагает Тимофей Костин. Это привело к появлению новой профессии Data Scientist или специалист по анализу больших данных, напоминает он. Основное отличие этих специалистов от обычных аналитиков - умение обрабатывать и находить связи и закономерности в больших объемах неструктурированных данных и строить модели на их основе.
По словам Костина, правильное использование аналитики Big Data может позволить компаниям получить мощное конкурентное преимущество. Компании, которые умеют это делать, могут увеличить свою прибыль от 5 до 25 процентов, согласен Жуков. Конечно, ситуация сильно зависит от индустрии, уточняет он. Если речь о промышленном производстве, эффект от умелого анализа больших данных может выражаться в снижении затрат на ремонт оборудования, оптимизации производственного процесса и качества производимой продукции, создании цифровой цепочки поставок. Если о ретейле, большие выгоды реально получить от персонификации программ лояльности клиентов.
По мнению Леонида Жукова, проблема эффективного использования больших данных состоит в постановке бизнес-задачи и умении соединить имеющиеся данные с решением этой задачи. "Этих навыков в компаниях пока нет, они еще не развиты и специалистов в этой области знаний сильно не хватает", - констатирует он.
Каждая отрасль находится на разном уровне развития с точки зрения накопления умений работы с большими данными. Интернет, финансы, банки, телеком, торговля идут впереди. За ними следуют промышленность и энергетика. Именно в такой последовательности компании из разных отраслей стоят в рейтинге умений извлекать ценность из больших данных.
"По сути, то, что "Яндекс" сделал несколько лет назад, начав таргетировать, то есть персонифицировать рекламу под конкретных пользователей, сейчас делают магазины со своими программами лояльности: подстраивают скидки под особенности клиентов", - говорит Жуков.
В то же время в тяжелой промышленности или в энергетике все приходится изобретать с нуля, поэтому там все только-только начинается. Но важно, что, учитывая объемы и стоимость производства, самые незначительные изменения в этих отраслях могут дать колоссальный эффект в "абсолютных рублях". Компании это уже поняли. К примеру, в нефтяной отрасли большие данные уже начинают активно использоваться для предиктивного ремонта оборудования и оптимизации добычи нефти; ранее данные применяли в основном в геологоразведке.
Несмотря на огромную популярность Big Data и проектов по ее анализу и использованию, объем доступных данных растет быстрее, чем компании успевают их обработать, проанализировать и применить, констатирует Тимофей Костин. При этом по-прежнему многое из того, что выдается за аналитику Big Data, является применением стандартного аналитического инструментария к пусть и очень большому объему структурированных и подготовленных данных. По мнению Костина, все это позволяет говорить об огромном потенциале Big Data. В ближайшие годы продолжится рост проектов с ее применением, будет расти количество специалистов по ее анализу, будут появляться новые сферы, в которых эти данные будут использованы.