Big Data давно перестали быть просто модными словами, которые у всех на слуху. Теперь это действенный инструмент для собственников бизнеса, которые хотят больше узнать о своих покупателях, оптимизировать процессы внутри компании и выстроить грамотную маркетинговую стратегию.
Работа с Big Data предполагает как плюсы, так и минусы. В этой статье мы подробно разберем каждый аспект.
IBM утверждает, что в мире предприятия ежедневно генерируют почти 2,5 квинтиллиона байтов информации! 90% от общего массива было получено только за последние 2 года. И современная техника позволяет сверхбыстро обрабатывать эти немыслимые массивы данных — буквально за миллисекунды!
Еще в 2016 году Mersedes-Benz доказал возможность организации успешных беспилотных перевозок. Так беспилотные грузовики проехали колонной 600 километров — из Штутгарта (Германия) в Роттердам (Нидерланды). Казалось бы, причем здесь Big Data? Дело в том, что без постоянного анализа окружающей среды и обстановки на дороге авто не смогли бы так успешно совершить поездку. Для сравнения: скорость реакции человека на сложную дорожную ситуацию равна 1,4 секунды, а скорость системы — 0,1 сек.
Например, как понять, что сеть заведений может быть расширена на тот или иной район? Как минимум, проанализировать релевантную долю адресов, которые заказывают еду от компании. Если покупательная способность этих посетителей и спрос на нужном нам уровне, можно отталкиваться от этих данных и принимать решение.
В основе — только факты и цифры, поэтому ошибиться здесь весьма сложно. Понятно, что анализ глобальных, локальных и косвенных конкурентов, а также их преимуществ тоже существенно влияет на общую картину, но это уже больше вопрос бизнес-анализа и маркетинговой стратегии.
Теперь маркетологи могут не только точно определить, на какую ЦА ориентироваться, но и влиять на потенциальных покупателей именно тогда, когда они способны откликнуться. Таким образом клиентов привлечь проще, прибыль приумножается, а расходы на вовлекающие механики неуклонно снижаются.
Касательно самого клиента, для него система находит наилучшее персонализированное предложение, которое с большей долей вероятности будет принято сразу.
Ярким примером служит любая контекстная реклама, которую вы когда-либо встречали. Компания анализирует поведение своих потенциальных клиентов на сайте и формирует индивидуальные предложения на основе их интересов. Так делают абсолютно все крупные ритейлеры.
Сложность обработки Big Data человеческим мозгом заключается не только в том, что данных очевидно много, но и в том, что они абсолютно не структурированы и хранятся вразнобой в таблицах, диаграммах, изображениях и других формах. Все это усложняет поиск полезных закономерностей, которые позволяют выявлять причинно-следственные связи на глобальном уровне.
Например, тщательный контентный анализ того или иного издания (или их группы) сможет наглядно показать не только повестку дня, но и редакционную политику СМИ, качество их влияния на массы и политическую элиту, и как следствие — на события в мире. Возможность отслеживания таких вещей дает хорошую базу для прогнозов и аналитической деятельности.
Работа с большими массивами данных позволяет отвечать на ряд сложных вопросов — почему ход события именно таков и какой прогноз возможно сделать прямо сейчас. В прошлом на эти вопросы отвечала целая команда экспертов (и, к слову, тратила на это очень много времени), однако человеческий фактор всегда приводил к погрешностям.
Автоматический же анализ информации исключает эти досадные явления. Вопрос стоит лишь в том, насколько аналитик компетентен, чтобы сделать правильные выводы из тех данных, которые выдала машина.
Сложные технологии требуют соблюдения некоторых условий, при которых они могут работать, а также диктуют миру новые принципы работы и защиты информации.
Сбор и анализ информации в непрерывном режиме требует от компании технического развития, набора сильной команды и глобальных новшеств в бизнес-стратегиях.
Изменения в стратегии будут сопряжены с новыми данными, ведь информация обновляется, вырисовывается новая картина, а значит корректируются бизнес-решения.
Касательно необходимого ПО — сервера должны быть достаточно мощными, чтобы «переваривать» Big Data и хранить информацию. Носители-хранилища — удовольствие не из дешевых, но их необходимость даже не обсуждается.
И, конечно, нельзя не упомянуть важность кадров — это аналитики, эксперты по визуализации больших данных и другие специалисты, которые помогают разобраться в информации.
Все это в комплексе увеличивает стоимость обработки информации для компаний.
Благодаря «Общему положению о защите данных Европейского союза» (GDPR), другим международным нормативно-правовым актам и национальному законодательству некоторых стран, безопасность и конфиденциальность личной информации превосходит желания любого бизнеса.
В случае халатного обращения с данными, ненадлежащего хранения и обработки информации компания может быть оштрафована, что непременно скажется на прибыли.
Однако еще большая проблема в отношении Big Data касается обычных людей, утечка информации о которых представляет угрозу для конфиденциальности и может привести к серьезным последствиям, в том числе финансового характера.
Особенно волнует общественность информация, полученная с беспилотников и камер видеонаблюдения. Нельзя не вспомнить в этом контексте Китай — современное полицейское государство, где камеры и большие данные применяются для отслеживания и анализа поведения граждан.
Работа с Big Data требует осмотрительности и вдумчивого использования информации. Безусловно, автоматический анализ больших массивов данных облегчает жизнедеятельность бизнеса, помогает находить новые закономерности и инсайты, что позволяет «выжимать» максимальную выгоду их текущего положения дел. Это отличный инструмент для создания эффективной бизнес-стратегии.
Но, как и любая технология, Big Data имеет свою теневую сторону. Прежде всего, риски связаны с утечкой информации, которая неправильно хранилась. А надлежащее обращение с Big Data требует от компаний больших ресурсов, прежде всего финансовых.
Антон Мальцев 
