Новини
Ілюзія великих даних
Технології
Чи дійсно big data - це об'єктивна нагальна проблема для бізнесу?
Може бути це лише красивий маркетинговий хід розробників потужних комп'ютерів і продуктів по зберіганню і обробці цифрових даних.
Може бути це лише приваблива реклама консультантів з дослідження ринків і поведінкових моделей клієнтів.
А може це всього лише модний тренд у сфері тотального спостереження за суб'єктами ринку і прогнозування їх реакцій.
Можливо і немає ніяких «великих» даних, а є велика ілюзія про те, що вдасться якимось чином зібрати настільки величезний масив цифрової інформації, обробити його якимось чарівним чином і отримати відповіді на всі питання, що хвилюють бізнесмена.
Кадр з к/ф «Особлива думка» (Minority Report) Стівена Спілберга за повістю Філіпа Діка (2002 - 20th Century Fox, DreamWorks SKG).
… ресурс
Великі дані - це по суті ресурс аналітика. Це ресурс для людей, які здійснюють дослідження і підготовку прийняття рішення. І як будь-який ресурс, великі дані без вміння, знань і технологій їх використання не працюють. Хтось називає таке вміння «видобутком даних» (data mining) - за аналогією з видобутком корисних копалин, роблячи акцент на глибокому проникненні і трудомісткості. Хтось називає таке вміння «інтелектом бізнесу» (business intelligent) - показуючи наскільки важливим є «розумова» складова в цьому процесі. Комусь сподобатися назва «велика аналітика».
Але відомо з теорії і практики, що навіть наявність ресурсу у великій кількості не означає його успішне і ефективне використання. Іноді надлишковий обсяг ресурсу дозволяє будувати бізнес-модель, не на глибокій його переробці в певний набір продуктів, а на простому упаковуванні та реалізації в сирому вигляді. Навіщо шукати додаткові варіанти, коли, можна не прикладаючи надмірних зусиль, просто збувати необроблений ресурс.
… необхідний високий рівень менеджменту
Великі дані, як інформаційна категорія, мають одну особливість на відміну від матеріальних ресурсів. Для їх застосування необхідний по-справжньому високий рівень організації бізнес-об'єктів і бізнес-процесів компанії. Без такого рівня підготовки, без наявності певної кваліфікації у бізнесу, купівля (або збір) великих даних буде відрізнятися низькою ефективністю. Настільки низькою, що не виправдає вкладені в них кошти.
Навіщо бізнесу витрачати кошти на великі дані, якщо не створено бізнес-шар управління (прийняття рішень) на основі аналітики? Абсолютно вірно - нема чого. До цього в тій чи іншій мірі приходять ті компанії, які почали використання великих даних без прийняття в контур управління аналітичних технологій, технік прийняття підготовлених аналітично рішень і які, за великим рахунком, не готові до змін. Такі суб'єкти ринку рано чи пізно відмовляться від великих даних. Особливо питання гостро постане при підвищеній конкуренції за фінансові ресурси всередині бізнесу.
Сьогодні ринок великих даних зосередився на інформаційних технологіях. Це зрозуміло і приємно, що розвиваються інструменти роботи з великими даними. Але інтенсивне зростання інформаційних мереж і вдосконалення інформаційних технологій знімає бар'єри за обчислювальними потужностями. Це змусить передові амбітні бізнеси переглянути своє нинішнє захоплення і змістити акцент у бік нових ефективних методик, інструментів, технологій менеджменту, що базуються на знаннях і навчанні.
Власне, коли презентують великі дані, часто йдеться про можливості їх зберігання, транспортування та обробки. Пошукові технології гігантів мережі Інтернет яскравий приклад того, що бізнесу дають великі дані. Алгоритми пошуку - це найпотужніша обробка гігантських зростаючих обсягів інформації. Вони постійно перебувають у процесі оптимізації, підвищення продуктивності індексування і структурування інформації. Але ж за пошуковими технологіями в мережі стоять не тільки великі дані. За ними стоять команди аналітиків, які володіють високотехнологічними знаннями в предметних областях.
Тому розумна політика використання великих даних - це побудова команди аналізу даних, але ніяк не виняткове вибудовування серверів, хмар, систем видобутку даних, машинного навчання тощо.
… видобуток даних
Варто зауважити, що не дуже показово саме визначення «видобуток даних». Воно малює дещо спрощену картину дійсності: є «безцінні поклади» різнорідних і перемішаних даних, а професіонал (або інструмент) бере і «розкопує» в цих даних саме ті, які при «проникливому» погляді менеджера відкривають йому очі на все, що відбувається і його раптом осіняє праведна думка про приховані резерви бізнес-моделі.
Чудес не буває і у великих даних теж. Щоб здобути цінну інформацію з деякого сховища, її потрібно туди спочатку покласти, потім витягти, обробити і візуалізувати. Акцент не коректно зміщувати на витяг інформації зі сховища, залишаючи поза фокусом такі речі як збір (отримання) даних, структурування даних, упаковування даних у сховище, перевірку якості даних, організацію процесу аналізу даних, проблеми прийняття рішень на основі аналізу великих даних і багато іншого.
Крім того, навіть для нескладного data mining не завадить коректна постановка мети. Без грамотної постановки цілі може вийти все що завгодно, а не осмислений результат. Нехай ця мета виражена у вигляді гіпотези або питань, у вигляді проблемної ситуації або числових показників.
Будь-які дані мають контекст і метадані, які суттєво обмежують їх використання в певних ситуаціях. Якщо умова контексту для завдання не задана, аналітик не в змозі прийняти рішення щодо видобутку даних і про відповідність даних поставленого завдання.
… тимчасовий лаг
Не дивлячись на старання бізнесу скоротити час від зняття інформації про його стан до прийняття рішення про зміну такого стану існують об'єктивні причини непереборного тимчасового лага.
Затримка між прийняттям рішення і зміною стану бізнесу відповідно до прийнятого рішення може бути також досить істотною. Процеси та об'єкти перебудовуються, змінюється взаємодія, коригується поведінки працівників, підлаштовується оточення. Тому будь-які дані і навіть великі дані - це завжди дані про минуле. Але керівництво хоче приймати на їх базі рішення для майбутнього. Тут головне не переоцінити можливості великих даних і аналітики.
… зовнішні та внутрішні
Одна з помилок щодо великих даних - це те, що вони переважно зовнішні по відношенню до бізнесу. Вважається, що великі дані - це дані про клієнтів (їх поведінку), дані про конкурентів, дані про різні фактори існування бізнесу (політичні, соціальні, культурні), дані про ринки і споживчі тенденції, дані про активність інших бізнесів. Частково це так.
Але великі дані для бізнесу від зовнішніх джерел пов'язуються з даними про внутрішній стан, причому пов'язуються строго і контекстно. Це вкрай необхідно, щоб спільно оцінювати самопочуття бізнес-моделі і зовнішнього середовища. Внутрішні дані також можуть бути великими і вагомими для великої ефективної аналітики. Адже відповідь на питання що робити менеджменту для виправлення ситуації можуть дати виключно внутрішні дані.
… великі чи не дуже
Ще одна ілюзія яка здатна перешкодити бізнесу - це те, що професійна результативна аналітика заснована тільки на великих даних. Існує реальна можливість і досвід, помножений на талант деяких експертів, пропонувати рішення в рамках традиційних обсягів внутрішніх даних, особливо коли мова йде про явні або типові проблеми в бізнес-моделі.
Заперечувати величезне значення збору та аналізу великих даних для розвитку бізнесу неможливо. Особливо важливі великі дані для розподіленого та інформаційно-активного бізнесу. Мабуть, великі дані - єдиний ефективний інструмент бути в курсі всіх справ для великих корпорацій і об'єднань з розгалуженою мережею бізнес-одиниць. Середній і малий бізнес також з урахуванням деяких особливостей може опинитися у виграші від великих даних, особливо в кооперації з великими компаніями і спільнотами.
Але не можна підміняти великими даними вирішення нагальних проблем. Краще розглядати їх як напрямок, який підтримує центральну стратегію бізнесу і дозволяє бути в курсі події, що відбувається і частково прогнозувати розвиток ситуації в майбутньому. Але якщо у бізнесу немає зрозумілої стратегії і якщо бізнес-модель бачиться примітивно і заплутано, то ніякі великі дані не в змозі допомогти навіть пасивному розвитку. Деякі менеджери, розуміючи для себе відсутність потреби у великих даних і не готовності до змін, які вони обіцяють, не намагаються ініціювати роботу з ними - це теж приклад обґрунтованої розумної поведінки.
… як спосіб думати
Як би ми не старалися, великі дані не здатні вирішити всі проблеми. Ніяк не можна за допомогою великої аналітики побудувати ефективну бізнес-модель. Але вони все-таки зможуть допомогти оптимізувати її в рамках обраної стратегії.
«Чарівництво» великих даних, яке дещо залишається осторонь від загальної уваги полягає в очевидному і обґрунтованому способі розмірковувати про бізнес і шукати шляхи його поліпшення. Дійсно проект великих даних покращує бізнес і не стільки через цінність якихось масивів інформації, а внаслідок того, що менеджмент починає дивитися на свою бізнес-модель з критичної точки зору, в тому числі ґрунтуючись на заданих інформаційних показниках та індикаторах.
Якщо керівництво впритул цікавиться великою аналітикою, то значить хоче розуміти більше про свою компанію і це - початок оптимізації бізнесу.
Замість великих даних можна вибрати інший засіб розвитку бізнесу, наприклад, маркетингові дослідження, статистичні розрахунки, економіко-математичне моделювання. Результат вийде різним, але робота, націлена на «розуміння» бізнес-моделі, буде розпочата і безсумнівно дасть якийсь, але частіше - позитивний ефект. Якщо звичайно вона виконується об'єктивно, розумно, професійно і з урахуванням впливових факторів.
… під брендом «великі дані»
Деякі компанії накопичили ресурс - дані, а інші розробили потужні програмні та апаратні ІТ-рішення. Цей ресурс і ці рішення вони постараються під тим чи іншим «маркетинговим соусом подати до столу бізнесменів» і заробити «хороші чайові».
У хід піде активний збут і витончений маркетинг, ввічливі консультанти і веселі клієнтські заходи багато «приправлені» красивим брендом і вражаючою термінологією. Вони говоритимуть про побудову надійних систем обробки абсолютно не структурованих даних, про чудові алгоритми побудови багаторівневих графів інформації, про швидкодіючі вибірки на штучному інтелекті, про самонавчальні нейромережеві механізми.
Не вірте на слово. Просите роз'яснень, пояснень, демонстрацій, документацію, незалежні експертні висновки, відгуки клієнтів, навантажувальні тести, розумного пробного безкоштовного періоду.
Посудіть самі, навіть бренд «великі дані» виглядає виграшно.
По-перше, в назві є слово «великий», а значить це щось хороше, позитивне, вигідне, вражаюче, переконливе, цінне.
По-друге, слово «дані», як би вказує на щось правильне, інтелектуальне, інноваційне, ефективне, впорядковане.
Сама суть ілюзії великих даних походить від їх назви.
Здається, маючи big data, бізнес вирішує питання найвищого (великого) порядку на професійному (великому) рівні. І чим більше накопичити даних, тим ефективніше і швидше будуть вирішуватися все більш складні питання.
