Олександр Федірко: час монетизації даних вже настав

08.03.2023, 10:33 — Технології&Авто

1596

Олександр Федірко: час монетизації даних вже настав

Диджиталізація — один з головних бізнес-трендів останніх десятиліть. Безконтактна оплата карткою, смартгодинники, віддалена робота і роботизована служба клієнтської підтримки вже стали частиною повсякденного життя. Адаптація до подібних інновацій — запорука зростання, а в деяких випадках і виживання бізнесу.

З часом цифровізація буде лише поглиблюватися: за прогнозами, глобальний ринок цифрової трансформації зросте більш ніж вдвічі всього за 5 років — з 2020 до 2025. Кожен рік його сукупний середній темп зростання (CAGR) буде складати 16,5%. Уявіть, наскільки гігантські об’єми різноманітних даних будуть накопичуватися в мережі, і який їх обсяг вже доступний для аналізу.

З огляду на це я вирішив написати колонку для Finance.ua про Big Data. За допомогою Big Data можна проаналізувати й систематизувати дані з різноманітних джерел та використати їх, наприклад, для підвищення ефективності таргетингу та комунікації з клієнтами. При цьому інструменти технології широко доступні українському бізнесу вже зараз.

Вступ до Big Data: що являє собою і як використовують

Терміном «Big Data» одночасно позначають як проблематику, так і шляхи її вирішення. Big Data буквально перекладається, як «Великі дані» — уся доступна структурована та неструктурована інформація. Це і є проблема, а от її вирішення — методи, за допомогою яких дані обробляються, аналізуються і систематизуються. Разом вони й утворюють Big Data.

Основа Big Data — принцип «3V». Volume, variety, velocity: обсяг даних, їх формат (txt, pdf, audio, email, video, або інший) та швидкість — передачі, оновлення й обробки.

Одним з базових інструментів роботи з Big Data є Hadoop. Це програмна екосистема, яка є головним інструментом опрацювання і систематизації структурованих та неструктурованих даних. З 2010 року вона почала розповсюджуватися за моделлю open source, і швидко стала стандартом індустрії. Адже Hadoop розв’язував важливу проблему Big Data, а саме — масштабування необхідних системних потужностей для обробки даних.

Наприклад, у вас є системні потужності для обробки 100 ТБ даних. Уявімо, що їх кількість подвоїлась, і тепер необхідно обробляти 200 ТБ інформації. До появи Hadoop вам би знадобилось відповідно збільшити системні потужності — у два рази. Це так зване «вертикальне масштабування», яке було зведене до «горизонтально» після Hadoop-революції. Саме цей софт дозволив обробляти висхідний обсяг даних без необхідності закупівлі дорогого спеціалізованого обладнання.

Big Data і бізнес

Розвиток інтернету, соцмереж, IoT-девайсів та інших IT-продуктів, що збирають і дозволяють генерувати велику кількість даних призвів до появи Big Data. Тепер ми можемо вирішувати, в яких більш або менш очевидних сферах застосовувати технологію. Наприклад, зараз за допомогою Великих даних, дата-інженери аналізують коментарі в соціальних мережах, темпи серцебиття, розраховують ефективність логістики та прогнозують продажі.

Однією з цікавих сфер використання Big Data є маркетинг. Великі дані трансформують маркетингові заходи в цифри, за якими можна проаналізувати ефективність окремих PR-кампаній. Особливо активно цим користується великий бізнес.

Наприклад: існує бренд, який запустив в одній з мереж супермаркетів та в інтернеті рекламу нової лінійки молочних продуктів. Дата-аналітики компанії збирають дані щодо таргетингу цільової аудиторії — де і кому була показана реклама. Після — отримують інформацію щодо покупок кожного клієнта мережі (за допомоги бонусної системи або дисконтних карток. — Ред.).

В результаті інженери порівнюють отримані дані й оцінюють ефективність реклами: скільки з тих, хто побачив оголошення онлайн і офлайн, скористалися пропозицією.

Слід зауважити, що інструменти Big Data актуальні не для всіх компаній. Бізнес, який розглядає можливість впровадження технології, має попередньо оцінити обсяги своїх баз даних і надходження нової інформації. Такий аналіз слід провести за принципом 3V та в перспективах подальшого зростання.

З точки зору volume, variety, velocity обсяг, швидкість надходження та формат структурованих та неструктурованих даних має вимагати застосування інструментів Big Data. Наприклад, якщо аналітичний відділ компанії може швидко обробити дані в межах якогось умовного об’єму, для цього немає потреби. При різкому зростанні надходження інформації, що перевищують запланований рівень, слід розглянути впровадження Big Data інструментів.

Аналогічно зі зростанням: стрімке масштабування бізнесу може в рази збільшити базу доступних даних. Для їх швидкого аналізу знадобиться Big Data.

Big Data в українських компаніях

Серед вітчизняного бізнесу Big Data в основному використовують великі гравці, які оперують значними потоками даних. Найчастіше технологія зустрічається в телекомі, ритейлі (включно з онлайн-сегментом), страховій сфері, а з недавнього часу — і у відносно консервативному банківському секторі. Серед яскравих адептів Big Data — Сільпо, Kyivstar, Rozetka, Prom.ua, Lifecell, ПриватБанк, monobank й інші.

Головний поточний тренд — Big Data стає доступнішою ширшому колу гравців. Хмарні технології Microsoft, Google та Amazon дозволяють вже зараз аналізувати дані бізнесу з обмеженим бюджетом. Ціна питання — в межах декілька сотень USD, які нададуть доступ до відповідних інструментів від хмарних провайдерів.

Завдяки доступності Big Data, в майбутньому технологію будуть все частіше використовувати середній та навіть малий бізнес для поточної аналітичної діяльності.

Головний трамплін для подальшого розвитку Big Data в Україні — запозичення іноземного досвіду у використанні технології. Закордонний бізнес часто застосовує Big Data у симбіозі з іншими програмними рішеннями (Machine Learning, Data Science тощо), що дозволяє розв’язувати специфічні проблеми.

Я підібрав декілька цікавих кейсів впровадження аналітичних інструментів, які можуть бути корисними українським компаніям:

● Grammarly — використовує інструменти Big Data для аналізу помилок в лінгвістиці й покращення баз даних з порадами;

● Youscan — за допомоги технології швидко оцінює велику кількість коментарів в соцмережах і робить висновки щодо їх характеру — позитивного, негативного чи нейтрального;

● tripmydream — аналізує персональні вподобання, ціни на квитки, готелі, розваги. Це дозволяє спланувати подорож, яка найбільше відповідає персональним захопленням;

● Reface — разом використовує інструменти АІ, Machine Learning і Big Data для анімації та заміни облич у відео.

Війна і ринок Big Data в Україні

Серед великих гравців найбільше постраждали аграрний та індустріальний сектори: в рамках скорочення видатків через бойові дії вони зменшували фінансування аналітичних відділів. Проте в цілому ринок аналітики та інженерії даних ще не наситився і поступово зростає, хоча і необхідність в дата-інженерах менша за звичайних програмістів.

На ринку праці скорочення були серед інженерів рівня junior або middle. При цьому поріг входження в професію залишається високим: дата-інженерами стають всередині компанії, переходячи за сумісними навичками або за допомоги спеціальних курсів, що організовує роботодавець. Типові базові вимоги для початкових рівнів дата-інженерів — досвід в програмуванні на Python, роботи з SQL і англійська не нижче рівня В2.

Звісно, за кордоном більша необхідність в дата-фахівцях. Західний ринок оперує більшими обсягами інформації та асортиментом різноманітних підприємств. Тому деякі бізнес-сценарії, що актуальні в ЄС і США, в Україні ніколи не використовуються, попри високу технологічну IT-підготовку вітчизняних компаній.

Олександр Федірко, CEE Head of BigData Practice в GlobalLogic

За матеріалами:

Finance.ua

Місце для вашої реклами

Якщо Ви помітили помилку, виділіть необхідний текст і натисніть Ctrl+Enter , щоб повідомити про це.

Поділитися новиною

Також за темою

Україна може приєднатися до космічної програми ЄС Govsatcom

Сьогодні 08:21

Чому відмова від підписання постанови ПДР не скасовує штраф

Сьогодні 04:32

107