Как подготовить российскую почву для решений Big Data

Логотип компании
22.12.2016Автор
Как подготовить российскую почву для решений Big Data
Сфера Big Data только формируется на российском ИТ-рынке. По результатам проведенных исследований, пока лишь 10% компаний используют технологии работы с большими данными.

Сфера Big Data только формируется на российском ИТ-рынке. По результатам проведенных исследований, пока лишь 10% компаний используют технологии работы с большими данными, в то время как в мире доля таких организаций составляет около 30%. Однако бизнес демонстрирует всё больший интерес к новому направлению. По мнению экспертов IDC, даже несмотря на общую стагнацию экономики, оно значительно вырастет в ближайшие годы. Если сейчас объем Big Data в России достигает примерно 1,8% от общемирового объема данных, то к 2020 году он предположительно увеличится до 2,2%. Впрочем, чтобы реализовать позитивные прогнозы, бизнесу и государству предстоит сделать несколько серьезных шагов.

· На уровне каждого предприятия важно более интенсивно накапливать данные и не только пассивно хранить те из них, что используются в текущих бизнес-процессах, но и активно искать каналы поступления новых (собирать информацию о контрагентах, конкурентах, оцифровывать утерянные или ранее не оцифрованные сведения).

· Необходима государственная программа поддержки открытых источников оцифрованных данных из различных областей, которыми компании могут дополнять имеющиеся у них сведения. Как пример — обеспечение открытого доступа к первичным данным Росстата, Гидрометцентра и т. д.

· Требуется стимулировать разработку готовых решений для различных областей малого и среднего бизнеса по модели BDaS (Big Data as Service) c использованием облачных технологий. Они позволяют существенно снизить стоимость получения типового результата анализа набора данных в конкретной (типовой) бизнес-области. Отсутствие отраслевых решений в сфере Big Data — это одно из печальных различий в развитии концепции Big Data в России и в мире.

· Необходимо искать новые области применения анализа больших данных, не ограничиваясь очевидными и традиционными областями. Обычно перед Data Scientist стоят задачи увеличить прибыль, сократить расходы, спрогнозировать лояльность клиентов, а также задачи скоринга. Оптимизация рисков или бизнес-процессов часто отходит на второй план, потому что эти задачи менее очевидны и требуют дополнительных затрат.

· Важно поддерживать подготовку специалистов в области Big Data на государственном уровне: организовывать веб-семинары, тренинги, бесплатные облачные сервисы с необходимым инструментарием, проводить чемпионаты регионального и всероссийского уровня по Big Data и, разумеется, включить соответствующие учебные направления в программу подготовки специалистов в вузах.

· Еще один аспект касается профессий Data Scientist и Data Engineer, которые на данном этапе развития Big Data в России чаще всего не разделяются. Если первый из них является или аналитиком данных, или создателем новых технологий извлечения информации из данных, алгоритмов машинного обучения, искусственного интеллекта, то второй — разработчиком комплексов программного или программно-аппаратного обеспечения для решения конкретных задач больших данных. Уже сейчас требуется внедрять различные методологические подходы для подготовки таких специалистов.