Kāpēc uzņēmumiem ir nepieciešami lielie dati (Big Data), kas tajos ir tik interesants un lietderīgs? Atbilde ir samērā vienkārša – milzīgie datu masīvi, kurus no dažādiem avotiem ievāc mašīnas, sensori un citas iekārtas, ļauj citā gaismā aplūkot reālos notikumus, uzvedību, izmaiņas un atklāt cilvēka prātam neaptveramas likumsakarības.
Lielie dati ļauj daudz ātrāk reaģēt uz dažādiem uzņēmējdarbības aspektiem, arī pieņemt lēmumus, tādejādi paaugstinot biznesa efektivitāti. Darbs ar šādiem datu masīviem nav vienkāršs, taču gala rezultātā, apstrādājot datus, ir iespējams atklāt slēptus moduļus vai salīdzināt dažādus rādītājus simtreiz ātrāk nekā to būtu spējusi paveikt analītiķu komanda.
Kaut arī lielie dati tiek izmantoti uzņēmējdarbībā jau vairākas desmitgades, pats jēdziens “lielie dati” eksistē vien 20 gadus. Dažās nozarēs lielie dati sniedz noteiktas priekšrocības, piemēram, mazumtirdzniecībā – izprast savu patērētāju. Izskatīsim dažas nozares, kurās lielo datu jēdziens vairs nav svešs.
Lauksaimniecība
Lielie dati lauksaimniecībā visbiežāk tiek izmantoti kopā ar IoT (Internet of Things) sistēmām, kuras analizē mikroklimata izmaiņas visā auga dzīves ciklā, tiešsaistē ievācot datus operatīvai analīzei un apziņošanai. Mašīnmācības (Machine Learning) tehnoloģiju un algoritmus var pielāgot jebkuram informācijas apjomam un uzdevumiem, lai varētu veidot dažādus plānošanas modeļus vai lēmumu pieņemšanas procesus ar vienu svarīgu mērķi - izprast, kā apkārtējā vide ietekmē uzņēmējdarbību.
Mediju industrija un mārketings
Mārketinga un mediju kompānijas mūsdienās nespēj iedomāties savu ikdienas darbu bez patērētāju un to uzvedības analīzes, kas tieši sasaista viņu darbību ar lielajiem datiem un to tehnoloģijām.
Mazumtirdzniecība. Mārketinga un sabiedrisko attiecību speciālisti sekmīgi izmanto lielos datus pārdošanas apjomu palielināšanai. Tirdzniecības centri, piemēram, ar no dažādām ierīcēm saņemtajiem datiem spēj analizēt klientu plūsmu, lojalitātes karšu datus, klientu maksājumus, paradumus un attiecīgi pielāgot reklāmas kampaņas vai akcijas, izmantojot jau iegūto informāciju.
Mediju gigants Netflix veiksmīgi realizē mērķtiecīgas reklāmas kampaņas, izmantojot iegūtos datus no vairāk nekā 10 milj. abonentiem. Meklējumu vēsture un video skatījumi ļauj uzņēmumam noteikt abonenta intereses un sniegt ieteikumus nākamās filmas izvēlē.
Medicīna
Big data analīze tiek bieži izmantota medicīnas iestādēs, slimnīcās, laboratorijās. Tomēr joprojām atšķiras zinātnieku un speciālistu viedoklis par to, cik patiesi un precīzi ir iegūtie dati un vai mākslīgais intelekts spēj asistēt ārstiem un medicīnas personālam viņu darbā. Medicīnas datu ir ļoti daudz, tāpēc lielo datu apstrādes un analīzes sistēma palīdz sekot līdzi pacienta veselības stāvoklim, ātri saņemt nepieciešamo informāciju par slimības vēsturi, uzstādīt diagnozi vai salīdzināt analīžu dinamiku.
Attēlu apstrāde. Rentgena, USG un citu izmeklējumu attēli – arī šobrīd ārsti manuāli apskata katru attēlu, tomēr speciālistu aplēses liecina, ka pavisam drīz šo darbu varēs uzticēt īpašiem algoritmiem un sistēmām, kuras veiks pirmreizējo attēlu analīzi un pat spēs uzstādīt pirmreizēju diagnozi.
Pacientu plūsmas prognozes. Apvienojot vairāku slimnīcu informācijas sistēmas, iespējams paredzēt pacientu plūsmas tendences reģistratūrā un ātrās palīdzības uzņemšanas nodaļā, tādejādi izslēdzot atkārtotas vai nepamatotas situācijas.
Medikamentu uzskaites sistēma slimnīcā. DEAC savam klientam – reģionālajai slimnīcai - ir izstrādājis un ieviesis risinājumu visu slimnīcas apritē esošo medikamentu uzskaitei. Sistēma analizē medikamentu izlietojumu un automātiski veic to papildināšanu noliktavā no piegādātājiem, tādejādi izslēdzot situāciju, ka konkrētās zāles kāds ir vienkārši aizmirsis pasūtīt.
Ražošana
Lielie dati rūpnīcās palīdz efektīvāk pārvaldīt procesus un ātrāk veikt nepieciešamos uzlabojumus, pirms radušies nopietni bojājumi. Dati no mašīnām un iekārtām spēj ne tikai savlaicīgi diagnosticēt tehniskas dabas kļūmes, bet arī uzskaitīt, cik laika palicis līdz konkrētās detaļas vai komponentes nomaiņai, uzturot to maksimālo produktivitāti saskaņā ar ražotāja specifikāciju.
Precizitāte darbā. Iztēlojieties farmācijas ražotni: ja kaut viena tehnikas detaļai ir zaudējusi savu funkcionalitāti, tomēr joprojām turpina strādāt, tad iekārta var ievadīt zālēs par maz vai par daudz aktīvās sastāvdaļas.
Bez pārtraukumiem. Cik varētu izmaksāt veselas rūpnīcas dīkstāve tehnisku iemeslu dēļ? Ja uzraudzības un analītikas sistēmas paziņojumi tiek piegādāti laicīgi un pirms incidenta, tad uzņēmums var veiksmīgi pasargāt sevi no negaidītiem izdevumiem.
Finanšu sektors un bankas
Bankas un finanšu sektors operē ar daudz lielāku datu apjomu, nekā sākotnēji varētu šķist, saņemto informāciju ieguldot biznesa attīstībā. Iegūtā informācija arī tiek izmantota, lai veiktu pārdomātas un pamatotas investīcijas, kuras ar lielu varbūtību nesīs uzņēmumam peļņu.
Kopumā pastāv trīs darbības virzieni, kuros tiek izmantoti lielie dati:
- Klientu pieredzes uzlabošana
- Darbinieku darba efektivitāte
- Operāciju optimizācija
Lielie dati valsts sektorā
Valsts pārvaldē ik dienu tiek glabāts un apstrādāts milzīgs apjoms datu, kas ir vērtīgs aktīvs darbā ar elektroniskajiem dokumentiem, valsts demogrāfijas statistiku; enerģētikas, dabas resursu ieguves un apstrādes jautājumos; transportā; medicīnā; klimata un meteoroloģijas pētīšanā; ekonomikas rādītāju izvērtēšanā u.c.
Iekšējie informācijas draudi. Izmantojot dažādus datus par uzvedības svārstībām un novirzēm, drošības dienesti var identificēt un novērst dažādus draudus, piemēram, datu noplūdi, kiberuzbrukumus, ļaunprātīgas programmatūras uzstādīšanu utt.
Videonovērošanas kameru izmantošana. Klasisks lielas datu plūsmas izmantošanas piemērs. Sejas atpazīšanas un meklēšanas sistēmas, nestandarta uzvedības fiksēšana, satiksmes un sastrēgumu analīze.
Kas nepieciešams darbam ar lielajiem datiem?
Solis 1
Pirmkārt, tādam datu apjomam, kas tiek klasificēts kā lielie dati, nepieciešama iespaidīga datu glabāšanas un apstrādes sistēma. Lieliem datiem ir tendence pieaugt straujāk nekā uzņēmums tos spēj apstrādāt un strukturēt, tāpēc darbam ar tiem nepieciešama elastīga datu glabāšanas sistēma, kura spēj pielāgoties datu apjoma izmaiņām. Datu glabāšanu vislabāk ir uzticēt mākoņu ārpakalpojumu sniedzējam, bet datu apstrādi jau varēsiet veikt uz personīgiem resursiem.
Piemēram, mākoņu platforma ar NoSQL datu bāzi Cassandra vai InfluxDB (abas ar atvērto izejas kodu) spēj ik sekundi saņemt datus no IoT sensoriem u.c. NoSQL datu bāzes nodrošina mehānismus datu glabāšanai un izgūšanai un ir ideāli piemērotas lietojumu mērogojamībai.
Solis 2
Tālāk tādas izplatītas lielo datu analītikas sistēmas kā Hadoop, Apache Spark, Apache Storm, Apache Spark vai Disco ļauj paralēli analizēt lielos datu masīvus.
Jāatzīmē, ka sistēmas var izvietot kā mākonī, tā arī uz fiziskajiem resursiem, piemēram, serveru klasterī. Svarīgi, ka, izvēloties jaudīgu klastera risinājumu, izvēlētās sistēmas lielos datus klasterī var sadalīt pa dažādiem fiziskiem serveriem, sauktiem par mezgliem (nodes), nodrošinot jaudas balansēšanu un 100% pieejamību. Klastera galvenais uzdevums – dažādu incidentu gadījumā novērst sistēmas dīkstāves.
Solis 3
Pēc datu apstrādes var tikt izmantoti papildu risinājumi interaktīvai datu vizualizācijai un biznesa analītikas iegūšanai, piemēram, PowerBI, kas ļauj interpretēt datus un pāriet no vārdiem uz darbībām. Populārā Elasticsearch meklēšanas programma palīdz atrast un atlasīt datus, kurus sistēma glabā SQL serverī, kā rezultātā ievērojami tiek vienkāršota dokumentu meklēšana un pati darbplūsma.
Noslēgumā
Mazos uzņēmumus bieži uztrauc šādu risinājumu izmaksas, taču mūsdienās nav jāiegulda un jāuztur dārgas specializētās iekārtas - to visu var nodrošināt, piemēram, viens ārpakalpojumu sniedzējs.
Viennozīmīgi ir vērts lielo datu tehnoloģijas ieviest mazos uzņēmumos tikai tajā gadījumā, ja uzņēmums tik tiešām ir gatavs pats analizēt un izmantot iegūtos datus. Jau šobrīd CRM un citās datu bāzēs tiek uzkrāts daudz datu par patērētājiem, kas var palīdzēt uzlabot pārdošanas apjomus, tehnisko atbalstu un citus biznesa procesus. Neviens manuāli neanalizēs lielu datu daudzumu, kā rezultātā vērtīgā informācija tā arī paliek neizmantota.
Atpakaļ
