Объем создаваемой человечеством информации растет в геометрической прогрессии. Только за последние два года количество данных на всех устройствах в мире выросло почти вдвое.

По отчетам International Data Corporation (IDC), только за 2020 год люди сгенерировали 59 зеттабайт данных. Если бы существовал жесткий диск с таким объемом памяти, на него можно было бы записать столько фильмов в разрешении 4K, что на их просмотр ушло бы около 100 миллионов лет.

Поиском взаимосвязей, которые помогают принимать более взвешенные решения, и занимается обширный инструментарий Big Data.

Аналитика больших данных нужна почти везде: и муниципальной администрации, принимающей решение о строительстве нового стадиона, и небольшой частной стоматологии, решившей увеличить количество лояльных клиентов.

К "интернету вещей", или IoT (Internet of things), относят "умные" бытовые приборы, различные датчики (задымления, протечки и пр.), носимую электронику. Однако это лишь малая часть примеров.

Если мы обратимся к современному производственному предприятию, то увидим, что эффективность и безопасность работы на нем связаны с непрерывным мониторингом десятков параметров.

Он осуществляется при помощи сети "общающихся" между собой устройств, информация с которых собирается на IoT-платформе и обрабатывается посредством алгоритмов Big Data в режиме реального времени.

А теперь представьте, что это огромный завод.

Вот тут на помощь и приходят инструменты для работы с Big Data. С их помощью можно, например, отследить первые признаки износа оборудования и, своевременно проведя его ТО, предотвратить аварию, которая могла бы нанести большой ущерб предприятию и его сотрудникам.

Агрегированные отчеты на основе Big Data и искусственного интеллекта позволяют анализировать состояние транспортного сектора и городской инфраструктуры, формулировать гипотезы и предпринимать эффективные меры для развития города.

Например, благодаря сервису "Аналитика городской среды" от МегаФона возможно оценить реальный объем населения, проанализировать перемещения людей по городу, районы концентрации рабочих мест. При помощи больших вычислительных мощностей компьютер может с высокой точностью рассчитать пассажиропоток в определенном районе города и помочь выстроить эффективную транспортную систему с востребованными маршрутами и без пробок.

Одна из самых неочевидных областей, в которой применяют большие данные, - сельское хозяйство. Здесь тоже важен контроль показателей.

С помощью различных устройств можно оценивать уровень влажности, света, силы ветра, определять взаимосвязь между рельефом местности и урожайностью угодий - все это необходимо для земледелия.

Полученные данные попадают на единую платформу, где алгоритмы Big Data анализируют эту информацию. Такой подход называется точным земледелием - благодаря ему реально не только повышать урожайность, но и снижать затраты.

В России есть примеры успешного применения такого подхода. Так, отечественный стартап "Агротехфарм" благодаря "умным" технологиям и анализу данных смог наладить круглогодичный процесс выращивания клубники методом аэропоники (без земли).

Специальные системы регулируют состояние микроклимата и освещения, подбирают питательные вещества, а система модулей распыляет их на корни растений в нужном объеме. Все данные о состоянии растений и условиях в теплицах попадают в единую систему анализа.

Еще один пример - компания OneSoil, которая использует спутниковые снимки и анализ больших данных в своем приложении для аграрных хозяйств. Сервис позволяет фермерам подбирать необходимые комплексы удобрений, планировать полевые работы и контролировать посевы.

Любая рекламная кампания начинается с исследования целевой аудитории, и точность его проведения напрямую влияет на результат. Согласно отчету маркетинговой аналитической компании Aberdeen Group, те ретейлеры, которые используют в своей работе Big Data, ежегодно увеличивают узнаваемость бренда на 20,1%, а ритейлеры без больших данных в портфеле - только на 7,4%.

Все дело в том, что аналитика помогает маркетологам лучше понять, когда, где и кому показывать рекламный контент.

Что собирают такие сервисы? Обычно это агрегированные ключевые демографические характеристики, предпочтения и интересы, на основе которых аналитические инструменты могут сделать вывод, насколько покупателю могут быть интересны те или иные товары и услуги.

Ключевая задача операторов - обеспечивать людей бесперебойной связью. Чтобы инфраструктура работала как часы, МегаФон анализирует собираемую с базовых станций телеметрию.

Это терабайты информации в месяц: объем загрузки станции, достаточность транспортного канала, разрывы в покрытии. Помимо расширения покрытия, ее изучение также помогает оптимизировать расходы на оборудование.

Например, с помощью анализа больших данных можно сделать вывод о том, находится ли под пиковыми нагрузками вся базовая станция или лишь один из ее секторов. Частичная замена сектора гораздо экономичнее, особенно в текущей ситуации.

Материалы взяты из открытых источников сайта tass.ru

Рекомендовано

Наталия Анфёрова: Метод критической цепи

18 марта в 13:00

4431

Григорий Дмитриченко: Местами возможны осадки

29 февраля в 15:00

4114

• Всё что нужно знать участнику проекта в онлайн курсе "Бережливое Производство И Шесть Сигма. Базовый". Обязателен для успешных проектов в вашей компании. 
• Обучаем и внедряем с 1999 года! Создадим систему вместе и вперед за результатом!