В свете активного освоения аналитических методик может показаться, что их применение с целью развития бизнеса достигло пика своих возможностей. Однако это не так. Зародившись в середине 2000-х, технология Big Data быстро прошла период становления и прочно укоренилась в современной системе обработки данных. В то же время стремительное и непрекращающееся увеличение объема информации, подлежащей анализу, говорит о том, что и впредь аналитические технологии будут развиваться, генерируя новые проблемы для бизнеса.
Эксперты сформулировали 5 основных проблемных моментов, с которыми может столкнуться data-driven бизнес в 2016 году. Итак, к чему же готовиться предпринимателям?
Аналитический паралич
Согласно прогнозам, к 2020 году Интернет вещей (англ. — Internet of Things, IoT) охватит до 200 миллиардов подключенных устройств. В сочетании с иными источниками (облака, социальные сети и т.д.) IoT сформирует огромную базу данных, создав немало проблем по части хранения и анализа информации. В результате – так же, как и покупатели застывают перед полками с горой однотипных товаров, не решаясь выбрать хоть что-нибудь, – в 2016-м предприниматели столкнуться с огромным наплывом данных, из которых предстоит выбрать нужные.
Специалисты называют этот феномен «аналитическим параличем», ведь под угрозой полной остановки могут оказаться все рабочие процессы. Выход из данной ситуации – поиск новых эффективных методов обработки и анализа данных.
Разделяй и властвуй
Сегодня источники данных очень разрознены. Бизнес собирает и анализирует информацию из CRM-систем, социальных сетей и т.д. При этом ИТ-департаменты имеют дело с целым рядом инструментов для хранения и очистки данных, разработки API, визуализации. Огромное разнообразие источников и инструментов создает определенные трудности для бизнеса. Современные технологии не успевают за ростом объемов информации. Это ведет к проблемам с хранением и безопасностью данных. Вероятное следствие – понижение качества производимого анализа, удорожание передовых технологий хранения и обработки.
Малый бизнес — за бортом?
Большие данные требуют больших капиталовложений. Затраты не ограничиваются инвестициями в разработку новых способов хранения. Обработка также требует значительных средств.
Поэтому малому бизнесу будет по-прежнему нелегко осваивать аналитические технологии – чего, конечно, не скажешь о гигантах, вроде Microsoft. Большие корпорации располагают огромными капиталами, и в борьбе за лидирующие позиции на рынке готовы вкладывать в Big Data внушительные суммы. Титаны бизнеса имеют сервис-центры, офисы и представительства (вплоть до точек розничной торговли), предоставляющие огромное количество информации для анализа.
В то же время представители малого и даже среднего бизнеса часто не располагают необходимыми ресурсами для осуществления контроля поведения потребителей, формирования прогнозов. Но даже если допустить, что малый бизнес имеет достаточные ресурсы для применения технологий Big Data, его клиентская база настолько мала, что сделать какие-либо выводы на макро-уровне не получится, а, значит, и конкурентных преимуществ перед бизнес-гигантами не получить.
Машины тоже могут ошибаться
Современные аналитические технологии предполагают автоматизацию многих бизнес-процессов. Но машины тоже могут ошибаться. Яркий пример тому – обвал американского фондового рынка 2010 года, получивший название «Flash Crash». Одной из возможных причин обвала эксперты называют «алгоритмический трейдинг»: по их мнению, компьютерные системы, ведущие внутридневную торговлю по заданным алгоритмам, могли дать массовый сбой.
Как видим, полная автоматизация процессов может привести к непредсказуемым последствиям. Именно поэтому так важно найти золотую середину, сохранить баланс на грани точных компьютерных алгоритмов и права принятия окончательного решения человеком.
Ограниченность мышления или Взгляд из коробки
Альберт Эйнштейн сказал: «Мы не можем решать проблемы, основываясь на том же мышлении, с которым их создавали» (We cannot solve our problems with the same thinking we used when we created them). С этим трудно поспорить. Однако природа больших данных такова, что, так или иначе, они подлежат ретроспективному анализу. Гипотеза выдвигается на основании данных, привязанных к конкретным историческим точкам в прошлом, а результат непременно отображается в определенном временном диапазоне (например, с мая по июнь 2015 года).
Стимуляция же инновационных процессов происходит скорее на основании «вневременных» инсайтов и корелляций, внерамочного способа мышления, не ограниченного прошедшим временем, способности принятия рискованных решений. Однако программирование современных машин, работающих с технологией Big Data, на такую модель поведения – задача пока не выполнимая.
Эпилог
К счастью, большинство из существующих проблем со временем исчезнет благодаря развитию современных технологий, их слиянию, получению нового передового опыта. В конце концов, утверждают эксперты, Big Data станут доступными любому предприятию, независимо от его размера и опыта.
Алена Успешная для DataReview
У нас на сайте Вы всегда можете получить бесплатную бизнес-консультацию