Technologie analizowania dużych danych. Duże dane i Blockchain - przełom w obszarze analizy danych. Eksperci: Moda szczyt na dużych danych

Duże dane - jakie są takie proste słowa

W 2010 r. Pierwsze próby rozpoczęły decydować o rosnym problemie dużych danych. Wydano produkty oprogramowania, których akcja została skierowana, aby zminimalizować ryzyko przy użyciu ogromnych tablic informacyjnych.

Do 2011 r. Główne firmy, takie jak Microsoft, Oracle, EMC i IBM zainteresowanych dużymi danymi, były one pierwsze, które korzystają z dużych danych w swoich strategiach rozwoju i dość skutecznie.

Uniwersytety zaczęły studiować duże dane jako odrębnego przedmiotu w 2013 r. - Teraz istnieją teraz problemy w tej dziedzinie, nie tylko nauk danych, ale także w skojarze z obiektami komputerowymi.

Główne metody analizy i przetwarzania danych można przypisać w następujący sposób:

1. Metody klasy lub głębokości (wydobycie danych).

Metody te są wystarczająco liczne, ale są one zjednoczeniowe: używane instrumenty matematyczne w połączeniu z osiągnięciami z obszaru technologii informacyjnych.

1. Crowdsourcing.

Ta technika umożliwia odbieranie danych jednocześnie z kilku źródeł, a liczba ostatnich jest praktycznie nieograniczona.

1. Testowanie A / B.

W całej ilości danych wybrano zestaw elementów sterujących elementów, który jest na przemian w porównaniu z innymi podobnymi agregatami, w których zmieniono jeden z elementów. Prowadzenie takich testów pomaga określić wahania, których parametry mają największy wpływ na agregat kontrolny. Dzięki woluminowi dużych danych możliwe jest przeprowadzenie ogromnej liczby iteracji, a każdy z nich zbliża się do najwyższego możliwego wyniku.

1. Analityka prognozy.

Eksperci w tej dziedzinie próbują wstępnie przewidzieć z góry i zaplanować, jaki będzie zachowywać się kontrolowany obiekt, aby przyjąć najbardziej korzystne rozwiązanie w tej sytuacji.

1. Trening maszynowy ( sztuczna inteligencja).

Na podstawie empirycznej analizy informacji i późniejszej konstrukcji algorytmów samokształcenia.

1. Analiza sieci.

Najczęstszą metodą studiowania sieci społecznościowych - po otrzymaniu danych statystycznych, węzły utworzone w sieci są analizowane, czyli interakcje między poszczególnymi użytkownikami a ich społecznościami.

Perspektywy i trendy rozwoju duże dane

W 2017 r., Kiedy duże dane przestały być czymś nowym i nieznanym, ich znaczenie nie tylko nie zmniejszyło się, ale jeszcze bardziej wzrosły. Teraz eksperci wprowadzają zakłady na fakt, że analiza dużych ilości danych będzie dostępna nie tylko dla ogromnych organizacji, ale także dla małych i średnich przedstawicieli biznesowych. Podejście to planowane jest wdrożone przy użyciu następujących elementów:

• Magazyn w chmurze.

Przechowywanie i przetwarzanie danych stają się szybsze i ekonomiczne - w porównaniu z kosztami utrzymania własnego centrum danych, a ewentualna ekspansja personelu do wynajmu chmury wydaje się znacznie tańsza alternatywa.

• Za pomocą ciemnych danych.

Tak zwane "Dark Data" - wszystkie informacje niejonowe o firmie, która nie odgrywają kluczowej roli bezpośrednio za pomocą go, ale może być spowodowany, aby przejść do nowego formatu do przechowywania informacji.

• Sztuczna inteligencja i głębokie uczenie się.

Nauka technologii. inteligencja maszynowa, naśladując strukturę i pracę ludzkiego mózgu, ponieważ niemożliwe jest nadaje się do przetwarzania dużej ilości stale zmieniających się informacji. W tym przypadku samochód zrobi to samo, że osoba musiałaby zrobić, ale prawdopodobieństwo błędu jest znacznie zmniejszone.

• Blockchain.

Technologia ta pozwala przyspieszyć i uprościć liczne transakcje internetowe, w tym międzynarodowe. Kolejnym plusem Blockchain jest to, że dzięki mu zmniejsza koszty transakcji.

• Samoobsługa i redukcja cen.

W 2017 r. Planuje się wprowadzić "platformy samoobsługowe" - są to darmowe platformy, w których przedstawiciele małych i średnich przedsiębiorstw będą mogli niezależnie oceniać dane, które je przechowywane i systematyzują.

Wiza podobnie używana duże dane, śledzenie oszukańczych prób produkcji lub tej operacji. Ze względu na to, co roku zaoszczędzić przed wyciekiem ponad 2 mld USD.

Niemiecka Ministerstwo Pracy udało się zmniejszyć koszt 10 mld euro, wprowadzając system dużych danych do pracy nad ekstradycją świadczeń bezrobocia. Jednocześnie ujawniono, że piąty korzyści z danych obywateli otrzymuje zazwyczaj.

Duże dane nie omijały gry i branży gier. W ten sposób deweloperzy świata zbiorników przeprowadzili badanie informacji o wszystkich graczy i porównali dostępne wskaźniki ich działalności. Pomogło to przewidzieć możliwy przyszły odpływ graczy - polegający na wykonanych założeniach, przedstawiciele organizacji mogli skuteczniej wchodzić w interakcje z użytkownikami.

Znane również organizacje, które wykorzystują duże dane, można również przypisać HSBC, NASDAQ, Coca-Coli, Starbucks i AT & T.

Problemy z dużymi danymi.

Największym problemem dużych danych jest koszt ich przetwarzania. Może to obejmować zarówno drogi sprzęt, jak i wynagradzać eksperci, zdolni do serwisowania ogromnych tablic informacyjnych. Jest oczywiste, że sprzęt będzie musiał regularnie aktualizować, aby nie utracił minimalnej wydajności ze wzrostem ilości danych.

Drugi problem jest ponownie związany z dużą liczbą informacji, które należy przetworzyć. Jeśli na przykład badanie nie daje 2-3, a liczna liczba wyników jest bardzo trudna do pozostania obiektywnym i przydzielym z całkowitego przepływu danych tylko tych, które będą miały rzeczywisty wpływ na stan dowolnego zjawiska.

Problem prywatności Duże dane. Ze względu na fakt, że większość usług obsługi klienta przenosi się do wykorzystania danych online, bardzo łatwo jest stać się kolejnym celem dla cyberprzestępców. Nawet proste przechowywanie danych osobowych bez żadnej transakcji internetowej może być obarczona niechciana dla klientów. magazyn w chmurze konsekwencje.

Problem utraty informacji. Środki ostrożności wymagają ograniczenia prostej redundancji danych, a co najmniej 2-3 kopie zapasowe przechowywanie. Jednak ze zwiększającym objętości, złożoność z rezerwacją - a specjaliści IT próbują znaleźć optymalne rozwiązanie Ten problem.

Duży rynek technologii danych w Rosji i na świecie

Według 2014 r. 40% największego rynku danych jest usługi serwisowe. Nieco gorszy (38%) do tego przychodów wskaźnika z wykorzystaniem dużych danych w sprzęcie komputerowym. Pozostałe 22% przychodzi do udziału oprogramowania.

Najbardziej przydatne produkty w produktach segmentów globalnych do rozwiązywania problemów dużych danych, zgodnie z danymi statystycznymi - parterami analitycznymi in-pamięci i nosql. 15 i 12 procent rynku, odpowiednio zajmuj analityczny plik dziennika i platformy kolumnowej. Ale Hadoop / Mapredema w praktyce radzi sobie z problemami dużych danych nie jest zbyt wydajny.

Wyniki wprowadzenia dużych technologii danych:

• jakość usługi klienta;
• optymalizacja integracji w łańcuchu dostaw;
• optymalizacja organizacji planistycznej;
• przyspieszenie interakcji z klientami;
• poprawa wydajności próśb klientów;
• obniżone koszty obsługi;
• optymalizacja aplikacji klienta przetwarzania.

Najlepsze książki o dużych danych

"Ludzka twarz dużych danych", Rick Smolyan i Jennifer ervitt

Nadaje się do wstępnego badania technologii do przetwarzania dużych danych - jest łatwe i zrozumiałe w przypadku. Wyjaśnia, jak wpłynęła duża obfitość informacji Życie codzienne I wszystkie jego kule: nauka, biznes, medycyna itp. Zawiera liczne ilustracje, tak postrzegane bez większego wysiłku.

"Wprowadzenie do górnictwa danych", Pan-Ning Tang, Michael Steinbach i Vipin Kumar

Przydatne również dla początkujących książki na temat dużych danych, wyjaśniając pracę z dużymi danymi na zasadzie "od prostego do złożonego". Wiele nieoznakowanych chwil na początkowym etapie są: przygotowanie do przetwarzania, wizualizacji, OLAP, a także niektóre metody analizy i klasyfikacji danych.

"Python Machine Learning", Sebastian Rashka

Praktyczny przewodnik do wykorzystania dużych danych i pracy z nimi za pomocą języka programowania Pythona. Nadaje się zarówno dla uczniów specjalności inżynierskich, jak i specjalistów, którzy chcą pogłębić swoją wiedzę.

"Hadoop do manekinów", Dirk Dehrus, Paul S. Zikopulos, Roman B. Melnik

Hadoop jest projektem stworzonym specjalnie do pracy z programami rozproszonymi, które organizują działania na tysiącach węzłów jednocześnie. Znajomy z nim pomoże bardziej szczegółowo zrozumieć praktyczne zastosowanie dużych danych.

Według badań i trendów

Duże dane, "Duże dane" od kilku lat, ponieważ stajesz się przypowieścią w językach w prasie IT i marketingu. I jest jasne: technologie cyfrowe. Życie współczesnego mężczyzny przeniknęło: "Wszystko jest napisane". Ilość danych na najbardziej różnych stronach życia rośnie, a jednocześnie możliwości przechowywania informacji wzrasta.

Globalne technologie technologiczne technologie

Źródło: Hilbert i Lopez, `Światowa zdolność technologiczna do przechowywania, komunikowania się i obliczania informacji,` Science, 2011 Global.

Większość ekspertów zgadza się, że przyspieszenie wzrostu danych jest obiektywną rzeczywistością. Portale społecznościowe, Urządzenia mobilne, dane z urządzeń pomiarowych, informacje biznesowe - tylko kilka rodzajów źródeł, które mogą generować gigantyczne informacje. Według badania IDC.Wszechświat cyfrowy. , Opublikowany w 2012 r. W ciągu następnych 8 lat ilość danych na świecie osiągnie 40 ZB (zettabatyki), które odpowiada 5200 GB na mieszkańca planety.

Wzrost zebranych informacji cyfrowych w USA

Źródło: IDC.

Znaczna część informacji jest tworzona nie do osób, ale roboty interakcji obu innych i innych sieci danych - takich jak na przykład, czujniki i inteligentne urządzenia. W takich rzeczach wzrostu kwotę danych na świecie, zgodnie z prognozami naukowców, podwoi się co roku. Liczba wirtualnych i fizycznych serwerów na świecie rosną dziesięć razy ze względu na rozbudowę i tworzenie nowych centrów danych. W tym względzie rośnie potrzebę efektywnego wykorzystania i monetizacji tych danych. Ponieważ korzystanie z dużych danych w biznesie wymaga znacznych inwestycji, konieczne jest jasno zrozumieć sytuację. I w istocie jest prosta: poprawa wydajności biznesowej może być obniżone koszty lub / i zwiększenie sprzedaży.

Czego potrzebujesz dużych danych

Duży paradigm danych określa trzy główne typy zadań.

• Przechowywanie i zarządzanie objętością danych w setkach terabajtów lub petabajtów, które zwykłe relacyjne bazy danych nie pozwalają na wydajne wykorzystanie.
• Organizacja niestrukturalnych informacji składających się z tekstów, obrazów, wideo i innych typów danych.
• Duża analiza danych, która rodzi pytanie, jak pracować z niestrukturalnymi informacjami, generowania raportów analitycznych, a także wprowadzenie modeli prognostycznych.

Duży rynek projektu przecina się z rynkiem Intelligence Business (BA), której objętość na świecie, według ekspertów, w 2012 r. Wyniosła około 100 miliardów dolarów. Obejmuje elementy technologii sieciowych, serwerów, oprogramowania i usług technicznych.

Również korzystanie z dużych technologii danych jest istotne dla decyzji klasy Gwarancji dochodów (RA) mających na celu zautomatyzowanie działań spółek. Nowoczesne systemy gwarancji dochodu obejmują niespójności narzędzia do wykrywania i dogłębnej analizy danych, umożliwiającym możliwe straty wykrywania ewentualnych strat w odpowiednim czasie lub zakłócenia informacji, które mogą prowadzić do zmniejszenia wyników finansowych. Na tym tle rosyjskie firmy potwierdzające dostępność popytu dużego technologii danych na rynku krajowym, zauważył, że czynniki, które stymulują rozwój dużych danych w Rosji, są wzrostem danych, przyspieszenia decyzji zarządzania i poprawy ich jakości.

Co zapobiega pracy z dużymi danymi

Obecnie przeanalizowano tylko 0,5% zgromadzonych danych cyfrowych, mimo że istnieją obiektywnie zadania przemysłu ogólnego, które można rozwiązać przy użyciu rozwiązań analitycznych dużej klasy danych. Opracowane rynki IT mają już wyniki, dla których można oszacować oczekiwania związane z akumulacją i przetwarzaniem dużych danych.

Jednym z głównych czynników hamujących wprowadzenie dużych danych - projekty, uznawane są za wysoki koszt problem wyboru danych przetwarzanych: To znaczy definicja tego, jakie dane muszą być pobierane, przechowywane i analizowane, oraz które nie są brane pod uwagę.

Wielu przedstawicieli biznesowych zauważa, że \u200b\u200btrudności w realizacji dużych projektów dotyczących danych wiąże się z brakiem specjalistów - marketerów i analityków. Od jakości prac pracowników zaangażowanych w analizy głęboką i predykatywną, stopa zwrotu inwestycji w dużych danych zależy bezpośrednio. Ogromny potencjał już istniejących danych w organizacji nie może być skutecznie stosowany przez samych sprzedawców z powodu przestarzałych procesów biznesowych lub przepisy wewnętrzne. Dlatego duże projekty danych są postrzegane przez biznes jako złożony nie tylko w realizacji, ale także w ocenie wyników: wartości zebranych danych. Specyfika pracy z danymi wymaga marketerów i analityków do zwrócenia uwagi z technologii i tworzenie raportów w celu rozwiązania konkretnych zadań biznesowych.

Ze względu na dużą objętość i dużą prędkość strumienia danych proces ich kolekcji obejmuje procedurę ETL w czasie rzeczywistym. Na przykład:Etl. - Ot.język angielskiWyciąg, Przekształcać, Załaduj. - dosłownie "ekstrakcja, transformacja, ładowanie") - jeden z głównych procesów w zarządzaniu magazyny danych, które obejmują: Wyodrębnianie danych ze źródeł zewnętrznych, ich transformacji i czyszczenie spełnienia potrzeb ETL należy uznać za nie tylko jako proces przesyłania danych z jednej aplikacji do innego, ale także jako narzędzie do przygotowywania danych do analizy.

Następnie pytania, aby zapewnić bezpieczeństwo danych pochodzących ze źródeł zewnętrznych, powinien mieć rozwiązania, które odpowiadają ilościom zebranych informacji. Ponieważ duże metody analizy danych rozwijają się do tej pory dopiero po wzroście danych, właściwość platform analitycznych odgrywa główną rolę w celu wykorzystania nowych metod przygotowania i agregacji danych. Sugeruje to, że na przykład dane dotyczące potencjalnych nabywców lub masywnego magazynu danych z historią kliknięć na witrynach sklepów internetowych mogą być interesujące, aby rozwiązać różne zadania.

Trudności nie zatrzymują się

Pomimo wszystkich trudności z wprowadzeniem dużych danych, biznes zamierza zwiększyć inwestycję w tym kierunku. W następujący sposób od danych Gartner, w 2013 r., 64% największych firm na świecie zainwestowało już, lub planuje zainwestować w rozmieszczenie technologii w obszarze wielkiego danych dla ich biznesu, natomiast w 2012 r. Było 58%. Według badań Gartnera liderzy inwestowania w Big Data Industries to firmy medialne, telekomunikacyjne, sektora bankowego i firm usługowych. Udane wyniki wdrażania dużych danych zostały już osiągnięte przez wielu głównych graczy detalicznych pod względem wykorzystania danych uzyskanych przy użyciu narzędzi identyfikacyjnych częstotliwości radiowych, logistyki i systemów uzupełniania (z języka angielskiego. uzupełnianie. - akumulacja, uzupełnianie - R & T), a także z programów lojalnościowych. Udane doświadczenie detaliczne stymuluje inne sektory rynku Znajdź nowe skuteczne metody Monetizacja dużych danych, aby zmienić ich analizę do zasobu pracującym na rozwoju biznesu. Dzięki temu, według ekspertów, w okresie do 2020 r., Inwestycje w zarządzanie, przechowywanie spadnie dla każdego gigabajt danych z 2 do 0,2 USD, ale do nauki i analizowania właściwości technologicznych dużych danych wzrośnie o jedynie 40 %.

Wydatki prezentowane w różnych projekty inwestycyjne. W wielkim regionie danych ma inny charakter. Artykuły kosztów zależą od rodzajów wybranych produktów na podstawie zdefiniowane rozwiązania. Największa część kosztów projektów inwestycyjnych, według specjalistów, rozliczana dla produktów związanych z gromadzeniem, strukturą danych, czyszczeniem i zarządzaniem informacjami.

Jak to jest zrobione

Istnieje wiele kombinacji oprogramowania i sprzętu, które umożliwiają tworzenie skutecznych rozwiązań dużych danych dla różnych dyscyplin biznesowych: z mediów społecznościowych i aplikacji mobilnych, do analizy intelektualnej i wizualizacji danych handlowych. Ważną zaletą dużych danych jest zgodność nowych narzędzi z szeroko stosowanymi bazami danych, co jest szczególnie ważne podczas pracy z projektami między dyscyplinarnymi, takimi jak organizacja wielokanałowej sprzedaży i obsługi klienta.

Duża sekwencja danych składa się z gromadzenia danych, strukturyzacji otrzymywanych informacji za pomocą raportów i desek nawigacyjnych (pulpita nawigacyjna), tworzenie spostrzeżeń i kontekstów, a także formułowanie zaleceń do działania. Ponieważ praca z dużymi danymi oznacza wysokie koszty zbierania danych, wynik przetwarzania, który jest z góry nieznany z góry, głównym zadaniem jest jasne zrozumienie, dla których dane są potrzebne, a nie ile są w magazynie. W tym przypadku zbieranie danych zamienia się w proces uzyskiwania wyłącznie niezbędnych do rozwiązania konkretnych zadań informacyjnych.

Na przykład dostawcy telekomunikacyjne agregują ogromną ilość danych, w tym geolokalizację, które są stale uzupełniane. Informacje te mogą stanowić interesy handlowe agencji reklamowych, które mogą korzystać z niej, aby pokazać ukierunkowane i lokalne reklamy, a także detalistów i banków. Takie dane mogą odgrywać ważną rolę w rozwiązywaniu otwarcia punktu handlowego w określonym miejscu opartym na danych o obecności potężnego celu osób. Istnieje przykład pomiaru wydajności reklamowej na osłonach zewnętrznych w Londynie. Teraz zasięg takiej reklamy może być mierzony tylko przez umieszczenie ludzi ze specjalnym urządzeniem liczącym przechodni w pobliżu struktur reklamowych. W porównaniu z tego typu pomiaru wydajności reklamy, operator mobilny ma znacznie więcej możliwości - zna dokładnie lokalizację swoich abonentów, zna ich charakterystyki demograficzne, płeć, wiek, stan cywilny itp.

Na podstawie takich danych, w przyszłości, perspektywa zmiany zawartości komunikatu reklamowego, wykorzystując preferencje konkretnej osoby przechodzącą przez tarczę reklamową. Jeśli dane pokazują, że przechodząc przez osobę dużo podróżuje, może pokazać reklamę ośrodka. Organizatorzy meczu piłki nożnej mogą ocenić liczbę fanów tylko wtedy, gdy przychodzą do meczu. Ale jeśli mieli okazję prosić od operatora komunikacja komórkowa Informacje, w których odwiedzający byli za godzinę, dzień lub miesiąc przed meczem, dałoby to możliwość zaplanowania miejsc, aby pomieścić następujące mecze.

Innym przykładem jest oba banki mogą używać dużych danych, aby zapobiec oszustwom. Jeśli klient deklaruje utratę karty, a przy zakupie przy pomocy, bank widzi w czasie rzeczywistym lokalizację telefonu klienta w obszarze zakupu, w którym występuje transakcja, bank może sprawdzić informacje o zastosowaniu Klient, nie próbował go oszukać. Albo przeciwna sytuacja, kiedy klient dokonuje zakupu w sklepie, bank widzi, że karta, w której odbywa się transakcja, a telefon klienta jest w jednym miejscu, bank może stwierdzić, że jego właściciel cieszy się kartą. Dzięki takim zaletom dużego danych granice są rozszerzane, które prowadzą tradycyjne magazyny danych.

Aby skutecznie zdecydować o wdrożeniu decyzji dużych danych, firma musi obliczyć sprawę inwestycyjną i powoduje duże trudności z powodu wielu nieznanych składników. Paradoks analityki w takich przypadkach staje się przewidywanie przyszłości na podstawie przeszłości, dane, które są często nieobecne. W tym przypadku ważny czynnik jest wyraźnym planowaniem jego początkowymi działań:

• Po pierwsze, konieczne jest zdefiniowanie jednego konkretnego zadania biznesowego, aby rozwiązać duże technologie danych, zadanie to będzie pręt określający lojalność wybranej koncepcji. Konieczne jest skoncentrowanie się na gromadzeniu danych powiązanych z tym zadaniem, a podczas kontroli koncepcji możesz użyć różne narzędzia, procesy i metody zarządzania, które pozwolą zwiększyć podejmowane decyzje w przyszłości.
• Po drugie, jest mało prawdopodobne, że firma bez umiejętności i doświadczenia analityki danych będzie w stanie skutecznie wdrożyć duży projekt danych. Niezbędna wiedza zawsze płynie z poprzedniego doświadczenia analitycznego, co jest głównym czynnikiem wpływającym na jakość pracy z danymi. Ważną rolę odgrywa hodowlę użytkowania danych, ponieważ często analiza informacji otwiera trudną prawdę o firmie, a także wziąć tę prawdę i współpracę z nią, opracowane metody pracy z danymi są konieczne.
• Po trzecie, wartość dużych technologii danych jest zapewnienie spostrzeżeń Dobry analitycy pozostają deficytem na rynku. Są zwyczajowo nazywać specjalistami, którzy mają głębokie zrozumienie poczucia handlowego danych i wiedząc, jak je zastosować. Analiza danych to sposób na osiągnięcie celów biznesowych i zrozumieć wartość dużych danych, potrzebny jest odpowiedni model zachowania i zrozumienie jego działań. W tym przypadku duże dane dają wiele przydatnych informacji na temat konsumentów, na podstawie których można dokonać przydatnych rozwiązań dla biznesu.

Pomimo faktu, że rosyjski duży rynek danych dopiero zaczyna być utworzony, poszczególne projekty w tym obszarze są już wdrażane dość skutecznie. Niektóre z nich odnoszą sukcesy w dziedzinie zbierania danych, takich jak projekty dla Banku Kredytowego FTS i Tinkoff, inne - pod względem analizy danych i praktycznego zastosowania jego wyników: jest to projekt Synqera.

Bank Credit Systems TinkoFF wdrożył projekt do wdrożenia platformy Greenplum EMC2, który jest narzędziem do masywnych obliczeń równoległych. W trakcie ostatnie lata Bank zwiększył wymagania dotyczące szybkości przetwarzania skumulowanych informacji i analizy danych w czasie rzeczywistym, spowodowane wysoką stopą wzrostu liczby użytkowników kart kredytowych. Bank ogłosił plany rozszerzenia wykorzystania dużych technologii danych, w szczególności do przetwarzania niestrukturalnych danych i pracy z informacjami korporacyjnymi uzyskanymi z różnych źródeł.

W federalnej służbie podatkowej Rosji w tej chwili istnieje warstwa analityczna magazynu danych federalnych. Opiera się na jednym przestrzeń informacyjna. i dostęp do technologii do danych podatkowych do przetwarzania statystycznego i analitycznego. Podczas realizacji projektu praca prowadzona jest na centralizacji informacji analitycznych z ponad 1200 źródeł lokalnego IFX.

Innym interesującym przykładem analizy dużych danych w czasie rzeczywistym jest rosyjski rozruch Synqera, który opracował platformę SIMATE. Rozwiązanie opiera się na przetwarzaniu dużych tablic danych, program analizuje informacje o nabywcom, historii ich zakupów, wieku, płci, a nawet nastroju. W kasie zainstalowano w sieci sklepów kosmetycznych ekrany dotykowe Z czujnikami rozpoznającymi emocje klientów. Program określa nastrój osoby, analizuje informacje o tym, określa godzinę dnia i skanuje bazę rabatów sklepowych, po czym wysyła ukierunkowane wiadomości o promocjach i ofertach specjalnych. To rozwiązanie zwiększa lojalność zakupu i zwiększa sprzedaż detalistów.

Jeśli rozmawiamy o zagranicznych udanych przypadkach, w tym względzie, doświadczenie wykorzystania dużych technologii danych w Dunkin`donuts, przy użyciu danych w czasie rzeczywistym do sprzedaży produktów. Wyświetlacze cyfrowe w sklepach wyświetlają zdania, które zastępują się co minutę, w zależności od godziny i dostępności produktów. W kontroli gotówkowej firma otrzymuje dane, które sugestie otrzymały największą odpowiedź od kupujących. Te podejście do przetwarzania danych pozwoliło zwiększyć zyski i towary obrotowe w magazynie.

Ponieważ doświadczenie przed wprowadzeniem przedstawień dużych projektów danych, obszar ten został zaprojektowany, aby skutecznie rozwiązać nowoczesne zadania biznesowe. Jednocześnie ważny czynnik w osiąganiu celów komercyjnych podczas pracy z dużymi danymi jest wyborem właściwej strategii, która obejmuje analitykę, która wykrywa żądania konsumentów, a także wykorzystanie innowacyjnych technologii w dużym obszarze danych.

Według badania globalnego rocznie prowadzone przez Econsultance i Adobe od 2012 roku wśród marketerów firm, "dużych danych", charakteryzujących się działań ludzi w Internecie, mogą wiele. Są w stanie optymalizować procesy biznesowe offline, pomóż zrozumieć, w jaki sposób właściciele urządzeń mobilnych używają ich do wyszukiwania informacji lub po prostu "marketing lepiej", tj. wydajniej. Ponadto ostatnia funkcja roku jest coraz bardziej coraz bardziej coraz częściej, następuje z diagramu, który pokazujemy.

Główne obszary działania marketerów internetowych pod względem relacji z klientami

Źródło: Econsultancy i Adobe, opublikowane - Emarketer.com.

Zauważ, że narodowość respondentów nie ma znaczenia. Jako ankieta prowadzona przez KPMG w 2013 r., Oddział "optymistów", tj. Ci, którzy używają dużych danych w rozwijaniu strategii biznesowej, wynosi ponadto 56%, co więcej, wahania regionu do regionu są małe: od 63% w krajach Ameryki Północnej do 50% w EMEA.

Używanie dużych danych w różnych regionach świata

Źródło: KPMG, opublikowany - Emarketer.com.

Tymczasem stosunek sprzedawców do takich "trendów mody" jest podobny do słynnego anegdota:

Powiedz mi, Vanuo, czy lubisz pomidory?
- Uwielbiam jeść, a więc - nie.

Pomimo faktu, że marketerzy w słowach "kochają" duże dane i wydają się nawet korzystać z nich, w rzeczywistości "wszystko jest trudne", jak piszą o sercu uwagi w sieciach społecznościowych.

Według badania przeprowadzonego przez Badania Koło w styczniu 2014 r. Wśród europejskich sprzedawców, 4 z 5 respondentów nie używać dużych danych (pomimo faktu, że są oczywiście "miłość"). Przyczyny są różne. Podstawowani sceptycy trochę - 17% i dokładnie tak samo jak ich antypody, tj. Ci, którzy pewnie odpowiadają: "Tak". Reszta to oscylujące i wątpiąc, "bagno". Wyjeżdżają z bezpośredniej odpowiedzi pod korzystnymi pretekstami w duchu tego, co "nie ma, ale wkrótce" lub "poczekaj, aż zacznie się reszta".

Korzystanie z Big Data Marketers, Europe, Styczeń 2014

Źródło:dnx, opublikowany -emarketer.com.

Co ich myli? Słońce trifles. Niektórzy (ich dokładnie połowa) po prostu nie wierzą w te dane. Inni (mają również dużo - 55%) trudne w korelacji zestawów "danych" i "użytkowników". Ktoś jest po prostu (wyrażający poprawianie politycznie) zaburzenie wewnątrzczystego: dane są niezmienne spacer między działami marketingowymi a strukturami IT. Inne oprogramowanie nie radzi sobie z napływem pracy. Itp. Ponieważ łączne udziały znacznie przekraczają 100%, jasne jest, że często występuje sytuację "wielokrotnych barier".

Bariery do korzystania z dużych danych w marketingu

Źródło:dnx, opublikowany -emarketer.com.

W ten sposób konieczne jest stwierdzenie, że podczas gdy "duże dane" jest wielkim potencjałem, który nadal musisz skorzystać. Nawiasem mówiąc, może to być powodem, dla którego duże dane traci "Halo" Fashion Trend ", o czym świadczy dane ankietowe przeprowadzone przez nas już wspomniane przez Econsultance.

Najbardziej znaczące tendencje w marketingu cyfrowym 2013-2014

Źródło: Econsultancy i Adobe

Do wymiany, wychodzą one kolejny marketing króla. Jak długo?

Nie można powiedzieć, że duże dane są pewnym rodzajem fundamentalnie nowego zjawiska. Duże źródła danych istnieją od wielu lat: Klient kupuje bazy danych, historie kredytowe, styl życia. Od wielu lat naukowcy wykorzystali te dane, aby pomóc firmom ocenić ryzyko i przewidują przyszłe potrzeby klientów. Jednak dzisiaj sytuacja zmieniła się w dwóch aspektach:

Istnieje bardziej złożone narzędzia i metody analizy i łączenia różnych zestawów danych;

Te instrumenty analityczne uzupełniają całą lawinę nowych źródeł danych spowodowanych przejściem do technologii cyfrowych prawie wszystkich metod zbierania i pomiaru danych.

Zakres dostępnych informacji jednocześnie i inspiruje, a badacze, którzy uprawiali w strukturalnym medium badawczym. Sentymenty konsumentów są rejestrowane przez witryny i wszelkiego rodzaju odmiany mediów społecznościowych. Fakt oglądania reklamy jest zamocowany nie tylko przez konsole telewizyjne, ale także za pomocą tagów cyfrowych i urządzenia mobilneDotykając telewizorem.

Dane behawioralne (takie jak liczba połączeń, zwyczaje zakupów i zakupów) są teraz dostępne w czasie rzeczywistym. Tak więc, większość tego, co zostało przyzwyczajeni do uzyskania badań, dziś można nauczyć się używać dużych źródeł danych. A wszystkie te aktywa informacyjne są stale generowane, niezależnie od wszelkich procesów badawczych. Te zmiany i poprosić nas: czy duże dane będą mogły zastąpić klasyczne badania rynku.

Nie chodzi o dane, dotyczy pytań i odpowiedzi

Przed złożeniem zamówienia pogrzebu na temat badań klasycznych musimy przypomnieć sobie, że nie jest to obecność niektórych aktywów danych, ale coś innego. Co dokładnie? Nasza zdolność do odpowiedzi na pytania, to co. Nowy świat dużych danych ma jedną zabawną cechę: wyniki uzyskane na podstawie nowych aktywów informacyjnych prowadzą do pojawienia się jeszcze bardziej kwestii, a tradycyjne badania najlepiej odpowiedzieć przez te kwestie. Zatem, jak największe zwiększenie danych widzimy równoległy wzrost obecności i potrzebuje "małych danych" (małych danych), co może dać odpowiedzi na pytania ze świata dużych danych.

Rozważmy sytuację: Duża reklamaodawca prowadzi ciągłe monitorowanie ruchu w sklepach i wolumenów sprzedaży w czasie rzeczywistym. Istniejące techniki badawcze (w tym, w których przeprowadzamy wywiad z paneli badawczych o swoich motywacji do zakupu i zachowania w punktach sprzedaży) pomagają nam lepiej dążyć do pewnych segmentów kupujących. Techniki te można rozszerzyć - mogą obejmować szerszy zakres dużych aktywów danych aż do punktu, w którym duże dane stają się sposobem na obserwację pasywną i badania - metodą stałego unkanese badań zmian lub zdarzeń wymagających badań. W jaki sposób duże dane mogą bezpłatne badania z nadmiernej procedury. Badania podstawowe nie powinny już koncentrować się na tym, co się dzieje (będzie to spowodować duże dane). Zamiast tego podstawowe badania mogą koncentrować się na wyjaśnianiu, dlaczego widzimy pewne trendy lub odchylenia od trendów. Badacz będzie mógł pomyśleć mniej o otrzymaniu danych i więcej o tym, jak je przeanalizować i używać.

Jednocześnie widzimy, że duże dane pozwalają rozwiązać jeden z naszych największych problemów - problem nadmiernie długich badań. Badanie samych badań wykazało, że nadmiernie rozdęte narzędzia badawcze mają negatywny wpływ na jakość danych. Chociaż wielu specjalistów przez długi czas rozpoznała obecność tego problemu przez długi czas, niezmiennie odpowiedział na to frazę: "Ale potrzebuję tych informacji o najwyższej zarządzaniu", a dalsze badania kontynuowane.

W świecie dużych danych, w których wskaźniki ilościowe można uzyskać przez pasywną obserwację, to pytanie staje się kontrowersyjne. Ponownie pamiętajmy o wszystkie te badania konsumpcyjne. Jeśli duże dane dają nam spostrzeżenia na temat zużycia przy użyciu pasywnej obserwacji, wówczas podstawowe badania w formie ankiety nie muszą już gromadzić tego rodzaju informacji, a w końcu będziemy w stanie wzmocnić swoją wizję krótkich ankiet nie tylko przez dobre życzenia, Ale coś prawdziwego.

Duże dane potrzebują twojej pomocy

Wreszcie "Big" to tylko jedna z cech dużych danych. Charakterystyczna "duża" odnosi się do skali wielkości i skali. Oczywiście jest to główna cecha, ponieważ ilość tych danych wykracza ponad wszystko, co pracowaliśmy wcześniej. Jednak inne cechy tych nowych strumieni danych są również ważne: często są słabo sformatowane, nieustrukturyzowane (lub, najlepiej, częściowo ustrukturyzowane) i są pełne niepewności. Opracowywanie obszaru zarządzania danymi, metro-zwana "analiza jednostki" (Entity Analytics), ma rozwiązać problem pokonywania hałasu w dużych danych. Jej zadaniem jest analiza tych zestawów danych i dowiedzieć się, ile obserwacji odnosi się do tej samej osoby, które obserwacje są aktualne, a które z nich są odpowiednie do użycia.

Ten typ czyszczenia danych jest niezbędny w celu usunięcia hałasu lub błędnych danych podczas pracy z większych lub małych danych, ale to nie wystarczy. Musimy również stworzyć kontekst wokół dużych aktywów danych na podstawie naszych wcześniejszych doświadczeń, analityki i wiedzy o kategorii. W rzeczywistości wielu analityków wskazuje zdolność do zarządzania niepewnością nieodłączną w dużych danych, jako źródła przewagi konkurencyjnej, ponieważ pozwala na zwiększenie skutecznych rozwiązań.

A teraz badania podstawowe są nie tylko zwolnione z rutyny dzięki dużym danym, ale także przyczynić się do tworzenia treści i analizy w ramach dużych danych.

Żywe przykład tego może być stosowanie naszych nowych zasadniczo różnych ram kapitału marki na mediach społecznościowych (rozmawiamy O Opracowany przez B.Millward. Brązowy. Nowe podejście do pomiaru wartości markiIch Sensownie Różne. Struktura. - "Paradygmat znaczących różnic" -R. & T. ). Model ten jest weryfikowany na zachowanie na określonych rynkach, wdrożonych w standardzie i łatwo jest stosować w innych kierunkach marketingowych i systemy informacyjne. Wspierać podejmowanie decyzji. Innymi słowy, nasz model kapitału marki oparty na badaniach metodach (choć nie tylko na nich) ma wszystkie właściwości niezbędne do przezwyciężenia nieustrukturyzowanego, niespójnego i nieokreślonego charakteru dużych danych.

Rozważmy dane dotyczące nastrojów konsumentów dostarczonych przez media społecznościowe. W postaci surowej, szczyty i naklejki nastrojów konsumentów są bardzo często skorelowane z parametrami Kapitałów marki i zachowań uzyskanych Offline: To jest za dużo hałasu. Ale możemy zmniejszyć ten hałas, stosując nasze modele konsumentów, różnicowanie marek, dynamikę i cechy wyróżniające do surowych danych sentymentów konsumentów, jest sposobem przetwarzania i agregacji danych mediów społecznych w tych wymiarach.

Po zorganizowaniu danych zgodnie z naszym modelem ramowym, trendy zwykle pokrywają się z parametrami kapitału marki i zachowań uzyskanych w trybie offline. W istocie dane mediów społecznościowych nie mogą mówić dla siebie. Aby korzystać z nich w tym celu wymaga naszego doświadczenia i modeli zbudowanych wokół marek. Kiedy dają nam media społecznościowe unikalne informacje, wyrażona w języku, który konsumenci wykorzystują do opisywania marek, musimy używać tego języka podczas tworzenia badań, aby uzyskać badania podstawowe znacznie bardziej wydajne.

Zalety wyzwolonych badań

Zwraca nas do faktu, że duże dane nie są tak zastępowane badaniami, jak je zwiększają. Naukowcy zostaną zwolnione z potrzeby stworzenia nowego badania dla każdego nowego przypadku. Stale rosnące aktywa danych można wykorzystać do różnych badań, co pozwala na kolejne podstawowe badania, aby pogłębi się w temacie i wypełnić dostępne przestrzenie. Naukowcy zostaną zwolnione z potrzeby polegania na nadmiernie nadętych badaniach. Zamiast tego będą mogli używać krótkich ankiet i skupić się na najważniejszych parametrach, co poprawia jakość danych.

Dzięki temu wyzwoleniu naukowcy będą mogli wykorzystać swoje zalane zasady i pomysły, aby dodać dokładność i znaczenie dużych aktywów danych, co doprowadzi do pojawienia się nowych obszarów na badania metodą badania. Cykl ten powinien prowadzić do głębszego zrozumienia różnych kwestii strategicznych, a ostatecznie, aby przejść do faktu, że zawsze powinno być naszym głównym celem - poinformować i poprawić jakość rozwiązań dotyczących marki i komunikacji.

Regularnie potykamy się modnymi słowami i definicjami, co oznacza, że \u200b\u200bintuicyjnie wydaje się być rozumiane, ale jasny obraz faktu, że nadal jest to dla rzeczy i jak to działa, nie robimy.

Jedną z tych koncepcji jest duże dane, w języku rosyjskim, czasami można znaleźć dosłowne tłumaczenie - "duże dane", ale częściej ludzie mówią i piszą, jak to jest: duże dane. Wszystko na pewno słyszeli lub przynajmniej spotkali to frazę w Internecie, i wydaje się być proste, ale co dokładnie jest przeznaczone, daleko od subtelności biura Dytitiv-World Humanitarni nie zawsze są jasne.

Doskonała próba wypełnienia tej luki w mózgach najszerszej gamy użytkowników jest artykułem jednego z naszych ulubionych autorów Bernard Marra, który jest nazywany "Jakie są duże dane? Super Proof Wyjaśnienie dla każdego ". Bez uznania Jarn, wyłącznie w celu wyjaśnienia kluczowych idei tego zjawiska dla każdego, niezależnie od wykształcenia i zakresu działalności.

W rzeczywistości przez ostatnie kilka lat żyjemy już na świecie, przez nachylone duże dane, ale nadal należy mylić w zrozumieniu tego, co jest nadal. Jest to częściowo dzieje się i ponieważ wielka koncepcja danych jest stale przekształcana i przetrwała, ponieważ świat wysokich technologii i przetwarzanie dużych tablic informacyjnych zmienia się bardzo szybko, w tym wszystkie nowe i nowe opcje. I ilość tych informacji stale rośnie.

Co oznacza duże dane - 2017?

Wszystko zaczęło się od wybuchowego wzrostu liczby danych, które tworzymy od początku ery cyfrowej. Stało się to możliwe głównie ze względu na wzrost liczby i mocy komputerów, ekspansji Internetu i rozwój technologii, które mogą przechwycić informacje z rzeczywistego, fizycznego świata, w którym wszyscy żyjemy i przekształcamy go w dane cyfrowe.

W 2017 r. Produkujemy dane, gdy wchodzą do Internetu, gdy korzystamy z naszych spełnionych smartfonów GPS, gdy komunikujemy się z przyjaciółmi w sieciach społecznościowych, pobierz aplikacje mobilne Lub muzyka, gdy dokonujesz zakupów.

Możemy powiedzieć, że zarezerwujemy wiele cyfrowych śladów, cokolwiek robimy, jeśli nasze działania obejmują wszelkie transakcje cyfrowe. To jest prawie zawsze i wszędzie.

Ponadto, z ogromną prędkością, ilość danych generowanych przez same maszyny rośnie. Dane są tworzone i przesyłane, gdy nasze inteligentne urządzenia komunikują się ze sobą. Przedsiębiorstwa produkcyjne na całym świecie są wyposażone w sprzęt, który gromadzi Dancy i przenosi transmisji danych.

W niedalekiej przyszłości nasze ulice będą wypełnione samorządnymi samochodami, niezależnie rozpoczynając trasy oparte na kartach czterymniej-wymiarowych, które są generowane w czasie rzeczywistym.

Co można duże dane?

Nieskończenie rosnący przepływ informacji sensorycznych, zdjęcia, wiadomości SMSDane audio i wideo leży na dużych danych, których możemy wykorzystać, jak można sobie wyobrazić kilka lat temu.

W tej chwili oparte na dużych projektach danych Pomoc:

- Traktuj choroby i zapobiegają rakowi. Medycyna dużych danych analizuje ogromną liczbę rekordów medycznych i obrazów, co umożliwia bardzo wczesną diagnozę i przyczynia się do tworzenia nowych zabiegów.

- Walczyć z głodem. Rolnictwo doświadcza prawdziwej wielkiej rewolucji danych, która pozwala na wykorzystanie zasobów, aby zmaksymalizować wydajność przy minimalnej interwencji w ekosystemie i zoptymalizować korzystanie z maszyn i urządzeń.

- Otwarte odległe planety.. NASA, na przykład, analizuje ogromną ilość danych i buduje model przyszłych misji w odległych światach.

- Przewiduj sytuacje kryzysowe Różna natura i zminimalizować możliwe uszkodzenia. Te liczne czujniki mogą przewidzieć, gdzie pojawią się następne trzęsienie ziemi lub możliwe zachowanie osób w nagłych przypadkach, co zwiększa szanse na przeżycie.

- Zapobiegać przestępczości Dzięki wykorzystaniu technologii, które pozwalają na skuteczniejsze przeznaczyć zasoby i kierować je, gdzie są najbardziej potrzebne.

I najbardziej blisko większości z nas: Duże dane sprawiają, że życie zwykłej osoby łatwiejsze i wygodniejsze - jest to zakupy online oraz podróże planowania oraz nawigacja w metropolii.

Wybierz najlepszy czas na zakup biletów i zdecyduj, który film lub seria do zobaczenia, stało się znacznie łatwiej dzięki pracy dużych danych.

Jak to działa?

Duże dane działa na zasadzie: Im więcej wiesz o czymś, tym bardziej można przewidzieć, co się stanie w przyszłości. Porównanie poszczególnych danych i relacji między nimi (mówimy o ogromnej ilości danych i niezwykle duże ilości możliwych powiązań między nimi) umożliwia wykrycie wcześniej ukrytych wzorców. Umożliwia to spojrzenie wewnątrz problemu i ostatecznie zrozumienie, jak możemy kontrolować jeden lub inny proces.

Najczęściej przetwarzanie dużych ilości informacji obejmuje modele budowlane w oparciu o zebrane dane, a uruchomienie symulacji, podczas których ustawienia kluczy stale się zmieniają, a za każdym razem, gdy monitoruje system, jako "zmiana ustawień" wpływa na możliwe wynik.

Proces ten jest w pełni zautomatyzowany, ponieważ rozmawiamy o analizie milionów symulacji, gaśnictwo wszystkich możliwych opcji do momentu, gdy nie znaleziono wzoru (pożądany schemat) lub dopóki nie stanie się "oświecenia", który będzie Pomóż rozwiązać zadanie, dla którego wszystko jest nadal traktowane.

W przeciwieństwie do zwykłych przedmiotów na świecie, dane są akceptowane w postaci nieustrukturyzowanej, czyli trudne do zwalczania zwykłych, ludzi, tabele z komórek i kolumn. Ogromna ilość danych jest przesyłana jako obrazy lub wideo: z satelitarnych zdjęć do selfie, które publikujesz na Instagramie lub Facebooku, - tak jak wpisy w wiadomości e-mail i komunikatorów lub połączeń telefonicznych.

Aby dać wszystkim tym nieskończonym i różnym przepływie danych, duże dane często wykorzystują najbardziej zaawansowane technologie analizy, które obejmują sztuczną inteligencję i uczenie maszynowe (wtedy program został przeszkolony w innych programach).

Same komputery uczą się określić, co lub te informacje reprezentują - na przykład rozpoznawać obrazy, język, - i mogą zrobić to znacznie szybciej niż ludzie.

Duży brat?

W proporcji do bezprecedensowych cech, które dają nam duże dane, liczba obaw i kwestii związanych z jego użyciem rosną.

Zamówienia danych osobowych. Duże dane zbiera ogromną ilość informacji o naszym życiu prywatnym. Istnieje wiele informacji, które wolaliśmy, aby zachować tajemnicę.

BEZPIECZEŃSTWO. Nawet jeśli zdecydujemy, że w przeniesieniu wszystkich naszych danych osobowych samochód na jakiś konkretny, korzystny cel nie ma nic strasznego, czy możemy być pewni, że nasze dane są przechowywane w bezpiecznym miejscu?
Kto i jak możemy to zagwarantować?

DYSKRYMINACJA. Kiedy wiadomo, czy można ujawnić ludzi do dyskryminacji na podstawie tego, co wiadomo o nich dzięki dużym danym? Banki wykorzystują historię kredytową, a firmy ubezpieczeniowe określają koszty autostrad, na podstawie tego, co o tobie wiedzą. Jak daleko może iść?

Można założyć, że miłość do minimalizacji ryzyka spółki, agencji rządowych, a nawet osób użyje, co mogą się o nas dowiedzieć, a z pewnych powodów ograniczają dostęp do zasobów i informacji.

Ze wszystkimi zaletami musimy uznać, że wszystkie te obawy są również integralną częścią dużych danych. Do niedawna naukowcy rzucili się nad odpowiedziami, ale teraz nadszedł czas, kiedy fala przyszła do firmy, która chce skorzystać z dużych danych do własnych celów. I może to być obarczone zarówno katastrofalnymi konsekwencjami.

Duże dane (lub duże dane) to zestaw metod roboczych z ogromnymi objętościami strukturalnych lub nieustrukturyzowanych informacji. Specjaliści w pracy z dużymi danymi są zaangażowani w przetwarzanie i analizę, aby uzyskać wizualne, postrzegane wyniki. Spójrz na mnie, rozmawialiśmy z profesjonalistami i dowiedział się, jaka jest sytuacja z przetwarzaniem dużych danych w Rosji, gdzie i co jest lepsze do nauczenia się tym, którzy chcą pracować w tej dziedzinie.

Alexey Rupin na głównych kierunkach w dziedzinie dużych danych, komunikacji z klientami i świat liczb

Studiowałem w Moskwie Institute of Electronic Technology. Najważniejszą rzeczą, którą udało mi się wyjąć, są fundamentalną wiedzą o fizyce i matematyce. Jednocześnie pracowałem w centrum badawczo-rozwojowym, gdzie został zaangażowany w rozwój i wdrażanie najszlachetnych algorytmów kodowania do środków chronionych transferu danych. Po zakończeniu studiów licencjackich wszedłem do magistray informatyki biznesowej Wyższej Szkoły Ekonomicznej. Potem chciałem pracować w IBS. Miałem szczęście, że w tym czasie było dodatkowy zestaw stażystów w związku z dużą liczbą projektów, a po kilku wywiadach zacząłem pracować w IBS, jednej z największych rosyjskich firm w tej dziedzinie. Przez trzy lata odszedłem z pociągu przed architektem rozwiązań korporacyjnych. Teraz jestem zaangażowany w opracowywanie dużych technologii danych dla firm klientów z sektora finansowego i telekomunikacyjnego.

Istnieją dwie główne specjalizacje dla osób, które chcą pracować z dużymi danymi: analitykami i konsultantami IT, którzy tworzą technologie do pracy z dużymi danymi. Ponadto można również mówić o zawodzie wielkiego analityka danych, tj. Ludzie, którzy bezpośrednio pracują z danymi z platformą IT od klienta. Wcześniej był zwykłym analitykami matematyki, którzy znali statystyki i matematykę oraz korzystając z oprogramowania statystycznego do rozwiązania zadań analizy danych. Dziś konieczne jest obecnie wiedzę o statystykach i matematyce, niezbędne jest również zrozumienie technologii i cyklu życia danych. W tym zdaniem jest różnica między nowoczesnym analitykiem danych z tych analityków, którzy byli wcześniej.

Moja specjalizacja to konsultacja, czyli, wymyślam i oferuje klientom, jak rozwiązać zadania biznesowe z technologiami IT. Ludzie przychodzą do doradztwa z różnymi doświadczeniami, ale najważniejszymi cechami tego zawodu są zdolność do zrozumienia potrzeb klienta, pragnienie pomocy ludziom i organizacjom, dobrym umiejętnościom komunikacyjnym i zespołom (ponieważ zawsze współpracuje z klientem i W zespole) dobre umiejętności analityczne. Wewnętrzna motywacja jest bardzo ważna: pracujemy w konkurencyjnym środowisku, a klient czeka na niezwykłe rozwiązania i zainteresowanie pracą.

Przez większość czasu muszę komunikować się z klientami, sformalizowanie potrzeb biznesowych i pomocy w rozwijaniu najbardziej odpowiedniej architektury technologicznej. Kryteria wyboru mają tutaj własne cechy: Oprócz funkcjonalności i OSP (całkowity koszt posiadania - całkowity koszt posiadania) są bardzo ważne, niefunkcjonalne wymagania dla systemu, najczęściej jest to czas odpowiedzi, przetwarzanie informacji czas. Aby przekonać klienta, często używamy podejścia dowodu koncepcji - oferujemy darmową technologię "testową" dla niektórych zadań, na wąskich danych ustawionych, aby upewnić się, że działa technologia. Decyzja powinna stworzyć przewagę konkurencyjną dla Klienta kosztem dodatkowych korzyści (na przykład, X-Sprzedam, Cross-Sprzedaż) lub rozwiązać jakiś problem biznesowy, powiedzmy, zmniejszając wysoki poziom oszustwa pożyczki.

Byłoby znacznie łatwiej, jeśli klienci pochodzili z gotowego zadania, Ale tak długo, jak nie rozumieją, że pojawiła się rewolucyjna technologia, która może zmienić rynek przez kilka lat.

Jakie problemy muszą się zmierzyć? Rynek nie jest gotowy do użycia technologii "Big Data". Byłoby znacznie łatwiejsze, jeśli klienci pochodzili z gotowego zadania, ale dopóki nie zrozumieją, że rewolucyjna technologia mogłaby zmienić rynek przez kilka lat. Dlatego w rzeczywistości pracujemy w trybie startowym - nie tylko sprzedawać technologię, ale za każdym razem przekonujemy klientów, że musisz inwestować w te rozwiązania. Jest to taka pozycja wizjonerii - pokazujemy klientom, w jaki sposób możesz zmienić swoją firmę z atrakcją danych i jej. Tworzymy ten nowy rynek - rynek komercyjnych konsultacji informatycznych w wielkim regionie danych.

Jeśli osoba chce zaangażować się w analizę danych lub konsultacji w sferze dużych danych, pierwszą rzeczą, która jest ważna, jest edukacja matematyczna lub techniczna z dobrym przygotowaniem matematycznym. Pomocne jest również opanowanie konkretnych technologii, powiedzmy SAS, Hadoop, R Język lub rozwiązanie IBM. Ponadto, musisz aktywnie być zainteresowany zadaniami aplikacji dla dużych danych - na przykład, jak mogą być wykorzystywane do poprawy punktacji kredytowej w banku lub kontroli koło życia klient. Te i inne wiedza można uzyskać z dostępnych źródeł: na przykład kursera i dużego uniwersytetu danych. Istnieje również inicjatywa analityki klienta w Wharton University w Pensylwanii, która opublikowała wiele ciekawych materiałów.

Poważny problem dla tych, którzy chcą pracować w naszym obszarze, jest wyraźnym brakiem informacji o dużych danych. Nie możesz przejść do księgarni ani w niektórych witrynie i uzyskać na przykład, wyczerpująca kolumna przypadków dla wszystkich zastosowań dużych technologii danych w bankach. Nie ma takich książek referencyjnych. Częścią informacji jest w książkach, kolejna część jest pobierana na konferencjach, a do czegoś, co musisz osiągnąć siebie.

Innym problemem jest to, że analitycy czują się dobrze w świecie liczb, ale nie zawsze są komfortowo w biznesie. Takie osoby są często introwertyczne, trudno im się komunikować, dlatego trudno im przekonać, aby przekazać klientom informacje o wynikach badań. W celu rozwinięcia tych umiejętności poleciłbym takie książki jako "zasada piramidy", "mówić na diagramach". Pomagają rozwijać umiejętności prezentacyjne, zwięźle i wyraźnie określają swoje myśli.

Byłem bardzo pomocny dla udziału w różnych mistrzostwach przypadków podczas nauki na HSE. Mistrzostwa przypadków są inteligentnymi konkursami dla studentów, w których musisz studiować problemy biznesowe i oferować decyzję. Są to dwa gatunki: konsultingowe Mistrzostwa Mistrzostwa, takie jak McKinsey, BCG, Accenture, a także niezależne mistrzostwa typu typu Changellenge. Podczas udziału w nich nauczyłem się widzieć i rozwiązywać złożone zadania - od identyfikacji problemu i jego strukturyzacji do ochrony zaleceń do jego rozwiązania.

Oleg Mikhalsky o rynku rosyjskim i specyfiki tworzenia nowego produktu w dziedzinie dużych danych

Przed przyjazdem do Acronis był już zaangażowany w rozpoczęcie nowych produktów na rynku w innych firmach. Zawsze jest zawsze interesujący i trudny w tym samym czasie, więc byłem natychmiast zainteresowany możliwością pracy usługi w chmurze i rozwiązania do przechowywania danych. W tej dziedzinie wszystkie moje wcześniejsze doświadczenia w branży IT były przydatne, w tym własny projekt startowy I-Accelerator. Obecność edukacji biznesowej (MBA) pomogła również oprócz podstawowej inżynierii.

W Rosji duże firmy - banki, operatorzy telefonii komórkowej. Itd. - istnieje potrzeba analizy dużych danych, więc w naszym kraju istnieją perspektywy dla tych, którzy chcą pracować w tej dziedzinie. Prawda, wiele projektów integrujący obecnie, czyli na podstawie rozwoju zagranicznego lub technologii otwartych źródeł. W takich projektach zasadniczo nowe podejścia i technologie nie są tworzone, ale są przystosowane raczej istniejące wydarzenia. W Acronis pojechaliśmy do innej drogi, a po przeanalizowaniu istniejących alternatyw, postanowił inwestować w naszym własnym rozwoju, tworząc system niezawodnego przechowywania dla dużych danych, które nie jest niższe niż koszt, na przykład Amazon S3, ale działa niezawodnie i skutecznie na znacznie mniejszej skali. Własny rozwój dużych danych jest również wśród dużych firm internetowych, ale raczej koncentruje się na potrzebach wewnętrznych niż zadowolenie z potrzeb klientów zewnętrznych.

Ważne jest, aby zrozumieć trendy i siły gospodarcze, które wpływają na obszar przetwarzania dużych danych. Aby to zrobić, czytaj dużo, słuchaj występów autorytatywnych specjalistów w branży IT, odwiedź konferencje tematyczne. Teraz każda konferencja ma dużą sekcję danych, ale wszyscy mówią o tym pod każdym kątem: z punktu widzenia technologii, biznesu lub marketingu. Możesz udać się do pracy projektowej lub stażu w firmie, która już prowadzi projekty na ten temat. Jeśli jesteś pewien swoich umiejętności, nie jest za późno, aby zorganizować startowy w sferze dużych danych.

Bez stałego kontaktu z rynkiem Nowe ryzyko rozwoju, które mają być nieodebrane

Prawda, kiedy jesteś odpowiedzialny za nowy produkt, wiele czasu trafia do analizy rynku i komunikowanie się z potencjalnymi klientami, partnerami, profesjonalnymi analitykami, którzy wiedzą o klientach i ich potrzebach. Bez stałego kontaktu z rynkiem, nowe ryzyko rozwoju jest nieodebrane. Zawsze istnieje wiele niepewności: Musisz zrozumieć, kto stanie się pierwszymi użytkownikami (wczesnymi adoptownikami), że masz dla nich cenne, a następnie przyciągnąć masową publiczność. Drugim najważniejszym zadaniem jest formularz i przekazuje deweloperom jasną i holistyczną wizję. produkt finalnymotywować ich do pracy w takich warunkach, gdy niektóre wymagania mogą się nadal zmienić, a priorytety zależą od sprzężenie zwrotnepochodzące od pierwszych klientów. Dlatego ważnym zadaniem jest zarządzanie oczekiwaniami klientów z jednej strony i deweloperów z drugiej. Aby żadne inne nie stracili zainteresowania i przyniosły projekt przed zakończeniem. Po pierwszym udanym projekcie staje się łatwiejsze, a główne zadanie znajdzie właściwy model wzrostu nowego biznesu.

W pewnym momencie usłyszałem termin "duże dane" z niemieckiego Grefu (głowa Sberbank). Mówią, że teraz aktywnie pracują nad wprowadzeniem, ponieważ pomoże im zmniejszyć czas pracy z każdym klientem.

Drugi raz wpadłem w tę koncepcję w sklepie internetowym klienta, na którym pracowaliśmy i zwiększyliśmy zakres od pary tysięcy do kilku dziesiątek tysięcy pozycji towarowych.

Po raz trzeci, kiedy widziałem, że w Yandexie wymagany jest duży analityk danych. Potem postanowiłem odważyć się, aby to rozgryźć w tym temacie, a jednocześnie napisz artykuł, który określiłby, że jest to termin, który ekscytuje umysły najlepszych menedżerów i przestrzeni internetowej.

Co to jest

Zwykle każdy artykuł zaczynam od wyjaśnienia, jaki jest termin na takie. Ten artykuł nie będzie wyjątkiem.

Jednak jest to spowodowane przede wszystkim, a nie pragnienie pokazywania tego, co jestem mądry, ale fakt, że temat jest prawdziwie skomplikowany i wymaga starannego wyjaśnienia.

Na przykład, możesz przeczytać, jakie duże dane są w Wikipedii, nie rozumiesz niczego, a następnie powrócić do tego artykułu, aby nadal rozumiesz definicję i zastosowanie dla biznesu. Zacznijmy więc od opisu, a następnie do przykładów dla biznesu.

Duże dane to duże dane. Zaskakująco, tak? Naprawdę, jest tłumaczony z języka angielskiego jako "duże dane". Ale ta definicja można powiedzieć o manekinach.

Technologia Duże dane. - Jest to podejście / metoda przetwarzania większej liczby danych w celu uzyskania nowych informacji, które są trudne do obsługi w konwencjonalnych sposobach.

Dane mogą być zarówno przetwarzane (strukturalne), jak i różnione (to jest nieustrukturyzowane).

Sama termin pojawiła się stosunkowo niedawno. W 2008 r. W czasopiśmie naukowym podejście to zostało przewidywane jako coś niezbędnego do pracy z dużą ilością informacji, które wzrasta w progresji geometrycznej.

Na przykład, rocznie informacje w Internecie, które muszą być przechowywane, dobrze, do przetwarzania, wzrost o 40%. Po raz kolejny: + 40% każdego roku pojawia się w Internecie nowych informacji.

Jeśli wydrukowane dokumenty są jasne, a ich metody przetwarzania są również jasne (przenoszenie do formularza elektronicznego, szyć do jednego folderu, ponumerowane), co zrobić z informacjami przedstawionymi w zupełnie innych "mediach" i innych objętościach:

• Dokumenty internetowe;
• Blogi i sieci społecznościowe;
• Źródła audio / wideo;
• Narzędzia miernicze.

Istnieją cechy, które umożliwiają przypisywanie informacji i danych do dużych danych. Oznacza to, że nie wszystkie dane mogą być odpowiednie do analityki. W tych cechach ustanowiony jest kluczowa koncepcja dużej daty. Wszystkie pasują do trzech V.

1. Tom(z polu. objętości). Dane są mierzone w wielkości objętości fizycznej "dokumentu" do analizowanego;
2. Prędkość(z angielskiego. prędkość). Dane nie kosztują ich rozwoju, ale stale rosną, dlatego ich szybkie przetwarzanie jest wymagane do uzyskania wyników;
3. Kolektor(z angielskiego. Różnorodność). Dane mogą nie być pojedynczy format. Oznacza to, że mogą być odmienne, strukturyzowane lub strukturalne częściowo.

Jednakże okresowo dodać VVV i czwarty V (prawdziwość - niezawodność / wiarygodność danych), a nawet piąta V (w niektórych przykładach wykonania jest rentowność - rentowność, w innych jest to wartość).

Gdzieś też widziałem 7V, który charakteryzuje dane związane z wielką datą. Ale moim zdaniem jest to z serii (gdzie p jest okresowo dodawane, chociaż dotyczy zrozumienia początku 4-X).

Jesteśmy już ponad 29 000 osób.
Wchodzić

Kto go potrzebuje

Chodzi o logiczny pytanie, jak mogę korzystać z informacji (jeśli tak, duża data jest setki i tysiące terabajtów)?

Nawet tak. Oto informacje. Więc co wymyśliło wielką datę? Jakie jest korzystanie z dużych danych w marketingu i biznesu?

1. Nie można przechowywać zwykłych baz danych i przetwarzania (teraz mówię nawet o analizach, ale po prostu przechowywania i przetwarzania) ogromnej ilości informacji.
   Duża data rozwiązuje to główne zadanie. Pomyślnie przechowuje i zarządza informacjami o dużej objętości;
2. Informacje o strukturach pochodzące z różnych źródeł (wideo, obrazy, dokumenty audio i tekstowe), w jednym, zrozumiałym i odpowiadającym formularzu;
3. Formacja analityki i tworzenie dokładnych prognoz na podstawie strukturalnych i przetworzonych informacji.

To skomplikowane. Aby mówić po prostu, każdy marketer, który rozumie, jeśli zbadasz dużą ilość informacji (o tobie, firmie, konkurentów, twoim branży), możesz uzyskać bardzo przyzwoite wyniki:

• Pełne zrozumienie Twojej firmy i Twojej firmy ze strony liczb;
• Przeglądaj swoich konkurentów. I to z kolei da możliwość wyjścia z powodu ich częstości występowania;
• Dowiedz się nowych informacji o swoich klientach.

Właśnie dlatego, że wielka technologia danych podaje następujące wyniki, wszystko jest z nią noszone. Próbując przymocować ten przypadek w swojej firmie, aby uzyskać wzrost sprzedaży i obniżyć koszty. A jeśli w szczególności, to:

1. Zwiększ poprzeczkę sprzedaży i dodatkową sprzedaż dzięki lepszej wiedzy na temat preferencji klientów;
2. Znalezienie popularnych produktów i powodów, dla których są kupowane (i przeciwnie);
3. Poprawa produktu lub usługi;
4. Poprawa poziomu usług;
5. Raying Loyalty and Customer Focus;
6. Ostrzeżenie o oszustwie (bardziej istotne dla sektora bankowego);
7. Zmniejszone nadmierne koszty.

Najczęstszym przykładem, który jest podany we wszystkich źródłach - oczywiście jest oczywiście firma Apple.który gromadzi dane na swoich użytkownikach (telefon, zegar, komputer).

Wynika to z obecności ekologicznego systemu, że korporacja zna tyle użytkowników o swoich użytkownikach, a zwany dalej wykorzystuje to do zysku.

Te i inne przykłady używania można czytać w dowolnym innym artykule z wyjątkiem tego.

Nowoczesny przykład

Opowiem ci o innym projekcie. Raczej osoby, która buduje przyszłość za pomocą dużych rozwiązań danych.

To maska \u200b\u200bIlon i jego firma Tesla. Jego głównym marzeniem jest uczynienie samochodów autonomicznych, to znaczy, dostajesz za kierownicą, włącz autopilot z Moskwy do Władywostoku i ... Zasysaj, ponieważ absolutnie nie musisz prowadzić samochodu, ponieważ zrobi wszystko siebie .

Wydaje się, że fantazja? Ale nie! Po prostu ilon przyszedł znacznie mądrzejszy niż Google, który zarządzał samochodami z dziesiątkami satelitów. I poszedł do innego sposobu:

1. W każdym sprzedanym samochodowym komputerze jest ustawiony, który gromadzi wszystkie informacje.
   Wszystko - oznacza to całość. O kierowcy, styl jego jazdy, drogi dookoła, ruch innych samochodów. Objętość takich danych osiąga 20-30 GB na godzinę;
2. Następnie te informacje na temat komunikacja satelitarna przeszedł do komputera centralnego, który jest zaangażowany w przetwarzanie tych danych;
3. Na podstawie dużych danych dotyczących danych ten komputerZbudowany jest model niezamiętanego samochodu.

Nawiasem mówiąc, jeśli firma Google idzie bardzo źle i ich samochody przez cały czas wpadł w wypadek, a następnie maska, ze względu na fakt, że praca z dużymi danymi trwa znacznie lepiej, ponieważ modele testowe pokazują bardzo dobre wyniki.

Ale ... to wszystko z gospodarki. Czym jesteśmy o zyskach, tak o zysku? Wiele, co może zdecydować o dużej daty, jest całkowicie nierozpoznany z zarobkami i pieniędzmi.

Statystyki Google, po prostu oparte na dużych danych, pokazuje ciekawą rzecz.

Zanim lekarzy zadeklarują początek epidemii choroby w niektórych regionach, kwota tego regionu znacznie wzrasta zapytania Na leczeniu tej choroby.

W ten sposób prawidłowe badanie danych i ich analiza może tworzyć prognozy i przewidywać początek epidemii (i odpowiednio, jego zapobieganie) jest znacznie szybsze niż zawarcie organów oficjalnych i ich działań.

Zastosowanie w Rosji

Jednak Rosja, jak zawsze spowalnia trochę. Tak więc, definicja dużych danych w Rosji pojawiła się nie więcej niż 5 lat temu (jestem teraz o zwykłych firmach).

I to pomimo faktu, że ten jeden z najszybciej rozwijających się rynków na świecie (narkotyki i broń nerwowo palenia z boku), ponieważ rocznie rynek zbierania i analizowania dużych danych spowoduje, że 32%.

Aby scharakteryzować duży rynek danych w Rosji, pamiętam jeden stary żart. Duża data jest jak seks do 18 lat. Wszyscy o tym powiedziano, istnieje wiele realnych działań wokół niej, a wszyscy wstydzi się, aby przyznać, że nie są w tym angażowani. A prawda jest taka, wokół tego mnóstwo hałasów, ale małe prawdziwe działania.

Chociaż znana firma badawcza Gartner ogłosiła już, że duża data jest rosnącym trendem (jak przy okazji, sztucznej inteligencji) i dość niezależnych instrumentów do analizy i rozwijania zaawansowanych technologii.

Najbardziej aktywne nisze, w których stosowane są duże dane w Rosji, są to banki / ubezpieczenie (nic dziwnego, że rozpocząłem artykuł z głową Sberbank), sfery telekomunikacyjnej, detalicznej, nieruchomości i ... sektora publicznego.

Na przykład powiem ci więcej o pary sektorów gospodarki, która korzysta z dużych algorytmów danych.

1. Banki.

Zacznijmy od banków i informacje, które zbierają o nas i nasze działania. Na przykład zrobiłem 5 najlepszych rosyjskich banków, które aktywnie inwestują w duże dane:

1. Sberbank;
2. Gazprombank;
3. VTB 24;
4. ALFA Bank;
5. Bank Tinkoff.

Szczególnie miło jest widzieć wśród rosyjskich przywódców Alpha Bank. Przy minimśle miło jest uświadomić sobie, że bank, oficjalny partner, którego jesteś, rozumie potrzebę wprowadzenia nowych narzędzi marketingowych do Twojej firmy.

Ale przykłady używania i pomyślnie wdrażania dużych danych, które chcę pokazać na banku, który lubię na niestandardowy wygląd i czynek założyciela.

Mówię o banku Tinkoff. Ich głównym zadaniem było opracowanie systemu do analizy dużych danych w czasie rzeczywistym ze względu na rosnącą bazę kliencką.

Wyniki: Czas procesów wewnętrznych zmniejszył się co najmniej 10 razy i przez około 100 razy.

Cóż i trochę rozproszenia. Czy wiesz, dlaczego mówiłem o niestandardowych sztuczkach i działaniach Oleg Tinkova? Na moim zdaniu pomogli mu wyłączyć się z biznesmena środkowej ręki, Koi tysięcy w Rosji, w jednym z najbardziej znanych i rozpoznawalnych przedsiębiorców. W potwierdzeniu spójrz na to niezwykłe i ciekawe wideo:

2. Nieruchomość

W nieruchomości wszystko jest znacznie trudniejsze. I to jest dokładnie przykład, który chcę zabrać, aby zrozumieć dużą datę zrozumienia zwykłego biznesu. Wstępne dane:

1. Duża ilość dokumentacji tekstowej;
2. Otwarte źródła (prywatne satelity przesyłane dane o zmianach Ziemia);
3. Ogromna ilość niekontrolowanych informacji w Internecie;
4. Ciągłe zmiany w źródłach i danych.

A na podstawie tego konieczne jest przygotowanie i ocena wartości wykresu gruntów, na przykład w wiosce Ural. Profesjonalista zajmie tygodniowo.

Rzecznicze rosyjskie rzeczoznawcy i Roseco, która jest w rzeczywistości analizą dużych danych z pomocą oprogramowania, pozostaw to nie więcej niż 30 minut spokoju pracy. Porównaj, tydzień i 30 minut. Kolosowa różnica.

Narzędzia do tworzenia

Oczywiście ogromne ilości informacji nie mogą być przechowywane i przetwarzane na prostych dyskach twardych.

ALE oprogramowanieKtóre struktury i analizy dane są ogólnie własnością intelektualną i za każdym razem, gdy rozwój autora. Istnieją jednak narzędzia oparte na tym wszystkim uroku:

• Hadoop i mapredema;
• Bazy danych nosql;
• Narzędzia klasy wykrywania danych.

Szczerze mówiąc, nie będę w stanie jasno wyjaśnić, co różnią się od siebie, ponieważ uczą się spotykać i pracować z tymi rzeczami w instytucjach fizycznych i matematycznych.

Dlaczego więc mówiłem o tym, jeśli nie mogę wyjaśnić? Pamiętaj, że we wszystkich rabusiach filmowych przychodzą do dowolnego banku i zobaczyć ogromną liczbę różnych sprzętu podłączonych do przewodów? To samo w dużej dacie. Na przykład tutaj jest model, który jest obecnie jednym z liderów rynkowych.

Narzędzie duży datę

Koszt w maksymalnej konfiguracji pojawia się do 27 milionów rubli na stojak. To oczywiście wersja luksusowa. Mam upewnić się, że podążasz za stworzeniem dużych danych w Twojej firmie.

Krótko o głównej rzeczy

Możesz zapytać, dlaczego tworzysz małą i średnią działalność z dużą datą?

Na ten temat odpowiem ci cytat jednej osoby: "W niedalekiej przyszłości klienci będą pożądane przez firmy, które lepiej zrozumieją ich zachowanie, nawyki i dopasowują je jak najwięcej."

Ale weźmy prawdę w oczach. Aby wprowadzić wielką datę w małej działalności, konieczne jest posiadanie nie tylko dużych budżetów do rozwoju i wdrażania oprogramowania, ale także na treści specjalistów, przynajmniej takich jak duży analityk danych i sysadmin.

A teraz milczam, że musisz mieć takie dane do przetwarzania.

W porządku. Dla małych firm temat jest prawie nie dotyczy. Ale to nie znaczy, że musisz zapomnieć o wszystkim, co czytane powyżej. Wystarczy studiować nie swoje dane, ale wyniki analityki danych znanych jako firmy zagraniczne i rosyjskie.

Na przykład docelowa sieć detaliczna przy użyciu dużych analityków danych stwierdzono, że kobiety w ciąży przed drugim trymestrem ciąży (od 1 do 12 tygodnia ciąży) aktywnie kupują środki niearomatyczne.

Dzięki temu danych wysyłają im kupony z rabatami na środkach uznawczych z ograniczonym okresem.

A jeśli jesteś na przykład tylko bardzo małą kawiarnią? Tak, bardzo proste. Użyj aplikacji lojalnościowej. Po chwili, dzięki skumulowanej informacji, możesz zaoferować tylko klientom istotne dla ich potrzeb, ale także zobaczyć najbardziej niewiarygodne i najbardziej marginalne dania dosłownie pary kliknięć myszy.

Stąd wyjście. Wprowadzenie dużej daty małej firmy jest trudno jej tego warta, ale wykorzystać wyniki i rozwój innych firm - upewnij się.