Мнение
Быстрая оцифровка точек соприкосновения с потребителем и бизнес-процессов сделала «данные» вездесущими. Оглянись. Данные трансформируют многие отрасли промышленности — от визуализации в здравоохранении до поведения смартфонов, отслеживания данных о сне и отслеживания удаленных активов, пограничного наблюдения, безопасности и правоохранительных органов. Падение цен на память и постоянно растущая вычислительная мощность были ключевыми факторами. Теперь предприятия могут собирать, хранить и обрабатывать большие объемы данных. Данные — это новая «нефть», и предприятия должны совершенствовать этот товар не только для роста, но и для выживания.
Инновации в технологиях обработки данных развиваются быстро. Прежде чем мы смогли обдумать концепцию «больших данных», повествование уже перешло к «машинному обучению» (МО), «глубокому обучению» (ГО) и «искусственному интеллекту» (ИИ).
Большие данные — это корпоративная технология
Большие данные прошли через момент «Intel». Все хотели установить этот чип в свои компьютеры, но никто не знал, что это такое и на что он способен. Но Intel имел в виду лучшую производительность. Точно так же каждый бизнес хочет иметь какое-то отношение к большим данным. Помимо всей шумихи, по своей сути большие данные, аналитика данных — это просто часть корпоративной технологии. Корпоративные технологии непросты.
Интернет-стартапы/компании в начале 2000-х возглавили разработку технологий больших данных. Мы называем их «цифровыми аборигенами». Они были и создателями, и пользователями новых технологий и, следовательно, имели больше возможностей для использования возможностей данных. Цифровые аборигены использовали данные для определения поведения пользователей, предложения персонализированных услуг и т. д. Например, предложения книг Amazon, рекомендации фильмов/телешоу Netflix. Эти персонализированные услуги не были основаны на традиционных статистических моделях, компании добывали огромное количество текста, изображений и видео, чтобы получить информацию. Короче говоря, цифровые аборигены родились в больших данных.
Но такая работа с данными была не из легких для традиционных компаний. Во-первых, они не так подключены (хотя сейчас все изменилось). Некоторые также могут возразить, что цифровым аборигенам тоже нелегко.
Традиционные компании имеют много устаревших систем, и никто не собирается разбирать существующую систему, которая «отлично работает» для новой технологии. Традиционные компании прошли через множество циклов ажиотажа и обычно занимают выжидательную позицию, особенно когда преимущества не очевидны.
Крупные транснациональные игроки рано приступили к работе с большими данными, создали бюджеты, развернули пилотные проекты, протестировали развертывание в подразделениях. Некоторые ранние попытки сработали, но многие потерпели неудачу. Оглядываясь назад, наиболее часто упоминаемыми причинами неудач являются: (а) отсутствие надлежащей стратегии и дизайна (б) плохое планирование, © ограниченное внедрение новых инструментов, (г) отсутствие культурного соответствия и (д) низкое качество данных (это правда). !)
В то время как у крупных игроков есть запас капитала, чтобы инвестировать в исследовательские проекты, у большинства средних и мелких игроков, как цифровых, так и традиционных предприятий, нет таких глубоких карманов. Эти предприятия хотят, чтобы большие данные работали от них в рамках бюджета. С минимально возможными накладными расходами на интеграцию и обслуживание.
Можно ли это сделать?
Работа с данными не должна быть сложной
Как говорит Мэтт Трак из First Capital
Успех работы с большими данными заключается не в развертывании одной или нескольких технологий, а скорее в создании конвейера из технологий, людей и процессов.
Быстрый взгляд на некоторые успешные предприятия, основанные на данных, подтвердит это наблюдение.
Ранние разработчики и последователи проделали большую тяжелую работу; инфраструктура для больших данных находится на ранней стадии зрелости. Отрасли нужны инструменты, которые позволяют выполнять необходимую сложную обработку данных, не прибегая к сложным, запрограммированным техническим решениям. Нам нужны инструменты, которые сделают путь от данных к принятию решений простым. Нам нужны инструменты, которые быстро справляются со сложными задачами, такими как подготовка инфраструктуры, масштабирование систем и развертывание кода.
Имея такую базу инфраструктуры или платформу, предприятия должны иметь возможность манипулировать данными, создавать аналитику, создавать и развертывать приложения машинного обучения на лету без особых усилий.
Платформа самообслуживания для анализа данных для бизнес-пользователей
Многие уникальные, инновационные решения для бизнеса будут созданы командами, наиболее близкими к бизнес-задачам. Данные и аналитика в руках каждой бизнес-функции избавят пользователей от беспокойства по поводу технологий и масштабируемости.
В соответствии с вышеуказанной темой мы создаем простую, унифицированную и мощную платформу для анализа данных — rorodata.
На платформе пользователи могут создавать приложения без написания кода. Примерный список приложений может быть:
- Панели бизнес-аналитики для руководителей (CEO/COO/CDO)
- Прогнозируйте отток клиентов и принимайте меры по настройке сервиса, цены и т. д.
- Оптимизируйте выбор цифровых рекламных мест
- Разработка моделей оценки кредитоспособности с использованием альтернативных данных для улучшения качества портфеля
- Отслеживайте удаленные активы, такие как склады, транспортный парк, определяйте потенциальные риски, влияние на страховую премию
- Прогнозирование отказа оборудования с использованием данных датчиков, предотвращение дорогостоящих остановов и потенциальной потери дохода
- Отслеживайте платежные данные в режиме реального времени для обнаружения мошенничества
Мы хотим, чтобы каждая компания стала великой компанией, работающей с данными. Мы хотим, чтобы предприятия могли легко использовать данные и развертывать аналитические приложения, а также ускорить переход от данных к деньгам!
Мы рады создавать аналитические приложения по-настоящему новым способом. Мы будем рады сотрудничеству с единомышленниками, разделяющими наш энтузиазм.