IT-индустрия каждый год выдумывает новые термины, которые, обычно, описывают уже сформировавшиеся явления. Причины одни и те же: чтобы продать что-то старое, нужно просто назвать его по-новому. Переклеить этикетку, а вместе с ней и ценник. Словосочетание Big Data настолько емкое и масштабное, что маркетологи до сих пор бьются в конвульсиях от счастья. Теперь все что угодно, можно назвать Big Data, а на просьбу объяснить, что же это такое, просто загадочно улыбаться. А ведь «большие данные» это всего лишь обозначение процесса сбора данных, их структурирования, анализа и применения результатов для решения конкретных бизнес-задач. О самом явлении и новых инструментах в тесном, практически семейном кругу обсудили исполнительный директор Amdocs Russia Данила Гранин и журналисты с экспертами. Мне посчастливилось присутствовать на этом мероприятии, и надо признать, это был редкий случай, когда на корпоративном мероприятии обсуждались не решения самой компании, а заявленная тема. Не знаю, как у остальных присутствовавших, а у меня появилось четкое понимание, что такое Big Data.
Информация была всегда, но в 20-м веке скорость ее генерирования и накопления увеличивалась в геометрической прогрессии. Даже наши родители сталкивались с Big Data, когда просиживали дни и ночи в научных библиотеках над своими дипломными и курсовыми работами. Каталоги карточек, перекрестные ссылки, работа с несколькими источниками — все это Big Data на простом, слегка утрированном уровне. Причиной появления самого термина Big Data стали социальные сети. Благодаря им началось практически неконтролируемое накопление персонализированной информации. Если раньше системы анализа занимались сбором данных из разных источников, то сегодня люди сами вываливают все о себе, своих интересах, предпочтениях, связях и жизни в социальную сеть. Как следствие, объемы данных измеряются уже петабайтами, и что с этой информацией делать — представляется слабо. Раньше компании стремились собрать данные о клиенте и бизнесе, работали в поте лица, вычленяли из потока информации нужные элементы. Сегодня они оказались в той же ситуации, в которую попадает человек, внезапно сорвавший джекпот. Растерянность и непонимание — что делать дальше. Раньше данных было слишком мало, сегодня их чересчур много.
Разговаривая о больших данных, очень легко определить, насколько осведомлен собеседник. Если на предложение назвать примерное время, когда появилась вся эта Big Data, ваш визави ответит, что это тенденция последних лет, разговор можно прекращать. Аналитики появились не вчера, и именно они являлись первыми операторами больших информационных массивов. Еще в мировую войну в штабах сидели те, кто обрабатывал поступающую с фронтов и от разведки информацию и готовил отчеты для принимающих окончательное решение. Настоящими фронтовиками аналитики стали во время холодной войны, ну а сегодня они же управляют цветными революциями и «расшатывают лодку» в неугодных странах. От профессионализма аналитика, от его умения грамотно интерпретировать имеющиеся данные, зависит успех операции. Бизнес не исключение. Тут тоже идет война — за потребителя, за доходы, за долю рынка.
Главной проблемой индустрии Big Data сегодня является отсутствие архитекторов — так Данила Гранин называет тех аналитиков, которые способны оперировать максимальным потоком данных. По его словам, таких человек в мире можно пересчитать по пальцам, и именно увеличение их количество может стать фактором адаптации Big Data в бизнесе. Внедрение анализа больших объемов данных в компанию дает практически мгновенный бизнес-эффект — выручка повышается в среднем на 260 миллионов долларов, а экономия на бизнес-процессах достигает 60 миллионов долларов. Однако, все зависит от того, есть ли в компании сотрудники, способные придумать решение нетривиальной задачи с помощью имеющихся инструментов, то есть накопленной информации.
Круглый стол в офисе Amdocs, фото json.tv
Помимо сбора самих данных, необходимо их грамотно структурировать. Пример я приводил выше — научная библиотека с ее картотеками. Есть алфавитная, тематическая и прочие каталоги, каждый — под определенные задачи. Информация об источнике в библиотеке есть сразу в нескольких картотеках, она четко сформулирована и ее легко найти. В компаниях, которые делают первые шаги в интеграции Big Data в собственные процессы одной из основных проблем является именно организация всех полученных данных. Делать это можно как самостоятельно, так и с помощью систем, разработанных для собственных нужд компании. Если же компания работает на открытом, высококонкурентном рынке, ей приходится ориентироваться не только на собственные системы, но и принимать участие в создании и развитии общепринятых стандартов. В этом помогают системы сбора и анализа данных, разрабатываемые крупными поставщиками платформ и программных решений. У Amdocs есть собственная система — Insight Platform. Не могу оценить ни ее преимущества, ни недостатки, но если верить словам Данилы Гранина, она вполне традиционна. Ее задача — разбирать входящую информацию на составляющие, поддающиеся организации в базы данных. В отличие от других примеров, у Amdocs есть собственные кейсы успешного применения их решения для решения локальных задач в разных странах.
Можно, конечно, расписывать эти кейсы и рассказывать о том, как это здорово — решить конкретную задачу с помощью полученных и грамотно организованных данных. Однако, это неуникальное явление. Дело в том, что бизнес во многих секторах растет уже не на стероидах, а через более плотную и скрупулезную работу в ежедневном режиме. Именно в этом помогает Big Data.
Всем понятно, что достичь, например, проникновения новой услуги можно двумя способами. Первый — массированная реклама по всем медиа-каналам. Второй — точечная таргетированная реклама и индивидуальный подход к клиентам. Вот тут-то и проходит водораздел между теми компаниями, которые уже используют Big Data в своем бизнесе, и теми, кто работает по старинке. Ретрограды считают, что ковровую рекламную бомбардировку провести легче и дешевле, чем потратить время и деньги на формирования групп клиентов, которые с наибольшей степенью вероятности заинтересованы в предлагаемой услуге. Адепты Big Data, напротив, знают, что им с системами аналитики и экспертами по формированию нужных срезов из общей базы клиентов дешевле создать таргетированные группы для продвижения услуги, чем вбухать безумный бюджет в массовую рекламу. В конечном счете у обоих есть единый показатель эффективности — стоимость приобретенного клиента услуги. Только у тех, кто использует Big Data, во-первых, больше пространства для маневра и снижения этого показателя (ведь это зависит от них, а не от цен, которые выставят медиа-каналы продвижения), и, во-вторых, эффективная стоимость результата в этом случае всегда стремится к снижению за счет оптимизации самого процесса. Ретрограды же рано или поздно упираются в потолок возможности выбранных для продвижения медиа-каналов — массированная реклама работает лишь в начале цикла продвижения, и ее эффективность (в отличие от Big Data) всегда уменьшается.
Разумеется, есть у Big Data и свои барьеры. В первую очередь — это цена. Стоимость внедрения комплексных решений для сбора и последующей обработки информации с должным структурированием пока слишком высока и доступна лишь крупному бизнесу. Решением может стать развитие таких решений по модели SaaS, но тут возникает вторая проблема: недостаток квалифицированных специалистов. Именно тех, кто способен придумать, как использовать накопленные данные для решения задач. Более того, зачастую этим профессионалам приходится и сами задачи придумывать, так как отвечающие за развитие бизнеса менеджеры попросту не знают, что можно сделать с помощью доступных данных. Как следствие, такие сотрудники ценятся на вес золота, а компании, предлагающие решения для Big Data стараются проводить максимум семинаров и мероприятий для того, чтобы объяснить компаниям ценность и показать кейсы применения.
Выводы? А их нет. Есть лишь фиксация реального положения дел — платформы в наличии, данные есть, а вот как их использовать пока что мало кто знает. Так что в ближайшие годы Big Data так и останется мифическим термином, который можно использовать в названии очередной книжки в бизнес-издательстве. Странно, что еще не вышла книга «Big Data для чайников». Стала бы безоговорочным бестселлером.