Революция в аналитике как в эпоху big data улучшить ваш бизнес с помощью операционной аналитики

Эта и ещё 2 книги за 399 ₽

По абонементу вы каждый месяц можете взять из каталога одну книгу до 700 ₽ и две книги из персональной подборки. Узнать больше

Оплачивая абонемент, я принимаю условия оплаты и её автоматического продления, указанные в оферте

Оставьте отзыв

О чем

Содержит практические знания о том, что такое операционная аналитика, что о ней должна знать организация и каким образом успешно ее использовать.

Еще несколько лет назад руководители многих организаций, чей бизнес генерирует большие объемы операционных данных, сомневались в ценности подхода Big Data. Сегодня те из них, кто продолжает сомневаться, упускают непрерывно растущие возможности этого подхода, повышая риск потери доли рынка и перехода в разряд отстающих и устаревающих. Но с чего начать, если вы хотите вывести свою организацию на новый научно-технологический уровень, к принятию решений с использованием Big Data?

Ответ на это дает Билл Фрэнкс, директор по аналитике компании Teradata и преподаватель Международного института аналитики, за плечами которого — более чем 20-летний опыт работы в крупных аналитических проектах реального бизнеса. «Революция в аналитике» — это пошаговое практическое руководство по внедрению операционной аналитики и автоматизации принятия решений. Специалисты по аналитике, ИТ и все, кто хочет сделать свою организацию успешнее на основе подхода Big Data, по достоинству оценят работу Фрэнкса.

Укажите регион, чтобы мы точнее рассчитали условия доставки

Начните вводить название города, страны, индекс, а мы подскажем

Например: 
Москва,
Санкт-Петербург,
Новосибирск,
Екатеринбург,
Нижний Новгород,
Краснодар,
Челябинск,
Кемерово,
Тюмень,
Красноярск,
Казань,
Пермь,
Ростов-на-Дону,
Самара,
Омск

Переводчик И. Евстигнеева

Редактор В. Мылов

Руководитель проекта М. Султанова

Арт-директор Л. Беншуша

Корректор И. Астапкина

Компьютерная верстка Д. Жаровский

© 2014 by Bill Franks. All rights reserved

© Издание на русском языке, перевод, оформление. ООО «Интеллектуальная Литература», 2016

Все права защищены. Произведение предназначено исключительно для частного использования. Никакая часть электронного экземпляра данной книги не может быть воспроизведена в какой бы то ни было форме и какими бы то ни было средствами, включая размещение в сети Интернет и в корпоративных сетях, для публичного или коллективного использования без письменного разрешения владельца авторских прав. За нарушение авторских прав законодательством предусмотрена выплата компенсации правообладателя в размере до 5 млн. рублей (ст. 49 ЗОАП), а также уголовная ответственность в виде лишения свободы на срок до 6 лет (ст. 146 УК РФ).

* * *

«Я знаю Билла на протяжении многих лет и всегда восхищался его в высшей степени прагматичным и прямым подходом к операционализации аналитики. Два десятилетия практического опыта работы в условиях реального бизнеса выделяют Билла на фоне остальных экспертов и делают его одним из лидеров аналитической мысли!»

Эльпида Орманиду, вице-президент по аналитике в области человеческих ресурсов, компания Walmart

«Фрэнкс создал очередной шедевр прагматичного руководства, показав, как можно взять стандартные практики и вывести их на совершенно новый качественный уровень. Специалисты по аналитике и ИТ-специалисты по достоинству оценят информацию, которую представляет Фрэнкс в своей книге с точки зрения бизнеса. Также эта книга будет чрезвычайно полезна всем тем, кто хочет вывести свои организации на новый уровень использования аналитики и принятия решений на основе данных».

Джефф Тэннер, автор книги «Аналитика и стратегия динамического управления отношениями с клиентами» и директор Инновационной бизнес-коллаборатории Университета Бэйлора

«Еще несколько лет назад многие организации и люди сомневались в ценности больших данных и в необходимости аналитики как таковой. Сегодня те, кто продолжает сомневаться, упускают колоссальные возможности. Их бизнес быстро переходит в разряд устаревших и отстающих. Но с чего начать? Хотя ни одна книга не в состоянии охватить весь спектр вопросов, «Революция в аналитике» предлагает комплексный взгляд на внедрение операционной аналитики. Я искренне рекомендую эту книгу».

Фил Саймон, спикер, журналист и автор книг «Визуальная организация» и «Слишком большие, чтобы их игнорировать»

«Это исчерпывающее и столь востребованное сегодня руководство по внедрению операционной аналитики, автоматизации принятия решений и интеграции анализа данных в бизнес-процессы. В эпоху больших данных аналитика стремительно становится ключевым стратегическим дифференцирующим фактором, и трудно найти лучшего проводника в мир аналитики, чем Билл Фрэнкс».

Джил Пресс, обозреватель Forbes.com

«Книга доходчиво и систематизированно излагает то, что должен знать и применять руководитель, который хочет сделать свою организацию успешной при помощи аналитики. Сегодня аналитика кардинально меняет способы принятия решений в организациях в рамках операционных процессов и даже самими клиентами! Это революционное изменение в подходе к принятию решений становится новой реалией бизнеса. Я рекомендую эту книгу тем, кто хочет доподлинно узнать, чего следует ожидать от операционной аналитики и, главное, что следует делать!»

Рассел Уокер, адъюнкт-профессор в области экономики управления и науки о принятии решений в Школе менеджмента имени Келлога Северо-Западного университета

«Если вы находитесь в гуще движения по внедрению больших данных в вашей организации (а кто может остаться от него в стороне?), вы должны прочитать эту книгу. Используя свой уникальный дар рассказчика, Билл Фрэнкс предлагает нам увлекательный и содержательный рассказ о том, как компании по всему миру превращают собираемые ими массивы данных в новые источники доходов и конкурентного преимущества. В частности, Билл уделяет внимание такой важной теме, как грамотное управление данными, которая часто игнорируется при обсуждении больших данных. Продолжая тему книги «Укрощение больших данных», своими четкими и компетентными рекомендациями он дает в руки читателей доску для серфинга, при помощи которой они смогут укротить волну больших данных и операционной аналитики. Билл также излагает свое видение мира будущего, где правят данные».

Линда Бёртч, управляющий директор рекрутингового агентства Burtch Works Executive Recruiting

«Один из ключевых уроков, который мы выучили в Kaggle, состоит в том, что анализ больших данных – это не только создание продвинутых алгоритмов. Билл написал отличную книгу о том, что нужно знать и делать, чтобы успешно претворить операционную аналитику в жизнь».

Энтони Голдблум, основатель и генеральный директор компании Kaggle

Эта книга посвящается Стейси, Джесси и Даниэль

Человечество умеет прогнозировать процессы и события, опираясь на накопленные знания, известные факты, процессы и связи. Но что, если опыт, полученный ранее, больше не помогает нам ориентироваться в современном мире? Как реагировать на взрывной рост объемов данных и новые экономические вводные, которые постоянно ставят руководителей в неизвестные им до этого условия? Интуиция, которая помогала раньше, подводит, и очевидные, казалось бы, действия приводят к неудачам. Жизнь руководителя сегодня – это принятие решений в максимально неопределенных условиях, при ежедневно нарастающем объеме информации и ее источников.

К 2020 году почти все взрослое население планеты, т. е. не менее пяти миллиардов людей, будет подключено к Интернету. К этому времени в мире будет насчитываться примерно 50 млрд подключенных устройств – источников данных, к ним будут относиться не только всевозможные стационарные, настольные и носимые с собой компьютеры, но и бытовая электроника, транспортные средства, торговое оборудование, медицинские приборы, промышленные системы, датчики ЖКХ и т. д. Возможно, к этому времени Big Data и Internet of Things окончательно перестанут быть предметом дискуссий визионеров и станут повседневной реальностью, которая нас окружает. Объем доступной информации будет колоссальным, и важнейшей задачей станет извлечение ценности из этой информации. Например, человек приехал в торговый центр – на какой машине? Куда он пошел – в кафе? В кино? В магазин? Что он купил? Что он в этот момент искал в Интернете? Заходил ли он в магазин детских товаров или товаров для животных? Как часто он сюда приезжает? Какие точки в этом торговом комплексе посещает в первую очередь, а до каких не добирается вовсе? Все эти данные – золотая жила для ритейлеров.

Но изучение покупательского поведения – только одна из множества областей применения больших данных. Уже в обозримом будущем аналитика поможет нам решать, без преувеличения, любые задачи. Например, возьмем оборудование нефтяных вышек. Как и любое оборудование, оно изнашивается и ломается, каждый день простоя обходится нефтяным компаниям в миллионы долларов. Постоянный мониторинг, сбор и анализ всех данных позволит заблаговременно выяснить, что происходит с этим оборудованием, и своевременно провести его недорогое плановое обслуживание, прежде чем возникнут серьезные неисправности. Каким рабочим нагрузкам оно подвергается? Каковы природные, климатические предпосылки поломок? Какие паттерны отказов можно выделить? Какая возможна профилактика простоев? Если же поломка произошла, как максимально сократить время простоя? Аналитика данных позволит узнать об этом оборудовании буквально все – как оно работает, как ведет себя в той или иной ситуации, когда оно дает сбои и как их предотвратить.

А теперь представьте на месте нефтяной вышки любой другой сложный технический объект. Обслуживание авиалайнера – проект еще более высокой сложности, чем ремонт нефтяной вышки, но аналитика позволит не только прогнозировать, какие узлы самолета стоит диагностировать заранее, не дожидаясь планового осмотра, но и запланировать доставку запчастей в определенный аэропорт – оперативно и экономно!

Автор книги: Билл Фрэнкс

сообщить о нарушении

Текущая страница: 1 (всего у книги 29 страниц) [доступный отрывок для чтения: 11 страниц]

Билл Фрэнкс
Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики

Переводчик И. Евстигнеева

Редактор В. Мылов

Руководитель проекта М. Султанова

Арт-директор Л. Беншуша

Корректор И. Астапкина

Компьютерная верстка Д. Жаровский

© 2014 by Bill Franks. All rights reserved

© Издание на русском языке, перевод, оформление. ООО «Интеллектуальная Литература», 2016

Все права защищены. Произведение предназначено исключительно для частного использования. Никакая часть электронного экземпляра данной книги не может быть воспроизведена в какой бы то ни было форме и какими бы то ни было средствами, включая размещение в сети Интернет и в корпоративных сетях, для публичного или коллективного использования без письменного разрешения владельца авторских прав. За нарушение авторских прав законодательством предусмотрена выплата компенсации правообладателя в размере до 5 млн. рублей (ст. 49 ЗОАП), а также уголовная ответственность в виде лишения свободы на срок до 6 лет (ст. 146 УК РФ).

* * *

«Я знаю Билла на протяжении многих лет и всегда восхищался его в высшей степени прагматичным и прямым подходом к операционализации аналитики. Два десятилетия практического опыта работы в условиях реального бизнеса выделяют Билла на фоне остальных экспертов и делают его одним из лидеров аналитической мысли!»

Эльпида Орманиду, вице-президент по аналитике в области человеческих ресурсов, компания Walmart

«Фрэнкс создал очередной шедевр прагматичного руководства, показав, как можно взять стандартные практики и вывести их на совершенно новый качественный уровень. Специалисты по аналитике и ИТ-специалисты по достоинству оценят информацию, которую представляет Фрэнкс в своей книге с точки зрения бизнеса. Также эта книга будет чрезвычайно полезна всем тем, кто хочет вывести свои организации на новый уровень использования аналитики и принятия решений на основе данных».

Джефф Тэннер, автор книги «Аналитика и стратегия динамического управления отношениями с клиентами» и директор Инновационной бизнес-коллаборатории Университета Бэйлора

«Еще несколько лет назад многие организации и люди сомневались в ценности больших данных и в необходимости аналитики как таковой. Сегодня те, кто продолжает сомневаться, упускают колоссальные возможности. Их бизнес быстро переходит в разряд устаревших и отстающих. Но с чего начать? Хотя ни одна книга не в состоянии охватить весь спектр вопросов, «Революция в аналитике» предлагает комплексный взгляд на внедрение операционной аналитики. Я искренне рекомендую эту книгу».

Фил Саймон, спикер, журналист и автор книг «Визуальная организация» и «Слишком большие, чтобы их игнорировать»

«Это исчерпывающее и столь востребованное сегодня руководство по внедрению операционной аналитики, автоматизации принятия решений и интеграции анализа данных в бизнес-процессы. В эпоху больших данных аналитика стремительно становится ключевым стратегическим дифференцирующим фактором, и трудно найти лучшего проводника в мир аналитики, чем Билл Фрэнкс».

Джил Пресс, обозреватель Forbes.com

«Книга доходчиво и систематизированно излагает то, что должен знать и применять руководитель, который хочет сделать свою организацию успешной при помощи аналитики. Сегодня аналитика кардинально меняет способы принятия решений в организациях в рамках операционных процессов и даже самими клиентами! Это революционное изменение в подходе к принятию решений становится новой реалией бизнеса. Я рекомендую эту книгу тем, кто хочет доподлинно узнать, чего следует ожидать от операционной аналитики и, главное, что следует делать!»

Рассел Уокер, адъюнкт-профессор в области экономики управления и науки о принятии решений в Школе менеджмента имени Келлога Северо-Западного университета

«Если вы находитесь в гуще движения по внедрению больших данных в вашей организации (а кто может остаться от него в стороне?), вы должны прочитать эту книгу. Используя свой уникальный дар рассказчика, Билл Фрэнкс предлагает нам увлекательный и содержательный рассказ о том, как компании по всему миру превращают собираемые ими массивы данных в новые источники доходов и конкурентного преимущества. В частности, Билл уделяет внимание такой важной теме, как грамотное управление данными, которая часто игнорируется при обсуждении больших данных. Продолжая тему книги «Укрощение больших данных», своими четкими и компетентными рекомендациями он дает в руки читателей доску для серфинга, при помощи которой они смогут укротить волну больших данных и операционной аналитики. Билл также излагает свое видение мира будущего, где правят данные».

Линда Бёртч, управляющий директор рекрутингового агентства Burtch Works Executive Recruiting

«Один из ключевых уроков, который мы выучили в Kaggle, состоит в том, что анализ больших данных – это не только создание продвинутых алгоритмов. Билл написал отличную книгу о том, что нужно знать и делать, чтобы успешно претворить операционную аналитику в жизнь».

Энтони Голдблум, основатель и генеральный директор компании Kaggle

Эта книга посвящается Стейси, Джесси и Даниэль

Предисловие к русскому изданию компании Teradata
Чем больше данных, тем «умнее» наш мир

Человечество умеет прогнозировать процессы и события, опираясь на накопленные знания, известные факты, процессы и связи. Но что, если опыт, полученный ранее, больше не помогает нам ориентироваться в современном мире? Как реагировать на взрывной рост объемов данных и новые экономические вводные, которые постоянно ставят руководителей в неизвестные им до этого условия? Интуиция, которая помогала раньше, подводит, и очевидные, казалось бы, действия приводят к неудачам. Жизнь руководителя сегодня – это принятие решений в максимально неопределенных условиях, при ежедневно нарастающем объеме информации и ее источников.

К 2020 году почти все взрослое население планеты, т. е. не менее пяти миллиардов людей, будет подключено к Интернету. К этому времени в мире будет насчитываться примерно 50 млрд подключенных устройств – источников данных, к ним будут относиться не только всевозможные стационарные, настольные и носимые с собой компьютеры, но и бытовая электроника, транспортные средства, торговое оборудование, медицинские приборы, промышленные системы, датчики ЖКХ и т. д. Возможно, к этому времени Big Data и Internet of Things окончательно перестанут быть предметом дискуссий визионеров и станут повседневной реальностью, которая нас окружает. Объем доступной информации будет колоссальным, и важнейшей задачей станет извлечение ценности из этой информации. Например, человек приехал в торговый центр – на какой машине? Куда он пошел – в кафе? В кино? В магазин? Что он купил? Что он в этот момент искал в Интернете? Заходил ли он в магазин детских товаров или товаров для животных? Как часто он сюда приезжает? Какие точки в этом торговом комплексе посещает в первую очередь, а до каких не добирается вовсе? Все эти данные – золотая жила для ритейлеров.

Но изучение покупательского поведения – только одна из множества областей применения больших данных. Уже в обозримом будущем аналитика поможет нам решать, без преувеличения, любые задачи. Например, возьмем оборудование нефтяных вышек. Как и любое оборудование, оно изнашивается и ломается, каждый день простоя обходится нефтяным компаниям в миллионы долларов. Постоянный мониторинг, сбор и анализ всех данных позволит заблаговременно выяснить, что происходит с этим оборудованием, и своевременно провести его недорогое плановое обслуживание, прежде чем возникнут серьезные неисправности. Каким рабочим нагрузкам оно подвергается? Каковы природные, климатические предпосылки поломок? Какие паттерны отказов можно выделить? Какая возможна профилактика простоев? Если же поломка произошла, как максимально сократить время простоя? Аналитика данных позволит узнать об этом оборудовании буквально все – как оно работает, как ведет себя в той или иной ситуации, когда оно дает сбои и как их предотвратить.

А теперь представьте на месте нефтяной вышки любой другой сложный технический объект. Обслуживание авиалайнера – проект еще более высокой сложности, чем ремонт нефтяной вышки, но аналитика позволит не только прогнозировать, какие узлы самолета стоит диагностировать заранее, не дожидаясь планового осмотра, но и запланировать доставку запчастей в определенный аэропорт – оперативно и экономно!

Обслуживание автомобиля – сравнительно простая задача, но что, если масштабировать ее на миллионы машин? Осознавая сложность подобного проекта, компания Volvo Cars, тем не менее, нашла его осуществимым. Проект сбора и анализа данных со всех датчиков всех автомобилей Volvo, начатый при поддержке Teradata, позволит успешно идентифицировать и предупреждать изначальные причины неисправностей и поломок автомобилей. Для потребителя это будет выглядеть так, будто автомобиль сам следит за собой и прогнозирует необходимость технического обслуживания. Чем больше будет накоплено данных для аналитики, тем «умнее» станут машины.

Огромные перспективы – у предприятий, недавно приступивших к внедрений технологий больших данных и бизнес-аналитики, таких, как службы государственного управления, инфраструктурные предприятия, организации коммунального хозяйства, розничные сети, предприятия здравоохранения. Но даже в тех отраслях, которые изначально и с большим успехом опирались на информационные технологии и бизнес-аналитику – банковский бизнес, телекоммуникационные услуги, – есть, над чем работать. Кардинально улучшить картину взаимоотношений поставщиков и клиентов на соответствующих рынках может аналитический подход к разработке пакетов услуг, условий оказания сервиса, программ лояльности. Необходимые для этого условия – сбор и накопление данных, их обработка с использованием соответствующих аналитических инструментов, методологическая помощь консультантов по бизнес-аналитике и глубокая операционно-аналитическая работа отраслевых специалистов.

Такие подходы успешно работают и в различных областях научных исследований. Именно глубокий анализ данных делает возможным прорыв в изучении генома человека, глобальных изменений климата и поведении Мирового океана. И, если вдуматься, нет ничего удивительного в том, что изначально наукоемкие технологии дают возможность развиваться и бизнесу.

Поэтому я очень рад представить вам новую книгу «Революция в аналитике», которую написал Билл Фрэнкс, директор компании Teradata по аналитике и один из крупнейших в мире специалистов по бизнес-аналитике. Билл Фрэнкс – один из тех, кто очень хорошо понимает, в чем ценность данных и как поставить большие данные и интернет вещей на службу человеку.

Я уверен, что знакомство с этой книгой даст вам новые знания, свежие идеи и понимание удивительных процессов, участниками которых мы все с вами сегодня являемся.

Приятного вам чтения!

Андрей Алексеенко,

глава компании Teradata в России

Предисловие к русскому изданию компании IBS

Взрыв интереса к технологиям «больших данных» породил массу смелых ожиданий и, возможно, некоторое количество разочарований. Да, мы живо представляли себе потрясающее будущее, где компьютеры предотвращают эпидемии, решают транспортные проблемы, управляют экономикой, угадывают желания потребителей и следят за безопасностью. Однако будущее оказалось чуть дальше, чем нам хотелось, потому что по пути к этому светлому будущему нужно еще найти ответы на массу вопросов – технических, организационных, юридических, психологических, – связанных с каждодневным прикладным применением «больших данных».

Так когда, наконец, наступит это удивительное цифровое будущее?

Я рискну высказать мысль, что мы уже в этом будущем. Мы лишь, как обычно, с близкого расстояния не можем оценить глубины тех изменений, которые сейчас переживает мир. Посмотрите на множество успешных стартапов, буквально взорвавших мир и изменивших жизнь миллионов людей, чьи бизнес-модели построены на глубокой аналитике данных и переработке огромных объемов информации! Цифровые модели управляют сегодня такси, маршрутами самолетов и грузовиков, магазинами, логистическими сетями и заводами. Как покупатели и пользователи Интернета и смартфонов мы уже в полной мере живем «цифровой жизнью». А как бизнесменам и менеджерам нам пора задуматься о том, каковы перспективы наших бизнесов в этом новом мире непрерывного цифрового взаимодействия и онлайн-аналитики. Каждый бизнесмен сегодня должен подумать о том, какие возможности и угрозы создает для него современная цифровая среда.

Книга Билла Фрэнкса мне кажется очень своевременной именно потому, что она не пытается убедить нас, что аналитика данных – это будущее, а говорит об «аналитической революции» как об уже свершившемся факте. Автор, не отрицая прогресс в «больших данных», считает совершенно непринципиальным разделять разные виды и источники данных. Главное, по его мнению, уметь эффективно вовлекать правильную информацию всевозможных форматов в процесс анализа и принимать на ее основе правильные решения.

Фрэнкс говорит об «операционализации аналитики», т. е. о переходе к совершенно новой для бизнеса ситуации, когда аналитические решения внутри компании не просто помогают видеть результаты прошлого и тестировать сценарии будущего. Теперь правильно настроенная аналитическая машина способна на основании доступных ей данных самостоятельно принимать решения операционного уровня – безошибочно делая это тысячи или миллионы раз за день. Автор утверждает, что очень многие управленческие решения могут приниматься роботизированными алгоритмами без вмешательства человека. Такая аналитика транзакционного уровня – безусловно, новый шаг по сравнению с традиционным пониманием бизнес-анализа как базы для принятия решений на стратегическом горизонте. Кому-то это покажется слишком смелым, но подобная идея – принципиальное отличие современного цифрового бизнеса! Например, правильно настроенный рекомендательный алгоритм на сайте интернет-магазина гораздо лучше любого человека-продавца умеет предлагать покупателю дополнительные сервисы и покупки. Или, скажем, автоматизированные методы оценки деловых и личных качеств сотрудников уже сейчас демонстрируют достаточно качественные результаты – почему бы не предположить, что в будущем компьютер сможет самостоятельно принимать решения о приеме человека на работу или о его увольнении? А с повсеместным распространением так называемого Интернета вещей (о его приложениях Билл Фрэнкс также упоминает в своей книге) объем данных, доступных для анализа и принятия решений, возрастет еще на порядок, а значит, возрастет точность этих решений и области применения операционной аналитики.

Безусловно, внедрение аналитики операционного уровня – это вызов, и Билл Фрэнкс дает очень конкретные и прикладные советы и рецепты по имплементации такого операционно-аналитического процесса в бизнес. Он предлагает структуру и конкретные шаги, как выстроить внутри компании индустриальный механизм сбора и переработки всевозможных данных. Он предостерегает нас от ошибок, говорит о рисках и анализирует удачные и неудачные примеры из собственной практики. Эта книга – готовая модель по внедрению практики управления компанией на основе анализа данных реального времени.

Я уверен, что Россия не сможет и не захочет остаться в стороне от тренда на создание цифровых бизнес-моделей. В ряде приложений эти новые алгоритмы – самый эффективный способ решения актуальных для нас задач. Скажем, при наших географических расстояниях цифровые логистические модели – очень важная тема, и аналитические системы операционного уровня тут обязательно найдут свое применение. Актуальны задачи управления рабочей силой при нашем сжимающемся рынке труда – алгоритмы могут помочь и здесь.

Мы уже сейчас нередко обсуждаем подобные вопросы с партнерами и клиентами и видим, что компании не всегда знают, с чего начать. Накопленных опыта и знаний в этой новой для нас сфере пока недостаточно, не хватает структурного взгляда – с чего начать, как строить команду, что внедрять, какие управленческие решения принимать. Это вопросы, ответы на которые дает в своей книге Билл Фрэнкс. Я уверен, его советы очень помогут многим компаниям успешно перешагнуть устаревшие бизнес-модели и перейти к цифровому бизнесу завтрашнего дня.

Сергей Мацоцкий,

председатель правления компании IBS

Предисловие автора

Если в течение последних 10–20 лет вы интересовались темами корпоративного интеллекта, аналитики и больших данных, то, возможно, задавались вопросом: что будет дальше? В конце концов первоначальный ажиотаж вокруг больших данных начинает спадать, и аналитика всех видов постепенно становится важной, но уже привычной частью бизнеса.

О том, что будет дальше, вы можете узнать в этой книге. Билл Фрэнкс называет новый феномен «операционной аналитикой», но его также можно назвать «производственной аналитикой», «аналитикой в режиме реального времени», или «автоматизацией принятия решений». Как становится понятным из этих терминов, подход к практическому применению аналитики меняется стремительно. Причем сама по себе аналитика меняется не так сильно. Фрэнкс отмечает, что операционная аналитика по большей части остается той же традиционной аналитикой, которой мы занимались на протяжении десятилетий и даже столетий. Изменился же контекст ее применения.

В подробностях об этом вы можете – и должны – прочитать в данной книге. Отмечу лишь, что, в отличие от неторопливой пакетной аналитики, бывшей уделом бэк-офисов, сегодняшняя операционная аналитика выполняется намного быстрее и к тому же непрерывно. Причем выполняется не отдельно, а интегрируется с существующими бизнес-процессами и системами. Я называю эту тенденцию «Аналитикой 3.0», и вы прочитаете о том в первой главе, но термин Билла «операционная аналитика», безусловно, точнее. И Билл описывает ее феномен гораздо подробнее, чем это когда-либо удавалось сделать мне.

Такое развитие давно уже запоздало – лет на 50, пока существовало разделение между аналитикой и деловыми операциями, породившее ряд проблем. Хотя руководители часто требовали аналитику и данные для поддержки своих решений, но фактически ими не пользовались. Вероятно, они просто хотели предстать более рассудительными и интеллектуальными, чем были на самом деле. Количественные аналитики, которые должны находиться на переднем крае и в центре всех деловых решений и действий, как правило, находились от руководства на значительном удалении (отмечает Фрэнкс в главе восьмой, исходя из собственного опыта). Все, что касалось аналитики, производилось гораздо медленнее, чем следовало бы. Даже и в этих условиях аналитика приносила пользу, но далеко не настолько, насколько была способна.

Принимая во внимание все эти проблемы традиционной аналитики, пожалуй, следует рассматривать как приверженность силе привычки тот факт, что организации по-прежнему планируют внедрение и регламентацию аналитики в своей деловой деятельности, а не переводят ее в разряд дополнительных и необязательных действий. Использование же операционной аналитики исключает пренебрежение к аналитике как таковой вследствие неправильного ее применения. Аналитика нужна для формирования как стратегических, так и тактических решений, и ее нужно выполнять в одно время, в одном месте с основной операционной деятельностью и на той же скорости. Насколько ускоряется поток данных внутри компаний, настолько должна увеличиваться и скорость аналитической обработки и принятия решений.

Если же вы не заглядывали в будущее, то, возможно, сочтете эту книгу очередным опусом на тему больших данных. Ничего подобного. Во-первых, Фрэнкс уже написал замечательную книгу на эту тему: «Укрощение больших данных»1[1]1

  Фрэнкс Б. Укрощение больших данных: Как извлекать знания из массивов информации с помощью глубокой аналитики. – М.: Манн, Иванов и Фербер, 2014.

[Закрыть]

(Taming the Big Data Tidal Wave). Во-вторых, здесь он рассматривает использование любых данных – всех типов и размеров. Фактически его новый труд можно определить как первую книгу после больших данных. Фрэнкс считает само собой разумеющимся, что организации будут использовать имеющиеся у них как небольшие структурированные, так и крупные, менее структурированные информационные активы. Разве может быть иначе? Кажется очевидным, что данные могут быть полезными независимо от их размера или структуры. К сожалению, поскольку «малые данные» появились до «больших», редко кто из авторов рассматривает «все данные» и рекомендует приспособить технологическую среду и аналитические процессы к различным типам данных, которыми вам придется управлять и которые придется анализировать.

Кроме того, это одна из первых книг, где рассматривается «аналитика вещей». Об Интернете вещей уже написано немало: быстрый поиск на Amazon выдает больше десятка книг, несмотря на относительную новизну термина. Но гораздо меньше написано о том, как можно извлечь пользу из сенсорных данных, т. е. анализировать и использовать их для нахождения решений и обнаружения аномалий. Многие из приведенных Фрэнксом примеров применения операционной аналитики включают Интернет вещей, и автор рассматривает то, как аналитика может быть использована для работы с огромными потоками данных, производимых сенсорами.

Хотя Билл Фрэнкс и является ведущим аналитиком компании Teradata, он не отдает предпочтения конкретным технологиям и поставщикам. Например, в главе пятой совершенно беспристрастно обсуждаются сравнительные достоинства платформы Hadoop и коммерческих хранилищ данных, основанных на реляционной технологии. Думаю, что Билл прав в том, что большинство организаций будут использовать разнообразные технологии хранения и анализа данных. Похоже, ничто не исчезает бесследно; новые технологии дополняют старые, а объемы данных растут достаточно быстрыми темпами, чтобы нашлось применение всем технологиям.

Книга охватывает широкий круг вопросов – от технологий и неприкосновенности частной жизни до кадровых проблем. Все это изложено в очень приемлемой форме и доступным языком. Не в стиле Фрэнкса шокировать читателей сенсационными заявлениями и предсказаниями, вместо этого вам предлагается спокойное и откровенное описание состояния операционной аналитики в 2014 г.

Слово «революция» в названии книги вполне уместно. Переход к операционной аналитике является революционным во многих отношениях, что и раскрывается в книге. Тем не менее есть по крайней мере одна нестандартная проблема, которую Фрэнкс не рассматривает подробно. Встроенная в систему, создаваемая в режиме реального времени аналитика поднимает множество вопросов о том, как будут функционировать организации в будущем. Когда принятие решений в значительной степени перейдет к компьютерам, что станет с людьми, ранее принимавшими решения? Как смогут люди контролировать и совершенствовать процесс принятия решений, если он фактически станет невидимым? Фрэнкс указывает – когда решения принимаются в режиме реального времени и без (или почти без) вмешательства человека, потребуется действительно хороший подбор аналитики и правил принятия решений, иначе можно очень быстро потерять много денег. Однако он не раскрывает подробно новые роли людей в этой среде. Должен признаться, что я несказанно рад такому его упущению, поскольку сам как раз пишу книгу на данную тему!

Итак, погрузитесь в эту книгу и в прежде неведомый вам мир, где многие важные решения принимаются благодаря операционной аналитике. Вы ничего не потеряете, кроме нерешительности и своего офиса за вашей спиной!

Томас Дэвенпорт,

почетный профессор в области информационных технологий и менеджмента в Колледже Бэбсона, соучредитель и руководитель научно-исследовательских работ в Международном институте аналитики

Книга «Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики» автора Билл Фрэнкс оценена читателями портала ClubLukianenko.com на 3,5 из 5 баллов на основании 16 оценок, содержит 216 страниц, которые вы можете читать онлайн бесплатно.
Еще несколько лет назад руководители многих организаций, чей бизнес генерирует большие объемы операционных данных, сомневались в ценности подхода Big Data. Сегодня те из них, кто продолжает сомневаться, упускают непрерывно растущие возможности этого подхода, повышая риск потери доли рынка и перехода в разряд отстающих и устаревающих. Но с чего нача
…

Еще несколько лет назад руководители многих организаций, чей бизнес генерирует большие объемы операционных данных, сомневались в ценности подхода Big Data. Сегодня те из них, кто продолжает сомневаться, упускают непрерывно растущие возможности этого подхода, повышая риск потери доли рынка и перехода в разряд отстающих и устаревающих. Но с чего начать, если вы хотите вывести свою организацию на новый научно-технологический уровень, к принятию решений с использованием Big Data? Ответ на это дает Билл Фрэнкс, директор по аналитике компании Teradata и преподаватель Международного института аналитики, за плечами которого – более чем 20-летний опыт работы в крупных аналитических проектах реального бизнеса. «Революция в аналитике» – это пошаговое практическое руководство по внедрению операционной аналитики и автоматизации принятия решений. Специалисты по аналитике, ИТ и все, кто хочет сделать свою организацию успешнее на основе подхода Big Data, по достоинству оценят работу Фрэнкса.

Читать полностью

Создание прозрачности для потребителей

Теперь давайте рассмотрим пример того, как датчики могут напрямую обслуживать клиентов. Продукт, в котором образцовое обслуживание выведено на новый уровень благодаря использованию данных и аналитики, – это программа SenseAware («Сведущий разум») от компании FedEx{24}24

  См.: www.senseaware.com

[Закрыть]

. SenseAware предлагается к продаже в виде оснащенного датчиками устройства, прикрепляемого к пересылаемой таре. Датчики отслеживают несколько параметров окружающей среды, их мы рассмотрим чуть ниже. С учетом его стоимости продукт нецелесообразно использовать при отправке документов и небольших посылок. Однако он настоятельно рекомендуется при отправке дорогостоящего или чувствительного к окружающим условиям груза.

Возьмем предметы искусства и коллекционирования или дорогостоящие скоропортящиеся товары. Один из главных рисков при их покупке связан с транспортировкой. Помещенный в тару и активированный девайс SenseAware в постоянном режиме отслеживает многочисленные важные показатели окружающей среды. Они включают в себя местонахождение посылки, температуру, влажность и даже уровень освещенности и барометрическое давление внутри упаковки. Например, изменение уровня освещенности указывает на то, что упаковка была вскрыта: как только упаковка открывается, в нее попадает поток света, который немедленно регистрируется световыми датчиками.

Все эти данные передаются в режиме реального времени в FedEx, так что клиент может в любой момент проконтролировать, что происходит с его посылкой. Текущий мониторинг недоступен только на борту самолета. В соответствии с правилами все собираемые за время полета данные кэшируются. По приземлении самолета кэшированные данные пакетом передаются в центральную систему, после чего устройство возобновляет передачу данных в текущем режиме. Клиенты могут проверить последние данные в любое время.

Такой сервис снабжает клиентов ценной информацией. Когда вам нужно переслать дорогостоящий или хрупкий груз, разве вы не хотели бы иметь возможность проконтролировать, что перевозчик транспортирует его при правильной температуре и аккуратно на протяжении всего пути? Перевозчик, который обеспечивает такого рода присмотр, будет иметь серьезное конкурентное преимущество перед теми, кто этого не делает.

Разумеется, продукт также полезен для самой FedEx, поскольку, если компанию обвинят в неправильной транспортировке и причинении ущерба, она может использовать данные SenseAware в качестве доказательства, чтобы защитить себя от обвинений. Например, данные могут показать, находился ли груз под контролем сотрудников FedEx в то время, когда температура и влажность поднялись до неприемлемого уровня. Применение SenseAware уместно не во всех случаях. Но, когда уместно, польза от него очень-очень большая. Пусть аналитика здесь элементарная, зато ценная.

Оптимизация обслуживания пассажиров

Операционная аналитика может повысить удовлетворенность клиентов при одновременном снижении операционных издержек. Замечательный пример тому – это перенаправление пассажиров при нарушениях расписания авиарейсов. В прошлом, когда задержавшийся рейс приземлялся в аэропорту, недовольные и раздраженные пассажиры, опоздавшие на пересадку, были вынуждены осаждать местных агентов авиакомпаний и обрывать их телефоны. Свободные места на альтернативных рейсах выделялись по принципу «первый пришел – первый обслужен». Кто первым добирался до агента, тот и получал место на ближайший рейс.

Сегодня процессы, используемые для разрешения таких ситуаций, стали гораздо более утонченными. Если авиакомпания понимает, что рейс будет задержан, она может определить, какие пассажиры столкнутся с проблемами. Например, если мой рейс задерживается на час и пункт прилета является конечной целью моего путешествия, никаких мер принимать не нужно. Точно так же не нужны никакие меры в том случае, если рейс задерживается на 30 минут, а до пересадки у пассажиров есть в запасе два часа. Авиакомпания может определить, кто нуждается в помощи и какие альтернативы доступны. Затем она может расставить приоритеты, распределив эти альтернативы среди пассажиров на основе стоимости билета, статуса постоянного клиента авиалинии, предыдущих нарушений расписания и ряда других факторов. Аналитика, стоящая за этими решениями, способна включать и такие сложные модели, которые прогнозируют вероятную реакцию конкретного пассажира в зависимости от степени нарушений.

Разумеется, полностью предотвратить негативную реакцию пассажиров невозможно, но можно свести ее к минимуму. Сегодня, если рейс прибывает с опозданием, пассажирам, как правило, не приходится стоять в очереди или звонить в офис авиакомпании. Они могут быстро выяснить информацию у агента на входе в аэровокзал или, проверив свое мобильное устройство, удостовериться, что о них позаботились и направили на другой рейс. Если пассажир предпочитает обратиться к агенту, процесс проходит гораздо быстрее и дружелюбнее, поскольку агент просто подтверждает факт изменений в маршруте пассажира и ему не нужно ничего придумывать. Агент также может предложить альтернативные варианты, если выбранный автоматически вариант не удовлетворяет пассажира.

Таким образом, у пассажиров значительно снижается уровень стресса, связанный с нарушением расписания (могу подтвердить это лично!), и они могут расслабиться и перекусить в ожидании нового рейса. В то же время этот процесс значительно снижает операционные издержки для самих авиакомпаний. Решения о перенаправлении принимаются быстро и автоматически, и не нужно привлекать квалифицированных сотрудников авиакомпаний для изменения маршрута. Кроме того, решения являются наиболее оптимальными, поскольку алгоритмы строго следуют руководящим указаниям. Наконец, сокращается количество взаимодействий сотрудников в личном общении и по телефону, что обеспечивает авиакомпаниям дополнительную экономию.

Автоматизированные операционно-аналитические процессы принятия решений о перенаправлении рейсов являются выигрышными как для пассажиров, так и для авиакомпаний. В этом случае аналитика носит более сложный характер, чем в предыдущих примерах. И закончим мы этот раздел примером использования очень сложной аналитики.

Усиление восприятия в онлайне

Есть ситуации, где в операционную аналитику уже повседневно включается высокий уровень сложности. Веб-персонализация – один из таких примеров. Раньше при посещении веб-сайта пользователи видели предложения или настройки, которые были определены задолго до их визита. Хотя сайт и мог адаптироваться под конкретного пользователя, это происходило не в режиме реального времени. Как правило, владелец сайта использовал аналитический процесс на основе пакетной обработки, подсказывавший системе определенные предложения и кастомизацию для каждого пользователя, когда он возвращается на сайт. Если же аналитика выполнялась накануне вечером, то информация о пользователе, которая стала известна по завершении аналитического процесса, никак не учитывалась. Стоит ли говорить о том, что текущие поисковые сеансы пользователей также не принимались во внимание при кастомизации веб-страниц.

Нужно начинать с простого

Большинство операционно-аналитических процессов начинается с довольно простой аналитики, которая служит фундаментом для надстройки. После того как простой процесс успешно внедрен и запущен в действие, аналитику можно постепенно усложнять.

Сейчас многие организации осуществляют веб-персонализацию на совершенно новом уровне, оптимизируя восприятие клиента в режиме реального времени на основе всех данных о нем, вплоть до последнего клика. Буквально любое действие клиента влияет на то, что он увидит в следующую секунду. Здесь применяется гораздо более сложная аналитика, чем во всех предыдущих примерах, приведенных в этом разделе. Современные подходы к веб-персонализации включают сложные алгоритмы оптимизации, опирающиеся на разнообразие статистических моделей и бизнес-правил.

Развитие до таких устойчивых решений нужно начать с простых способов персонализации, а затем утвердить операционные процессы, которые станут обслуживать адаптированный под пользователей контент. Только после того как основы займут свое место, можно будет изощряться. Вот и в этой главе готовьтесь увидеть, как многие приведенные здесь примеры со временем усложняются и усложняются.

Время существенно

Скорость, с которой должны осуществляться аналитические процессы, сжимается. Вот и операционная аналитика должна выполняться с молниеносной скоростью. В некоторых случаях речь идет о секундах и даже миллисекундах. Давайте рассмотрим два конкретных примера операционной аналитики в действии, когда скорость имеет первостепенное значение.

Аналитика обеспечит безопасность

Международная ассоциация воздушного транспорта (International Air Transport Association, IATA) считает, что в будущем за линиями тревожной сигнализации в аэропортах станет наблюдать крайне изощренная аналитика, работающая в режиме реального времени{25}25

  См.: “Smart Security”, www.iata.org/whatwedo/security/Pages/smart-security.aspx

[Закрыть]

. IATA предвидит создание в аэропортах туннелей безопасности длиной порядка 20 метров. Еще до прибытия каждого пассажира компьютер определит его профиль риска, после чего пассажир будет направлен в туннель с соответствующим уровнем проверки безопасности. Проходя по туннелю со своими вещами, как по обычному коридору, пассажиры будут подвергаться разнообразным тестам и сканированию. При этом им даже не придется замедляться при прохождении металлодетекторов, детекторов взрывчатых веществ и прочего. После выхода из туннеля пассажиры свободно продолжат свой путь дальше, если не сработает сигнал тревоги. Такое предвидение IATA является огромным шагом вперед по сравнению с современными методами, из-за которых пассажирам приходится останавливаться, ждать в длинных очередях, снимать предметы одежды и поворачиваться в сканерах под пристальными взглядами сотрудников службы безопасности.

Задумайтесь на мгновение о том, что потребуется, чтобы сделать предвидение IATA реальностью. Предложенный протокол безопасности всецело основан на данных и аналитике. Всего за десяток секунд, пока пассажир идет по туннелю, потребуется выявить любого рода риск и отреагировать на него. За это время сканеры и сенсоры внутри туннеля должны собрать данные о наличии взрывчатых веществ, запрещенных к провозу жидкостей или животных, оружия или предметов, которые могут быть использованы как оружие, и т. д. После сбора данных они в подавляющем большинстве должны быть автоматически проанализированы для определения наличия или отсутствия угрозы. Если угроза обнаружена, у сотрудников службы безопасности будет 20–30 секунд на то, чтобы перехватить подозрительного пассажира, прежде чем он уйдет.

Операционная аналитика будет решать жизненно важные вопросы

Аналитика уже поддерживает многие решения в сфере безопасности. В перспективе важно будет не «кто», а «что» сканирует и досматривает людей. Большинство сканеров безопасности станет действовать автоматически на основе данных и аналитики.

Весь сбор и анализ данных должен осуществляться в режиме реального времени, а операционно-аналитические процессы – за несколько секунд проанализировать данные и принять жизненно важные решения. Аналитика будет не только очень сложной, но и должна быть в высшей степени точной. Если система пропустит хотя бы одну бомбу или один пистолет, последствия окажутся тяжелыми. Известно, что сегодня сотрудники службы безопасности иногда пропускают оружие из-за усталости или отсутствия концентрации. Автоматизированные же алгоритмы смогут работать непрерывно без снижения точности. Если предвидение IATA осуществится, нам добавится безопасности и мы получим более простые и быстрые процедуры ее проверки. Это операционная аналитика в ее лучшем виде.

Сто миллионов долларов за миллисекунду

Недавно я прочитал очень интересную книгу Кристофера Стейнера «Автоматизируй это: Как алгоритмы будут управлять нашим миром» (Automate This: How Algorithms Came to Rule Our World){26}26

  Christopher Steiner, Automate This: How Algorithms Came to Rule Our World (New York: Penguin, 2013).

[Закрыть]

. В ней рассматривается эволюция компьютеризированной торговли на фондовом рынке. Если вы не в курсе, сейчас компьютеры используют сложные аналитические алгоритмы, которые за миллисекунды принимают решения о покупке или продаже ценных бумаг. Затем они в мгновение ока напрямую размещают ордера на продажу/покупку бумаг. Как правило, цель – поймать крайне малую разницу в ценах и тут же закрыть сделку. Повторите такие действия миллионы раз в день и прилично заработаете, даже если отдельная сделка принесет гроши. Автоматическая торговля ценными бумагами при помощи аналитики с интервалами в миллисекунду – еще один наглядный пример операционной аналитики в действии.

Если еще несколько лет назад автоматизированный трейдинг был в общем-то новинкой, то сегодня на него приходится значительно больше половины всего объема торгов на ведущих биржах{27}27

  См.: Steven Goldberg, “Could Computerized Trading Cause Another Market Crash?” Kiplinger, 24 августа 2011 г., на www.kiplinger.com/article/investing/T041‐C007‐S001‐could‐computerized‐trading‐cause‐another‐market‐cr.html

[Закрыть]

. Такой вид операционной аналитики сопряжен как с большой ответственностью, так и с большими рисками. Ведь компьютеры самостоятельно анализируют последние данные и немедленно ставят на кон реальные деньги. Требуется принять на себя серьезную ответственность за то, чтобы гарантировать, что торговые алгоритмы полностью протестированы и отслеживаются на случай, если возникнет непредвиденное отклонение. Риски возникают тогда, когда непредвиденное все-таки происходит, но вовремя не выявляется.

В 2010 г., казалось бы, ни с того ни с сего и без видимых причин произошел так называемый мгновенный обвал американского фондового рынка. Оказалось, что толчок к обвалу дал сбой в автоматической торговой программе{28}28

  См.: Ben Rooney, “Trading Program Sparked May ‘Flash Crash’”, CNNMoney, 1 октября 2010 г., на http://money.cnn.com/2010/10/01/markets/SEC_CFTC_flash_crash/index.htm

[Закрыть]

. Но к тому моменту, когда источник проблемы установили и приняли меры для ее смягчения, уже был причинен огромный реальный ущерб. Очевидно, что из-за осложнений, возникших в аналитических процессах, которые использовались для сомнительных торговых программ.

Иногда важны даже миллисекунды

Кажется безумием инвестировать сотни миллионов долларов в сокращение на несколько миллисекунд процесса передачи данных. Но с учетом того, на какой скорости работают компьютеризированные торговые программы, эти инвестиции себя окупают. На автоматические алгоритмы, представляющие собой операционную аналитику в ее наивысшем проявлении, сейчас приходится более половины объема торгов на фондовых биржах.

Таким образом, в число проблем, с которыми сталкивается операционная аналитика, входят прием непредвиденных вопросов и работа с ними. Когда организация позволяет алгоритмам с упреждением и автоматически принимать решения, система может разладиться (и разлаживается!). Однако важно помнить, что система может разладиться (и разлаживается!) при любом способе принятия решений. Например, когда люди водят машину, они понимают, что время от времени будут совершать ошибки. ДТП являются неотъемлемым риском вождения. Однако люди не перестают водить машины, поскольку в долгосрочной перспективе выгоды от вождения намного перевешивают риски и издержки периодически случающихся ДТП.

Аналогичным образом будут происходить негативные инциденты с операционной аналитикой. Каждая организация, применяющая операционную аналитику, время от времени будет сталкиваться с глюками и ошибками. Тем не менее в долгосрочной перспективе, если организация правильно осуществляет свои процессы, выгоды намного перевесят любые издержки, которые неизбежны при ведении бизнеса. Несколько отдельных инцидентов не должны стать поводом для отказа от всего подхода.

Что же касается скорости аналитики, интересно посмотреть, каких пределов она может достичь. В книге Стейнера рассказывается о том, как инвесторы вложили сотни миллионов долларов в строительство спрямленной линии связи для передачи данных из Нью-Йорка в Чикаго. Вместо того чтобы прокладывать ее по традиционным полосам отвода вдоль автомобильных и железных дорог, инвесторы приобретали частные участки, лишь бы спрямить маршрут. Сокращение его протяженности на несколько миль, по сравнению с существующей линией, сокращало время передачи данных на несколько миллисекунд. С учетом скорости работы торговых алгоритмов эти сэкономленные миллисекунды со временем вполне могут вылиться в многомиллиардные прибыли. Ведь алгоритмы, использующие более быструю подпитку данными, способны получать, анализировать и применять информацию прежде, чем конкуренты, использующие традиционные линии связи, даже ее получат. Поэтому инвесторы были уверены в том, что их вложение средств с лихвой себя оправдает.

Аналитика делает мир безопаснее

Широкое разнообразие методов операционной аналитики направлено на обеспечение безопасности людей, имущества и продуктов питания. Применяя новые источники данных для создания новых аналитических процессов, можно сделать наш мир безопаснее. В следующем разделе мы рассмотрим несколько таких примеров, в том числе один из государственного сектора. Ведь коммерческие организации не единственные, кто может выиграть от внедрения операционной аналитики. Государственным структурам это тоже по силам.

Предотвращение неблагоприятных событий

Сегодня автомобили становятся все более и более сложными. Современные автомеханики при обслуживании автомобиля должны разбираться не только в его механических, но и в компьютерных системах. Несколько последних инноваций направлены на повышение безопасности вождения за счет предотвращения неблагоприятных событий.

Системы круиз-контроля могут вскоре усовершенствоваться благодаря аналитике, автоматически предупреждающей столкновения. Если, исходя из разницы в скорости между своим и впереди идущим автомобилем, компьютер определяет, что столкновение неизбежно, он автоматически активирует тормоза, опережая водителя. В беспилотных автомобилях (о них мы поговорим чуть дальше) водителям вообще не нужно нажимать на тормоза. Также очень простая аналитика помогает обнаружить людей и объекты при движении задним ходом. Многие автомобили сейчас уведомляют водителей звуковым сигналом о наличии препятствия и информируют о расстоянии до него. Невероятно простая в этом случае аналитика, однако, позволяет спасти жизни, особенно маленьких детей, которые часто остаются незамеченными для водителей при движении вспять.

Вспомните пример из второй главы о датчиках, устанавливаемых рядом с железнодорожным полотном, чтобы в режиме реального времени они отслеживали температуру колес у проходящих составов. Если система обнаруживает перегрев колес, состав получает приказ остановиться. К нему направляется бригада рабочих, чтобы проверить состояние вагона и правильно разместить груз. Для железнодорожной компании гораздо дешевле остановить состав и устранить проблему до схода его с рельсов, чем потом устранять последствия катастрофы. Ведь сход с рельсов не только приведет к серьезной задержке движения, но и может причинить значительный материальный ущерб и даже привести к человеческим жертвам. Использование же сенсорных данных не только делает железные дороги более безопасными, но и бережет средства. Хотя в этом случае используются довольно простые алгоритмы, их роль весьма значительна.

Обеспечение свежести продуктов

Теперь давайте перейдем к производителям свежей продукции. Они обычно хранят ее на поддонах на складе, а затем транспортируют в магазины. В течение всего времени хранения температура продуктов должна оставаться в пределах заданного диапазона наряду с заданным диапазоном влажности. Но что если на одном из участков склада выйдут из строя кондиционеры или обогреватели? Заведующий складом может быстро узнать об этом, поскольку датчики начнут подавать сигналы тревоги, и поручить сотрудникам переместить поддоны с продукцией в другое место. Но производителю также важно знать и то, какие поддоны со свежей продукцией могли пострадать, чтобы проверить их состояние.

В прошлом могло пройти много часов, прежде чем кто-то замечал, что на одном конце склада стало немного теплее, чем должно быть. К этому моменту поврежденная продукция уже могла быть отправлена в магазины. И производителю приходилось уведомлять все магазины, получившие продукцию со склада в тот день, о необходимости перепроверить ее качество.

Сегодня поддоны с испортившейся продукцией могут выявляться до того, как они покинут склад. Бóльшую часть времени аналитика используется в основных приборах оповещения, которые сравнивают текущие показания датчиков с заданными пороговыми значениями. Со временем алгоритмы будут развиты до такой степени, что станут учитывать колебания температуры и влажности у каждого поддона и прогнозировать риск порчи продуктов. Нагревание на несколько градусов в течение нескольких минут обычно не вызывает проблем, однако серия небольших отклонений в течение нескольких дней значительно увеличивает этот риск. Для поиска подобных аномалий, несомненно, будут разработаны более продвинутые аналитические процессы.