Совместный проект
Цифровая трансформация
Декабрьские тезисы о своеобразии текущего момента
Семь вопросов, на которые есть ответы

Говорят, прогнозы – дело неблагодарное. Между тем, в конце года мы традиционно задаемся вопросом, «что день грядущий мне готовит». Самые популярные и востребованные форматы декабря – прогнозы аналитиков, гороскопы астрологов, гадание на кофейной гуще (в нашем случае – высокотехнологичной). Вот и эксперты «АйТеко» решили предугадать, что из технотрендов настоящего получит развитие в 2018-м...

Главный вопрос: что происходит?

Происходит компьютеризация всех процессов, вследствие чего непрерывно порождаются и сохраняются огромные объемы неструктурированных данных. Эти данные собирают самые разные организации: розничные сети, финансовые компании, промышленные гиганты, интернет-поисковики, социальные медиа.

Все они надеются найти им применение и использовать для создания новых продуктов и сервисов. Когда-то генерируемые компьютерами данные считались просто побочным продуктом информационных технологий, и их сохраняли лишь потому, что так было нужно. И только в XXI веке мега-объемы данных сами стали источником информации.

Можно ли все сложные и необъятные данные описать при помощи сравнительно простой модели, доступной для внедрения в современных бизнес-системах?

Это вполне реально при помощи технологий машинного обучения. Скажем, аудитория розничной сети, торгующей через супермаркеты и интернет-магазины, — это миллионы покупателей, ежедневно приобретающих тысячи товаров и при этом создающих огромные базы транзакций.

Теория machine learning предполагает, что в этих данных можно найти конечное количество «паттернов» – шаблонов покупательского поведения. Обычный еженедельный поход в магазин, планирование дружеской вечеринки, рождение ребенка – разные виды паттернов, которые можно объяснить некими основополагающими факторами и их взаимодействиями. Осталось задействовать глубокое машинное обучение – и перспективам такой розничной сети можно будет только позавидовать...

А при чем здесь машинное обучение? Может быть, мы говорим об искусственном интеллекте?

Во-первых, оно уже доказало свою жизнеспособность, решая всё больше задач в самых разных областях. Во-вторых, машинное обучение – это и есть один из способов создания искусственного интеллекта. По мере развития технологий сфера применения интеллектуальных систем с машинным обучением будут расти. И чем дальше, тем сложнее будут задачи, решаемые при помощи интеллектуального анализа данных.

Смогут ли компании предвидеть, что именно захочет приобрести каждый клиент?

Вернемся к гипотетическому примеру розничной сети, которая внедрит у себя машинное обучение в полном объеме. Ежедневно она продает тысячи товаров миллионам покупателей. Детали каждой транзакции (дата, имя покупателя, перечень купленных товаров и их стоимость, сумма чека и скидки по карте) сохраняются в базе данных компании. Постепенно этих данных становится очень много.

Их обработка позволит торговым сетям находить закономерности покупательского поведения, делать прогнозы и оптимизировать деятельность. Процесс обработки огромных объемов данных и есть data mining – интеллектуальный анализ и/или добыча данных. Это один из видов машинного обучения: компьютер обучается, извлекая паттерны и делая обобщения, что уже сродни человеческому обучению.

Так Big Data («большие данные») и Интернет вещей – смежные концепции?

Интернет вещей (IoT) – это сеть физических предметов («вещей»), в которые встроены коммуникационные технологии и сенсоры для контроля заданных параметров. Сегодня всё больше типов производственных активов получают возможность передавать информацию о себе с помощью датчиков.

Использование технологий обработки Big Data, бизнес-аналитики и IoT привносит в промышленные инсталляции интеллект и коммуникационные возможности, позволяющие ежесекундно отслеживать ситуацию и сообщать о необходимости обслуживания оборудования до наступления сбоя. Это требует внедрения сложного аналитического программного обеспечения, принимающего информацию от промышленных датчиков, обрабатывающего ее в виде больших данных и поддерживающего постоянную связь с производителем в режиме онлайн.

Аналитики агентства McKinsey&Company считают, что обширные сети датчиков позволят получать гораздо больше информации добывающим компаниям. Внедрение IoT во всех отраслях произвело бы переворот: розничным сетям стало бы намного легче понять покупательское поведение, производители могли бы всё и всегда знать о состоянии своего оборудования, а клиники – эффективнее лечить больных.

Чем всё это кончится – автоматизацией всех промышленных процессов и принятием любых бизнес-решений?

Это маловероятно. Но даже те перспективы развития машинного обучения, которые не кажутся фантастическими, могут коренным образом изменить существующие бизнес-отношения. Уже сегодня авиакомпании используют динамическую модель регулирования цен в зависимости от повышения и понижения спроса в реальном масштабе времени.

В мире IoT и искусственного интеллекта появятся на порядки более развитые модели. В перспективе это приведет к серьезнейшим последствиям. Промышленный интернет и машинное обучение помогают глубже понимать принципы использования и потребления. В перспективе можно будет широко использовать схемы оплаты по факту потребления и гибкие модели стоимости.

Биткоин, перманентно достигая очередного исторического максимума, вырос за год более чем в 20 раз. Чего ждать дальше?

Спокойствие, только спокойствие! Каждые сто лет где-нибудь происходит золотая лихорадка, кто-нибудь на ней обязательно обогащается, но случается это на фоне более глобальных событий, таких как индустриальный подъем в Калифорнии. Не сам по себе биткоин важен, а модель децентрализованных транзакций, на которых основана технология блокчейн.

Эта модель применима ко всем областям деятельности человека: транспорту, спорту, торговле недвижимостью, страхованию, логистике. Рост курса биткоина (который 16 декабря 2017 г. стоил $19 тыс., а 17 декабря перевалил за $20 тыс.) – хороший мотиватор с учетом того, что большинство биткоинов на сегодня уже «добыто» вследствие естественным образом ограниченной эмиссии.

Однако главное, что криптовалюты приближают нас к концепции реальной, а не номинальной стоимости денег, посредника при обмене одних благ на другие и денег как инструмента человеческой деятельности, а не её конечной цели.

Поделитесь:

Еще про Цифровую трансформацию

1
История успеха: «Москвёнок», который не сорвал ни одного урока

Образование по своей сути – довольно консервативная сфера. Школы обязаны сохранить и передать следующим поколениям накопленные на протяжении веков человеческой истории знания и традиции. И педагоги зачастую настороженно относятся к любым экспериментам с образовательным процессом. Но цифровая трансформация проникает и сюда.

Читать
4
«Цифра» в экономике

Уходящий 2017 год прошел под знаком «Инициативы по развитию цифровой экономики в Российской Федерации», реализуемой Всемирным банком и отечественными организациями. Об основных понятиях и тенденциях цифровизации экономики рассказывает «цифровой» эксперт Игорь Зимненко, заместитель генерального директора компании «АйТеко».

Читать